이동 물체 검출을 위한 향상된 그래디언트 기반 MKFC 알고리즘

Abstract

상관도표(correlogram)를 사용한 멀티채널 커널 퍼지 알고리즘(Multi-channel Kernel Fuzzy Correlogram: MKFC)은 이동 물체를 검출할 때, 픽셀기반 모델링 알고리즘 (pixel-based modeling)의 뚜렷한 이동 물체 검출의 장점과 히스토그램을 사용한 지역기반 모델링 알고리즘(region-based modeling)의 동적 배경(dynamic background) 에 강인한 장점을 동시에 갖는 알고리즘으로 알려져 있다. 그러나 높은 연산량을 보완하기 위해 양자화된 픽셀값을 사용하였기 때문에 조명 변화에 강인한 이동 물체 검출을 위해 사용되는 그래디언트 정보(예: local binary pattern(LBP), histogram of oriented gradient(HOG))를 적용하기 어려웠다. 이러한 문제 해결을 위해 최소한의 그래디언트 정보를 사용하는 알고리즘이 제안되었으나 그래디언트 특징 추출 과정에서 발생하는 잡음이 이동 물체 검출 성능을 저하시킨다. 본 논문에서는 이동 물체 검출을 위한 향상된 그래디언트 기반 MKFC 알고리즘을 제안한다. 먼저 그래디언트 영상 변환 결과에 잡음제거를 위한 중간값 필터를 적용한다. 다음으로 유사성 기반 이동 물체 검출 과정의 결과를 후보영역으로 설정하고, 저주파 통과 필터를 적용한 최종적인 잡음제거 과정을 통해 이동물체를 검출하는 알고리즘이다. 끝으로, 시뮬레이션 결과를 통해 기존 알고리즘과 제안한 알고리즘의 성능을 비교 검증하였다.

For moving objects detection, the multi-channel kernel fuzzy correlogram algorithm(MKFC) has the following two advantages. It detects moving objects not only sharply by a pixel-based modeling algorithm, but also robustly against dynamic background by a region-based modeling algorithm. However, it uses a quantized pixel value to reduce computational complexity. For this reason, it is hard to apply the gradient feature (e.g., local binary pattern(LBP) and histogram of oriented gradient(HOG)) which is robust against the light change environment. To solve this problem, we propose an algorithm that detects the moving objects using gradient vector-based MKFC. However, performance of moving object detection can be degraded by the noise resulting from gradient vector-based image transform. In this paper, we propose an improved moving objects detection algorithm using gradient based MKFC. The algorithm uses a median filter for denoising the image from gradient vector-based image transform and determines the candidate region based on similarity estimate. Finally, the approach detects the moving objects by applying a Gaussian filter to the candidate region. Simulation results in a light changing environment show that the proposed algorithm yields better moving-object detecting performance than the conventional algorithm.