배경 분할과 프로파일링을 이용한 특정 상황인지에 관한 연구 (A Study of Specific Situation Recognition using Background Segmentation and Profiling)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 10권 / 4호 / 71 ~ 76페이지
· 저자명 : 박상준, 강대성

초록

본 논문에서는 배경 분할을 이용한 프로파일링을 통해 상황인식의 기반이 되는 특정 객체를 빠르게 추출하는 기술을 제안한다. 먼저 효과적인 전경객체를 검출하기위해 재귀적인 방법과 비재귀적인 방법의 배경모델링을 분석한다. 비재귀적인 방법은 이전 비디오 프레임들의 버퍼를 유지하고, 프레임들의 통계적 속성에만 의존된 배경 모델을 추정한다. 이것은 비재귀적인 방법이 재귀적인 방법보다 더 많은 메모리 요구사항을 가지기 때문에 배경분할성능평가를 위해 재귀적인 배경분리기법으로 대표적인 Gaussian Mixture Model(GMM)과 제안하는 수정된 Adaptive Median Filtering(AMF)을 실험했다. 성능평가를 통해 우수성이 검증된 AMF 배경분리기법으로 제안된 전체시스템에서 상황인지 기반을 마련한다. 미리 정의된 특정 상황인지에 대한 빠른 객체 검출을 위해 수정된 AMF 배경모델을 제안하고, 프로파일링 작업을 통해 제안하는 수정된 AMF 모델링이 기존의 방법보다 우수함을 증명한다.

영어초록

In this paper, we propose technique detecting an object fast based on situational recognition through profiling using background segmentation. In the first, we analyze background modeling of non-recursive and recursive methods to detect the foreground object. Non-recursive techniques maintain a buffer of N previous video frames and estimate a background model based solely on the statistical properties of these frames. This causes non-recursive techniques to have higher memory requirements than recursive techniques. Gaussian Mixture Model (GMM) and modified Adaptive Median Filtering (AMF) in recursive background segmentation techniques were tested to evaluate performance of background segmentation. Modified AMF background modeling selected with performance measures is used to detect an object. In the specific situations, modified AMF background modeling was proposed in order to detect objects fast. Modified AMF background modeling has demonstrated superior methods than conventional methods.

참고자료

· 없음