영상관제에 있어 객체 식별률 향상을 위한 클래스 분류 및 이상신호 감지 모듈 개선에 관한 연구

Abstract

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.