움직임 벡터와 GPU를 이용한 인간 활동성 분석

• 영문명: Analysis of Human Activity Using Motion Vector and GPU
• 발행기관: 한국전자통신학회
• 저자명: 김선우(Sun-Woo Kim) 최연성(Yeon-Sung Choi)
• 간행물 정보: 『한국전자통신학회 논문지』제9권 제10호, 1095~1102쪽, 전체 8쪽
• 주제분류: 공학 > 전자/정보통신공학
• 파일형태: PDF
• 발행일자: 2014.10.30

국문 초록

본 논문에서는 실시간 감시 시스템에서 인간의 활동성을 분석하기 위하여 움직임 벡터를 사용하며, 고속연산에 GPU를 활용한다. 먼저 가장 중요한 부분인 전경으로부터 적응적 가우시안 혼합기법, 두드러진 움직임을 위한 가중치 차영상 기법, 움직임 벡터를 이용하여 인간이라고 판단되는 블랍을 검출하고, 추출된 움직임 벡터를 이용하여 사람의 활동성을 분석한다. 본 논문에서는 사람의 행동을 크게 {Active, Inactive}, {Position Moving, Fixed Moving}, {Walking, Running}의 세 가지 메타 클래스로 분류하고 인식하였다. 실험을 위해서 약 300개의 상황을 연출하였으며, 약86%～98% 의 인식률을 보였다. 또한 1920×1080 크기 영상에서 CPU 기반은 4.2초 정도 걸렸는데, GPU 기반에서는 0.4초 이내로 빨라진 결과를 얻었다.

영문 초록

In this paper, We proposed the approach of GPU and motion vector to analysis the Human activity in real-time surveillance system. The most important part, that is detect blob(human) in the foreground. We use to detect Adaptive Gaussian Mixture, Weighted subtraction image for salient motion and motion vector. And then, We use motion vector for human activity analysis. In this paper, the activities of human recognize and classified such as meta-classes like this {Active, Inactive}, {Position Moving, Fixed Moving}, {Walking, Running}. We created approximately 300 conditions for the simulation. As a result, We showed a high success rate about 86～98%. The results also showed that the high resolution experiment by the proposed GPU-based method was over 10 times faster than the cpu-based method.

목차

Ⅰ. 서 론

Ⅱ. 움직임 벡터 추출 방법

Ⅲ. GPU 활용방법

Ⅳ. 인간 행동성 분류 시스템

Ⅴ. 실험 및 결론

References

키워드

Human Activity Motion Vector Intelligent Surveillance System GPU 인간 활동성 움직임 벡터 지능형 감시시스템 GPU