• 한국정보통신학회논문지
• /
• 제24권10호
• /
• pp.1262-1270
• /
• 2020

최근 관심이 높아지고 있는 스마트 감시 비디오에 관한 연구는 주로 침입자 탐지 및 추적과 유기 물체 탐지에 초점이 맞춰져 왔고, 도난 물체의 실시간 탐지에 대한 연구는 중요성에 비해 상대적으로 미흡한 상황이다. 본 논문은 스마트 감시 비디오 적용 환경을 고려하여 두 가지의 서로 다른 도난 물체 탐지 알고리즘을 제시한다. 먼저 이중 배경 차감 모델(dual background subtraction model)을 사용하여 사전에 정적 및 동적으로 등록된 감시 대상 물체의 도난을 탐지하는 알고리즘을 제시한다. 그리고 이중 배경 차감 모델과 Mask R-CNN 기반의 객체 세그멘테이션 기술을 통합적으로 적용하여 일반 감시 물체의 도난을 탐지하는 알고리즘을 제시한다. 전자의 알고리즘은 등록된 감시 물체를 대상으로 계산 능력이 높지 않은 환경에서 경제적인 도난 탐지 서비스를 제공할 수 있고, 후자의 알고리즘은 충분한 계산 능력을 제공할 수 있는 환경에서 보다 광범위한 일반 감시 물체의 도난 탐지에 적용할 수 있다.

• 한국멀티미디어학회논문지
• /
• 제20권6호
• /
• pp.893-910
• /
• 2017

In this paper, we propose a simple online multiple object (human) tracking method, LKDeep (Lucas-Kanade feature and Detection based Simple Online Multiple Object Tracker), which can run in fast online enough on CPU core only with acceptable tracking performance for embedded surveillance purpose. The proposed LKDeep is a pragmatic hybrid approach which tracks multiple objects (humans) mainly based on LK features but is compensated by detection on periodic times or on necessity times. Compared to other state-of-the-art multiple object tracking methods based on 'Tracking-By-Detection (TBD)' approach, the proposed LKDeep is faster since it does not have to detect object on every frame and it utilizes simple association rule, but it shows a good object tracking performance. Through experiments in comparison with other multiple object tracking (MOT) methods using the public DPM detector among online state-of-the-art MOT methods reported in MOT challenge [1], it is shown that the proposed simple online MOT method, LKDeep runs faster but with good tracking performance for surveillance purpose. It is further observed through single object tracking (SOT) visual tracker benchmark experiment [2] that LKDeep with an optimized deep learning detector can run in online fast with comparable tracking performance to other state-of-the-art SOT methods.

• 전기전자학회논문지
• /
• 제14권4호
• /
• pp.317-323
• /
• 2010

특정 공간 내에서의 보안에 대한 효과적인 방법으로써 비디오 영상 감시 시스템(video surveillance system)이 널리 사용되고 있다. 그러나, 단일 카메라 기반의 시스템에서는 한정된 카메라 시야(field of view)의 제약으로 인하여 대상 영역을 완전히 커버하지 못하는 문제점이 있다. 본 논문에서는 이러한 단일 카메라 기반의 비디오 영상감시 시스템의 단점을 보완하기 위한 복수의 wide baseline 고정 카메라를 이용한 시스템을 개발, 구현하였다. 제안하는 시스템에서는 복수의 고정 카메라로부터 움직이는 물체를 강건하게 검출하기 위하여, 코드북(codebook) 기반의 물체 검출 알고리즘과 모폴로지(morphology)가 사용되고, 3D 재구성을 통해 검출된 물체의 궤적을 계산한다. 실험결과로부터 제안하는 시스템은 물체를 성공적으로 추출하여, 신뢰도 있는 이동궤적을 top view 형태로 제공함 을 확인할 수 있다.

• 한국ITS학회 논문지
• /
• 제11권3호
• /
• pp.63-69
• /
• 2012

넓은 지역에서의 종합감시시스템 구축은 인력을 효율적으로 관리할 수 있으며 자동화된 감시망을 구축하여 비감시 지역을 줄일 수 있는 특징이 있다. 본 논문에서는 넓은 지역에서 적용할 수 있는 지능형 종합감시시스템에서 입력되는 비디오의 특징을 위치와 용도별로 분석하여 적합한 비디오 감시 알고리즘을 선택할 수 있는 방안을 제시하였다. 7가지 대표적인 상황으로서 침입, 물건 버림/없어짐, 배회, 혼잡도 측정 등이다.

• 한국건축시공학회:학술대회논문집
• /
• 한국건축시공학회 2021년도 봄 학술논문 발표대회
• /
• pp.40-41
• /
• 2021

The construction industry has the highest occupational accidents/injuries among all industries. Korean government installed surveillance camera systems at construction sites to reduce occupational accident rates. Construction safety managers are monitoring potential hazards at the sites through surveillance system; however, the human capability of monitoring surveillance system with their own eyes has critical issues. Therefore, this study proposed to build a deep learning-based safety monitoring system that can obtain information on the recognition, location, identification of workers and heavy equipment in the construction sites by applying multiple-object tracking with instance segmentation. To evaluate the system's performance, we utilized the MS COCO and MOT challenge metrics. These results present that it is optimal for efficiently automating monitoring surveillance system task at construction sites.

• 한국건축시공학회지
• /
• 제21권5호
• /
• pp.397-408
• /
• 2021

건설업은 업무상 재해 발생빈도와 사망자 수가 다른 산업군에 비해 높아 가장 위험한 산업군으로 불린다. 정부는 건설 현장에서 발생하는 산업 재해를 줄이고 예방하기 위해 CCTV 설치 의무화를 발표했다. 건설 현장의 안전 관리자는 CCTV 관제를 통해 현장의 잠재된 위험성을 찾아 제거하고 재해를 예방한다. 하지만 장시간 관제 업무는 피로도가 매우 높아 중요한 상황을 놓치는 경우가 많다. 따라서 본 연구는 딥러닝 기반 컴퓨터 비전 모형 중 개체 분할인 YOLACT와 다중 객체 추적 기법인 SORT을 적용하여 다중 클래스 다중 객체 추적 시스템을 개발하였다. 건설 현장에서 촬영한 영상으로 제안한 방법론의 성능을 MS COCO와 MOT 평가지표로 평가하였다. SORT는 YOLACT의 의존성이 높아서 작은 객체가 적은 데이터셋을 학습한 모형의 성능으로 먼 거리의 물체를 추적하는 성능이 떨어지지만, 크기가 큰 객체에서 뛰어난 성능을 나타냈다. 본 연구로 인해 딥러닝 기반 컴퓨터 비전 기법들의 안전 관제 업무에 보조 역할로 업무상 재해를 예방할 수 있을 것으로 판단된다.

• International Journal of Internet, Broadcasting and Communication
• /
• 제11권4호
• /
• pp.76-85
• /
• 2019

We introduce a vision-based object detection method for real-time video surveillance system in low-end edge computing environments. Recently, the accuracy of object detection has been improved due to the performance of approaches based on deep learning algorithm such as Region Convolutional Neural Network(R-CNN) which has two stage for inferencing. On the other hand, one stage detection algorithms such as single-shot detection (SSD) and you only look once (YOLO) have been developed at the expense of some accuracy and can be used for real-time systems. However, high-performance hardware such as General-Purpose computing on Graphics Processing Unit(GPGPU) is required to still achieve excellent object detection performance and speed. To address hardware requirement that is burdensome to low-end edge computing environments, We propose sub-frame analysis method for the object detection. In specific, We divide a whole image frame into smaller ones then inference them on Convolutional Neural Network (CNN) based image detection network, which is much faster than conventional network designed forfull frame image. We reduced its computationalrequirementsignificantly without losing throughput and object detection accuracy with the proposed method.

• 한국정보전자통신기술학회논문지
• /
• 제11권2호
• /
• pp.209-214
• /
• 2018

도시철도인 지하철은 대중교통 수단 중의 핵심이라고 할 수 있다. 도시 철도는 항상 많은 승객들이 이용하다 보니 도난, 범죄, 테러 등의 심각한 문제에 늘 노출되어 있다. 특히 도시철도 환경 특성상 감시 범위가 넓게 분산되어 있고 감시 대상 범위가 급증하고 있어 기존 CCTV와 같은 수동적인 감시만으로는 종합적인 관리가 어려운 상황이다. 본 논문에서는 도시철도내 지능형 객체인식 시스템을 구성, 설계 방법 및 객체 인식 알고리즘을 제안하고자 한다. 제안하고자 하는 객체 인식시스템은 역사내 카메라 영상을 분석하여 승강장 및 대합실에서 제한구역내 접근이나, 방치 혹은 일정 시간 이상 움직이지 않는 물체가 있는 경우를 위험 상황으로 인지하고 신속하게 대응 할 수 있도록 하고자 하였다. 제안된 알고리즘은 기존 Kalman 필터를 이용한 객체 인식율 84.62%에 비해 지정지역 감지에 대해서는 100%, 방치된 물체 감지는 최소 82% 이상, 움직임이 없는 물체 감지에서는 94% 이상의 감지율을 나타내어 실효성을 입증하였다.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제13권4호
• /
• pp.298-306
• /
• 2013

Recent years have witnessed a growing interest in the fields of video surveillance and mobile object tracking. This paper proposes a mobile object tracking algorithm. First, several parameters such as object window, object area, and expansion-contraction (E-C) parameter are defined. Then, a modified E-C algorithm for multiple-object tracking is presented. The proposed algorithm tracks moving objects by expansion and contraction of the object window. In addition, it includes methods for updating the background image and avoiding occlusion of the target image. The validity of the proposed algorithm is verified experimentally. For example, the first scenario traces the path of two people walking in opposite directions in a hallway, whereas the second one is conducted to track three people in a group of four walkers.

• 한국정보전자통신기술학회논문지
• /
• 제7권2호
• /
• pp.82-85
• /
• 2014

지능형 영상 감시 시스템은 감시카메라의 영상정보를 디지털화 하여 시스템이 스스로 사물의 위치 및 패턴을 분석하고 위험 상황이 발생할 경우 경보 및 출입 차단 시스템을 작동하여 보안담당자에게 즉각 현황을 알려 사람의 관리로 인해 발생하는 취약점을 대체, 보완 할 수 있게 해준다. 그러나 원거리 화면에서에서 작은 객체를 확대하기 위해서는 객체 위치에 따른 정확한 확대 배율과 중심좌표 이동이 이루어져야 한다. 그래서 본 논문에서는 유동적 배경에서 객체 이동에 따른 Pan, Tilt 좌표와 확대 배율을 연산하여 객체가 근거리 혹은 원거리 어디에 있듯 일정한 크기의 객체를 추적할 수 있도록 하고자 하였다. 실험결과 카메라의 정확한 PTZ 제어를 위하여 무게 중심을 검출하여 제어한 결과, 거리에 따라 최소 94%~100%의 정확한 제어가 가능하여 객체의 주요 영역을 인식 및 추적할 수 있었다.