초록 열기/닫기 버튼
현대 사회에서 상업적 성공을 위해서는 상권 분석이 필요하며, 상권 분석의 요소 중에서 핵심적인 부분은 통행량이다. 통행량을 측정하기위해서 사람이 직접 측정하는 방법이 많이 사용되고 있으나 높은 인건비와 측정 실수를 유발할 가능성이 높다. 본 논문에서는 웹캠을 통해 촬영한 이미지를 이용하여 보행자의 통행량을 측정할 수 있는 알고리즘을 제안한다. 제안하는 알고리즘은 사람 영역 탐지와 움직임 추적으로 구성되어 있다. 사람 영역 탐지에서는 움직임 영역을 추출하고 HoG 특징과 Adaboost 분류기를 이용하여 사람 영역을 탐지한다. 움직임 추적에는멀티 레벨 매칭과 거짓 양성 제거를 이용하여 추적 및 통행량을 측정한다. 멀티 레벨 매칭은 HoG 영역에 대해 유사도 계수를 구하여 판별하는과정, 칼만 필터를 이용하여 추정한 위치의 이미지 유사도를 계산 과정, 사람 영역 탐지에서 추출한 움직임 영역을 이용해 유사도를 계산하는 3 단계 과정으로 구성되어 있다. 거짓 양성 제거는 사람 영역 탐지에서 잘못된 탐지 영역을 제거한다. 제안한 알고리즘의 성능을 분석하기 위하여 기존의 사람 영역 탐지 및 추적하는 방법과 비교 실험을 수행하였다. 그 결과 제안하는 방법은 사람 통행량 측정에서 83.6% 정확도를 보였으며, 기존 알고리즘에 비하여 11% 높은 성능을 달성하였다.
Market analysis for a business plain is required for the success in the modern world. Most important part in this analysis is pedestrian traffic counting. A traditional way for this is counting it in person. However, it causes high labor costs and mistakes. This paper proposes an automatic algorithm to measure the pedestrian traffic count using images with webcam. The proposed algorithm is composed of two parts: pedestrian area detection and movement tracking. In pedestrian area detection, moving blobs are extracted and pedestrian areas are detected using HoG features and Adaboost algorithm. In movement tracking, multi-level matching and false positive removal are applied to track pedestrian areas and count the pedestrian traffic. Multi-level matching is composed of 3 steps: (1) the similarity calculation between HoG area, (2) the similarity calculation of the estimated position with Kalman filtering, and (3) the similarity calculation of moving blobs in the pedestrian area detection. False positive removal is to remove invalid pedestrian area. To analyze the performance of the proposed algorithm, a comparison is performed with the previous human area detection and tracking algorithm. The proposed algorithm achieves 83.6% accuracy in the pedestrian traffic counting, which is better than the previous algorithm over 11%.
키워드열기/닫기 버튼
Traffic Counting, Pedestrian Detection and Tracking, Kalman Filiter, HoG Feature, Multi-Level Matching
