earticle

영어

The population growth along with the urbanization, has caused more problems in many public areas, such as subway airport terminals, hospital, etc. Many surveillance systems have been installed in the public areas, but not all of those can be monitored in real-time, because the operators that observe the monitors are very small compared with the number of the monitors. For example, the observer can miss some crucial accidents or detect after considerable delays. Thus, intelligent surveillance system for preventing the accidents are needed, such as Intelligent Surveillance Systems. in this paper, we propose a new crowd density estimation method which aims at estimating moving crowd using images from surveillance cameras situated in outdoor locations. The moving crowd is estimated from the area where using optical flow. The edge information is also used as feature to measure the crowd density, so we improve the accuracy of estimation of crowd density. A multilayer neural network is designed to classify crowd density into 5 classes. Finally the proposed method is experimented with PETS 2009 images

한국어

수동적인 보안감시 시스템의 문제점이 계속적으로 제기되면서 실시간으로 공공장소에서의 군중에 대한 관리 및 감독을 지원하는 자동화되고 지능적인 군중 밀도 측정에 대한 필요성이 증대되고 있다. 이에 따라, 군중의 밀도를 측정하기 위한 많은 연구가 시도되었으나 실시간 혼잡도 정보 취득이 어렵고, 조명변화 등에 취약한 한계가 드러났다. 본 논문에서는 이러한 문제점을 해결하기 위해 군중 특징 정보로써 옵티컬 플로우를 검출하고 또한 Sobel 외곽선 추출 알고리즘에 의해 외곽선을 추출하여 각 특징을 입력으로 학습된 다층 신경망을 통해 실시간으로 실외 공공장소에서의 군중 밀도를 측정하였다