원문정보
Cast-Shadow Elimination of Vehicle Objects Using Backpropagation Neural Network
초록
영어
The moving object tracking in vision based observation using video uses difference method between GMM(Gaussian Mixture Model) based background and present image. In the case of racking object using binary image made by threshold, the object is merged not by object information but by Cast-Shadow. This paper proposed the method that eliminates Cast-Shadow using backpropagation Neural Network. The neural network is trained by abstracting feature value form training image of object range in 10-movies and Cast-Shadow range. The method eliminating Cast-Shadow is based on the method distinguishing shadow from binary image, its Performance is better(16.2%, 38.2%, 28.1%, 22.3%, 44.4%) than existing Cast-Shadow elimination algorithm(SNP, SP, DNM1, DNM2, CNCC).
한국어
비디오를 이용한 비전기반 감시에서 움직이는 객체의 추적은 GMM (Gaussian Mixture Model)을 사용한 배경영상과 현재영상의 차이법을 이용한다. 문턱치를 통해 생성된 이진영상을 이용하여 객체 추적을 할 경우 객체 정보가 아닌 그림자에 의하여 객체가 병합되는 현상이 나타난다. 본 논문에서는 신경망(Backpropagation Neural Network)을 이용하여 그림자를 제거하는 방법을 제안하였다. 10개의 동영상에서 객체영역과 캐스트그림자(Cast-Shadow)영역의 훈련용 이미지에서 특징 값을 추출하여 신경망을 훈련시켰다. 캐스트그림자를 제거하는 방법은 이진영상의 객체로 추정되는 영역에서 그림자를 분리하는 방법을 기초로 하며 기존의 그림자 제거 알고리즘 (SNP, SP, DNM1, DNM2, CNCC)보다 그림자 제거 성능이 (16.2%, 38.2%, 28.1%, 22.3%, 44.4%)로 높게 나타났다.
목차
Abstract
I. 서론
II. 그림자 제거 관련 연구
1. 그림자 종류와 그림자 제거 필요성
2. NCC, CNCC(Color NCC)
III. 제안된 방법
1. Backpropagation Neural Network(BPNN)
2. 입력노드의 설계
3. 제안된 방법의 블록도
IV. 실험 및 결과
V. 결론
참고문헌