본 논문에서, 우리는 출입 제한 장소의 무인 감시 시스템 개발에 관하여 다음과 같은 알고리즘을 제안한다. 비디오 스트림내의 움직이는 객체정보를 optical flow를 사용하여 영상을 분석하고 분석된 data를 PCA(principal component analysis)를 이용하여 data를 분류 후, 분류된 data중 객체 정보만을 영상 복원함으로서 객체 정보를 추출한다. 추출된 객체 정보를 얼굴영역의 feature에 대하여 DGTM(dynamic genetic tree map)으로 학습된 맵을 이용함으로서 얼굴 영역만을 검출해 낸다. 출입인의 정보를 미리 해마와 피질 사이의 상호 작용의 관계를 이용한 해마 신경망을 사용하여 학습시킨다. 학습 후 검출된 영역과 일치여부를 통해 출입이 결정된다. 무인으로 작동하는 이 시스템으로 인해 출입인 관리 측면에서 효율을 높일 수 있다.In this paper, we propose following algorithm for the development of monitoring system about entrance limitation place. Information of moving object in video stream is analyzed using optical flow. Analyzed data is classified using PCA(Principal Component Analysis). After classification, only object information among data is restored and extracted. Object information abstracted is detected to only face area using map which is learned by DGTM(Dynamic Genetic Tree Map) about the feature of face area. Using hippocampal neural network which make use of the relation of interaction between hippocampal and cortex, information of entrance people is learned. After learning, through accord or discord with detection area, the permission of entrance is decided. Therefore, with this automatic system we can improve efficiency in the management aspect.