- 1 -

우수신기술 지정 지원사업ㆍ

최 종 보 고 서

제어네트워크기반 영상객체 인식 기술

개발기관 주 혜 림: ( )

정 보 통 신 부

- 2 -

제 출 문

정보통신부장관 귀하

본 보고서를 우수신기술 지정 지원사업ㆍ

제어네트워크기반 영상객체 인식기술 과제의 최종 보고서로 제출합니다.

년 월 일2002 10 31

개 발 기 관 : 주 혜림( )

개발 책임자 : 문승진

참여 연구원 : 책임연구원 이철웅

연구원 강경훈

연구원 제형욱

연구원 문병용

연구원 김의범

- 3 -

요 약 문

제목1. :

우수신기술 지정 지원사업 제어네트워크기반 영상객체 인식기술 과제ㆍ

연구 개발의 목적 및 중요성2.

최근 동영상 기술과 네트워크의 발전으로 인해 감시 시스템의 네트워크화와 동시에MPEG

수신 영상의 특징을 추출 인식하여 이를 제어하는 지능적인 보안 시스템의 기술의 확보가ㆍ

필요하게 되었다 지금까지의 지능형 감시 시스템의 경우 동영상 정보를 정지 영상으로 치. ,

환한 후 기존의 영상처리 방식을 사용했기 때문에 알고리즘이 방대했으며 대량의 복잡한 연

산을 반복함에 따라 높은 사양의 시스템 필요하게 되었고 그에 따른 시스템 비용이 높았으,

며 지식 집약적인 기술적 난해함을 지녔었다.

하지만 본 과제수행을 통해 동영상정보를 따로 정지영상 등으로 후처리, (post processing)

하지 않고 직접 사용하여 객체추출 및 카메라자세 제어를 구현하는 기술을 개발 확보하였,

고 이에 따라 프로세서의 연산 량을 크게 줄여 실시간 처리가 보다 용이하게 이루어질 수,

있어 시스템의 효율을 크게 높일 수 있다 또한 신경망 기법을 사용하여 간단한 연산의 수.

회 반복으로 복잡한 객체를 동영상 정보로부터 직접 추출 할 수 있으므로 시스템의 안정성

과 신뢰성을 크게 높일 수 있다 그러므로 고가의 높은 성능을 가진 특성화 된 시스템이 불.

필요하며 저렴하게 구입할 수 있는 저가의 상용화된 시스템으로 구현이 가능하다.

연구 개발의 내용 및 범위3.

가 연구 개발의 내용.

영상객체 추출 및 인식기술(1)

영상객체 추출 및 인식기술은 스트림으로부터 정보를 추출 이를MPEG-1 Motion Vector ,

사용하여 객체추출 및 분할과 객체의 추적정보 획득 그리고 획득된 추적정보를 사용하여,

카메라 팬 틸트에 대한 제어신호 생성과 구현을 목표로 한다- .

- 4 -

어떤 특정구역에 대한 객체추적 시스템을 구성할 경우 영상객체가 특정 카메라의 대상 영상

에 들어 올 경우 배경에 해당되는 특정구역의 영상정보는 변화가 없다 그러나 영상객체에.

해당되는 부분은 많은 변화를 일으키게 되므로 이러한 변화를 적절히 추출하여 처리하게 되

면 제어 네트워크를 기반으로 하는 영상객체 인식시스템을 구축할 수 있다.

이렇게 추출된 객체벡터들을 패턴 분류 성능이 뛰어난 경쟁학습 신경망 알고리즘을 도입하

여 복잡한 영상의 객체추출 및 합성 그리고 대표 벡터의 생성을 행한다 동영상 위의 객체.

가 추출된 다음에는 객체를 대표하는 대표 벡터를 사용하여 시스템을 위한 카메라 팬 틸트-

제어 및 다수 카메라 제어를 행한다.

제어 네트워크 상에서 카메라 노드제어 기술(2)

초고속 통신망의 인프라가 구축되어 건물 내의 정보 기기간의 통신이 가능해지면서 건물내

외에서 정보 기기의 동작제어와 모니터링과 같은 정보 기기의 데이터 처리 관리에 대한 필,

요가 발생하고 있다 이에 기존 인터넷을 이용하여 영상객체를 인식하는 다수의 카메라를.

네트워크 상에서 동시에 제어할 수 있는 제어시스템 개발을 목표로 한다.

나 연구 개발의 범위.

본 기술의 최종 결과는 네트워크 상에서 상호접속이 가능한 복수의 카메라 제어를 위해 카

메라에서 획득된 영상으로부터 를 추출하여 양자화 및 양자화 된 대표벡터의Motion vector

병합 분할 등의 방법으로 영상객체를 추출 인식하여 각 카메라에 대한 팬 틸트 제어신호를/ -ㆍ

객체추적을 위한 룩업 디스커버리 기능 이벤트 트랜잭션 관리기능과 원격 메소드 호출기능/ , /

을 수행해야 한다.

시제품 개발 결과 및 활용에 대한 건의4.

가 시제품 개발 결과.

우리는 앞서 언급한 제어네트워크 기반에서의 영상객체를 인식하고이를 추적하는 기술을 바

탕으로 을 자체 개발하였다 은 크게 와 팬 틸트Viscop . Viscop Network Control Server /

그리고 사용자 로 나눌 수 있다Device , Viewer .

- 5 -

또한 크게 영상 압축 모듈과 팬 틸트 제어 모듈로 구분되어 있는Network Control Server /

데 영상 압축 모듈은 기존의 카메라나 웹 카메라에 비해 뛰어난 압축률을 이용하여 작. PC

은 전송 대역폭으로 또는 케이블 모뎀을 통해 실시간 영상을 전송할Ethernet LAN, ADSL

수 있으며 및 웹 서버를 내장하여 의 도움이나 장소에 구애 없이 네트워크 케, TCP/IP PC

이블과 전원장치가 있는 곳이면 어디에서나 동작시킬 수 있기 때문에 생생한 화면을, LAN

또는 인터넷을 통하여 원하는 곳으로 전송하여 이를 실시간으로 보거나 저장할 수 있다, .

팬 틸트 제어 모듈은 실시간으로 수신된 영상 정보에서 각 프레임의 를 추출/ Motion Vector

하여 신경망 알고리즘을 통해 의양자화 및 양자화 된 대표벡터의 병합 분할Motion Vector ,

등의 방법으로 영상객체를 추출 인식하여 해당 카메라에 대한 팬 틸트 제어신호 및 객체추, -

적을 위한 명령을 송신하여 현재 카메라 영상 내에 위치한 객체의 움직임을 자동 추적할 수

있게 한다.

팬 틸트 는 팬 틸트 제어 모듈을 통해 전송된 명령을 바탕으로 상하 좌우로 움직이/ Device / ㆍ

며 상단에 위치한 카메라가 정확한 영상 객체를 추적할 수 있도록 빠르고 정확하게 동작한

다.

사용자 는 현재 추적되고 있는 영상을 모니터링 할 수 있고 사용자 요구에 따라 수Viewer ,

동으로 전환하여 저장 및 팬 틸트를 조작할 수 있게 한다/ .

나 시제품 활용방안.

적용분야(1)

와 제품화 후 시장 개척Intelligent Plant Packageㆍ

산업공정라인 및 자동화 설비 운영 처ㆍ

특별 감시지역 공항 항만 귀중품 보관소 전시장 비무장지대 등 고도의 감시 지역( , , , , )ㆍ

공공시설 학교 병원 급유 시설 야적장 창고( , , , , )ㆍ

인터넷 방송 원격 강의 강사 추적, ( )ㆍ

Casinoㆍ

추진 방법(2)

네트워크 카메라를 개발한 자 회사의 판매망 활용( )子ㆍ

기존의 업체와의 업무 연계DVRㆍ

- 6 -

기대 효과5.

가 기술적 파급효과.

실시간 영상객체 추출 기술(1)

고속 를 사용하여 다중 신경망으로 영상의 움직임 벡터로 영상객체를 지능적으로 추출DSP

병합하는 기술을 확보한다 본 기술은 해외에서도 활발히 연구되고 있는바 여러 가지 객.ㆍ

체추출 기술을 사용하여 인코딩에 응용되고 있으나 본 기술은 에 기반한 소MPEG-4 , DSP

프트웨어로 간편하게 구성이 가능하므로 향후 응용분야가 매우 넓다.

카메라 제어기술(2)

카메라 팬 틸트 제어 및 제어 네트워크 상에서 다수의 카메라를 제어하는 기술을 확보함으-

로서 향후 네트워크 기반 가정 자동화 등에 응용할 수 있다.

제어 네트워크 기술(3)

네트워크 상에서 정보기기들을 제어하는 기술은 요즈음 대두되고 있는 홈 네트워킹에서 연

결되어있는 다양한 백색 가전기기들을 원격지에서 작동을 제어하고 원격 검침 및 보안 서,

비스 등을 제공할 수 있다 또한 홈 오토메이션 홈 엔터테인먼트 등 기술과 서비스 산업에. , ,

도 기여할 수 있다.

나 경제적 파급효과.

현재 우리나라의 경우 사회가 발전됨에 따라 보안 및 감시 시스템의 자동화가 절실히 요구,

되고 있으나 국산화된 자체장비가 없는 관계로 영국 등에서 매우 높은 가격의 지능형 감시

시스템을 수입하고 있는 실정이므로 막대한 수입대체 효과와 인텔리전트 빌딩 금융기관 등,

높은 수준의 보안체제가 필요한 산업분야에서 새로운 시장을 창출할 수 있을 것으로 예상된

다.

또한 인터넷과 정보기기의 융합으로 전자상거래 온라인 게임 멀티미디어 정보서비스 및, , , ,

원격지에서 홈 시큐리티 장치를 점검하거나 가전을 제어할 수 있는 새로운 서비스를 창출할

수 있고 원격 의료 원격 교육 등을 저렴한 비용으로 손쉽게 이용할 수 있도록 하는 환경, ,

구축으로 누구나 복지혜택을 받을 수 있도록 국민 복지를 실현시킬 수 있을 것이다.

- 7 -

목 차

제 장 서론1

제 절 연구개발의 목적 및 중요성1

제 절 연구개발의 내용 및 범위2

연구 개발 내용1.

연구 개발 범위2.

제 장 관련 연구2

제 절 동영상 파일1 MPEG

제 절 객체기반 관련 연구 동향2

1. Object Detection and Tracking Approaches

2. Summary

제 장 의 요소기술3 VISCOP

제 절 제어 네트워크 기반 영상객체 인식기술1

를 이용한 객체 추출1. Motion Vector

신경회로망을 사용한 객체 추출2.

신경망을 사용한 객체의 병합3.

객체를 사용한 카메라 팬 틸트 제어4. - (Pan-Tilt)

다중 카메라 제어 기술5.

제 절 의 구현2 VISCOP

시스템 구성도1. VISCOP

시스템의 전체 흐름도2. VISCOP

제어 네트워크 프로토콜3.

제 장 시제품 개발 결과4

제 절1 Viscop Network Control Server

의 설계 및 구성1. Network Control Server

의 주요 기능2. Network Control Server

의3. Network Control Server Specification

의 설정4. Network Control Server

제 절2 Pan/Tilt Device

제 절3 Viscop Viewer

- 8 -

1. Viscop Viewer Overview

접속2. Viscop Viewer

접속 해제3. Viscop Viewer

영상 데이터 저장4.

팬 틸트 컨트롤5. /

환경 설정6.

제 장 응용분야 및 기대효과5

제 절 응용분야1

제 절 기대 효과2

기술적 파급효과1.

경제적 파급효과2.

참고 문헌

- 9 -

표 목 차

표 기본 명령 패킷의 헤더 타입[ 1]

표 패킷의 구조[ 2] VIDEO_REQUEST

표 패킷의 구조[ 3] VIDEO_CHALLENGE

표 패킷의 구조[ 4] VIDEO_RESPONSE

표 패킷의 구조[ 5] VIDEO_ACCEPT

표 패킷의 구조[ 6] VIDEO_REJECT

표 패킷의 구조[ 7] VIDEO_DATA

표 패킷의 구조[ 8] VIDEO_CAMERACTRL

표 팬 틸트 제어 프로토콜 데이터 포맷[ 9] /

표 패킷의 구조[ 10] VIDEO_CLOSE

표 의 세부[ 11] Network Control Server Spec.

- 10 -

그 림 목 차

그림 시간 와 에서 들어오는 실제 영상[ 3-1] t t+h

그림 도식화된 영상에서의 정보[ 3-2] MPEG Motion Vector

그림 알고리즘을 통해 추출된 객체[ 3-3]

그림 노이즈를 포함한 영상 객체[ 3-4]

그림 노이즈에 의해 잘못 지정된 객체 중심[ 3-5]

그림 다수의 객체가 존재 할 경우의 영상[ 3-6]

그림 다수 객체가 존재하는 경우 개의 가중치 벡터로 개체를 구별[ 3-7] (3 )

그림 신경망을 사용한 객체의 병합[ 3-8]

그림 화면상에 위치하는 두개의 객체[ 3-9]

그림 각 객체의 평균값 위치[ 3-10]

그림 선택된 객체의 대표벡터[ 3-11]

그림 대표벡터를 사용한 제어신호 추출[ 3-12]

그림 카메라 시스템의 제어 개념도[ 3-13]

그림 다수 카메라에 대한 대표벡터 할당에 의한 제어개념[ 3-14]

그림 시스템 구성도[ 3-15] VISCOP

그림 시스템의 전체 흐름도[ 3-16] VISCOP

그림 연결 설정 절차[ 3-17]

그림 사용자 인증 절차[ 3-18]

그림 영상 데이터 전송 절차[ 3-19]

그림 카메라 자세 제어 신호 전송 절차[ 3-20]

그림 연결 종료 절차[ 3-21]

그림 시스템 전체 구성과 각 모듈간 연결[ 4-1]

그림 의 외부 인터페이스 설계[ 4-2] Network Control Server

그림 의 실체[ 4-3] Network Control Server

그림 의 내부[ 4-4] Network Control Server

그림 네트워크 보드[ 4-5]

그림 영상 캡쳐 보드[ 4-6]

그림 설정 페이지 접속[ 4-7] Network Control Server

그림 사용자 인증 대화 상자[ 4-8]

그림 의 기본 설정 페이지[ 4-9] Network Control Server

그림 네트워크 환경 설정 페이지[ 4-10]

그림 사용자 설정 및 변경 페이지[ 4-11]

- 11 -

그림 고급 기능 설정 페이지[ 4-12]

그림 카메라와 결합된 팬 틸트 디바이스[ 4-13] /

그림 팬 틸트[ 4-14] / Step Motor

그림 팬 틸트 디바이스의 구성도[ 4-15] /

그림 팬 틸트 디바이스의 세부 설계도[ 4-16] /

그림 카메라의 외형[ 4-17] CCD

그림 사용 가능한 각종 렌즈[ 4-18]

그림[ 4-19] Viscop viewer Overview

그림 의 실행 초기화면[ 4-20] Viscop viewer

그림 사용자 인증 다이얼로그[ 4-21]

그림 저장 파일 리스트 다이얼로그[ 4-22]

그림 리모트 컨트롤 다이얼로그[ 4-23]

그림 설정 페이지 연결[ 4-24] Network Control

그림 클라이언트 설정 페이지[ 4-25]

그림 팬 틸트 디바이스 설정 페이지[ 4-26] /

그림 설치 환경에 따른 팬 각도 지정의 예[ 4-27]

- 12 -

제 장 서 론1

제 절 연구개발의 목적 및 중요성1

현대사회는 정보통신과 관련된 기술적 환경과 문화적 환경으로 급속히 변화하고 있다 특히.

인터넷을 매체로 한 산업이 급성장하고 있으며 그 중 영상보안 분야는 괄목할 만한 성장을,

이루고 있다 이와 관련하여 정보보안 및 감시시스템의 지능학가 필연적으로 요구되어 관련.

기술의 개발 및 구현이 국내에서도 요청되고 있다.

특히 인터넷의 발전으로 인해 제어 시스템의 네트워크화와 동시에 영상의 특징을 추출하여

지능적인 보안 시스템의 기술의 확보가 필요하게 되었다.

이전까지의 지능형 감시 시스템의 경우 동영상 정보를 정지영상으로 치환한 후 기존의 영상

처리 방식을 사용했기 때문에 알고리즘이 매우 방대했으며 대량의 복잡한 연산을 반복함에

따라 시스템의 사양이 매우 높았으며 그에 따라 시스템의 가격이 매우 높았으며 지식 집약

적인 기술적 난해함에 의해 선진국에서도 몇 개 국가에서만 제품화되어 있는 실정이다.

위와 같은 기술적 난해함은 새로이 개발되어온 신기술들을 사용하여 선진국의 시스템과 전

혀 다른 방식의 시스템 구현을 통해 극복되어 질 수 있으며 이에 따라 가격 경쟁력 확보,

및 구현 시 확보될 지적 재산권 등의 확보에도 매우 유리한 위치를 선점할 수 있다.

우리가 개발하고자 하는 시스템은 포착된 영상에서 모션벡터를 추출하고 신경회로망 기술,

을 이용한 객체추출과 대표 벡터의 분할 그룹핑 기술을 구현하는 것으로서 이러한 신기술들/

의 응용 및 융합을 통해 시스템의 유효성을 확보한다.

우리가 개발한 시스템에 적용된 객체 추출 기술과 카메라 제어 기술은 최근 빠르게 발전하

고 있는 멀티미디어 컨텐츠 기술과 신경망으로 대표되는 지능형 정보처리 기술을 기반으로

한 독창적인 기술로서 지금까지의 정지영상처리 기술을 기반으로 하는 영상신호 처리 방법

대신 동영상 처리에서 기본적으로 제공되는 를 사용하여 실시간으로 객체Motion Vector

추출 및 카메라 제어를 실현할 수 있는 방법이다.

- 13 -

제어 네트워크를 기반으로 상호 접속되어 있는 복수의 카메라 제어를 위해 카메라에 잡힌

동영상 데이터 스트림으로부터 를 추출하여 신경망 알고리즘을 통해Motion Vector Motion

의 양자화 및 양자화 된 대표벡터의 병합 분할 등의 방법으로 영상객체를 추출 인Vector , ,

식하여 각 카메라에 대한 팬 틸트 제어신호 및 객체추적을 위한 특정 카메라 할당을 수행-

한다.

또한 신경 회로망 알고리즘을 이용하여 객체를 추출하고 대표 벡터에 대해 분할 그룹핑하, /

는 방법으로 동영상정보의 후 처리 없이 생성된 영상객체 추적 제어신호가(post processing)

초고속망 환경 하에서 다수의 카메라를 동시에 제어할 수 있도록 하고 실시간 추적방식으,

로 상호접속 표준에 의한 룩업 디스커버리 기능 이벤트 트랜잭션 관리 기능과 원격 메소드/ , /

호출기능을 수행하는 미들웨어를 개발한다.

이는 동영상정보를 따로 정지영상 등으로 후처리 하지 않고 직접 사용하여(post processing)

객체 추출 및 카메라 자세 제어를 구현함으로서 프로세서의 연산 량을 크게 줄여 실시간 처

리가 보다 용이하게 이루어질 수 있어 시스템의 성능을 크게 높일 수 있다.

또한 대표적인 지능형 정보처리 방법인 신경망 기법을 사용하여 간단한 연산의 수 회 반복,

으로 복잡한 객체를 동영상 정보로부터 직접 추출 할 수 있으므로 시스템의 안정성과 신뢰

성을 크게 높일 수 있다.

그러므로 고가의 높은 성능을 가진 특성화 된 시스템이 불필요하며 저렴하게 구입할 수 있

는 저가의 상용화된 시스템으로 구현이 가능하다.

- 14 -

제 절 연구개발의 내용 및 범위2

연구 개발 내용1.

최근의 정보통신 기술의 발전으로 시스템에 대한 접근이나 혹은 시스템 보안에 관하여 많은

관심이 집중되고 있으며 이는 정보보안 및 감시 시스템의지능화를 필연적으로 요구하여 관

련기술의 개발 및 구현이 국내에서도 요청되고 있다 특히 인터넷의 발전으로 인해 제어 시.

스템의 네트워크화와 동시에 영상 및 생체신호등에서 특징을 추출 사용하여 지능적인 보안,

시스템을 구현하는 기술의 확보가 특히 필요하게 되었다.

제안하는 제어 네트워크 기반 영상객체 인식기술은 이와 같은 시장의 요구에 따라 다음 기

술의 구현을 목표로 한다.

가 영상객체 추출 및 인식기술.

영상객체 추출 및 인식기술은 스트림으로부터 정보를 추출 이를MPEG-1 Motion Vector ,

사용하여 객체추출 및 분할과 객체의 추적정보 획득 그리고 획득된 추적정보를 사용하여,

카메라 팬 틸트에 대한 제어신호 생성과 구현을 목표로 한다- .

어떤 특정구역에 대한 객체추적 시스템을 구성할 경우 영상객체가 특정 카메라의 대상 영상

에 들어올 경우 배경에 해당되는 특정구역의 영상정보는 변화가 없다 그러나 영상객체에.

해당되는 부분은 많은 변화를 일으키게 되므로 이러한 변화를 적절히 추출하여 처리하게 되

면 제어 네트워크를 기반으로 하는 영상객체 인식시스템을 구축할 수 있다.

이렇게 추출된 객체 벡터들을 패턴 분류 성능이 뛰어난 경쟁학습 신경망 알고리즘을 도입하

여 복잡한 영상의 객체추출 및 합성 그리고 대표 벡터의 생성을 행한다 동영상 위의 객체.

가 추출된 다음에는 객체를 대표하는 대표 벡터를 사용하여 시스템을 위한 카메라 팬 틸트-

제어 및 다수 카메라 제어를 행한다.

- 15 -

나 제어 네트워크 상에서 카메라 노드제어 기술.

초고속 통신망의 인프라가 구축되어 건물 내의 정보 기기간의 통신이 가능해지면서 건물내

외에서 정보 기기의 동작제어와 모니터링과 같은 정보 기기의 데이터 처리 관리에 대한 필,

요가 발생하고 있다 이에 기존 인터넷을 이용하여 영상객체를 인식하는 다수의 카메라를.

네트워크 상에서 동시에 제어할 수 있는 제어시스템 개발을 목표로 한다.

연구 개발 범위2.

본 기술의 최종 결과는 네트워크 상에서 상호접속이 가능한 복수의 카메라 제어를 위해 카

메라에서 획득된 영상으로부터 를 추출하여 양자화 및 양자화 된 대표 벡터Motion vector

의 병합 분할 등의 방법으로 영상객체를 추출 인식하여 각 카메라에 대한 팬 틸트 제어신/ -ㆍ

호를 객체추적을 위한 룩업 디스커버리 기능 이벤트 트랜젝션 관리기능과 원격 메소드 호/ , /

출기능을 수행해야 하며 그 개발결과로는 다음과 같다.

분석에 의한 제어신호 생성 모듈Motion Vector◈

추적객체 판정 알고리즘 구현-

를 단말에서 인식이 가능한 형태로 제어벡터를 출력- Web Camera

제어기 및 드라이버 모듈Web-camera Pan/Tilt◈

제어벡터에 의한 정확한 객체 추적-

제어벡터 정보에 의한 구동 드라이버 모듈- Pan/Tilt

제어네트워크 프로토콜◈

모듈이 구동할 수 있게 서버측에서의 제어벡터정보 생성기- Pan/Tilt

모듈 하드웨어Pan/Tilt ( )◈

자세조정 및 객체 추적 장치- WebCamera

- 16 -

제 장 관련 연구2

제 절 동영상 파일1 MPEG

은 멀티미디어 환경에 가장 핵심이 되는 기법인 디지털 동영상의 압축 부호화를 위한MPEG

국제적인 표준안이다 사실 동영상의 압축 부호화는 이외에도 하드웨어 소프트웨어. MPEG /

업체를 중심으로 활발한 연구가 진행되어 왔다 인텔의 나. DVI(Digital Video Interactive)

애플의 퀵 타임 등 대표적인 예로서 동영상의 압축 부호화 표준 자리를 놓고(Quick Time)

과 치열한 경쟁을 벌여 왔지만 해당 업계만의 표준이라는 단점이 있어 국제 표준이MPEG ,

되기는 어려운 점이 있었다.

영상에 대한 국제 표준으로 가장 기본적이고 오래된 것으로는 표준이 있다 이것은BT.601 .

신호를 디지털로 표현하는 표준으로 년TV 1982 ITUR(International Telecommunications

무선통신 분야의 표준화를 담당하는 기구 에서 제Union-Radio Communication Sector : )

정하였다 하지만 이 표준은 영상 압축을 하지 않은 표준이기 때문에 데이터 량이 많다는.

단점이 있다 따라서 데이터 량을 줄이기 위해 압축을 지원한 표준이 필요하게 되었는데. ,

이때 처음 제정된 표준이라고 할 수 있는 것이 요즘 화상회의나 화상전화에 많이 사용되는

이다 이것은 실제로 에 많은 영향을 준 표준이기도 하다 표준은H.261 . MPEG . H.261 1990

년에 만들어진 표준인데 이때부터 많은 표준이 제정되었다 이후로 정지영상의 표준인.

표준이 완성됐으며 은 년부터 회의가 시작되었다 연구가 활발해진JPEG MPEG 1988 . HDTV

년대 초반에도 은 일부 극소수 전문가만이 알고 있는 용어이었으나 년에 첫90 MPEG 1992

표준인 공식명칭 표준이 완성되면서 일반화되기 시작했MPEG MPEG-1( : ISO/IEC 11172)

다 은 처음에는 부호기 쪽은 언급하지 않고 복호기 쪽만의 표준으로 시작되었으며. MPEG ,

이후 표준은 급 이상의 디지털 저장 매체를 위한 동영상 표준으로 확정MPEG-1 1.5Mbps

되었다.

- 17 -

그리고 이 끝날 무렵 즈음인 년 월 미국 산타글라라 회의에서부터 급MPEG-1 1990 9 5Mbps

이상의 에 대한 논의가 시작되었으며 마침내 년 싱가포르 회의에서 통신 방MPEG-2 1994

송용으로도 사용될 수 있는 표준이 완성되었다 은 의MPEG-2(13818) . MPEG-1 MPEG-2

부분집합으로서 완전호환성을 갖고 있지만 하드웨어 및 소프트웨어 설계 시 이 호환성을 유

지하기가 대단히 어렵다 은 의 약어로 정식명칭은. MPEG Moving Picture Experts Group

이다 즉 국제적인 표준기구인ISO/IEC JTC1/SC29/WG11 . ISO(International Organization

와 가 표준화 작업을 위for Standardization) IEC(International Engineering Consortium)

해 공동으로 구성한 공동위원회 의 산하에(JTC : Joing Technical Committee)

전문가들이 만든 것이다 전문가JTC1/SC(SubCommitee)29/WG(Working Group)11 . MPEG

회의는 년 현재 차 회의를 넘기면서 많은 전문가들이 모여 자국의 기술이1997 40 MPEG

국제 표준으로 선정되도록 국가의 관련기술을 총동원하고 있다 현재는 디지털 및 고선. TV

명 에 활용되는 표준 이후 차세대에 이용될 표준안을 만들고 있TV MPEG-2 MPEG-4/-7

고 한국은 년 회의를 국내에 유치하기 위해 국립기술품질원의 한국산업 표준1999 MPEG

심의회에 요청을 하고 있다.

은 용어 자체에 동영상만을 지칭하고 있지만 실제로는 디지털 음성압축에 관한 표준MPEG

과 음성영상이 팻킷화 된 구조로 섞인 시스템에 대한 표준도 정의하고 있다 을 예. MPEG-1

를 들어 설명하면 의 자료는 비디오 스트림과 오디오 데이터가 하나의ISO/IEC IS 11172-1

경로를 거칠 때 어떻게 다중화 하는가와 동기화 시키는 것에 대한 시스템에 표준을 의미하

고 는 비디오 스트림에 대한 압축 및 복원에 대한 표준ISO/IEC IS 11172-2 , ISO/IEC IS

은 오디오 스트림에 압축 및 복원에 대한 표준을 말한다 또한11172-3 . ISO/IEC 11172-4

는 컴포넌트 테스팅 등이 있다 의MPEG (component testing) . MPEG-2 ISO/IEC IS 13818

경우도 유사하다.

은 정도의 데이터 저장장치 용량은 약 초당MPEG-1 CD(Compact Disk) ( 650MB, 1.5Mbps

의 읽기 속도 에서 분 정도의 동영상을 볼 수 있는 것을 목표로 만들어졌다) 70 .

- 18 -

일반적으로 화면의 크기를 이하로 제한하고 비트352-240 (SIF : Source Input Format)

율 도 초당 정도로 규정하고 있다 현재 비디오용(Bit rate) 1.5Mbps( 1.5M bits) . MPEG-1

롬 타이틀을 실시간에서 볼 수 있는 디코딩 보드 디자인사의 등 를CD (Sigma ReelMagic )

시장에 살수 있다 는 년 월 서울회의에서 가 채택. MPEG-2 1993 11 CD(Commettee DRaft)

되었는데 는 런던회의 년 월 에서 전송률을 에서 로, MPEG-2 (1992 11 ) 2 10Mbps 2 15Mbps∼ ∼

상향 조종하고 그 대상을 원래의 에 를 추가로CD-ROM, Digital VTR, LDP, CATV HDTV

포함시키는 대신에 를 목표로 한 의 계획을 취소하였다 년, HDTV , 40Mbps MPEG-3 . 1994

통과된 에서는 해상도에서는 까지의 영상을 처리할 수 있도록 확DIS 1920×1152 100Mbps

장하였다 는 현재 공중전화망 비디오 폰 비디오 팩스 등을 대항으로 한 수십에. MPEG-4 , ,

서 수백 의 낮은 비트율에서 동영상 압축부호화를 실현하는 것으로 년에Kbps 1995/1996

년 월에 제정을 목표로 추진하고 있고CD, 1997 11 DIS(Draft International Standard)

년에서 열린 회의에서는 은 오디오 부분에서 를 지원하지 않기로 결정하였1997 MPEG MIDI

다.

년도에 표준화 할 예정인 은 다른 의 목적과는 다르다 인터넷 시대가2000 MPEG-7 MPEG .

열리면서 가장 중요한 부분이 정보를 얼마나 빨리 얼마나 정확하고 쉽게 찾는 것이 중요하

다 최근의 인터넷 환경 위에서는 대량의 멀티미디어 정보가 물 듯 만들어지는 반면 정. ,

보검색은 텍스트로 검색함으로써 멀티미디어 정보와 일반 정보검색 사이에 괴리가 발생하게

되는데 이에 대한 해결로써 텍스트 대신 비디오나 오디오의 정보를 검색하는 방법을 연구하

는 것이 매우 중요하며 이것이 기술이다MPEG-7 .

은 라고 불리며 어떻게 그 내용을 효과MPEG-7 Multimedia Content Description Interface

적으로 검색할 수 있을 가를 연구해서 표준화하고 있다 물체의 크기나 질감 윤곽 색깔. , , ,

구성 등과 저작권 등이 포함되어 있다 윤곽이나 질감 등의 대한 표준은 에 있는. MPEG-4

내용이지만 현재 사용하는 코딩 기술이 동영상에서 물체 검색 및 추출에는 적합한 기술이

아니므로 고 압축을 얻고 물체 검색 및 추출에도 적합한 코딩 기술을 연구하는 것에 대단,

히 중요하다 이러한 표준이 완성되면 수많은 멀티미디어 정보 속에서 우리가 원하. MPEG-7

는 영상 속의 한 장면을 컴퓨터가 자동으로 찾아 줄 시대가 도래될 것이다.

- 19 -

제 절 객체기반 관련 연구 동향2

비디오는 프레임이라 불리는 연속적인 이미지의 집합으로 사람의 눈에 각각의 내용이 연속,

적으로 보이게 하기 위하여 적당한 속도로 보여 지는 것이다 모든 영상 처리 기술은 이 독.

립적인 프레임에 적용될 수 있다 또한 비디오내의 연속하는 프레임들은 통상 많은 관련성.

을 가지고 있다.

영상물은 추상적 개념의 계층적 구조를 가진 형태로 형상화할 수 있다 그 형상화의 첫 번.

째 단계는 색이나 밝기의 정보를 갖는 픽셀 이다 다음단계는 모서리 변 선 곡선(pixel) . , , , ,

색상영역의 정보가 될 수 있다 다음 상위단계에서는 객체와 특성을 해석하고 조합하고 인. ,

간이 추상화하는 단계로서 하나 또는 다수의 객체간의 관계로 형상화할 수 있다.

비디오에서 객체 인식은 일련의 이미지에서 객체의 존재를 확인하고 정확한 위치를 인식하,

는 것이다 객체 추적은 일련의 비디오 장면에서 객체의 존재 위치 크기 형태 등을 포함. , , ,

한 시 공간적 변화를 감시하는 것이다 이것은 시간적 일치문제 즉 연속하는 프레임에서. ,ㆍ

매우 일정한 시간 간격을 취하여 목표영역을 일치시키는 문제를 해결함으로써 가능하게 되

었다 이 두 과정은 객체의 추적이 객체를 인지하는 것으로부터 시작되기 때문에 접한 관.

련을 갖으며 연속적인 일련의 이미지에서 계속해서 객체를 인식하는 동안에 많이 도움이,

되며 또한 객체추적을 확인할 수 있다.

객체 인식과 추적은 컴퓨터비전 분야에서 광범위하게 사용되는데 그 적용분야로는 비디오,

압축 영상감시 비전기반 제어 의료영상 인간중심의 인터페이스 증강현실 로보틱스 등이, , , , , ,

있다 또한 이나 과 같은 높은 수준의 컴퓨터 비전. , 3D reconstruction 3D representation

분야에 입력단계로 제공되어진다 객체 인식은 비디오 데이터베이스에서 내용기반 인덱싱과.

검색에 중요한 역할을 수행한다.

- 20 -

객체인식과 추적에 대한 꽤 오랜 시간동안의 연구에도 불구하고 여전히 연구에 대한 문제점

이 남아 있는데 객체를 인식하고 추적하는데 정확하고 고성능을 발휘하는 데는 아직까지도,

큰 난제로 남아있다 이 어려움은 객체를 인식하고 추적할 수 있게 하기 위하여 어떻게 객.

체를 정의하느냐에 전적으로 달려있다고 해야 할 것이다.

만약 특정 색상 같은 특징들이 객체를 표현하는데 사용된다면 전체 픽셀 중에서 같은 색상,

을 객체로 표현하게 되므로 상당히 쉬운 일이다 그러나 극단적인 경우 특정사람의 얼굴을.

예를 들면 인식과정에서 다른 포즈와 조명에 의해 방해요소가 되어 정확한 감지 인식 추, ,

적에 있어 매우 어려운 일이 된다 대부분의 문제는 비디오 객체가 움직이고 있기 때문에.

갖는 가변성에 의해 일어난다 객체가 카메라의 시야각 내에서 움직이기 때문에 객체의 형. ,

상은 동적으로 변화하게 된다 이러한 가변성은 가지 원인에서 기인한다 그것은 객체포즈. 3 .

의 가변성 또는 객체의 변형 조명의 가변성 객체 간 일부 또는 전체의 겹침이다, , .

비디오에서 객체의 인식 및 추적에 사용되는 두 가지 정보는 색상 형상 질감 등과 같은( , , )

시각적 특성 정보와 움직임 정보다 시각적 특성정보의 통계적인 분석과 공간적인 움직임.

정보를 조합해서 사용하는 것이 널리 사용되고 있다.

전통적인 방법으로서는 첫 번째로 영역기반의 색상과 질감정보를 프레임 내에서 분할하고,

유사 움직임벡터의 가까운 정도 등의 제약조건에 맞게 병합한다 학문적으로 객체 인식과.

추적에 있어 많은 방법들이 제안되고 발표되고 있다 이런 모든 노력들은 객체의 인식 및.

추적 문제나 특정 시나리오에서 다루는 여러 다른 연구 분야에 집중된다 대부분은 여러 가.

지 기술의 조합을 사용하며 서로 다른 방법들 중에서 주로 특정 기술의 조합과 교차되는,

점을 이용한다 연구되고 있는 모든 방법을 한마디로 대변하기는 힘든 일이다 따라서 다음. .

절에서는 다수 연구들의 주안점을 알아보기로 한다.

- 21 -

1. Object Detection and Tracking Approaches

가 특성기반의 객체인식.

특성기반의 객체인식은 표준이미지의 특성과 기준점의 정렬이 중요하다 이미지는 조명의.

변화와 크기 방위의 변화에 따라 다른 공간으로의 변환이 필요하다 하나 또는 그 이상의, .

특성이 추출되고 대상이 되는 객체가 그 선택된 특성에 의하여 구성된다 그리고 나서 객체.

감지와 인식은 그래프 매칭 문제로 변하게 된다.

형상기반 접근방법(1)

형상기반의 객체감지 방식은 이미지 내에서 관심이 있는 객체를 분할하기 어렵기 때문에 개

체를 인식하는데 가장 어려운 문제 중의 하나이다 객체의 윤곽선을 결정하고 감지하기 위.

해서 이미지에 대한 전처리가 필요하다 전 처리 알고리즘이나 필터링 기술은 적용프로그, .

램에 따라 달라질 수 있다 사람 꽃 비행기 등과 같은 서로 다른 객체의 형태는 서로 다른. , ,

알고리즘이 필요하다 좀 더 복잡한 장면에서 잡음성분의 제거 축척 회전을 위한 연산이. , ,

필요하다.

객체가 일단 감지되고 위치가 정해지면 객체의 범위는 윤곽선감지와 범위추적 알고리즘에,

의해 알아낼 수 있다 객체의 감지와 형상의 묘사는 복잡한 장면에서는 더욱 어려운데 이는.

많은 객체의 교합과 음영 때문에 그렇다.

색상기반의 접근방법(2)

다른 많은 이미지 형태 예 형상 와는 다르게 색상은 관점의 변화에 상대적으로 일정한 특( , )

성을 갖고 있어 정보 획득이 쉽다 그러나 색상이 객체의 감지와 추적에 항상 적합한 것은.

아니지만 적은 비용의 알고리즘이므로 적절한 상황의 적용이 합당하다, .

- 22 -

은 논문에서 색상도수 분포를 이용하여 실시간으로 차량이자 보행자의 인식 및 추N. Diehl

적이 가능한 알고리즘을 제안하였다 그들은 연속하는 이미지내의 색상분포를 기술하고 배.

경과 객체를 분리하는 혼합모델을 만들어냈다 객체의 교합은 교합버퍼의 사용을Gaussian .

다룬다 는 실시간으로 전체 프레임 크기에서 색상신호의 비율을 이용하여 중. Paul Fieguth

복된 얼굴들을 인식하여 추적하였다.

색상기반의 접근방법은 간단한 추적방법은 프레임들 사이에서 비슷하게 표준화된 색상의 영

역을 추적하는데 기초를 두고 있다 이 영역들은 고정된 크기와 상대적 위치를 같고 추적되.

는 객체의 확장 안에 정의된다 각 영역들은 영역내의 픽셀들을 재분할 샘플링 하여 연산된.

색상벡터에 의해 특성화되며 이는 영역 내에 있는 픽셀의 색상평균을 나타낸다 그들은 명.

시적으로 교합진행모델을 사용하여 어느 정도는 믿을만한 결과를 내 놓았다.

나 템플릿 기반 객체인식.

만약 특정객체를 템플릿으로 표현할 수 있다면 객체의 감지는 분석 하에 있는 일련의 이미,

지와 템플릿간의 특성을 일치시켜보는 작업이 될 것이다 객체를 정확한 감지는 일반적으로.

계산적으로 비용이 많이 들며 정확성의 정도는 객체 템플릿에 의해서 제공되는 자세함의,

정도와 정확도에 있다고 하겠다 객체 템플릿 일치방법은 고정형과 변형 템플릿 일치방법이.

있다.

차이 영상을 이용하는 방법과 모델 기반 방법으로 나누어 볼 수 있다 차이 영상 이용 방법.

들은 인접 프레임 사이의 차이 영상에 움직임이 있는 부분만 나타난다는 것을 전제로 한다.

따라서 이 방법들은 프레임 사이의 시간 동안에 물체의 움직임이 거의 없거나 너무 클 때는

물체의 추출이 어렵다 즉 물체의 위치 변화에 민감하다 모델 기반 방법들은 찾고자 하는. , .

물체의 모델에기반하여 각 프레임에서 물체를 추출함으로써 이동 물체를 추적한다 여기서.

모델 매칭 에는 주로 상호 연관도 나 템플릿 매칭(matching) (correlation) (template

을 이용한다 이 방법들은 영상의 한 부분과 모델의 특징점 사이의 일대일 상응을matching) .

전제로 하므로 물체의 모양 변화에 민감한 편이다.

- 23 -

고정 템플릿 정합(1)

고정 템플릿 비교 방법은 객체의 형태가 변하지 않는 카메라의 시야각일 때 유용하고 종류,

로는 두 가지 주요기술이 있다.

가 이미지 감산( )

이 기술에서는 템플릿의 위치는 이미지내의 다양한 위치와 템플릿간의 거리함수를 최소화,

하여 결정된다 차 영상 기술은 다음에 설명하게 될 상호상관관계모델 보다는 적은 양의 시.

간이 들게 되며 이미지 강도와 템플릿과 그 템플릿과 같은 이미지를 포함하는 템플릿을 포,

함하는 이미지간의 보는 각도와 같은 이미지를 만드는 제한적 조건에서는 좋은 결과를 낸

다.

나 상관관계( )

상관관계에 의한 일치는 템플릿과 잘 정합된 일치된 이미지간의 정규화 된 상호관계 최대치

를 이용한다 이 방법은 일반적으로 이미지내의 잡음과 조명에 큰 영향을 받지 않으나 모든.

템플릿을 합산해야하는 계산적 복잡성이 야기된다 포인트 상관관계는 덧셈을 위해 잘 선택.

된 작은 집합에는 복잡도를 줄일 수 있다.

(2) Deformable template matching

초기에 주어진 를 변형해 가면서 정보를 이용하여Template edge, texture, color, region

목표 를 찾아내는 방법의 통칭이며 찾고자 하는 오브젝트의 정보를object , prototype

로 표현하고 변형이동방법을 이용하여 의 모양을 변형하면서 정보template , template Edge

를 이용한 을 최소화하는 를 찾는 방법이다Objective Function template .

- 24 -

를 한 것을 변형 이동한 후 축적하여 위치 이동한 템플릿을 만Prototype Template Rotate

든다 이렇게 만들어진 들의 값을 의. template Objective Function Input Image Edge

값을 이용하여 구하고 이 값이 일정 이하이면서 최소가 되는Potential , energy threshold

가 추출된 로서 이 된다template object output .

변형 템플릿 일치 접근법은 객체가 매우 고정적이고 변형이 심한 경우에 더욱 적당하다 이.

변화들은 객체의 변형이나 카메라가 반영된 객체형태의 차이에 원인이 있다 대부분의 비디.

오에 있어 객체의 자연적 변형 때문에 변형 모델은 추적하는 일에서 많이 나타난다 개연적.

으로 프로토타입 윤곽의 변환은 입력 이미지에서 돌출된 가장자리에 맞추기 위한 템플릿을

다시 형성하기 위해 제공된다.

이 방법에서 템플릿은 객체모형의 윤곽선의 성격을 묘사하는 비트맵으로 표현된다 템플릿, .

의 모양을 바꾸는 변형 파라미터의 실제적 기능은 변형과 같은 값을 반영하여 계산된다 이.

실제적 기능은 객체와 제일 잘 일치하는 변형파라미터의 반복적인 수정에 의해 최소화된다.

변형 템플릿 일치기술의 가장 중요한 응용 분야는 다음 장에서 보게 될 비디오 프레임에서

객체의 움직임 추출이다.

다 움직임 감지.

움직임 객체나 움직임감지에서 감지하는 일은 비디오내의 객체 감지와 추적에 매우 중요한

의미를 갖는다 지난 년 동안 객체 추적 및 감지에 대한 연구 중 많은 부분이 이 분야에. 10

집중되어 왔었다 움직임 없이 객체 감지를 비교하면 움직임 감지는 추가되는 시간적 변화. ,

요구에 의해 객체감지 문제는 복잡하게 되고 반면에 이것 역시 추출 및 감지를 위한 다른,

정보 원천을 제공한다.

많은 움직임 감지 알고리즘들이 제안되었다 이들을 다음과 같은 그룹들로 구분된다. .

- 25 -

(1) Thresholding technique over the interframe difference

이 방법은 픽셀이나 블록 레벨에서의 시간적 변화의 감지에 의존한다 차이도. (difference

는 통상 움직임 비움직임 유형에서 얻어진 정해진 보정 값을 사용한다map) / .

(2) Statistical tests constrained to pixelwise independent decisions

이 방법은 시간적 변화에 대한 감지가 움직임 감지와 동등하다고 생각한다 그러나 이 가정.

은 큰 변이 값이 나타나거나 객체의 투영이 충분히 짜임새를 가질 때 유효하다 그러나 고.

르게 보존된 영역에 대한 움직임 객체의 경우에는 무효하다.

이러한 한계를 피하기 위해 시간적 변화 감지 마스크와 필터가 역시 고려되었다 이 마스, .

크의 사용은 변화 감지 알고리즘의 유용성을 향상시키며 특히 움직임 객체의 크기에 대하,

여 얼마간의 사전 지식을 갖는 경우에 유용하며 이것은 마스크의 크기나 형태의 결정에 사,

용될 수 있다 반면에 이 마스크들은 불변의 변화 감지 모형을 제공할 수 없기 때문에 적. ,

용하는데 한계를 갖으며 사전의 문맥기반 지식이 없이는 사용될 수 없다.

전역적 에너지 체계(3)

움직임 감지 문제는 전체객체함수를 최소화하여 공식화되고 통계학적, (mean-field,g

또는 반복적 완화알고리즘simulated annealing) (iterated conditional mode, highest

을 사용해서 수행된다 이러한 추세에 있어 공간적confidence first) . Markov Random

가 널리 사용되어 왔고 움직임 감지는 통계적인 후처리를 통해 이루어진다 이러한Fields , .

통계적 방법론은 매우 강력한 움직임 감지 정보를 도출 할 수 있으나 연산 시간을 많이 소

비한다는 단점이 있다.

- 26 -

라 모션정보를 이용한 객체추적.

움직임 감지는 객체추적을 위한 유용한 정보를 제공한다 추적은 움직임 파라미터의 추가적.

인 분할이 필요하다 이 추적 문제에 대한 많은 연구가 이루어지고 있다 현재 진행되고 있. .

는 연구를 분류하면 크게 가지로 나눌 수 있는데 움직임 기반과 모델 기반으로 나눌 수2

있다.

움직임 기반의 연구는 규정 외 시간의 시각적 움직임이 일치하는 그룹을 위한 신뢰성 있는

방법에 의존한다 이 방법은 상대적으로 빠르지만 비강체 움직임과 객체를. (non-rigid body)

다루는데 있는 어려움이 있다 모델기반 연구 역시 객체의 고수준의 의미와 지식의 사용법.

을 연구한다 이 방법들은 움직임 기반에 비해 안정적이지만 복제 모델의 확대 축소 이동. , / , ,

회전 변형에 필요한 복잡 모델의 고비용의 계산이 든다, .

추적은 추적된 객체의 기하학적 방법이나 영역기반의 특성의 분석을 통해서 수행된다 또한.

정보의 출처에 따라서 현재의 방법은 경계선 기반의 방식과 영역기반으로 나누어진다.

(1) Boundary-based approaches

기반에 기술을 참고하여 보면 이 형태는 객체 영역에 의해 제공되는 정보에 의존하Edge ,

는 방법이다 이 방법은 객체 추적에 널리 적용되고 있는데 그이유로는 움직임 형태나 객체.

의 모양에 종속적이지 않고 신뢰성 있는 정보를 가지고 있기 때문이다 일반적으로 경계선.

기반의 추적 알고리즘은 나 측지학적 방식의 활성등고선 모델을 사용한다 이 모델들snake .

은 기반이나 기하학적 기반의 최적화 방법으로 외부 외형적 가능성의 영향 아래 최energy

초의 를 포함한다curve .

- 27 -

가( ) Snakes

는 에 의해 처음 소개되었는데 이는 변형 가능한 활성등고선 기법Snake Terzopoulos et a1

을 사용한다 는 내부적인 변형억제를 조건으로 하여 이미지 강도인 힘 의 영향 하로. Snake " "

옮겨진다 분할 및 영역의 추적에 있어서 이러한 효력은 이미지 강도의 경사도와 이미지. ,

형태의 위치에 관계된다 모델의 한 가지 장점은 그것이 이미. force-driven time-varying

지로부터 추출된 들을 쉽게 포함할 수 있다는 것이다 는 항상 파라미터를dynamic . Snake

결정하고 해결영역은 미리 정의된 형상에 의해 제한된다 그래서 이러한 방법들은 초기 윤.

곽선 집중이 반복적으로 공간 차이적 평균화의 해결 때문에 정확한 초기화 단계를 요구한

다.

이 연구의 적용방법은

사용자가 정의한 위치 근처 에 적절한 수의 포인트로 이루어진 스네이크를 고정시(Edge )①

키고,

각각의 힘에 의한 에너지 최소화의 반복을 통해 낮은 에너지가 있는 곳 윤곽선 으로 스( )②

네이크곡선을 이동시킨다.

이때 사용되는 일반적인 스네이크 에너지 함수를 사용한다.

주목할만한 연구들이 평준화에 대한 해결과 이미지 혼란과 교합에 대한 신뢰성을 향상시키

는 것과 관련한 수치적 문제 극복에 관한 움직임이 있어 왔다. "R. Curwen and A. Blake

는 자신들의 논문에서 활동적 윤곽의 표현인 을 제안하였고 와B-spline , D.Metaxas

는 객체의 차원 비고정적 모형과 정형화를 위한 움직임의 슈퍼 이차함수를D.Terzopoulos 3

제안하여 이 분야의 연구의 활발함을 알 수 있다.

- 28 -

나( ) Geodesic active contour mode1

이 모델들은 파라미터화 되어 있지 않으며 비강체 움직임이 있는 객체의(non-rigid model)

추적에 사용된다 라는 제안에서 추적될 객체의 윤곽의 감지에 의해. Snakes in Movement ,

시작되는 세 가지 스템의 방법이 제안되었다 감지될 윤곽을 따른 속도벡터 부분의 계산은.

나중에 수행된다 이 부분에서 매우 불안정한 양이 얻어질 수 있다. .

다음 부분차이 평균 은 윤곽선들을 움직임객체 영역으로 옮기(partial differential equation)

기 위해 제안되었다 이 윤곽선들은 다음 이미지에 있는 윤곽선들의 초기 추정 값으로 사용.

되며 이 과정을 반복한다 최근 는 객체추적 문제와 순차분할. , “Morphing Active Contours”

을 다루기 위한 두 개의 부분차이 평균 을 연결하는 전방전달(partial differential equation)

방법 이 제안되었다 추가로 새로운(front propagation approach) . , Co1or based object

에서는 비디오에서 객체추적에 적용될 수 있는 측지선 활동 윤곽선tracking (geodesic

모델이 제안되었다active contour) .

영역 기반적 연구(2)

이 방법은 질감과 움직임 예측 분할 기술에서 사용하는 움직임 기반 도구같이 전체 영역에/

의해 제공되는 정보에 의존한다 이 경우 목표 속도에 대한 예측은 순간 시간 편차에서 관. ,

련된 목표구역간의 조화에 기초를 두고 있다.

이 동작은 일반적으로 시간이 많이 소비되며 전체 영역에서 점대점 일치가 요구된다 적은( )

종류의 파라미터를 가지고 목표 움직임을 묘사하는 파라메틱 움직임 모델을 사용함으로써

시간을 줄일 수 있다 이와 같은 모델들의 사용은 비정형 움직임 객체들의 경우 실제 객체. /

의 영역들을 추적하는 어려움에 대해 설명한다 그러나 전체 영역을 이용함으로써 제공되는.

정보라는 점에서 신뢰성은 높아진다.

광학의 흐름 은 영역기반 연구 분야에서 넓게 사용되고 있는 모델중의 하나이(Optical flow)

다 이 모델에서는 식별 가능한 속도와 프레임 안의 모든 픽셀의 위치가 계산된다 이것은. , .

유용하지만 많이 시간을 소비한다 배경 움직임 모델은 배경 면. (Background motion)

의 이미지를 안정시키기 위해 쓰이는 광학의 흐름 을 사용(background plane) (Optical flow)

하여 계산될 수 있다.

- 29 -

그리고 독립적인 움직임은 배경 면 움직임 에 의해 예견될 수(background plane motion)

없는 이미지 경사도의 흐름을 오차흐름 에 의해 찾아진다 계산시간과 비용이(residual flow) .

약간 더 들더라도 이 측정 방법은 고정된 이미지에서 배경 차 를, (background subtraction)

사용하는 것보다 더욱 직접적인 기하학적 의미를 갖는다 이 방법은 배경이 움직이거나 카.

메라가 움직이는 장면이 있는 비디오에서 객체를 추적하고 감지하는데 매우 효과가 있다.

마 비디오 스트림에서 유용한 움직임 정보의 이용.

위에서 언급한 모든 방법은 비디오 프레임의 픽셀 값으로부터 움직임 정보를 추출하는 것이

다 이것은 원래 이미지나 압축 재구성 된 이미지를 대상으로 매우 많을 시간을 요하는 픽. /

셀 수준의 복잡한 분석에 의해서 되어졌다 실제 어떤 종류의 움직임 정보는 이미 널리 채. ,

택된 비디오 표준 형태에서 사용된 비디오 압축 스트림에 포함되어 있다 예를 들면. ,

표준은 인접한 대응 블록의 차가 계산된 움직임 벡터움직임 보상 예측이라 불리는MPEG /

기술을 채택하여 표준 스트림으로 압축되어 있다MPEG .

많은 경우 특별히 잘 짜여진 객체에서 움직임 벡터 값들은 장면에서 객체의 움직임들을 잘,

반영한다 그래서 움직임 정보로부터 추출된 분리된 모듈을 갖는 대신에 어떤 방법들은 이.

움직임 벡터 값을 직접 이용한다 물론 이것들은 움직임 벡터들이 오직 픽셀의 블록에만 관.

련이 있기 때문에 객체 영역의 정확도는 감소시킨다.

그러나 이것은 많은 적용분야에서 중요한 문제를 야기하지는 않는다 왜냐하면 추적의 목, .

적이 이미지 쌍에서 모든 이미지의 위치를 정확히 일치시키기 위한 것이 아니라 어느 정도

전체적인 관점에서 긴 일련의 이미지에서 순수한 목표지역의 움직임을 결정하기 위한 것이

기 때문이다 움직임 정보의 획득의 용이함과 블록 수준에서 매우 유용한 추적 알고리즘이.

라 하겠다.

- 30 -

이 연구 분야의 흥미로운 논문은 양종호 원치선 의 움직임 벡터를 이용한 고속[ , ] "MPEG-2

객체 알고리즘 인데 사용자의 개입에 의한 선택영역에 대한 분류 균질 영역정의 인트라 프" ,

레임 내에서 객체를 추출하고 연속된 인터프레임에서 자동적으로 객체를 추적하게 된다, .

즉 사용자 개입에 의해 추출된 의미 있는 객체를 정의한 후 객체의 움직임 변위를, ,

의 움직임벡터를 이용하여 구함으로서 고속처리가 가능하도록 하였다 정확한 객체MPEG-2 .

의 유곽선 추출을 위하여 보조적인 워터쉐드 알고리즘으로 보정하였다.

2. Summary

인터넷에서 비디오의 사용의 증가와 비디오의 자동화 및 사용에 있어 비디오의 적용성 유,

용성 효용성은 비디오에서 객체의 감지 및 추적에 많이 의존할 것이다 이미 많은 연구가, .

되어 졌지만 일반화 신뢰 정확성 측면과 모든 시나리오에 적용되기까지는 아직 불가능 요, ,

소들이 있다.

이런 모든 어려움 즉 잡음이 있는 배경 카메라 혹은 관찰자의 움직임 나쁜 조건 객체 교, , , ,

합을 극복하기 위해 복잡한 방법들이 결합될 필요가 있고 그러리라 믿는다.

위에서 설명한 방법들의 연구는 각각이 목표하는 특별한 적용분야에서 다양한 방향으로 진

행될 것이다 어떤 신뢰할만한 가정이 특별한 경우를 만들기도 하고 객체의 추적 및 감지. ,

방법을 더욱 간소화시킬 것이다 많은 특별한 경우들이 해결되면 좋은 적용성을 갖춘 상품. ,

들이 나올 것이다 컴퓨터의 성능이 향상되고 네트웍이 발전되면 더욱 복잡한 문제들도 결.

국은 해결하수 있게 될 것이다.

- 31 -

제 장 의 요소기슬3 VISCOP

최근의 정보통신 기술의 발전으로 시스템에 대한 접근이나 혹은 시스템 보안에 관하여 많은

관심이 집중되고 있으며 이는 정보 보안 및 감시 시스템의 지능화를 필연적으로 요구하여,

관련 기술의 개발 및 구현이 국내에서도 요청되고 있다 특히 인터넷의 발전으로 인해 제어.

시스템의 네트워크화와 동시에 영상 및 생체신호 등에서 특징을 추출하여 이용하는 보다 지

능적인 보안시스템을 구현하는 기술의 확보가 특히 필요하게 되었다.

이에 대해 우리는 제어 네트워크 기반 영상 객체 인식 기술을 바탕으로 을 설계VISCOP ㆍ

구현하게 되었다.

은 제어네트워크를 기반으로 상호 접속되어 있는 복수개의 카메라를 제어하기 위해VISCOP

먼저 카메라에서 획득된 영상정보로부터 를 추출하고 이를 신경망 학습알고Motion Vector ,

리즘을 통하여 양자화하며 생성된 양자화 된 대표벡터에 대해 병합 분할 등의 방법으로, ㆍ

영상객체를 추출 인식하여 각 카메라에 대한 자세 제어 및 객체 추적을 위해 팬 틸트 디바/ㆍ

이스를 제어한다.

또한 영상객체인식을 통해 생성된 제어신호가 초고속망 환경 하에서 다수의 카메라를 동시,

에 제어할 수 있도록 카메라 토폴로지를 정의하고 상호접속표준에 의한 룩업 디스커버리, /

기능 이벤트 트랜잭션 관리기능과 원격 메소드 호출기능을 수행하는 미들웨어를 개발하였, /

다.

제 절 제어 네트워크 기반 영상객체 인식기술1

를 이용한 객체 추출1. Motion Vector

에서의 영상객체 추출 및 인식기술은 스트림으로부터 정VISCOP MPEG-1 Motion Vector

보를 추출 이를 사용하여 객체추출 및 분할과 객체의 추적정보 획득 그리고 획득된 추적, ,

정보를 사용하여 카메라 팬 틸트에 대한 제어신호 생성과 구현을 목표로 한다/ .

- 32 -

제어 네트워크 기반 영상객체 인식 시스템 개발을 위해서는 획득된 스트림 내에 있MPEG

는 를 통해 감시대상인 움직임 객체를 추출해야한다 일반적으로 카메라에Motion Vector .

잡히는 영상을 그림 과 같다고 가정한다[ 3-1] .

time at t time at t+h (h>0)

그림 시간 와 에서 들어오는 실제 영상[ 3-1] t t+h

그림 에서 시간 와 사이에는 움직이는 사람에 대하여 영상의 변화가 있으나 배[ 3-1] t t+h

경 부분에는 영상의 변화가 없다 그러므로 어떤 특정 구역에 대한 감시 시스템을 구성할.

경우 침입자나 혹은 인증되지 않은 사용자가 특정구역에 들어올 경우 배경에 해당되는 특정

구역의 영상정보는 변화가 없다 그러나 침입자에 해당되는 영상은 많은 변화를 일으키게.

되므로 이러한 변화를 적절히 추출하여 처리하게 되면 제어 네트워크를 기반으로 하는 영상

객체 인식 시스템을 구축할 수 있다.

그림 도식화된 영상에서의 정보[ 3-2] MPEG Motion Vector

- 33 -

에서는 이러한 영상정보를 스트림으로 처리하므로 스트림에서는VISCOP MPEG-1 MPEG

그림 과 같은 영상에 대하여 시간 와 사이에 정보를 가지게 되며[ 3-1] t t+h Motion vector

이를 영상으로 재구성하면 그림 와 같다[ 3-2] .

그림 에서 점으로 표시된 부분은 가 영 벡터임을 의미하며 화살표가[ 3-2] Motion vector

나타나는 부분은 시간 와 사이에 해당하는 벡터크기 만큼의 영상 변화가 있었음을 의t t+h

미한다.

그러므로 가 충분히 작다면 다음과 같이 간단하게 객체를 추출할 수 있다h .

식 에서(1) Γ4ijxy는 번째 에서 의 정보를 가지는 를(i, j) Macro Block (x, y) Motion vector

의미한다 즉 상위첨자는 의 인덱스 정보를 가리키며 하위첨자는. , Motion Vector Motion

의 내용이다vector . O는 객체 를 의미하며 객체는 어떤 특정한 의 집(Object) Motion vector

합으로 생각한다 값은 의 위치 가 객체. Thresh hold Motion vector vector (i, j) O에 포함

되는가를 결정하는 값으로 n× m 크기 영상에 대하여 다음과 같이 놓는다.

식 에서 는 비례상수로 보다 작은 값을 사용하며 영상의 특징 등을 통해 경험적으로(2) 1α

산정 한다.

그림 알고리즘을 통해 추출된 객체[ 3-3]

- 34 -

식 에 의한 객체추출의 경우 그림 와 그림 에서 보는 것과 같이 노이즈나(1) , [ 3-4] [ 3-5]

그 이외의 이유로 인하여 객체추출이 올바르지 않을 수도 있다 이러한 경우 올바른 객체. ,

추출은 필터링 문제가 되나 객체자체가 의 위치집합이므로 위치에 대한 간Motion Vector

단한 필터링을 통해 문제를 해결할 수 있다.

객체로 잡힌 들의 집합을Motion Vector O라 하면 다음 식을 통해 근사 중심점을 구한다.

식 에서(3) I((i, j)∈O 는 함수로서) Index (i, j)∈O 이면 이며1 (i, j)∋NO이면 이다0 .

그림 노이즈를 포함한 영상 객체[ 3-4]그림 노이즈에 의해 잘못 지정된[ 3-5]

객체 중심

식 에서 구해진(3) m을 사용하여 객체위치에 대한 분산을 다음 식을 사용하여 구한다.

식 의(4) σ는 객체 범위에 대한 분산으로서 그림 에서 원의 반지름에 해당한다 그러[ 3-5] .

므로 다음 식에 의하여 교란된 객체를 제거할 수 있다.

- 35 -

식 에서(5) β는 β 인 양수로서 분산의 크기를 조절하기 위한 인수이며 감시대상 환경 등1≤

에 의해 경험적으로 결정된다.

신경회로망을 사용한 객체 추출2.

보다 복잡한 영상의 경우 위에서 언급한 간단한 객체추출 방법으로 객체가 추출되지 않을

수 있다 예를 들어 그림 과 같은 영상의 경우 다수의 들이 혼합되어. [ 3-6] , Motion Vector

간단한 객체추출 알고리즘을 적용하기 어렵다.

그림 과 같은 경우 두 가지 종류의 영 벡터가 아닌 가 영상에 나타나는 경6 Motion Vector

우로서 이러한 경우에는 패턴인식 기술을 사용하여 각 들을 별로 구별Motion Vector Class

지어야 한다.

이러한 패턴인식 도구로서 간단하게 구현 할 수 있으며 패턴 분류 성능이 뛰어난 경쟁학습

신경망 알고리즘을 도입하여 복잡한 영상의 객체 추출을 행한다.

time at t time at t+h (h>0)

그림 다수의 객체가 존재 할 경우의 영상[ 3-6]

- 36 -

경쟁학습 신경회로망은 다수의 중 현재 입력에 가장 유사한Weight Vector Weight Vector

한 개를 선정 승자 로 지정하고 오직 승자 에 대해서만 학, Weight Vector , Weight Vector

습이 이루어지도록 알고리즘이 구성된다 따라서 다수의 들이 현재 입력에. Weight Vector

대하여 승자가 되기 위해 경쟁하는 형식을 가지므로 경쟁학습이라는 특징을 가지게 되며 일

반적으로 사용되는 다른 신경망 알고리즘보다 패턴 분류 및 인식 성능이 뛰어난 특징을 가

지고 있다.

본 시스템에서 경쟁학습 신경망의 학습 방정식은 다음과 같다.

식 에서(6) wr(t 은 시간 에서의) t r번째 가중치 벡터 로서 특정 객체 집합을(Weight Vector)

대표하는 대표벡터가 된다 경쟁학습 신경망의 학습은 수회의 학습으로도 충분히 대표성. 10

있는 가중치 벡터를 만들어 낼 수 있으며 가중치 벡터를 사용하여 다수의 객체를 생성해 낼

수 있다 이를 그림으로 도시하면 그림 과 같다. [ 3-7] .

그림 다수 객체가 존재하는 경우 개의 가중치 벡터로 개체를 구별[ 3-7] (3 )

신경망의 가중치 벡터를 사용하여 객체를 구별하는 공식은 다음과 같으며 이론상 r개의 가

중치 벡터가 있다면 r 개의 객체를 구별할 수 있다-1 .

- 37 -

식 에서(6) Λ는 의 집합으로서Macro Block Index R2와 위상이 같으며 Or은 r번째 객체를

의미하며 가중치 벡터의 와 같다Index .

신경망을 사용한 객체의 병합3.

신경망에 함수를 부여하면 객체의 병합이 가능하다 동일한 객체에서로 다른Index . Motion

가 있을 경우 예를 들어 그림 와 같이 사람의 사지와 몸통의 경우 사지를 포괄하Vector , xx

는 의 움직임이 몸통의 그것보다 더 많이 움직일 가능성이 높다 이 경우 신경Macro Block .

망에 함수를 부여하면 객체의 병합이 가능하다Index .

그림 에서 모두 개의 객체가 신경망에 의해 분류되었다고 가정하고이 중에서[ 3-8] 6 w1,

w2, w3으로 대표되는 객체와 w4, w5, w6으로 대표되는 객체의 병합문제를 살펴보면 감시,

시스템의 경우 각 객체들의 의미에 대한 사전 지식이 없으므로 가중치 벡터의 유사성을 통

해 객체를 병합시키는 방법 외에는 없다.

그림 신경망을 사용한 객체의 병합[ 3-8]

따라서 전체 가중치 벡터의 편차를 사용하여 유사한 가중치 벡터를 편차를 기준으로 하는

함수를 구축하여 객체를 병합할 수 있다 가중치 벡터의 편차를 구하기 위해 의사 가Index .

중치 벡터 평균을 가중치 벡터의 수가 r이라 할 때 다음과 같이 구한다.

- 38 -

식 에 의해 의사 가중치 벡터의 평균이 구해지면 이를 사용하여 다음과 같이 가중치 벡(7)

터의 편차를 구한다.

이때 함수를 식 와 같이 놓고Index (9)

식 에서 는 편차에 대한 파라미터로 경험적으로 결정되는 값이다 이 값이 크면(9) 0< 1 .λ≤

객체가 적게 생성되고 이 값이 작으면 객체가 많이 생성된다 식 의 함수가 어떤. (9) Index

임계값 보다 크면 다음과 같이 하여 객체를 병합한다.

그림 화면상에 위치하는 두 개의 객체[ 3-9]

- 39 -

객체를 사용한 카메라 팬 틸트 제어4. - (Pan-Tilt)

동영상에서 객체가 추출된 다음에는 객체를 대표하는 대표벡터를 사용하여 시스템을 위한

카메라 팬 틸트 제어를 행한다 영상이 단순할 경우에는 추출된 객체에 포함되는 위치벡터- .

의 들의 평균값을 사용하여 대표 벡터를 생성한다Motion Vector .

영상이 복잡하여 다수의 객체가 나타나는 경우 각 객체에 대한 대표벡터들은 신경망의 가중

치 벡터가 된다 이는 경쟁학습 신경망의 경우 가중치 벡터들은 효과에 의해 가중치 벡. VQ

터들이 가중치의 벡터의 의 평균 벡터가 되는 성질을 사용하는 것이다Receptive Field .

그림 각 객체의 평균 값 위치[ 3-10]

객체 병합에 의해 다수의 가증치 벡터가 동일한 객체를 대표할 때는 동일한 객체를 나타내

는 가중치 벡터의 산술평균을 객체의 대표벡터로 사용한다.

- 40 -

그림 선택된 객체의 대표벡터[ 3-11]

또한 효율적인 감시를 위해서 다수의 감시 시스템이 사용되는 경우 특정 카메라는 가장 카

메라 초점 위치에 가까운 객체만을 추적하도록 한다 따라서 각 객체의 위. Motion vector

치 의 산술평균을 구하여 특정 카메라의 초점위치를 결정한다(i, j) .

식 에서(14) C(t)∈R2는 카메라의 현재 초점위치를 말한다.

초점위치를 통해 추적할 객체가 결정되면 위에서 구한 객체의 대표벡터를 사용하여 제어 입

력을 구한다 일반적으로 화상의 시간을. Sampling δτ라 하고 제어 입력에 대한 Sampling

시간은 h라 하면 h=Kㆍδτ ∵K 가 되어 화상 입력에 대하여 이 된다>0 Down Sampling .

그림 대표벡터를 사용한 제어신호 추출[ 3-12]

- 41 -

카메라의 팬 틸트 제어는 카메라의 초점을 객체의 중심점에 맞추도록 하는 것으로서 객체-

의 대표벡터 방향으로 팬 틸트를 움직이는 것으로 구현된다 그림 에서 나타나는- . 11

wrx, wr y벡터는 각각 팬 틸트 제어신호가 된다 그러므로 상태 벡터를 객체 중심점의 화면, .

상의 위치로 놓으면 상태벡터의 시간에 대한 차 미분치는 대표벡터가 된다 제어 대상의1 .

출력은 객체 중심점이 되므로 다음과 같이 시스템을 모델링 할 수 있다.

식 에서(15) x는 객체의 중심점을 나타낸다 식 의 선형 모델에서. (15) A(t 의 추정이 매우)

중요하며 δτ의 값이 매우 작다면 식 과 같이 구할 수 있다(16) .

이렇게 추정된 모델을 사용하여 제어기법을 사용 제어입력LQ , u(t 를 구하게 되면 제어입)

력과 반대방향의 제어신호를 팬 틸트에 인가하여 객체를 추적할 수 있게 된다- .

그림 카메라 시스템의 제어 개념도[ 3-13]

- 42 -

다중 카메라 제어 기술5.

각 카메라는 객체의 대표벡터의 추종을 목표로 제어가 이루어진다 한편 다중 카메라가 시.

스템에 존재하게 되면 각 카메라에 알맞은 대표벡터를 할당하는 것이 다중 카메라 제어기술

의 핵심이 된다 각 카메라가 대상 영상을 공유하지 않고 있다고 가정하면 다중 카메라 제.

어는 각 카메라가 잡은 영상에 대하여 대표벡터를 추종하면 된다 그러나 만일 다중 카메라.

가 같은 영상을 전체 혹은 일부 공유하고 있다면 영상의 대표벡터를 각 카메라에 적절히 할

당하여야 한다.

대표벡터의 영상할당은 대표벡터의 시작점과 영상의 초점과의 거리를 통해 가장 가까운 거

리에 있는 대표벡터를 추종하는 것으로 한다 이렇게 하면 각 카메라는 영상에서 객체가 사.

라진다 하더라도 다른 카메라에서 객체를 추종할 수 있으므로 효율적인 제어가 가능해진다.

그림 의 좌측 카메라에는 대표벡터가 존재하므로 초점에서 가까운 벡터를 추종하는[ 3-14]

제어가 이루어진다 그런데 탐색영역을 객체가 벗어나게 되면 객체는 시간 에서 다른. t+h

카메라의 영상에 나타나게 된다 이때 시간 에서 대표벡터가 존재하지 않아 제어중지 상태. t

인 우측 카메라는 에서 대표벡터가 나타나므로 제어가 시작된다 좌측 카메라는 대표벡t+h .

터가 사라졌으므로 제어중지가 된다.

그림 다수 카메라에 대한 대표벡터 할당에 의한 제어개념[ 3-14]

- 43 -

제 절 의 구현2 VISCOP

우리는 앞서 언급한 영상 객체인식 기술을 바탕으로 하여 다음과 같은 절차를 통해 이를 구

현하였다

시스템 구성도1. VISCOP

본 시스템은 그림 와 같이 크게 객체 추출 인식 및 제어 신호 생성모듈[ 3-15] (Networkㆍ

과 카메라 자세 제어 모듈 그리고 모듈Control Server) (Pan/Tilt Device) Display (Viscop

로 구분 된다viewer, Client) .

그림 시스템 구성도[ 3-15] V1SCOP

객체 추출 인식 및 제어 신호 생성 모듈은ㆍ

추출 모듈- Motion Vector

대표 벡터 생성 모듈-

대표 벡터 모듈- Clustering

영상 객체 인식 모듈-

제어 신호 생성 모듈-

로 구분된다.

- 44 -

또한 카메라 자세 제어 모듈은

모듈- Interpreter Control

모듈- Camera-Pan/Tilt Communication

모듈- Pan/Tilt Control

로 구분된다.

나머지 모듈은 말 그대로 사용자가 실시간 감시하면서 필요에 의해 영상을 저장하Display

고 다수의 사용자를 위해 를 지원하며 수동으로 팬 틸트 조작을 가능케 하는, Multi Display , /

모듈이다.

시스템의 전체 흐름도2. VISCOP

우리가 개발한 시스템의 전체 흐름도는 그림 과 같다VISCOP [ 3-16] .

그림 시스템의 전체 흐름도[ 3-16] VISCOP

- 45 -

그림 에서 시작과 끝의 상태가 같은 이유는 매 프레임 프레임 제외 마다 동일한 흐[ 3-16] (I )

름을 반복해야 하기 때문이다 이는 실시간으로 수신되는 영상데이터에 대해 누락 없이 처.

리하고 보다 정확한 분석을 통해 움직임 객체의 사소한 동작에도 민감하게 반응하기 위해,

서이다 하지만 매 프레임마다 생성된 카메라 자세 제어 명령을 자세 제어 모듈로 송신하게.

되면 팬 틸트 디바이스가 이를 완전히 소화시키지 못하는 경우가 생기기 때문에 필요에 의/

해서는 환경설정 메뉴를 통해 자세 제어 명령 주기를 수동적으로 조정할 수 있도록 하였다.

제어 네트워크 프로토콜3.

본 시스템은 객체 추출 인식 및 제어 신호 생성 모듈과 카메라 자세 제어모들 그리고ㆍ

모듈간의 끊임없는 패킷 데이터 송 수신을 통해 이뤄지기 때문에 안정된 시스템Display ㆍ

을 구성하기 위해서는 서로간의 의사소통을 위해 자체적인 제어 프로토콜이 필요하다 이를.

바탕으로 사용자가 에 접속하여 영상을 수신하고 수신된 영상 데Network Control Server ,

이터를 통해 객체 추출 인식 및 제어 신호 생성 모듈에서 객체를 인식 그 움직임에 대해,ㆍ

자세 제어모듈로 제어 신호를 넘기면 팬 틸트 가 이를 인식하여 카메라의 자세를 조/ Device

정함으로써 실제 카메라가 객체를 추적할 수 있게 된다.

여기서는 객체 추출 인식 및 제어 신호 생성 모듈과 카메라 자세 제어 모들을 로Server ,ㆍ

모듈을 로 지정한다 제어 네트워크 프로토콜에 사용되는 기본 명령 패킷의Display Client .

헤더 타입은 표 과 같다[ 1] .

본 시스템은 크게 연결 설정 프로시저 사용자 인증 프로시저 영상 데이터전송 프로시저, , ,

팬 틸트 제어 프로시저 그리고 종료 프로시저로 나누어진다/ , .

표 의 헤더 타입은 상호 전송되는 패킷 중에 해당 프로시저를 구분하기위해 지정된 패[ 1]

킷 타입 분리자이다.

- 46 -

ID Name Size(bits) Value

1 Packet Type 8 VIDEO_REQUEST 0x88

VIDEO_RESPONSE 0xf0

VIDEO_CLOSE 0xaa

VlDEO_CHALLENGE 0x88

VIDEO_DATA 0xf0

VIDEO_ACCEPT 0xaa

VIDEO_REJECT 0x7e

VIDEO_CAMERACTRL 0x55

표 기본 명령 패킷의 헤더 타입[ 1]

가 연결 설정 프로시저.

그림 연결 설정 절차[ 3-17]

연결 설정은 사용자의 요구에 의해 에 연결 설정에 대한 요구를Network Control Server

함으로써 이뤄진다 이는 영상 데이터를 요구하거나 시 또는 카메라 제어 신. , Server Setup

호를 보내기 시작할 때 동일하게 적용된다 는 연결 설정 패킷을. Network Control Server

수신한 후 사용자 인증 프로시저를 수행하게 된다, .

연결 설정 패킷의 자세한 헤더 정보는 표 와 같다 여기서 와 은[ 2] . ID 5 6 Network

를 네트워크에서 처음 인식 주소 부여 하거나 이미 세팅된 주소를 강제Control Server (IP ) ,

로 변경할 때 사용한다.

- 47 -

의 은 에서 설정된 의 내용에 따라 가변적으로 사용된다ID 6 Data String ID 5 Search Type .

ID Name Size(bits) Value

1 Packet Type 8 VIDEO_REQUEST 0x88

2 Packet Size 8 Size of ID 3 (variable)∼

3 Packet Identifier 56 "VISCOP1"

4 Request Type 8 REQ_RESERVEDREQ_VIDEODATAREQ_SEARCHREQ_SETUPREQ_CAMERACTRL

0x000x010x210x310x41

5 Search Type or NULL 8 ST_RESERVEDST_MACADDRESSST_IPADDRESSST_HOSTNAME

0x000x010x020x03

6 Search Data or NULL X + 8 Data String + NULL

표 패킷의 구조[ 2] VIDEO_REQUEST

나 사용자 인증 프로시저.

그림 사용자 인증 절차[ 3-18]

- 48 -

사용자 인증은 사용자가 등록된 사용자인지 아닌지를 확인하는Network Control Server

절차로써 미등록 사용자가 임의로 데이터를 가로 채어 다른 용도로 사용하는 것을 방지하기

위한 절차이다.

에서는 보다 효과적인 사용자 인증 절차를 위해 암호화 알고리즘VISCOP MD5 1)을 사용한

다.

패킷 헤더 정보(1) VIDEO_CHALLENGE

사용자 인증 프로시저 패킷의 자세한 헤더 정보는 표 과 같다[ 3] .

ID Name Size(bits) Value

1 Packet Type 8 VIDEO_REQUEST 0x88

2 Packet Size 8 Size of ID 3 (variable)∼

3 Packet Identifier 56 "VISCOP1"

4 MD5 Token 8 * 16 Server Token

5 IP-Address or NULL 32 Server IP Address

6 Subnet MASK or NULL 32 Server Subnet MASK

7 Gateway or NULL 32 Server Gateway

8 DNS or NULL 32 Server DNS

9 DHCP State or NULL 8Server DHCP State(TRUE or FALSE)

10 Host-Name X + 8 Host-Name + NULL

표 패킷의 구조[ 3] VIDEO_CHALLENGE

패킷 헤더 정보(2) VIDEO_RESPONSE

1) 알고리즘은 가 년에 개발한 알고리즘을 개선한 것으로써 빠MD5 Ron Rivest 1990 MD4 ,

른 을 위해 디자인된 을 기반으로 하고 있다software implementation hash function .

- 49 -

가 패킷을 수신하면 화면에 사용자 인증 다이얼로그가 생성된다Client Video_Challenge , .

여기에 이미 등록된 사용자 아이디와 패스워드를 입력한다.

ID Name Size(bits) Value

1 Packet Type 8 VIDEO_RESPONSE 0xf0

2 Packet Size 8 Size of ID 3 (variable)∼

3 Packet Identifier 56 "VISCOP1"

4 Token Index 16 MD5 (Server Token)

5 MD5 Key 8 * 16 MD5 (ID + Passwd + Token)

6 User ID X + 8 User ID + NULL

표 패킷의 구조[ 4] VIDEO_RESPONSE

패킷 헤더 정보(3) VIDEO_ACCEPT

측에서 이를 수신하여 패킷을 송신하면서 인증 절차는 종료되고 곧Server Video_Accept ,

바로 현재 카메라를 통해 입력되는 영상 데이터를 에게 실시간으로 보내준다Client .

ID Name Size(bits) Value

1 Packet Type 8 VIDEO_ACCEPT 0xaa

2 Packet Size 8 Size of ID 3 (variable)∼

3 Packet Identifier 56 "VISCOP1"

4 Server Name X + 8 Name String + NULL

표 패킷의 구조[ 5] VIDEO_ACCEPT

패킷 헤더 정보(4) VIDEO_REJECT

이미 등록된 사용자가 아니거나 잘못 입력된 패스워드에 대해서는 패킷을 송Video_Reject

신하여 현재의 모든 연결 절차를 종료한다.

- 50 -

ID Name Size(bits) Value

1 Packet Type 8 VIDEO_REJECT 0x7e

2 Packet Size 8 Size of ID 3 (variable)∼

3 Packet Identifier 56 "VISCOP1"

4 Rejection Reason 8 REJECT_ACCESSNUMREJECT_NOUSERREJECT_PASSWORDREJECT_TOKENREJECT_UNKNOWN

0x410x420x430x440x45

표 패킷의 구조[ 6] VIDEO_REJECT

다 영상 데이터 프로시저.

그림 영상 데이터 전송 절차[ 3-19]

사용자 인증 절차가 성공하면 곧바로 현재 카메라에 입력되는 영상 시그널을 데, MPEG-1

이터로 인코딩 하여 네트워크를 통해 에 보내어진다 또한 프로시저 수행 중에Client . Client

의 요구에 따라 현재 영상 정보 초당 프레임 수 화질 등 를 변경할 수도 있다 은( , ) . VISCOP

이후 확장을 위해 모두 개의 카메라에 대한 영상 정보를 동일한 형태의 패킷에 실어 나르4

기 때문에 카메라 아이디를 구분하여 전송할 수 있도록 설계되었다.

- 51 -

패킷의 최대 사이즈를 로 제한함에 따라 하나의 프레임 특히 프레임 을 여러1024 byte ( I )

개의 패킷으로 나누어 전송하는 경우가 발생하는데 이때 네트워크 상태의 변화에 따라 손,

실되는 패킷이 발생할 수 있으므로 가 순차적인 영상정보를 수신하고 있는지 아닌지Client

를 판단할 수 있도록 현재 패킷의 정보 현재 패킷이 속한 프레임 번호와 동일한 프레임-

내에서의 패킷 카운트 를 함께 보냄으로써 보다 안정적으로 영상을 수신할 수 있도록 하-

였다 만일 프레임에서 손실된 패킷이 발생하면 이후 프레임에 의해 디코딩 될 때 영. I , P

상이 깨지게 되거나 프로그램이 오동작 할 수 있으므로 손실된 프레임이 포함된I GOP

의 모든 프레임을 버리고 다음 에 대해 계속적인 디코딩을 수행한(Group Of Picture) , GOP

다 이 경우에 영상이 순간적으로 단락 되어 끊어져 보이는 느낌을 줄 수 있다. .

ID NameSize(bits)

Value

1 Packet Type 8 VIDEO DATA 0xf0

2 Packet Size 8 Size of ID 8

3 Frame Counter 4 0 0xf 1 increment/frame∼

4 Camera ID 8 CAMERA_1CAMERA_2CAMERA_3CAMERA_4

0x000x010x020x03

5Current PacketNumber

6 0 0xff l increment/packet∼

6 Packet Count/Frame 6 0 0xff∼

7 Data x Size(bytes) = Packet Size *VIDEO_BLOCK_SIZE(128 bytes)

표 패킷의 구조[ 7] VIDEO_DATA

- 52 -

라 팬 틸트 제어 프로시저. /

그림 카메라 자세 제어 신호 전송 절차[ 3-20]

프로그램에 내장된 자동 객체 인식 및 추적 모듈은 수신된 영상 데이터를 실시간으Client

로 분석하여 그 결과를 카메라 자세 제어 명령으로 변환 측에 전송한다 는, Server . Server

이를 수신하여 헤더를 파싱한 후 곧바로 팬 틸트 디바이스에 전달 카메라 자세를 인식한/ ,

객체가 있는 방향으로 조정하게 된다.

ID Name Size(bits) Value

1 Packet Type 8 VIDEO_CAMERACTRL 0x55

2 Packet Size 8 Size of ID 3 5∼

3 Packet Identifier 56 "VISCOP1"

4 Command Size 16 Size of ID 5

5 Command 8 * 8 Pan/Tilt Command

표 패킷의 구조[ 8] VlDEO_CAMERACTRL

팬 틸트 제어 명령은 모두 의 문자열로 구성되며 그 포맷은 표 와 같다/ 8 Bytes , [ 9] .

- 53 -

Command Client -> Server Server -> Client

MP + Parameter MP-180 MP180∼

MT + Parameter MT-180 MT180∼

Home Pan HP

Home Tilt HT

Get Pan Data GP PD-180 PD180∼

Get Tilt Data GT TD-180 TD180∼

표 팬 틸트 제어 프로토클 데이터 포맷[ 9] /

마 연결 종료 프로시저.

그림 연결 종료 절차[ 3-21]

는 더 이상 로부터 영상 데이터를 받기를 원하지 않을 때Client Network Control Server

수행되는 프로시저이다 는 연결 종료 패킷을 수신하면 현재 서버에 연결된 해당. Server ,

와의 연결을 종료하고 영상데이터 송신을 그만두게 된다 하지만 현재 에 연Client , . Server

결된 다른 와의 연결은 그대로 유지된다Client .

ID Name Size(bits) Value

1 Packet Type 8 8 VIDEO_CLOSE 0xaa

2 Packet Size 8 Size of ID 3

3 Packet Identifier 56 "VISCOP1"

표 패킷의 구조[ 10] VlDEO_CLOSE

- 54 -

제 장 시제품 개발 결과4

주 혜림에서는 앞서 언급한 제어네트워크 기반에서의 영상객체를 인식하고 이를 추적하는( )

기술을 바탕으로 을 자체 개발하였다 은 크게 와Viscop . Viscop Network Control Server

팬 틸트 그리고 사용자 로 나눌 수 있다/ Device , Viewer .

그림 시스템 전체 구성과 각 모듈간 연결[ 4-1]

또한 크게 영상 압축 모듈과 팬 틸트 제어 모듈로 구분되어 있는Network Control Server /

데 영상 압축 모듈은 기존의 카메라나 웹 카메라에 비해 뛰어난 압축률을 이용하여 작, PC

은 전송 대역폭으로 또는 케이블 모뎀을 통해 실시간 영상을 전송할Ethernet LAN, ADSL

수 있으며 및 웹 서버를 내장하여 의 도움이나 장소에 구애 없이 네트워크 케, TCR/IP PC

이블과 전원장치가 있는 곳이면 어디에서나 동작시킬 수 있기 때문에 생생한 화면을, LAN

또는 인터넷을 통하여 원하는 곳으로 전송하여 이를 실시간으로 보거나 저장할 수 있다, .

- 55 -

팬 틸트 제어 모듈은 실시간으로 수신된 영상 정보에서 각 프레임의 를 추출/ Motion Vector

하여 신경망 알고리즘을 통해 의 양자화 및 양자화 된 대표벡터의 병합 분Motion Vector ,

할 등의 방법으로 영상객체를 추출 인식하여 해당 카메라에 대한 팬 틸트 제어신호 및 객, -

체추적을 위한 명령을 송신하여 현재 카메라 영상 내에 위치한 객체의 움직임을 자동 추적

할 수 있게 한다.

팬 틸트 는 팬 틸트 제어 모듈을 통해 전송된 명령을 바탕으로 상하 좌우로 움직이/ Device / ㆍ

며 상단에 위치한 카메라가 정확한 영상 객체를 추적할 수 있도록 빠르고 정확하게 동작한

다.

사용자 는 현재 추적되고 있는 영상을 모니터링 할 수 있고 사용자 요구에 따라 수Viewer ,

동으로 전환하여 저장 및 팬 틸트를 조작할 수 있게 한다/ .

제 절1 Viscop Network Control Server

의 설계 및 구성1. Network Control Server

가 의 외관 설계. Network Control Server

그림 의 외부 인터페이스 설계[ 4-2] Network Control Server

- 56 -

그림 의 실체[ 4-3] Network Control Server

그림 의 내부[ 4-4] Network Control Server

- 57 -

나 보드. NETWORK

NETWORK B/D

HEAD

NETWORK B/D

TAIL

그림 네트워크 보드[ 4-5]

다 보드. VlDEO

VIDEO B/D

HEAD

VIDEO B/D

TAIL

그림 영상 캡쳐 보드[ 4-6]

- 58 -

의 주요 기능2. Network Control Server

가 영상 압축 모듈.

압축(1) MPEG

기존의 이나 방식보다 최대 정도의 뛰어난 압축률을 통해 적은Motion-JPEG Wavelet 10

네트워크 에서도 자연스러운 영상을 전송할 수 있다Bandwidth .

안정된(2) OS

인터넷 비디오 서버 전용 를 채택하여 안정된 시스템을 구축하였다OS .

동시 지원(3) 10 Based-T/100M LAN

이나 을 자동 인식하여 네트워크를 지원한다10M LAN 100M LAN .

강력한 멀티캐스팅 기능(4)

로컬 네트워크 안에 있는 모든 사용자들에게 제한 없이 영상 음성 데이터를 전송할 수 있는/

멀티캐스팅 프로토콜을 지원한다 이는 동시에 접속하고자 하는 모든 사용자에 대해 한 번.

의 데이터 전송만을 하므로 전체 네트워크의 자원을 크게 사용하지 않고도 사용자들은 영상

을 수신할 수 있다.

다양한 저장 모드 지원(5)

사용자 저장 모드 알람 자동 저장 모드를 지원한다 또한 저장 시 파일명으로 인터넷 표, ( ) . ,

준시간이 설정되므로 이미 저장된 파일들을 시간 순서대로 탐색할 수 있다.

- 59 -

나 팬 틸트 제어 모듈. /

자동 감시(1)

관리자의 감독 없이 일정 주기에 따라 제한된 각도 내에서의 모든 상황을 자동으로 탐색하

고 탐색 중 움직임 객체 발견 시 해당 객체를 추적하고 이를 데이터로 저장한다, , .

자동 팬 틸트 제어모드(2) /

기본적으로 제어 프로그램에 의해 자동 제어되지만 임시적으로 관찰하고자 대상에 대해 사,

용자가 직접 팬 틸트를 조작할 수도 있다/ .

카메라 노드 제어(3)

현재 추적 중인 카메라의 최대 시야각을 벗어나는 객체에 대해 그 객체를 추적할 수 있는

위치에 있는 카메라에게 해당 객체의 제어를 넘겨준다.

다 팬 틸트 의 특징. / Device

폭 넓은 시야(1)

최대 의 넓은 각도와 최대 의 각도를 통해 폭넓은 시야를 확보함±175° PAN ±43° TILT

으로써 카메라에 의한 사각을 최소로 줄였다.

빠른 회전 속도(2)

팬 틸트 회전속도를 약 로 유지함으로써 카메라에 잡힌 물체의 추적을 보다 빠르고 정/ 30°/s

확하게 할 수 있다.

- 60 -

의3. Network Control Server Specification

항 목 Specification

영상 압축 방식 MPEG-1

영상 입출력 당Server 1 ch Input/ 1 ch Output

화면 사이즈 SIF(320*240)

최대 화면 속도할당된 수에 따라 가변적Server1 Server : 15 frames/sec.2 Server : 7.5 frames/sec.

화질 선택 단계5

네트워크 프로토콜 10/100M bps Ethernet(Auto Detect)

시리얼 인터페이스 IP, ICMP, UDP, TCP, DHCP, HTTP

시간 설정 인터넷 시간 동기 지원

암호 인증 방식 MD5

DHCP Supported

저장 방식사용자 정의 저장알람 자동 저장( )

CPU 32bit ARM RISC CPU

운영체제 전용Internet Server OS

팬 틸트 제어/ RS232C or RS422

전원 DC 12V / 500mA

표 의 세부[ 11] Network Control Server Spec.

- 61 -

의 설정4. Network Control Server

여기서는 를 효율적으로 사용하기 위해 필요한 기본적인 기능들과Network Control Server

그 설정 방법에 대하여 설명하고자 한다 의 모든 기능 설정은. Network Control Server

에 내장되어 있는 웹 페이지를 통하여 이루어진다Network Control Server . Network

의 웹 페이지로의 접속은 윈도우 익스플로러나 내의 메뉴 환경 설Control Server viewer

정을 통해 이뤄진다.

는 네트워크 상에서 동작하는 기기이므로 사용자가 사용하는 네트Network Control Server

워크 상황에 맞는 적당한 옵션 선택이 필요하다 현재 사용하고 있는 네트워크의 전송 가능.

한 데이터의 양보다 설정된 결과의 데이터양이 많은 경우에는 데이터가 왜곡 또는 소실될

가능성이 있으므로 여러 가지 경우를 시험해 보고 자신의 네트워크 환경에 가장 적합한 값

을 설정하도록 한다.

가 웹 페이지로의 접속. Network Control Server

를 실행한 후 그림 과 같이 메뉴 바에서 보조도구 환경설정 을Viscop viewer , [ 4-7] [ ] -> [ ]

클릭하거나, 아이콘을 클릭한다 또한 윈도우 익스플로러의 창에 직접. , URL Network

의 를 입력한다Control Server IP Address .

그림 설정 페이지 접속[ 4-7] Network Control Server

- 62 -

의 웹 페이지에 접속이 되면 그림 과 같은 사용자 인증 대Network Control Server , [ 4-8]

화 상자가 나타난다 여기서 사용자 아이디와 패스워드를 입력하면 그림 와 같은. , [ 4-9]

의 웹 페이지 중 기본 설정 페이지가 출력된다Network Control Server .

그림 사용자 인증 대화 상자[ 4-8]

그림 의 기본 설정 페이지[ 4-9] Network Control Server

- 63 -

나 기본 설정.

기본 기능 설정 페이지는 영상과 관련된 항목들을 설정하게 되는데 효과적인 영상 데이터,

를 수신하고 디스플레이 하는 것은 네트워크를 통해 전송할 데이터의 양과 접한 관계를,

가지고 있으므로 선택 값들을 조정해 가며 자신의 네트워크 환경에 맞게 설정하도록 한다, .

정의(1) Host Name

은 사용자가 사용하는 의 이름이며 사용자 임의로 지Host Name Network Control Server ,

정할 수 있다 정의된 은 의 우측 하단에 표시되어 여러 대의. Host Name Viewer Network

를 사용할 경우에 각 를 쉽게 구분할 수 있게 해 준다Control Server Viewer .

비디오 소스의 활성화(2)

에는 이후 확장을 위해 최대 개의 영상 입력 소스를 연결할 수Network Control Server 4

있도록 설계되었다 또한 는 웹 브라우저를 통해 영상 입력 소스. , Network Control Server

가 연결된 각 영상 채널들을 개별적으로 구동 또는 정지시킬 수 있다.

채널 이름 정의(3)

에 연결되어 있는 영상 채널에 고유의 이름을 붙인다 이 이름은Network Control Server .

로 영상을 볼 때 영상과 함께 표시되어 각 영상을 구별하는데 도움을 준다Viscop viewer .

- 64 -

화면 속도 바꾸기(4)

초당 처리할 프레임 수를 결정한다 화면 속도가 빠르면 자연스러운 동작을 볼 수 있으나.

화면 속도를 빠르게 하면 필요한 네트워크 도 높아져 빠른 네트워크를 요구하게Bandwidth

된다 자신의 네트워크 환경에서 처리하지 못할 정도의 를 지정하시면 오히. Update Speed

려 화면의 상태가 악화될 수 있다 따라서 자신의 네트워크 환경에 맞는 속도를 선택하여야.

한다 에 연결된 카메라 수 입력되는 영상 수 에 따라 최대. Network Control Server ( )

가 달라진다Update Speed .

단지 하나의 카메라만 활성화되어 있다면 최대 는 이다 그러Update Speed 30 frame/sec. .

나 카메라가 두 대 이상이 활성화되어 있을 때의 최대 는 전체 카메라에 대Update Speed

해 을 넘어서는 안 된다 즉 두 대의 카메라가 활성화되어 있을 때는 각 카16 frame/sec. .

메라별로 이고 세대의 카메라가 활성화되어 있을 때는 각 채널별로 약8 frame/sec. 5

이다 또한 네 대의 카메라가 모두 활성화되어 있을 때는 채널별로frame/sec. . 4

가 최대 이다frame/sec. Update Speed .

따라서 자연스러운 속도의 화면을 보고자 할 경우에는 필요 없는 영상 채널을 정지하는 것

이 좋다.

화질 조정(5)

는 다섯 단계의 화질을 지원한다Network Control Server .

- "Lower" , "Low" , "Normal" , "High" , "Higher"

영상의 화질을 한 단계 높이기 위해서는 약 정도 많은 데이터 를 필요로 한50% Bandwidth

다 정의된 화질을 처리하는데 필요로 하는 데이터양을 네트워크에서 지원하지 못하면 화면.

이 끊겨 보이는 현상이 발생한다 따라서 자신의 네트워크 환경에 맞추어 화질을 정의하는.

것이 중요하다.

- 65 -

다 네트워크 환경 변경.

를 처음 설치한 후 사용 중에 네트워크 환경을 변경할 필요가 생Network Control Server

겼을 경우에는 그림 과 같이 에 내장되어 있는 웹 페이지[ 4-10] Network Control Server

의 를 이용하여 네트워크 환경을 변경할 수 있다"Network Setup Page" .

그림 네트워크 환경 설정 페이지[ 4-10]

자동 셋업(1) IP (DHCP)

가 모뎀 모뎀이나 를 지원하는 네트워크에 연Network Control Server ADSL , Cable DHCP

결되어 있을 경우에는 자동 셋업 항에서 을 선택하고 에IP ON , Network Control Server

고유의 를 할당해 사용할 경우에는 를 선택한다IP Address Off .

네트워크 설정(2)

에 할당된 가 변경되었을 경우에는 네트워크 설정Network Control Server IP Address [ ]

버튼을 클릭하여 그 내용을 변경할 수 있다.

- 66 -

라 사용자 설정 및 변경.

의 관리자는 그림 과 같이 의 웹Network Control Server [ 4-11] Network Control Server

페이지 중 사용자 관리 페이지를 통하여 서버에 접속할 수 있는 사용자를 등록하고 각 사" "

용자들의 읽기 권한을 제한할 수 있다.

그림 사용자 설정 및 변경 페이지[ 4-11]

사용자 관리 페이지에 등록되어 있지 않은 사용자는 에 접속할" " Network Control Server

수 없다 따라서 를 사용하기에 앞서 반드시 사용자 등록을 해야. Network Control Server

한다.

접속자 정보 보기(1)

의 관리자는 사용자 관리 페이지를 통하여 현재Network Control Server " " Network

에 접속되어 있는 사용자들의 정보를 파악할 수 있다Control Server .

사용자 등록하기(2)

사용자 관리 페이지에서 버튼을 클릭 한다" " [Add User] .①

- 67 -

에 사용자 이름을 입력한다"User Name" .②

에 사용자가 사용할 패스워드를 입력한다"Password" .③

버튼을 클릭 한다[OK] .④

사용자 등록 변경하기(3)

사용자 관리 페이지에서 변경하고자 하는 사용자 정보란의 버튼을 클릭 한다" " [Edit] .①

변경할 정보 항에 변경될 내용을 입력한다.②

버튼을 클릭 하여 변경 내용을 에 등록한다[Update] Network Control Server .③

사용자 등록 삭제하기(4)

사용자 관리 페이지에서 삭제하고자 하는 사용자 정보란의 버튼을 클릭 한다" " [Del] .

마 기타 고급 기능 설정.

는 위에서 설명한 기본적인 기능 이외에 그림 와 같이Network Control Server [ 4-1]

의 웹 페이지 중 고급 기능 설정 페이지를 통하여 많은 고급 사Network Control Server " "

용자를 위한 기능들을 지원한다.

사용자는 의 고급 기능들을 이용하여 에Network Control Server Network Control Server

적용되는 영상 압축 모드를 재조정 할 수 있고 에 적용되는 시간, Network Control Server

을 인터넷 표준시로 동기화 할 수 있다.

- 68 -

그림 고급 기능 설정 페이지[ 4-12]

비디오 타입 설정(1)

는 타입과 타입의 비디오 타입을 모두 지원합니다Network Control Server NTSC PAL .

현재 연결되어 있는 비디오 소스의 비디오 타입에 따라 선택할 수 있다.

비디오 압축 모드 선택(2)

의 영상 압축 방식은 알고리듬을 사용하며 저효율 압축Network Control Server MPEG "

모드 프레임 모드 와 고효율 압축 모드 프레임 모드 를 지원한다(I )" " (I&P )" .

저효율 압축 모드 프레임 모드 는 영상 압축을 프레임 단위로 압축을 하기 때문에" (I P )"

압축률이 떨어진다 그러나 매 프레임을 각각 압축을 하기 때문에 전송 중에 데이터가 손실.

되더라도 깨짐이 없는 영상을 받아 볼 수 있다 이는 서로 다른 네트워크 환경을 가진 여러.

사람이 동시에 에 접속하여 영상을 받아 보고자 할 때 유용하다Network Control Server .

- 69 -

고효율 압축 모드 프레임 모드 는 영상 압축을 및 장의 프레임 묶음을 단위로 압축" (I&P )"

한다 앞서있는 프레임과 뒤프레임의 변화량만을 압축하기 때문에 압축률이 뛰어나다 그러. .

나 압축된 프레임 묶음을 전송할 때 데이터가 손실되거나 왜곡이 된다면 프레임 묶음 모두

를 사용하지 못하게 된다 따라서 안정된 네트워크 환경이 필요하며 서로 비슷한 네트워크.

환경을 가진 사용자들끼리의 접속에 유용하다.

제한된 사용자만이 를 사용한다면 고효율 압축 모드 프레임Network Control Server (I,&P

모드 를 권장한다) .

시간 설정(3)

는 시간 설정을 직접 할 필요가 없다Network Control Server . Network Control Server

가 인터넷에 연결되어 있다면 인터넷 시간 서버를 정의함으로 인터넷 국제 표준시의 정보를

받아 디스플레이 하기 때문에 항상 정확한 시간을 나타낼 수 있다 여기서 인터넷 시간 서. ,

버란 업체들에서 제공하는 국제 표준시를 알려 주는 서버를 말합니다 국내에는ISP .

이나 등 여러 인터넷 시간 서버가 있다 인터넷 시간"time.bora.net" "timercy.kriss.re.kr" .

서버를 이용하면 항상 정확한 시간을 알 수 있고 또한 여러 대의, Network Control

를 관리할 때 모든 시스템의 시간을 일치시킬 수 있어 매우 편리하다 또한 인터넷Server . ,

시간 서버에 접속하여 정확한 시간을 동기화 하는 주기를 정의할 수 있다.

- 70 -

제 절2 Pan/Tilt Device

의 구성1. Pan/Tilt Device

기존의 는 모터나 혹은 일반 모터를 사용하기 때문에 정확한 위치제R/T DEVICE A/C DC

어가 거의 불가능하였으나 우리가 개발한 기기에서는 모터를 사용하여 절대 좌표 값STEP

을 갖고 있어 정확한 위치 제어를 실현할 수 가 있다.

그림 카메라와 결합된 팬 틸트 디바이스[ 4-13] /

그림 팬 틸트[ 4-14] / Step Motor

- 71 -

그림 팬 틸트 디바이스의 구성도[ 4-15] /

의 설계2. Pan/Tilt Device

그림 팬 틸트 디바이스의 세부 설계도[ 4-16] /

- 72 -

카메라와 렌즈3.

단순한 구조의 현재 시중에서 판매되고 있는 카메라를 그대로 사용할 수 있으며 이는CCD ,

실내 및 실외용 모두 적합한 형태로 디자인 되어 있어 조립 및 교환(INDOOR) (OUTDOOR)

이 용이하다.

객체인식에 있어 카메라의 성능을 좌우하는 요소 중의 하나는 얼마나 깨끗한 영상을 얻는가

에 달려있으며 망원렌즈를 사용할 경우 시야각과 렌즈의 밝기 등에도 상당한 영향을 받을

수 있어 카메라 렌즈의 선택이 매우 중요하다.

그림 카메라의 외형[ 4-17] CCD

그림 사용 가능한 각종 렌즈[ 4-18]

- 73 -

제 절3 Viscop Viewer

1. Viscop Viewer Overview

는 에서 전송하는 패킷 단위의 데이터를 조합 디Viscop Viewer Network Control Server ,

코딩하여 화면에 재생할 뿐만 아니라 필요에 따라 영상 데이터를 저장 관리할 수 있으며, , ,

의 기능을 설정하고 사용자에 의해 직접 팬 틸트를 조작할 수Network Control Server , ㆍ

있도록 하는 통합 관리 프로그램이다.

그림[ 4-19] Viscop Viewer Overview

주 혜림 로고와 프로그램 제목( ) (Viscop Viewer)ⓐ

연결 설정 최초 서버와의 연결을 시도한다: .ⓑ

연결 해제 서버와의 연결을 해제한다: .ⓒ

채널 파일 저장 뷰어 왼쪽에 상영되고 있는 영상을 저장한다1 : .ⓓ

- 74 -

채널 파일 저장 뷰어 오른쪽에 상영되고 있는 영상을 저장한다2 : .ⓔ

자동 저장 모드 설정 프로그램이 자동으로 움직임을 감지하고 해당 객체를 추적하며:ⓕ

이를 파일로 저장한다.

수동 저장 모드 설정 사용자에 의해 수동으로 영상 파일을 저장한다: .ⓖ

리모콘 리모트 컨트롤 다이얼로그를 화면에 나타나게 한다: .ⓗ

파일 리스트 저장 파일 리스트 다이얼로그를 화면에 나타나게 한다: .ⓘ

환경 설정 환경 설정 다이얼로그를 생성한다: .ⓙ

버전 정보 본 프로그램의 정보를 출력한다: .ⓚ

채널 선택 해당 채널을 마우스로 선택하면 영상 테두리에 굵은 선이 칠해진다 이는: .ⓛ

리모트 컨트롤을 이용하여 사용자가 수동으로 판 틸트를 조작할 때 유용하다/ .

실제 영상 현재 카메라에 포착된 영상을 실시간으로 디스플레이 한다: .ⓜ

프로그램 상태바 의 현재 상태를 출력 한다: Viscop viewerⓝ

네트워크 상태바 각 채널에 대해 현재 서버로부터 수신되는 프레임 속도와 데이터 전:ⓞ

송량을 출력한다.

추적 모드 상태바 각 채널에 대해 현재 판 틸트 제어 모드가 자동모드인지 수동모드인: /ⓟ

지를 출력한다.

파일 저장 상태바 각 채널에 대해 현재 디스플레이 되고 있는 영상이 파일로 저장 중:ⓠ

인지 아니면 그냥 디스플레이만 되고 있는지를 출력한다.

채널 네임 해당 채널의 이름을 출력한다: .ⓡ

타이머 상대바 현재 시간을 출력한다: .ⓢ

최소화 버튼 프로그램을 최소화한다: .ⓣ

종료 버튼 프로그램을 종료한다: .ⓤ

- 75 -

접속2. Viscop Viewer

그림 의 실행 초기화면[ 4-20] Viscop viewer

메뉴 바에서 연결 연결시작 을 누르거나 아이콘[ ] -> [ ]① 을 클릭 한다.

그림 사용자 인증 다이얼로그[ 4-21]

그림 과 같은 사용자 인증 대화 상자가 나타난다[ 4-21] .②

등록된 사용자 와 패스워드를 입력하고 버튼을 클릭 한다ID , OK .③

접속 해제3. Viscop Viewer

메뉴 바에서 연결 연결해제 를 누르거나 아이콘[ ] -> [ ] 을 클릭 한다.

영상 데이터 저장4.

는 다음과 같은 두 가지의 영상 저장 모드를 지원 한다Viscop Viewer .

- 76 -

사용자 저장 모드 수동 저장 모드( )ㆍ

알람 저장 모드 자동 저장 모드( )ㆍ

사용자 저장 모드는 를 통해 영상을 보던 중 저장의 필요가 있다고 판단 될Viscop Viewer

때 저장을 하기 위한 모드이며 알람 저장 모드는 사용자가 직접 영상을 모니터링 하지 못,

할 때 자동 핀 틸트 모드에서 가 객체를 인식하고 그 객체에 대한 영상 정보가 필/ Viewer ,

요하다고 인식되어지면 자동으로 사용자에게 알람을 알리고 데이터 저장을 시작하는 저장,

모드이다.

가 사용자 저장 모드.

사용자 저장 모드는 사용자가 창을 통해 영상을 보던 중 저장의 필요에 따라 영상Viewer

을 저장하고자 할 때 사용하는 저장 모드이다 의 시작 시에는 항상 사용자. Viscop viewer

저장 모드이다.

메뉴 바에서 파일 또는 를 클릭하거나 툴바에서[ ] -> [Ch1 Save] [Ch2 Save] 또는

아이콘을 클릭 하여 사용자가 원하는 채널을 저장할 수 있다.

파일이 저장될 때 그 파일 이름은 자동으로 현재 시간 년 월 일 시 분 초 채널이름으( )_ㆍ ㆍ ㆍ ㆍ ㆍ

로 자동 설정되며 가 실행되고 있는 디렉토리 위치에서 새로운 서브디렉토, Viscop Viewer

리 내에 저장된다 또한 메뉴 바의 보조도구 파일리스트 를 누르거나(Data) . [ ]->[ ] 아이콘

을 클릭 하여 생성된 그림 의 파일 리스트 다이얼로그를 통해 각 채널별로 이미 저[ 4-22]

장된 파일을 확인할 수 있으며 해당파일 이름을 더블클릭 함으로써 이를 재생할 수 있다, .

그림 저장 파일 리스트 다이얼로그[ 4-22]

- 77 -

파일이 저장되고 있을 때는 각 채널 하단 정보 바의 세 번째 칸이 “Only Displaying” ->

으로 바뀐다 물론 저장이 해제되면 으로 치환된다 아래"On Recording" . , "Only Displaying" .

의 상태 바에서는 채널 이 현재 저장 중이고 채널 는 저장되고 있지 않다1 , 2 .

저장을 임의로 멈추려면 해당 채널의 파일 저장 메뉴를 한 번 더 클릭하면 된다, .

나 알람 저장 모드.

알람 저장 모드는 사용자가 직접 영상을 모니터링 하지 못할 때 자동 핀 틸트 모드에서/

가 객체를 인식하고 그 객체에 대한 영상 정보가 필요하다고 인식되어지면 자동으Viewer ,

로 사용자에게 알람을 알리고 데이터 저장을 시작하는 저장 모드이다, .

메뉴 바에서 파일 자동 저장 모드 를 클릭하거나 툴바에서[ ]->[ ] 아이콘을 클릭하면 프,

로그램이 현재 수신된 영상을 스스로 판단하여 파일로 저장해야 함을 인식했을 때 즉 새로,

운 움직임 객체가 감지하였을 때 관리자에게 알람을 울리고 그 해당 채널에 수신된 영상을,

자동 저장하게 된다 이때 파일저장의 종료 시점은 메뉴 보조도구 환경설정 의 클라. [ ] -> [ ]

이언트 설정 메뉴에서 회 저장 시간 옵션에 지정된 시간만큼 초 분 분 지난 후 자1 (30 , 1 , 2 )

동으로 저장이 종료된다 물론 저장이 종료되었음에도 불구하고 계속적인 움직임 객체 추. , ,

적이 필요하다고 인식되어 질 때는 다시 해당 채널을 저장하게 된다 회 저장 시간 분은. 1 1

일반적으로 약 에 해당하는 파일 크기다1M byte .

다 저장된 영상의 재생.

에서 저장된 영상은 국제 표준 규격을 따르기 때문에 마이크로소프트Viscop viewer MPEG

사의 미디어 플레이어나 그 밖의 플레이어로도 재생이 가능하다MPEG .

- 78 -

그림 의 저장 파일 리스트 다이얼로그에서 원하는 파일을 더블클릭 하면 자동으로[ 4-22]

재생된다 하지만 시중의 플레이어에는 프레임컨트롤 기능이 없어서 이 인코. , MPEG Viscop

딩 한 속도로 재생할 수 없다 따라서 시중의 플레이어로 이 저장한 영상을. MPEG Viscop

재생하면 영상이 보다 빠른 속도로 재생된다, .

팬 틸트 컨트롤5. /

의 가장 강력한 기능은 자동으로 움직이는 객체를 인식하여 그 객체의 움직Viscop viewer

임을 추적 그에 대한 영상을 저장 관리하는 것이다 이를 위해, , . Network Control Server

와 가 한 그룹이 되어 상단에 위치한 카Pan/Tilt Device, Viscop viewer Pan>Tilt Device

메라를 통해 수신된 영상을 에서 규격에 맞게 인코딩 하Network Control Server MPEG

고 이를 네트워크를 통해 에 송신 는 수신된 영상을 분석 객체를, Viscop viewer , Viewer

인식하고 그 객체를 추적하기 위한 팬 틸트 명령을 다시 를 통해, / Network Control Server

로 보내 카메라의 시선을 움직이는 객체로 향하게 조작된다Pan/Tilt Device .

가 실행되면 기본적으로 자동 추적 모드가 설정되어 움직이는 객체를 인식하Viscop viewer

게 된다 하지만 사용자에 의해 수동으로 동작되어 질 필요가 있을 때는 수동 추적 모드로. ,

설정을 변경하여 사용자가 원하는 방향으로 카메라의 중심을 이동시킬 수 있다.

가 자동 및 수동 설정 변경.

메뉴 바에서 자동 모드 또는 수동 모드 를 클릭 하여 설정을 변경함으로써[Motion]->[ ] [ ] ,

팬 틸트의 제어를 프로그램이 제어할 수도 있고 사용자에 의해 직접제어 될 수도 있다/ , .

- 79 -

자동 추적 모드가 설정되어 있을 때는 각 채널 하단 정보 바의 두 번째 칸이 "Automatic"

으로 바뀐다 또한 수동 추적 모드에서는 로 치환된다 위의 상태 바에서는 채널. , “Manual” .

과 채널 둘 모두 자동 추적 모드임을 나타낸다1 2 .

나 리모트 컨트롤.

메뉴 바에서 보조도구 리모콘 을 클릭하거나[ ]->[ ] , 아이콘을 클릭하면 그림 과[ 4-23]

같은 리모콘 다이얼로그가 생성된다.

그림 리모트 컨트롤 다이얼로그[ 4-23]

사용자는 이 리모콘 다이얼로그를 통해 원하는 방향으로 카메라를 이동시킬 수 있다 리모.

콘 다이얼로그 내의 버튼을 클릭하면 현재의 추적 모드를 자동 수동 또는 수“AUTO” , →

동 자동으로 변환시킬 수 있다.←

상 하 좌 우 버튼은 사용자가 원하는 방향으로 카메라를 조작 할 수 있고 중앙의 흠 버,ㆍ ㆍ ㆍ

튼은 카메라를 초기 설정 방향 으로 되돌리게 된다(PAN 0, TILT 0) .

위의 리모콘 컨트롤 다이얼로그는 추적 모드가 자동이던 수동이던 관계없이 조작Viscop

할 수 있기 때문에 사용자가 원하는 순간 원하는 방향으로 자유자재로 움직일 수 있게 해,

준다.

환경 설정6.

메뉴 바에서 보조도구 환경설정 을 클릭하거나[ ]->[ ] , 아이콘을 클릭하면 그림 와[ 4-24]

같은 환경설정 다이얼로그가 나타난다.

- 80 -

설정 탭의 과 버튼은 앞에서 언급한 바와 같Network Control "ViscopOne" "ViscopTwo"

이 현재 연결된 의 기본 설정을 지정 변경하기 위한 버튼이다Network Control Server .ㆍ

장 절 의 설정 참조(4 1 4. Network Control Server )

그림 설정 페이지 연걸[ 4-24] Network Control

그림 의 클라이언트 설정 페이지에서는 실행 중에 적용되는 저장[ 4-24] Viscop viewer ㆍ

자동 감시 기능에 대해 사용자 요구에 따라 지정할 수 있다.

그림 클라이언트 설정 페이지[ 4-25]

- 81 -

저장 디렉토리 설정은 자동 수동으로 저장된 영상 데이터 파일 를 관리하기 위한 폴(mpeg )ㆍ

더를 지정하는 메뉴이다 초기 실행 시는 디폴트로 가 위치한. Viscop viewer Viscop.exe

디렉토리 내의 디렉토리에 파일이 저장된다Data .

회 저장 시간은 자동 저장 모드일 때 적용되는 옵션으로 가 인식한 객체에1 Viscop viewer

대해 저장이 필요하다고 판단되면 이 옵션에 지정된 시간만큼 자동 저장한다, .

자동 감시 기능은 팬 틸트 디바이스 설정에 지정된 팬 각도 범위 안에서 주기적으로 최소/

각부터 최대 각까지 카메라를 이동하면서 입력된 영상에 움직이는 객체가 있는지를 자동 탐

색하는 기능이다 옵션에 의해 지정된 시간동안 수신된 영상에서 더 이상의 움직임이 감지.

되지 않으면 지정된 팬 각도 범위 안에서 좌에서 우로 씩 자동으로 이동하면서 각각의20°

위치에서 초간 영상 데이터를 분석하게 된다 이때 입력된 영상 데이터에서 객체를 발견10 . ,

하게 되면 자동 감시 기능을 일시 중지하고 인식된 객체를 추적하게 되고 인식된 객체가,

지정된 팬 각도를 이탈하거나 소멸되면 자동 감시 기능은 자동으로 다시 재개된다, .

그림 팬 틸트 디바이스 설정 페이지[ 4-26] /

- 82 -

그림 의 팬 틸트 디바이스 설정 페이지에서는 설치 환경에 따라 유동적으[ 4-26] / VISCOP

로 조정되어 져야 하는 상황에 대해 사용자가 선택할 수 있도록 하였다.

각 항목 별로 보면 먼저 팬 각도 설정은 카메라가 위치한 시점에서 관찰하고자 하는 대상,

에 대한 좌 우 시야를 지정하는 것인데 설치 환경에 따라 사용자가 판단하여 지정하면 된,ㆍ

다 그림 은 동일한 환경에서 카메라의 위치에 따라 다르게 팬 각도를 지정한 예이. [ 4-27]

다.

그림 설치 환경에 따른 팬 각도 지정의 예[ 4-27]

틸트 각도 설정도 팬 각도 설정과 유사하다.

다음으로 민감도는 설치 환경이 움직이는 객체와 카메라간의 거리가 너무 가까워서Viscop

객체의 사소한 움직임에 팬 틸트 디바이스가 민감하게 반응하거나 또한 너무 멀어서 순간/ ,

적인 움직임을 포착하지 못할 때가 있을 수 있기 때문에 설치 환경에 따라 그 민감도 반응(

정도 를 조정하여 설치함으로써 보다 나은 추적 결과를 만들어 낼 수 있다 기본적으로 보) .

통으로 설정되어 있는데 이는 카메라와 관찰하고자 하는 객체간의 거리가 미터 일 때3 5∼

적당하고 그 보다 가까우면 둔함 미터 이상이면 민감으로 설정하면 더 좋을 결과를 얻, , 5

을 수 있다.

- 83 -

제 장 응용분야 및 기대효과5

제 절 응용분야1

가정용 감시 보안 시스템1. -

다수의 감시 카메라를 사용하여 가정용 감시 보안 시스템에 응용할 수 있으며 제어 네트워-

크를 통해 개인 휴대 단말을 사용 집안의 상황을 살펴볼 수 있다, .

인텔리전트 빌딩 보안 시스템2.

최근 붐을 이루고 있는 인텔리전트 빌딩의 보안 시스템은 고정형 카메라를 사용한 경우가

대부분이다 그러나 본 시스템을 보안 수준이 높아야 하는 특정 구역에 설치할 경우 보안. ,

영역을 지능적으로 살펴볼 수 있으므로 빌딩의 보안 및 안전도를 획기적으로 높일 수 있다.

창고 공장 등 산업용 보안 시스템3. ,

창고나 공장 등은 외부 침입자에 의한 절도 등의 위험성이나 화재 등의 재난 대비에 만전을

기해야 할 필요가 있다 본 시스템은 외부인의 침입이나 창고 공장 등의 내부적인 사고가. ,

발생할 시 대표벡터의 발생을 통해 감독자에게 경고신호를 내보낼 수 있으므로 산업용 보안

에 매우 적합하다.

교육 및 화상회의 시스템4.

한 대의 카메라만 사용할 경우 카메라가 추출 추적해야할 객체는 하나로 규정되므로 교육,

방송 시스템이나 화상 회의에서 카메라가 자동적으로 강사나 회의 참가자를 객체로 인식,

추적하게 되므로 교육이나 화상 회의 시스템에도 적용할 수 있다.

- 84 -

원격의료 시스템5.

네트워크 상에서 카메라를 제어할 수 있으므로 원격지에서 카메라와 이를 통한 영상 객체,

인식을 통하여 원격 의료를 저렴한 비용으로 손쉽게 이용할 수 있다.

기타 감시가 필요한 장소6.

전용선과 전원만 확보되면 운용이 가능하여 시스템의 설치 및 구성이 간결하며 특히 인적

요원을 투입하기 어려운 장소 산불감시 환경감시 야적장 급유시설 등 에서의 적용이 용이( , , , )

하다.

제 절 기대 효과2

기술적 파급효과1.

가 실시간 영상객체 추출 기술.

고속 를 사용하여 다중 신경망으로 영상의 움직임 벡터로 영상객체를 지능적으로 추출DSP

병합하는 기술을 확보한다 본 기술은 해외에서도 활발히 연구되고 있는바 여러 가지 객.ㆍ

체추출 기술을 사용하여 인코딩에 응용되고 있으나 본 기술은 에 기반한 소MPEG-4 , DSP

프트웨어로 간편하게 구성이 가능하므로 향후 응용분야가 매우 넓다.

나 카메라 제어기술.

카메라 팬 틸트 제어 및 제어 네트워크 상에서 다수의 카메라를 제어하는 기술을 확보함으-

로서 향후 네트워크 기반 가정 자동화 등에 응용할 수 있다.

- 85 -

다 제어 네트워크 기술.

네트워크 상에서 정보기기들을 제어하는 기술은 요즈음 대두되고 있는 홈 네트워킹에서 연

결되어있는 다양한 백색 가전기기들을 원격지에서 작동을 제어하고 원격 검침 및 보안 서,

비스 등을 제공할 수 있다 또한 홈 오토메이션 홈 엔터테인먼트 등 기술과 서비스 산업에. , ,

도 기여할 수 있다.

경제적 파급효과2.

현재 우리나라의 경우 사회가 발전됨에 따라 보안 및 감시 시스템의 자동화가 절실히 요구,

되고 있으나 국산화된 자체장비가 없는 관계로 영국 등에서 매우 높은 가격의 지능형 감시

시스템을 수입하고 있는 실정이므로 막대한 수입대체 효과와 인텔리전트 빌딩 금융기관 등,

높은 수준의 보안체제가 필요한 산업분야에서 새로운 신 시장을 창출할 수 있을 것으로 예

상된다.

또한 인터넷과 정보기기의 융합으로 전자상거래 온라인 게임 멀티미디어정보서비스 및, , , ,

원격지에서 홈 시큐리티 장치를 점검하거나 가전을 제어할 수 있는 새로운 서비스를 창출할

수 있고 원격 의료 원격 교육 등을 저렴한 비용으로 손쉽게 이용할 수 있도록 하는 환경, ,

구축으로 누구나 복지 혜택을 받을 수 있도록 국민 복지를 실현시킬 수 있을 것이다.

- 86 -

참고 문헌

[1] W. Krattenthaler, K.J. Mayer, and M Zeiller, "Point Correlation: A Reduced-Cost

Template Matching Technique." Proc. IClP, pp. 208-212, 1994.

[2] Nikos Paragios and Rachid Deriche, "Geodesic Active Contours and Level Sets

for the Detection and Tracking of Moving Objects." IEEE transactions on pattern

analysis and machine intelligence, vol. 22, no. 3, pp. 266-280, march 2000.

[3] C. Faloutsos, R. Barber, M. Flickner, J. Hafner, W. Niblack, D. Petkovic, and W.

Equitz, "Efficient and Effective Querying by Image Content." J. Intelligent Information

Systems, vol. 3, no. 1, pp. 231-262, 1994.

[4] R. Goldenberg, R. Kimmel, E. Rivlin, and M. Rudzsky, "Fast Geodesic Active

Contours." Proc. Int'1 Conf. Scale-Space Theories in Computer Vision, pp. 34-45,

1999.

[5] Gregory D. Hager and Peter N. Belhumeur, "Efficient Region Tracking With

Parametric Models of Geometry and Illumination." IEEE transactions on pattern

analysis and machine intelligence, vol. 20, no. 10, pp. 1025-39 October 1998.

[6] Paul Fieguth, "Color-Based Tracking of Heads and Other Mobile Objects at

Video Frame Rates." Proceedings of the 1997 Conference on Computer Vision and

Pattern Recognition (CVPR '97).

[7] M. Kass, A. Witkin, and D. Terzopoulos, "Snakes : Active Contour Models." Int'l

J. Computer Vision, vol. 1, pp·321-332, 1988.

[8] Yun-Ting Lin and Yuh-Lin Chang, "Tracking Deformable Objects with the

Active Contour Model." O-8186-7819-4/97 1997 IEEE.

- 87 -

[9] L. Wixson, "Detecting Salient Motion by Accumulating Directionally-Consistent

Flow." IEEE transactions on pattern analysis and machine intelligence, vol. 22, no.

8, August 2000.

[10] T.D.Grove, K.D.Baker, and T. N. TAN, "Color based object tracking." 14th

International Conference on Pattern Recognition(CV41).

[11] Ryan C. Jones, Daniel DeMenthon, David S. Doermann, "Building mosaics from

video using MPEG motion vectors." 1999 ACM 1.58113.239~5/99/0010...$5.60.

[12] D. Metaxas and D. Terzopoulos, "Shape and Nonrigid Motion Estimation

Through Physics-Based Synthesis." IEEE Trans. Pattern Analysis and Machine

Intelligence, vol. 15, no. 6, pp. 580-591, 1993.

[13] H.H. Nagel, G. Socher, H. Kollnig, and M.Otte, "Motion Boundary Detection in

Image Sequences by Local Stochastic Tests." Proc. European Conf. Computer

Vision, vol. II, pp. 305-315, 1994.

[14] Shoichi Arakil, Takashi Matsuoka, Haruo Takemura, and Naokazu Yokoya,

“Real-time Tracking of Multiple Moving Objects in Moving Camera Image Sequences

Using Robust Statistics.” 1051-4651/98, 1998 IEEE.

[15] Javed I. Khan, Zhong Guo and Wansik Oh, "Motion based object tracking in

MPEG-2 video stream for perceptual region discrimination rate transcoding."

Proceedings of the 9th ACM international conference on multimedia. Pp. 572-576.

[16] M. Bertalmio, G. Sapiro, and G. Randall, "Morphing Active Contours. Proc."

Int'1 Conf. Scale-Space Theories in Computer Vision, pp. 46-57, 1999.

- 88 -

[17] R. Curwen and A. Blake, "Dynamic Contours: Real-Time Active Splines."

Active Vision, A. Blake and A. Yuille, eds., pp. 39-58. MIT Press, 1992.

[18] A.K. Jain, Y. Zhong, and S. Lakshmanan, "Object Matching Using Deformable

Templates." IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 18, no. 3,

pp. 267?278, Mar. 1996.

[19] V. Caselles and B. Coll, "Snakes in Movement." SIAM J. Numerical Analysis,

vol. 33, pp. 2,445-2,456, 1996.

[20] Natan Peterfreund, "Robust Tracking of Position and Velocity With Kalman

Snakes." IEEE transactions on pattern analysis and machine intelligence, vol. 21, no.

6, June 1999.

[21] Robert Pless, Tomas Brodsky, and Yiannis Aloimonos, "Detecting Independent

Motion: The Statistics of Temporal Continuity." IEEE transactions on pattern

analysis and machine intelligence, vol. 22, no. 8, August 2000

[22] A. Pentland, R. Picard, and S. Sclaroff, "Photobook : Tools for Content-Based

Manipulation of Image Databases." Storage and Retrieval of Image and Video

Databases II, Paper No. 2185-05, San Jose, Calif., pp. 34-47, SPIE, Feb. 1994.

[23] N. Diehl, "Object-Oriented Motion Estimation and Segmentation in Image

Sequences." IEEE Trans. Image Processing, vol. 3, pp. 1,901-1,904, Feb. 1990.

[24] M.P. Dubuisson, S. Lakshmanan, and A.K. Jain, "Vehicle Segmentation and

Classification using Deformable Templates." IEEE Trans. Pattern Analysis and

Machine Intelligence, vol. 18, no. 3, pp. 293-308, 1996.

[25] N. Paragios and G. Tziritas, "Adaptive Detection and Localization of Moving

Objects in Image Sequences." Signal Processing: Image Comm., vol. 14, pp.

277-296, 1999.

- 89 -

[26] Lili Qiu, Li Li, "Contour Extraction of Moving Objects."

[27] Stan Sclaroff and Lifeng Liu, "Deformable Shape Detection and Description via

Mode1-Based Region Grouping." IEEE transactions on pattern analysis and machine

intelligence, vol. 23, no. 5, pp. 475-489, May 2001.

[28] V. V. Vinod and Hiroshi Murase, "Video Shot Analysis using Efficient Multiple

Object Tracking." O-8186-7819-4/97 $10.00 0 1997 IEEE.

[29] Yu Zhong, Anil K. Jain, M.-P. Dubuisson-Jolly, "Object Tracking Using

Deformable Templates." IEEE transactions on pattern analysis and machine

intelligence, vol. 22, no. 5, pp. 544-549, May 2000.

[30] Choi, K. T., Chan. S. C., Ng, T. S., "A perceptual based rate control scheme

for MPEG-2," IEEE, pp. V546-V548, 1998.

[31] Gal1, Didler Le, "MPEG: A Video Compression standard for multimedia

applications," Communications of The ACM, vol. 34, no. 4, pp. 46-58, April 1991.

[32] Kobla, V. and Doermann, D., "Extraction of features for indexing

MPEG-compressed video," IEEE First Workshop on Multimedia Signal Processing,

pp. 337-342, 1997.

[33] Liu, Hain-Ching H., Zick, Gregory L. "Scene Decomposition of MPEG

Compressed Video," SPIE, vol. 2419, pp. 26-37, 1995.

[34] Shen, Ke and Delp, Edward J. "A Fast Algorithm for Video Parsing Using

MPEG Compressed Sequences," ICIP(IEEE International Conf. on Image Processing),

pp. 253-255, 1995.