지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 발행연도
- 2013
- 저작권
- 원광대학교 논문은 저작권에 의해 보호받습니다.
이용수0
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
인간의 움직임 분할 및 인식 시스템은 기계에 시각적 능력을 부여함으로써 자동으로 인간의 행동 패턴을 분리 및 가공해 주는 기술이다. 이는 실생활 편의와 보안상 목적으로 최근 활발히 연구되고 있는 분야 중 하나로, 납치 및 폭력 등의 강력범죄가 증가함에 따라 지능형 영상 감시 시스템의 수요와 더불어 많은 연구가 이루어지고 있다. 그러나 주변 환경에 따른 다양한 영상 잡음과 인간의 움직임 패턴으로 인해 구현이 힘든 단점을 가지고 있다.
본 논문은 지능형 영상 감시를 위한 인간의 움직임 분할 및 인식 시스템에 관한 것으로, 다양한 잡음 환경과 움직임 패턴에 대해 향상된 성능을 보이는 HMSR(Human Motion Segmentation and Recognition) 시스템을 제안한다. 제안된 시스템은 크게 두 부분으로 구성된다. 먼저 영상의 잡음 제거 측면에서 옥트리 구조의 컴플렉스 웨이브렛 형태학을 제안한다. 다음으로 인간의 움직임 영역을 인식하기 위해 프레임 기반의 움직임 인식 알고리즘을 적용한다.
옥트리 구조의 컴플렉스 웨이브렛 형태학은 기존 DTCWT의 6개 방향성 부대역 외에 수직?수평(0˚, 90˚) 부대역을 생성함으로써 향상된 고주파 성분 분리 특성을 갖는 알고리즘으로 가우시안 잡음과 임펄스 잡음에 모두 강인한 특성을 보인다. 프레임 기반의 움직임 인식 알고리즘은 연속된 프레임 중 의미 없는 유사 프레임과 배경을 제거하고 계산량을 줄이기 위해 에지 히스토그램 기술자를 적용하여 샷의 경계를 검출한다. 다음으로 키프레임 선정 파라미터에 의해 샷 경계 내의 대표 키프레임을 선정하며, 움직임 객체만을 검출하기 위해 방향성 에지 성분과 SV 컬러 공간을 이용하여 변화 영역을 감지한다. 마지막으로 고유 벡터를 이용해 저차원 특징 벡터를 생성 후 인간과 사물을 군집화 하여 인간의 움직임 영역만을 효과적으로 분리 및 인식한다.
모의실험 결과 제안된 옥트리 구조의 컴플렉스 웨이브렛 형태학은 기존의 DTCWT 보다 20% 가우시안 잡음 영상, 10% 임펄스 잡음 영상, 혼합된 잡음 영상에서 각각 1.27dB, 6.80dB, 6.60dB 향상된 PSNR을 확인하였다. 제안된 HMSR 시스템은 PETS 2000과 PETS 2004 데이터베이스에서 기존 알고리즘에 비해 1.2%, 0.6% 향상된 성능을 확인할 수 있었다. 특히 다양한 잡음이 첨가된 혼합 잡음 영상에서는 5.1% 향상된 성능을 보임으로써 잡음과 환경에 우수한 특성을 확인하였다.
본 논문은 지능형 영상 감시를 위한 인간의 움직임 분할 및 인식 시스템에 관한 것으로, 다양한 잡음 환경과 움직임 패턴에 대해 향상된 성능을 보이는 HMSR(Human Motion Segmentation and Recognition) 시스템을 제안한다. 제안된 시스템은 크게 두 부분으로 구성된다. 먼저 영상의 잡음 제거 측면에서 옥트리 구조의 컴플렉스 웨이브렛 형태학을 제안한다. 다음으로 인간의 움직임 영역을 인식하기 위해 프레임 기반의 움직임 인식 알고리즘을 적용한다.
옥트리 구조의 컴플렉스 웨이브렛 형태학은 기존 DTCWT의 6개 방향성 부대역 외에 수직?수평(0˚, 90˚) 부대역을 생성함으로써 향상된 고주파 성분 분리 특성을 갖는 알고리즘으로 가우시안 잡음과 임펄스 잡음에 모두 강인한 특성을 보인다. 프레임 기반의 움직임 인식 알고리즘은 연속된 프레임 중 의미 없는 유사 프레임과 배경을 제거하고 계산량을 줄이기 위해 에지 히스토그램 기술자를 적용하여 샷의 경계를 검출한다. 다음으로 키프레임 선정 파라미터에 의해 샷 경계 내의 대표 키프레임을 선정하며, 움직임 객체만을 검출하기 위해 방향성 에지 성분과 SV 컬러 공간을 이용하여 변화 영역을 감지한다. 마지막으로 고유 벡터를 이용해 저차원 특징 벡터를 생성 후 인간과 사물을 군집화 하여 인간의 움직임 영역만을 효과적으로 분리 및 인식한다.
모의실험 결과 제안된 옥트리 구조의 컴플렉스 웨이브렛 형태학은 기존의 DTCWT 보다 20% 가우시안 잡음 영상, 10% 임펄스 잡음 영상, 혼합된 잡음 영상에서 각각 1.27dB, 6.80dB, 6.60dB 향상된 PSNR을 확인하였다. 제안된 HMSR 시스템은 PETS 2000과 PETS 2004 데이터베이스에서 기존 알고리즘에 비해 1.2%, 0.6% 향상된 성능을 확인할 수 있었다. 특히 다양한 잡음이 첨가된 혼합 잡음 영상에서는 5.1% 향상된 성능을 보임으로써 잡음과 환경에 우수한 특성을 확인하였다.
목차
서 론 1제 1 장. 동영상 객체 분할과 컬러 모델 4제 1 절. 동영상 객체 분할 4제 2 절. 공간 컬러 모델 6제 3 절. 주성분 분석법 12제 2 장. 웨이브렛 변환과 형태학 18제 1 절. 웨이브렛 변환 19제 2 절. 이중 트리 컴플렉스 웨이브렛 변환 38제 3 절. 웨이브렛 형태학 알고리즘 49제 3 장. 제안된 HMSR 시스템 58제 1 절. 옥트리 구조의 컴플렉스 웨이브렛 형태학 60제 2 절. 프레임 기반의 객체 분할 및 인식 77제 4 장. 모의실험 및 고찰 91결 론 112참 고 문 헌 115
최근 본 자료
댓글(0)
0