영상관제에 있어 객체 식별률 향상을 위한 클래스 분류 및 이상신호 감지 모듈 개선에 관한 연구 (A Study on the Improvement of Classification and Abnormal Signal Detection Module for Improving an Object Identified in the Video-Rate Control)

서지정보

· 발행기관 : 사단법인 인문사회과학기술융합학회
· 수록지 정보 : 예술인문사회 융합 멀티미디어 논문지 / 7권 / 4호 / 225 ~ 234페이지
· 저자명 : 유주경, 김종배

초록

보안 감시 시스템 분야가 주목받으면서 다양한 연구가 진행되고 있지만 영상 시스템에서의 이상 징후 감시 시스템을 식별하는데 여전히 인력에 의존하고 있다. 이에 영상에서의 객체 식별률을 높여 이 문제를 해결하고자 한다. 먼저 템플릿 매칭을 통하여 객체를 분류하고 객체의 이동경로를 추적한 개선된 예측형 영상관제 프로세스를 제안한다. 본 논문에서는 객체의 이상신호 감지를 위한 MOG(Mixture-of-Gaussian) 필터를 이용하여 배경과 전경을 분리한 정적인 객체를 추출해 낸다. 이를 위해 상대적으로 움직임이 많고 복잡한 객체를 클래스화 하는데 기존의 SVM 알고리즘을 사용하기에는 외부 API의 제약이 많다. 이를 해결하고자 최소제곱법을 적용하여 표본데이터로부터의 물체의 기울기 변화를 측정하고 SIFT 알고리즘으로 물체 외형의 키포인트를 추출해낸다. 이 객체를 Random Forest로 분류한 후 동적계획법으로 클래스화 하여 가장 유사한 K-근접 이웃클래스를 선택한다. 선택된 클래스들에 포함된 영상에 대해서 Motion Detecting을 이용하여 객체의 이상신호를 감지한다.

영어초록

The field of security monitoring system and the various research has been conducted. However, anomalities detected in a video control system reached uppermost limit and system supervisor is not enough. Thus, this paper proposed that further improved intelligent monitoring system by tracking the path of movement of the object.. Currently, the following four important techniques are required for this task: MOG(Mixture-Of-Gaussian) and KNN(K-Nearest Neighbors), SIFT keypoint descriptor, method of least squares, there are some methods to obtain backgrounds and classifies class such as MOG and classifier KNN Algorithms builds a model using the training set., and then implementing the SIFT keypoint detector and descriptor extractor focusing on dynamic memory allocations. This trained classifier is expected to predict the label of new unseen samples. Conclusively, this paper improve KNN-Nearest Neighbors Algorithm for object classification by implementing The Scale Invariant Feature Transform (SIFT) keypoint detector and descriptor extractor focusing on dynamic memory allocations.

참고자료

· 없음