[논문 리뷰] Object Detection using Image Processing

Fares Jalled, Voronkov Ilia|arXiv (Cornell University)|2016. 11. 23.

Face and Expression Recognition참고 문헌 5인용 수 51

한 줄 요약

이 논문은 드론(UAV) 응용 분야에서 실시간 얼굴 및 물체 검출을 위한 OpenCV-Python 기반의 바이올라-존스 객체 검출 프레임워크를 제시한다. 적분 이미지와 아다부스트(AdaBoost)를 활용하여 효율적인 특징 계산 및 분류를 구현함으로써, 저지연 검출을 달성하여 고비용 센서에 대한 의존도를 줄이고 드론의 자율적 장애물 회피 및 감시 기능을 가능하게 한다.

ABSTRACT

An Unmanned Ariel vehicle (UAV) has greater importance in the army for border security. The main objective of this article is to develop an OpenCV-Python code using Haar Cascade algorithm for object and face detection. Currently, UAVs are used for detecting and attacking the infiltrated ground targets. The main drawback for this type of UAVs is that sometimes the object are not properly detected, which thereby causes the object to hit the UAV. This project aims to avoid such unwanted collisions and damages of UAV. UAV is also used for surveillance that uses Voila-jones algorithm to detect and track humans. This algorithm uses cascade object detector function and vision. train function to train the algorithm. The main advantage of this code is the reduced processing time. The Python code was tested with the help of available database of video and image, the output was verified.

연구 동기 및 목표

• 고비용 레이저 센서에 대한 의존도를 줄이기 위해 비용이 저렴하고 실시간으로 작동하는 드론(UAV)용 물체 및 얼굴 검출 시스템을 개발하는 것.
• 감지되지 않은 장애물이나 목표물로 인한 드론 충돌 위험을 줄이기 위해 검출 정확도와 속도를 향상시키는 것.
• 자원 제약이 있는 드론 플랫폼에 배포하기 위해 OpenCV와 파이썬을 사용한 계산 효율적인 검출 파이프라인을 구현하는 것.
• 최소한의 수동 간섭으로 비올라-존스 알고리즘을 활용해 인간을 자율적으로 감시하고 추적할 수 있도록 하는 것.
• 고비용 센서 시스템을 이미지 처리 기반 검출로 대체할 수 있는 가능성을 입증하는 것.

제안 방법

• 시스템은 적분 이미지에서 추출한 하르 유사 특징을 사용하여 영역 전체에 걸쳐 특징 반응을 신속하게 계산할 수 있도록 하는 바이올라-존스 프레임워크를 활용한다.
• 적분 이미지는 오직 네 개의 배열 참조만으로 직사각형 영역 내 픽셀 강도 합을 계산함으로써 계산 시간을 크게 단축시킨다.
• 아다부스트 알고리즘은 대량의 하르 유사 패턴 중에서 가장 구분력 있는 특징을 선택하고 약한 분류기의 캐스케이드를 훈련시킨다.
• 다단계 주의 집중 캐스케이드를 사용하여 간단하고 빠른 분류기가 조기에 부정 예측을 걸러내고, 더 복잡한 분류기가 유망한 영역에서 정밀 검출을 수행한다.
• 검출 파이프라인은 입력 이미지 또는 비디오 프레임을 특징 추출, 분류, 경계 상자 위치 설정 단계를 거쳐 물체나 얼굴을 식별한다.
• 구현은 파이썬 기반 OpenCV를 사용하여 이루어졌으며, 자원 제약이 있는 드론 플랫폼에서 실시간 운영을 최적화하였다.

실험 결과

연구 질문

• RQ1 저비용 이미지 처리 기반의 객체 검출 시스템이 드론(UAV)에서 장애물 검출을 위해 고비용 레이저 센서를 효과적으로 대체할 수 있는가?
• RQ2 적분 이미지와 하르 유사 특징의 사용이 실시간 드론 응용 분야에서 검출 속도와 효율성을 어떻게 향상시키는가?
• RQ3 실제 드론 비디오 스트림에서 바이올라-존스 캐스케이드 분류기가 최소한의 오류 경고를 유발하면서 얼굴과 물체를 얼마나 잘 검출할 수 있는가?
• RQ4 주의 집중 캐스케이드 메커니즘이 유망한 물체 영역에 계산 자원을 우선 배정함으로써 검출 성능을 어떻게 향상시키는가?
• RQ5 아다부스트를 사용한 특징 선택 및 분류기 훈련이 검출 정확도와 처리 시간에 어떤 영향을 미치는가?

주요 결과

• 시스템은 이미지 데이터만을 사용하여 실시간으로 얼굴과 물체를 성공적으로 검출하였으며, 적분 이미지 계산을 통해 처리 시간을 크게 단축시켰다.
• 적분 이미지의 사용은 특징 반응을 일정 시간 내에 계산할 수 있게 하여 다중 스케일 검출의 효율성과 확장성을 높였다.
• 주의 집중 캐스케이드 구조는 조기에 부정 영역을 걸러내어 깊은 분석이 필요한 영역의 수를 줄여 전체 처리 속도를 향상시켰다.
• 파이썬-OpenCV 기반의 구현은 MATLAB과 같은 대안 플랫폼 대비 더 빠른 실행 속도와 드론 제어 시스템에의 더 쉬운 통합을 가능하게 하였다.
• 실제 이미지 및 비디오 데이터베이스를 대상으로 한 테스트를 통해 감시 및 장애물 검출 시나리오에서 인간 얼굴과 물체 검출에 높은 효과를 보였다.
• 결과는 바이올라-존스 프레임워크가 드론 기반 응용 분야에서 실현 가능하고 뛰어난 성능을 발휘함을 확인하였으며, 향후 자율 항법 및 감시 분야의 배포를 뒷받침한다.