배경 차분과 CNN 기반의 CCTV 객체 검출

Abstract

본 연구는 영상 분석에서 최근 좋은 연구 성과를 내고 있는 컨볼루션 신경망 (Convolutional Neural Network: CNN) 기법을 실외 CCTV 영상 분석에 적용하여 객체 유형을 분류하는 방법론은 제안한다. 배경 차분 (background subtraction)을 사용하여 찾고자 하는 객체 후보들을 추출해내고 이를 CNN 을 이용해 분류함으로써 계산량을 줄이는 효과를 얻는 방법이다. CNN 학습용 CCTV 영상 수집을 위해 범죄 발생이 주로 일어나는 골목길, 놀이터 등에서 촬영한 CCTV 영상 DB를 구축하였으며 우선적으로 사람인 객체만 검출하는 분류기를 학습하였다. 다양한 학습 데이터 사이즈와 세팅에 맞게 실험하였으며 실험 결과 약 80%의 분류 정확도를 보였으며 새로운 CCTV 영상으로 테스트했을 때 약 67.5%의 성능을보였다.

In this paper, a method to classify objects in outdoor CCTV images using Convolutional Neural Network(CNN) and background subtraction is proposed. Object candidates are extracted using background subtraction and they are classified with CNN to detect objects in the image. At the end, computation complexity is highly reduced in comparison to other object detection algorithms. A database is constructed by filming alleys and playgrounds, places where crime occurs mainly. In experiments, different image sizes and experimental settings are tested to construct a best classifier detecting person. And the final classification accuracy became 80% for same camera data and 67.5% for a different camera.