본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색

결과 내 검색

동의어 포함

고급검색

인명/단체명

저자정보 상세정보
인명/단체명을 입력하세요.

키워드

  • 대표어

  • 외국어

-

목차보기

목차

사람의 움직임 추적에 근거한 다중 카메라의 시공간 위상 학습 / 남윤영 ; 류정훈 ; 최유주 ; 조위덕 1

요약 1

Abstract 1

1. 서론 2

2. 관련연구 2

3. 객체 인식 3

3.1. 배경 제거(Background Subtraction) 3

3.2. 그리드 기반의 ROI 추출 3

3.3. 겹쳐진 물체 인지(Occluded Object Recognition) 5

4. 카메라 네트워크 위상의 학습 기법 5

5. 실험 7

6. 결론 9

참고문헌 10

[저자소개] 10

초록보기

논문은 유비쿼터스 스마트 공간에서 중첩 FOV와 비중첩 FOV에 대한 카메라 네트워크의 시공간 위상을 표현하는 새로운 방법을 제안한다. 제안된 방법을 이용하여 다중 카메라들간의 움직이는 객체들을 인식 및 추적하였으며 이를 통해 카메라 네트워크의 위상을 결정하였다. 다중 카메라의 영상으로부터 여러 객체들을 추적하기 위해 여러 가지 방법들을 사용하였다. 우선, 단일 카메라에서 객체들의 겹침 문제를 해결하기 위해서 병합-분리(Merge-Split) 방법을 사용하였으며, 보다 정확한 객체 특성을 추출하기 위해 그리드 기반의 부분 추출 방법을 사용하였다. 또한, 비중첩 FOV를 포함하는 다중 카메라의 보이지 않는 지역에 대한 객체 추적을 위해 등장과 퇴장 영역간의 전이시간과 사람들의 외형 정보를 고려하였다. 본 논문에서는 다양한 등장과 퇴장 영역간의 전이시간을 추정하고 전이확률을 이용하여 무방향 가중치 그래프로써 카메라 위상을 가시적으로 표현하였다.

paper presents a novel approach for representing the spatio-temporal topology of the camera network with overlapping and non-overlapping fields of view (FOVs) in Ubiquitous Smart Space (USS). The topology is determined by tracking moving objects and establishing object correspondence across multiple cameras. To track people successfully in multiple camera views, we used the Merge-Split (MS) approach for object occlusion in a single camera and the grid-based approach for extracting the accurate object feature. In addition, we considered the appearance of people and the transition time between entry and exit zones for tracking objects across blind regions of multiple cameras with non-overlapping FOVs. The main contribution of this paper is to estimate transition times between various entry and exit zones, and to graphically represent the camera topology as an undirected weighted graph using the transition probabilities.

권호기사

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 목차
u-EMS :바이오 센서 네트워크 기반의 응급 구조 시스템 김홍규 ;문승진 pp.433-441

보기
유비쿼터스 센서 네트워크에서 응용 프로그램 개발을 위한 모델 기반 통합 개발 도구 정기원 ;김주일 ;이우진 pp.442-453

보기
저전력 휴대용 임베디드 시스템 설계 및 구현 이정환 ;김명준 pp.454-461

보기
임베디드 커널 추적 도구를 이용한 임베디드 시스템 성능 측정 기법 배지혜 ;윤남식 ;박윤용 pp.462-475

보기
재할당 블록을 이용한 플래시 메모리를 위한 효율적인 공간 관리 기법 권세진 ;정태선 pp.476-487

보기
사람의 움직임 추적에 근거한 다중 카메라의 시공간 위상 학습 남윤영 ;류정훈 ;최유주 ;조위덕 pp.488-498

보기
그리드 시스템에서 텍스트 파일 영역 관리 김승민 ;유석인 ;김일곤 pp.499-507

보기
NAND 플래시 메모리 저장 장치에서 블록 재활용 기법의 비용 기반 최적화 이종민 ;김성훈 ;안성준 ;이동희 ;노삼혁 pp.508-519

보기
CRM 환경의 고객 채널 통합을 위한 콜 객체 관리 메커니즘 설계 및 구현 한윤기 ;구용완 pp.520-533

보기
생존성있는 대체 경로 라우팅 알고리즘 연구 박영철 pp.535-539

보기
무선 센서 및 액터 네트워크를 위한 효율적인 키관리 프로토콜 김완주 ;남길현 ;이수진 pp.540-544

보기
생태계 모방 시스템을 위한 멀티 지능형 에이전트 기반의 플랫폼 설계 및 구현 문주선 ;낭종호 pp.545-549

보기

참고문헌 (20건) : 자료제공( 네이버학술정보 )

참고문헌 목록에 대한 테이블로 번호, 참고문헌, 국회도서관 소장유무로 구성되어 있습니다.
번호 참고문헌 국회도서관 소장유무
1 Y. Choi, K. Kim, W. Cho, 'Grid-Based Approach for Detecting Head and Hand Regions,' International Conference on Intelligent Computing, Qingdao China, August 21-24, 2007 미소장
2 K. Tieu, G. Dalley, and W. Grimson, 'Inference of nonoverlapping camera network topology by measuring statistical dependence,' In Proc. IEEE International Conference on Computer Vision, 2005, pp. 1842-1849 미소장
3 Intel. Open computer vision library. http://sourceforge. net/projects/opencvlibrary/ 미소장
4 G. Welch and G. Bishop, 'An Introduction to the Kalman Kilter,' Technical Report 95-041,University of North Carolina at Chapel Hill, 1995 미소장
5 A. Dick and M. Brooks, 'A Stochastic Approach to Tracking Objects Across Multiple Cameras,' Australian Conference on Artificial Intelligence, 2004, pp. 160-170 미소장
6 Tracking Human Motion Using Multiple Cameras 네이버 미소장
7 T. J. Ellis, D. Makris, and J. Black, 'Learning a multi-camera topology,' In Joint IEEE Workshop on Visual Surveillance and Performance Evaluation of Tracking and Surveillance (VS-PETS), 2003, pp. 165-171 미소장
8 P. Kelly, A. Katkere, D. Kuramura, S. Moezzi, and S. Chatterjee, 'An Architecture for Multiple Perspective Interactive Video,' Proc. of the 3rd ACE International Conference on Multimedia, 1995, pp. 201-212 미소장
9 V. Kettnaker, R. Zabih, 'Counting People from multiple cameras,' in IEEE ICMCS, Florence, Italy, 1999, pp. 267-271 미소장
10 C. Stauffer, 'Learning to track objects through unobserved regions,' In IEEE Computer Society Workshop on Motion and Video Computing, 2005, pp. 96-102 미소장
11 Q. Cai and J.K. Aggarwal, 'Automatic Tracking of Human Motion in Indoor Scenes Across Multiple Synchronized video Streams,' 6th International conference on Computer Vision, Bombay, India, 1998, pp. 356-362 미소장
12 Locating Basic Colours in the Munsell Space 네이버 미소장
13 A. Gilbert, R. Bowden, 'Tracking Objects Across Cameras by Incrementally Learning Inter-camera Colour Calibration and Patterns of Activity,' In Proc European Conference Computer Vision, 2006, pp. 125-136 미소장
14 A real time adaptive visual surveillance system for tracking low-resolution colour targets in dynamically changing scenes 네이버 미소장
15 I. Haritaoglu, D. Harwood, L. Davis, 'W4:Who, When, Where, What: A Real Time System for Detecting and Tracking People,' Third International Conference on Automatic Face and Gesture, 1998 미소장
16 T. Huang and S. Russell, 'Object Identification in a Bayesian Context, Proc. International Joint Conference on Artificial Intelligence (IJCAI-97), Nagoya, Japan, 1997, pp. 1276-1283 미소장
17 P. Gabriel, J. Verly, J. Piater, A. Genon, 'The State of the Art in Multiple Object Tracking Under Occlusion in Video Sequences,' Advanced Concepts for Intelligent Vision Systems, pp. 166-173, 2003 미소장
18 I. Haritaoglu, D. Harwood, and L. S. Davis, 'W4S: A realtime system for detecting and tracking people in 2 1/2D,' 5th European Conference on Computer Vision, Freiburg, Germany, 1998 미소장
19 O. Javed, Z. Rasheed, K. Shafique, and M. Shah. 'Tracking Across Multiple Cameras with Disjoint Views,' Proc. IEEE International Conference on Computer Vision, 2003, pp. 952-957 미소장
20 J. Black, T. Ellis, and D. Makris, 'Wide Area Surveillance with a Multi-Camera Network,' Proc. IDSS-04 Intelligent Distributed Surveillance Systems, 2003, pp. 21-25 미소장

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차

권호

기사명 원문보기 기사목차
닫기