저조도 환경을 위한 영상 감시 시스템

Abstract

최근 안전과 보안에 대한 중요성이 증대됨에 따라 영상처리를 통한 감시시스템이 많은 관심을 얻고 있다. 대부분의 컴퓨터 비전 알고리즘은 일반조도의 영상에서의 연구가 이뤄지기 때문에, 저조도 환경에서는 상대적으로 심한 노이즈와 정보의 부족으로 어려움을 갖는다. 그러므로 본 논문에서는 이러한 환경에서의 전경 / 배경 분리와 보행자 탐지를 위한 알고리즘을 제안한다.

먼저 적외선 카메라 (IR camera)를 이용하여 획득한 정지영상에서 이동하는 물체를 탐지하는 알고리즘을 제안한다. 밝기 정보를 이용한 배경 모델과 질감 특성을 이용한 배경 모델을 결합한다. 이러한 결합은 화소별 노이즈, 그림자, 영상의 전체적 밝기 변화에 강건하면서도 움직이는 물체를 잘 표현할 수 있는 결과를 얻을 수 있다. 실험적으로 기존의 MoG 모델만을 사용한 탐지 알고리즘보다 높은 정확도를 보였으며, 실시간 처리속도인 30 fps 이상의 처리속도 (43.76 fps)를 보인다.

다음으로, 밝은 영상을 이용하여 모델링된 보행자 탐지기 (pedestrian detector)를 이용하여 저조도 환경에서 자동으로 영상 개선정도를 찾는 알고리즘을 제안한다. 저조도 영상 데이터셋은 획득하기 어려울 뿐 아니라 영상 내 보행자의 위치가 분명하지 않아 Ground truth를 만드는 데에 어려움이 있다. 따라서 일반 영상을 저조도 영상으로 변환하여 데이터셋을 확보하고 영상의 밝기와 개선 (enhancement)된 영상에서의 탐지 결과 간의 상관관계를 회귀분석을 통하여 학습하였다. 이후 실험을 위하여 저조도 변환된 영상에서의 정량적 / 정석적 평가와 실제 저조도 환경에서 촬영된 영상에서 정량적 / 정성적 평가를 수행하였다.

산업적으로 요구가 증가되고 있는 저조도 및 야간영상에서의 영상처리 알고리즘 개발을 통하여 정확도를 개선하였으며, 이러한 기술은 저조도 영상에서 물체 탐지(detection) 혹은 추적(tracking) 문제를 해결하기 위한 전(前)처리 (pre-processing)로 쉽게 결합될 수 있으며, 많은 영상처리 응용들에서 성능을 향상시킬 것으로 예상된다.

Visual surveillance systems and advanced driver assistance systems have received much attention recently due to increases in the importance of security and safety. Since most computer vision algorithms aim to be adopted in normal light situation, they have difficulty in handling problems of low-light environment like night and dawn; relatively high noise and color information loss arise from the lack of light. Therefore, we suggest algorithms to handle of low-light scenes for pedestrian detection.

First, we propose a framework for moving object surveillance in the low-light scenes captured from an IR camera. We combine two background models: pixel-wise intensity model and texture-based model. This combined model is robust to pixel-wise noise, shadow and abrupt change in overall scene-intensity. Our algorithm achieves higher accuracy than a traditional pixel-wise intensity model for background subtraction. We used indoor and outdoor night time videos to compare our method with existing ones. It is appropriate for real-time processing since ours can processe 43.76 frames per second.

Next, we propose a low-light scene auto enhancement algorithm for pedestrian detection. Gathering pedestrian images in low-light environment is difficult and making ground truth (GT) of the detection for training is a tedious job. To avoid these efforts, our algorithm first automatically lightens the low-light images and utilizes exiting detectors trained by normal light images. The auto lightening algorithm is trained with synthetic low-light images obtained by darkening normal pedestrian training data. We evaluate our algorithm quantitatively and qualitatively with synthesized low-light images and real low-light images.

We develop video surveillance system in low-light environment by proposing robust segmentation algorithm and automatic image enhancement algorithm. We improve the accuracy of detecting moving object by the video segmentation and pedestrian by the automatic image enhancement. We expect that these works are important preceding steps for many computer vision applications in the low-light scenes.