[논문 리뷰] Human Detection for Night Surveillance using Adaptive Background Subtracted Image

Yash Khandhediya, Karishma Sav외 1명|arXiv (Cornell University)|2017. 09. 27.

Video Surveillance and Tracking Methods참고 문헌 2인용 수 9

한 줄 요약

이 논문은 저조도 조건에서 열화상(FLIR) 영상에서 인간 검출을 위해 적응형 배경 제거 기법과 HOG 특징 추출을 결합한 방법을 제안한다. 열복사 센싱을 활용하고 처리 효율성을 최적화함으로써 야간 감시 환경에서 검출 정확도를 향상시키고 실행 시간을 단축시킨다.

ABSTRACT

Surveillance based on Computer Vision has become a major necessity in current era. Most of the surveillance systems operate on visible light imaging, but performance based on visible light imaging is limited due to some factors like variation in light intensity during the daytime. The matter of concern lies in the need for processing images in low light, such as in the need of nighttime surveillance. In this paper, we have proposed a novel approach for human detection using FLIR(Forward Looking Infrared) camera. As the principle involves sensing based on thermal radiation in the Near IR Region, it is possible to detect Humans from an image captured using a FLIR camera even in low light. The proposed method for human detection involves processing of Thermal images by using HOG (Histogram of Oriented Gradients) feature extraction technique along with some enhancements. The principle of the proposed technique lies in an adaptive background subtraction algorithm, which works in association with the HOG technique. By means of this method, we are able to reduce execution time, precision and some other parameters, which result in improvement of overall accuracy of the human detection system.

연구 동기 및 목표

• 가시광선 기반 시스템이 실패하는 저조도 환경에서 인간 검출의 과제를 해결한다.
• 다양한 조도 조건에서 성능이 저하되는 전통적 감시 시스템의 한계를 극복한다.
• 야간 운영에 특화된 강력한 인간 검출 프레임워크를 개발한다.
• 열화상 영상 처리에서 검출 정확도를 향상시키고 계산 오버헤드를 줄인다.
• 적응형 배경 제거와 HOG를 통합하여 특징 추출 및 검출 성능을 향상시킨다.

제안 방법

• 근적외선 영역의 방출된 적외선 복사에 기반해 열화상 영상을 촬영하기 위해 FLIR(Forward Looking Infrared) 카메라를 사용한다.
• 열화상 영상에서 배경을 동적으로 모델링하고 제거하기 위해 적응형 배경 제거 알고리즘을 적용한다.
• 사전 처리된 열화상 영상에서 방향성 기울기 히스토그램(Histogram of Oriented Gradients, HOG)을 사용해 특징을 추출한다.
• 적응형 배경 제거와 HOG를 통합하여 검출의 강건성 향상과 잡음 신호 감소를 달성한다.
• 높은 정밀도를 유지하면서도 실행 시간을 단축하기 위해 파이프라인을 최적화한다.
• 실시간으로 열화상 영상을 처리하여 야간 감시 시스템에 실용적인 구현을 지원한다.

실험 결과

연구 질문

• RQ1 가시광선 영상이 실패하는 저조도 조건에서 인간 검출을 어떻게 효과적으로 수행할 수 있는가?
• RQ2 적응형 배경 제거 기법이 열화상 영상에서 검출 정확도에 얼마나 기여하는가?
• RQ3 HOG 특징 추출 기법이 열화상 영상에 효과적으로 적용될 수 있는가?
• RQ4 적응형 배경 제거와 HOG의 통합이 실행 시간을 어떻게 단축시키고 정밀도를 향상시키는가?
• RQ5 다양한 야간 감시 조건에서 제안된 방법의 정확도 및 강건성 측면에서의 성능은 어떠한가?

주요 결과

• 제안된 방법은 저조도 조건에 영향을 받지 않는 열화상 영상의 특성을 활용함으로써 검출 정확도를 향상시킨다.
• 적응형 배경 제거 기법은 배경 노이즈를 효과적으로 줄이고 열화상 시퀀스에서 전경 검출 성능을 향상시킨다.
• 적응형 배경 제거와 HOG의 통합은 인간 형태에 대한 더 구분력 있는 특징 표현을 가능하게 한다.
• 최적화된 처리 파이프라인 덕분에 실행 시간이 크게 단축되어 실시간 적용이 가능해졌다.
• 어려운 열화상 조건에서도 인간 검출에 대해 강건한 성능을 보여준다.
• 기존의 접근 방식에 비해 가시광선에 의존하지 않기 때문에 저조도 환경에서 뛰어난 성능을 발휘한다.