[½ÃÅ¥¸®Æ¼¿ùµå ÃÖ¹üÁØ, ¹ÚÀå½Ä, ¼ÛÁ¾°ü, À±º´¿ì] ¾ß°£ CCTV ¿µ»ó¿¡¼ º¸ÇàÀÚ¸¦ Á¤È®ÇÏ°Ô °ËÃ⡤ÃßÀûÇϱâ À§Çؼ´Â ¾î¶² ¹æ¹ýÀÌ ÀÖÀ»±î. À̹ø ½ÃÅ¥¸®Æ¼¿ùµå º¸¾È±â¼ú ¼³¸í¼¿¡¼´Â ¾ß°£ Àû¿Ü¼± Ä«¸Þ¶ó¸¦ ÀÌ¿ëÇØ °´Ã¼¸¦ °ËÃâÇÏ°í ÃßÀûÇÏ´Â ¹æ¹ýÀ» È®ÀÎÇغ¸·Á°í ÇÑ´Ù.
ÄÄÇ»ÅÍ ºñÀüºÐ¾ß¿¡¼ °´Ã¼ °ËÃâ(Object Detection)°ú °´Ã¼ ÃßÀû(Object Tracking)Àº ÀÚµ¿ º¸¾È °¨½Ã ½Ã½ºÅÛ(Auto Security Monitor System), ½º¸¶Æ® ÀÚµ¿Â÷ ½Ã½ºÅÛ(Smart Vehicle system) µî¿¡¼ ´Ù¾çÇÏ°Ô »ç¿ëµÇ°í ÀÖÀ¸¸ç ¿¬±¸ ¶ÇÇÑ È°¹ßÀÌ ÀÌ·ç¾îÁö°í ÀÖ´Ù[1-3]. °´Ã¼ °ËÃâ°ú ÃßÀû ½Ã½ºÅÛÀÇ ¼º´ÉÀº ¾ß°£, Æø¼³, Æø¿ì µîÀÇ º¹ÀâÇÑ ¹è°æ°ú °´Ã¼ÀÇ ¿ÜÇü, ÀÚ¼¼, »ö»ó µî¿¡ ¿µÇâÀ» ¹Þ´Â´Ù.
ÁÖ°£ ¿µ»óÀÇ °æ¿ì °´Ã¼ÀÇ ÇüÅ°¡ ¸íÈ®ÇØ °´Ã¼ÀÇ À±°û, ±×¸²ÀÚ µî °ËÃâµÇ´Â Ư¡ÀÌ ´Ù¾çÇÏ´Ù. ±×·¯³ª ¾ß°£ ¿µ»ó¿¡¼´Â ³·Àº Á¶µµ·Î ÀÎÇØ °´Ã¼ ÁÖº¯ ¿ä¼Ò º¸´Ù ³ôÀº ÈÖµµ¸¦ °¡Áø Àü±¤ÆÇÀ̳ª °¡·Îµî µîÀ¸·Î °´Ã¼ Ư¡ °ËÃâÀÌ Á¦ÇѵŠ°´Ã¼ °ËÃâ°ú ÃßÀûÀÌ ¾î·Æ´Ù[4-5]. ¾ß°£ ¿µ»ó¿¡ ´ëÇØ Wang µîÀº GMM ¹è°æ ÃßÁ¤(Background Estimation)°ú SVM(Support Vector Machine) ¾Ë°í¸®ÁòÀ» ÀÌ¿ëÇØ ¾ß°£ º¸ÇàÀÚ¸¦ °ËÃâÇÏ°í, ¹à±â°ª(Intensity)°ú °æ°è¼±(Edge)À» Ư¡Á¡À¸·Î ÇÏ´Â ÆÄƼŬ ÇÊÅÍ(Particle Filter)·Î ÃßÀûÇÏ´Â ¹æ¹ýÀ» Á¦¾ÈÇß´Ù[4]. ¶ÇÇÑ Xu µîÀº °´Ã¼ °ËÃâÀ» À§ÇØ SVMÀ» »ç¿ëÇÏ°í, Kalman ÇÊÅ͸¦ ÀÌ¿ëÇØ °´Ã¼ ÃßÀû ¹æ¹ýÀ» Á¦¾ÈÇß´Ù[5].
À̹ø ±â»ç¿¡¼´Â Àû¿Ü¼± Ä«¸Þ¶ó¸¦ »ç¿ëÇØ ¾ß°£ ¿µ»ó¿¡¼ÀÇ Á¦ÇÑÀûÀÎ °´Ã¼ Ư¡ °ËÃâÀ» º¸¾ÈÇÏ°í, Ä«¸Þ¶ó·ÎºÎÅÍ ¾òÀº Àû¿Ü¼± À̹ÌÁö(Infrared image)¿¡¼ Adaboost ¾Ë°í¸®Áò°ú ÆÄƼŬ ÇÊÅ͸¦ ÀÌ¿ëÇÑ °´Ã¼ °ËÃâ ¹× ÃßÀû±â¹ýÀ» ¾Ë¾Æº¸µµ·Ï ÇÏ°Ú´Ù.
°´Ã¼ °ËÃâ ¹× ÃßÀû ¾Ë°í¸®Áò
Adaboost ¾Ë°í¸®Áò
Freund¿Í Schapire[6,7]°¡ 1996³â¿¡ óÀ½ ¼Ò°³ÇÑ Adaboost ¾Ë°í¸®ÁòÀº Schapire¿Í Singer[8]°¡ 1999³â¿¡ ÀϹÝÈÇß´Ù. Adaboost ¾Ë°í¸®ÁòÀº À¯»ç Haar Ư¡µé°ú ºÐ·ù±âµéÀÇ °¡ÁßÄ¡¸¦ º¯È½ÃÅ°¸é¼ ¾àÇÑ ºÐ·ù±â(Weak Classifier)¸¦ Á¶ÇÕÇØ ÇϳªÀÇ °·ÂÇÑ ºÐ·ù±â¸¦ ¸¸µå´Â ¾Ë°í¸®ÁòÀÌ´Ù. Adaboost´Â ºÎ½ºÆÃ(Boosting)ÀÇ ÇÑ Á¾·ù·Î ¾àÇÑ ºÐ·ù±â¸¦ ÀÌ¿ëÇØ »ùÇÃÀ» ÀνÄÇÑ´Ù. À߸ø ºÐ·ùµÈ »ùÇÿ¡ ´ëÇؼ´Â °¡ÁßÄ¡¸¦ Áõ°¡½ÃÅ°°í, ´ÙÀ½ ¾àÇÑ ºÐ·ù±â¿¡ ¹Ý¿µÇØ ¿ì¼±ÀûÀ¸·Î ºÐ·ùÇÑ´Ù. À߸ø ºÐ·ù ÇÑ ºÐ·ù±â¿¡ ´ëÇؼ´Â °¡ÁßÄ¡¸¦ °¨¼Ò½ÃŲ´Ù. °á±¹ ÃÖÁ¾ÀûÀÎ °ÇÑ ºÐ·ù±â´Â °¢ ´Ü°è¿¡¼ »ý¼ºµÈ ¾àÇÑ ºÐ·ù±âµéÀÇ Á¶ÇÕÀ¸·Î ±¸¼ºµÈ´Ù.
ÆÄƼŬ ÇÊÅÍ
ÆÄƼŬ ÇÊÅÍ´Â ºñ¼±Çü ½Ã½ºÅÛÀÇ »óŸ¦ ¿¹ÃøÇÏ´Â ´ëÇ¥ÀûÀÎ ¹æ¹ýÀ¸·Î ½ÅÈ£ ¹× ¿µ»óó¸®, ·Îº¿ µî ´Ù¾çÇÑ ºÐ¾ß¿¡¼ ³Î¸® »ç¿ëµÇ°í ÀÖ´Ù[10-13]. ÆÄƼŬ ÇÊÅÍ´Â È®·üºÐÆ÷¸¦ °üÃøÀ¸·ÎºÎÅÍ ÁÖ¾îÁö´Â N°³ÀÇ »ùÇà [½Ä »ç¿ë] ·Î ±Ù»çÈÇØ »ç¿ëÇÑ´Ù. ¿©±â¼ [½Ä»ç¿ë]´Â ÆÄƼŬÀ» ³ªÅ¸³»¸ç, [½Ä »ç¿ë]´Â °¢ ÆÄƼŬ¿¡ ´ëÀÀµÇ´Â °¡ÁßÄ¡(Weight)¸¦ ³ªÅ¸³½´Ù. ¼±ÅÃµÈ °¢ »ùÇõéÀº ÀüÆÄ(Propagate) °úÁ¤À» ÅëÇØ º¯ÈµÇ¸ç ±¸ÇØÁø »ùÇÿ¡ ´ëÇØ [½Ä»ç¿ë]À» ±¸ÇÏ°í À̸¦ ÀÌ¿ëÇØ ÃßÁ¤(Estimate) ´Ü°è¿¡¼ °áÁ¤µÈ´Ù[13]. °üÃø(Observe) ´Ü°è¿¡¼´Â °¢ »ùÇÿ¡¼ ÃßÀû ¸ñÇ¥(Target)¿Í À¯»çÇÑ Á¤µµ¸¦ ±¸ÇÏ´Â °üÃø È®·üÀ» ÃøÁ¤ÇÏ°í, ±×¿¡ µû¸¥ °¡ÁßÄ¡¸¦ ºÎ¿©ÇÑ´Ù[14]. ±×¸² 1Àº ÆÄƼŬ ÇÊÅÍ ÃßÀû°úÁ¤À» ³ªÅ¸³½ °ÍÀ̸ç, ÇÑ ÇÁ·¹ÀÓÀÇ ¿µ»ó¸¶´Ù ±×¸² 2ÀÇ ´Ü°è°¡ ¼öÇàµÈ´Ù.
±×¸² 1. ÆÄƼŬ ÇÊÅÍ ÃßÀû °úÁ¤
ÆÄƼŬ ÇÊÅ͸¦ »ç¿ëÇϱâ À§Çؼ´Â ÆÄƼŬ °³¼ö¿Í ÆÄƼŬ ºÐÆ÷¸¦ Àß Á¶ÀýÇÏ´Â °ÍÀÌ Áß¿äÇÏ´Ù. ÆÄƼŬ ¼ö°¡ ¸¹¾ÆÁö¸é ¾Ë°í¸®ÁòÀÇ ½Ã°£ º¹Àâµµ°¡ ¸Å¿ì Ä¿Áö°í, ÃßÀûÇÏ°íÀÚ ÇÏ´Â °´Ã¼¿¡ ÆÄƼŬÀÌ Á¦´ë·Î ºÐÆ÷ÇÏÁö ¾ÊÀ¸¸é ÆÄƼŬ ÇÊÅÍ´Â µ¿ÀÛÇÏÁö ¾Ê´Â´Ù. µû¶ó¼ À̹ø ±â»ç¿¡¼´Â ½ÇÇè ¿µ»ó¿¡ ¸Â°Ô ÆÄƼŬ °³¼ö¿Í ºÐÆ÷ Á¶ÀýÀ» ´Ù·ê ¿¹Á¤ÀÌ´Ù.
¾ß°£ ¿µ»ó¿¡ ´ëÇÑ °´Ã¼ °ËÃâ ¹× ÃßÀû
À̹ø ±â»ç¿¡¼´Â ¾ß°£ ¿µ»ó¿¡¼ º¸ÇàÀÚ¸¦ °ËÃâÇÏ°í ÃßÀûÇϱâ À§ÇØ Adaboost ¾Ë°í¸®Áò°ú ÆÄƼŬ ÇÊÅ͸¦ ÀÌ¿ëÇÑ´Ù. ±×¸² 2´Â ¾ß°£ ¿µ»ó±â¹Ý¿¡¼ °´Ã¼¸¦ °ËÃ⡤ÃßÀûÇÏ´Â Àüü ¾Ë°í¸®Áò È帧µµ¸¦ ³ªÅ¸³½´Ù.
±×¸² 2. °´Ã¼ °ËÃâ ¹× ÃßÀû È帧µµ
¾ß°£ ¿µ»ó¿¡¼´Â °´Ã¼ÀÇ Æ¯Â¡ °ËÃâÀÌ Á¦ÇÑÀûÀ̱⠶§¹®¿¡ À̸¦ º¸¾ÈÇϱâ À§ÇØ Àû¿Ü¼± Ä«¸Þ¶ó·ÎºÎÅÍ ¾òÀº À̹ÌÁö¸¦ ÀÌ¿ëÇØ ÇнÀµ¥ÀÌÅ͸¦ »ý¼ºÇß´Ù. »ý¼ºÇÑ Àû¿Ü¼± À̹ÌÁö ÇнÀ µ¥ÀÌÅÍ¿¡¼ °´Ã¼ÀÇ À¯»ç Haar Ư¡À» ¾ò°í Á¾¼Ó ºÐ·ù±â¸¦ ¼öÇàÇÔÀ¸·Î½á °´Ã¼¸¦ °ËÃâÇÑ´Ù. °ËÃâµÈ °´Ã¼·ÎºÎÅÍ ¸®»ùÇøµ °úÁ¤°ú HSV È÷½ºÅä±×·¥ Ư¡À» ÀÌ¿ëÇØ °´Ã¼¸¦ ÃßÀûÇÑ´Ù. À̹ø ±â»ç¿¡¼´Â ½ÃÇè ¿µ»ó¿¡ ´ëÇØ ÆÄƼŬÀÇ °³¼ö¿Í ÆÄƼŬÀÇ ºÐÆ÷¸¦ ÃÖÀûÈÇßÀ¸¸ç, RGB È÷½ºÅä±×·¥ ´ë½Å HSV Ä÷¯ È÷½ºÅä±×·¥À» »ç¿ëÇß´Ù. Á¶µµ º¯È¿¡ °ÇÑ Æ¯¼ºÀ» °®µµ·Ï °¢ Ä÷¯ °ª¿¡ ´ëÇØ 8¡¿8¡¿4 binÀ» ÇÒ´çÇÔÀ¸·Î½á »ö»ó°ú äµµÀÇ º¯Èº¸´Ù ¸íµµ º¯È¿¡ ¹Î°¨ÇÏÁö ¾Êµµ·Ï Çß´Ù.
°´Ã¼ °ËÃâ ¹× ÃßÀû ½ÇÇè °á°ú
À̹ø ±â»ç¿¡¼´Â ¾ß°£¿¡ ±Ù°Å¸®, Á߰Ÿ®, ¿ø°Å¸® Ä«¸Þ¶ó¸¦ ÀÌ¿ëÇØ °ñ¸ñ±æ, ³îÀÌÅÍ, ÁöÀÚü½Ã¼³, ¹®ÈÀç ½Ã¼³¿¡¼ °´Ã¼·ÎºÎÅÍ ¿µ»óÀ» ÃëµæÇÑ µÚ °´Ã¼¸¦ °ËÃâÇÏ°í ÃßÀûÇÏ´Â ½ÇÇèÀ» Çß´Ù. ½ÇÇè¿¡ »ç¿ëµÈ ½ÃÇè ¿µ»óÀº 480¡¿320Çȼ¿À̸ç 30frame/secÀÇ ±Ô°ÝÀ» °¡Áø´Ù. °³¹ßȯ°æÀº Intel(R) Pentium(R) CPU G2020 @ 2.90GHz, 4GB RAM, Window7 PC¿¡¼ Visual Studio2010°ú ÀÎÅÚÀÇ OpenCV 2.4.9 API¸¦ »ç¿ëÇß´Ù.
±×¸² 3. Adaboost ¾Ë°í¸®Áò ÇнÀÀ» À§ÇÑ ±àÁ¤ ¿µ»ó
±×¸² 3Àº ÇнÀ¿¡ »ç¿ëµÈ ±àÁ¤ ¿µ»ó(Positive Image)ÀÇ ÀϺκÐÀÌ´Ù. À̹ø ±â»ç¿¡¼´Â 1,016ÀåÀÇ À̹ÌÁö¸¦ »ç¿ëÇß´Ù.
±×¸² 4. Adaboost ¾Ë°í¸®Áò ÇнÀÀ» À§ÇÑ ºÎÁ¤ ¿µ»ó
±×¸² 4´Â ÇнÀ¿¡ »ç¿ëµÈ ºÎÁ¤ ¿µ»ó(Negative Image)ÀÇ ÀϺκÐÀ¸·Î 1,000ÀåÀÇ À̹ÌÁö¸¦ »ç¿ëÇß´Ù.
±×¸² 5. ´Ù¾çÇÑ ½Ã³ª¸®¿À¿¡¼ °´Ã¼ °ËÃâ °á°ú
±×¸² 5´Â °ñ¸ñ±æ°ú ³îÀÌÅÍ¿¡¼ °´Ã¼¸¦ °ËÃâÇÑ °á°ú´Ù. ±×¸² 5ÀÇ (a), (b), (c)´Â °´Ã¼¸¦ Á¤È®È÷ °ËÃâÇß°í ±×¸² 5ÀÇ (d)´Â 3¸íÀÇ º¸ÇàÀÚ Áß 2¸í¸¸ °ËÃâÇØ °´Ã¼¸¦ Á¤È®È÷ °ËÃâÇϴµ¥ ½ÇÆÐÇß´Ù.
Ç¥ 1. ´Ù¾çÇÑ °ø°£¿¡¼ °´Ã¼ °ËÃâÀ²
Ç¥ 1Àº ½Ã³ª¸®¿À º° °ËÃâÀ²À» º¸¿©ÁØ´Ù. ÇÁ·¹ÀÓ ¼ö(Number of Frame)´Â ¿µ»ó¿¡¼ °ËÃâÇÏ°íÀÚ ÇÏ´Â °´Ã¼°¡ ³ªÅ¸³ ÇÁ·¹ÀÓÀ» ¶æÇÑ´Ù. ½ÇÇè °á°ú ¿ø°Å¸® º¸´Ù ±Ù°Å¸®¿¡¼ °´Ã¼ °ËÃâÀ²ÀÌ ´õ ³ô°Ô ³ªÅ¸³µ´Ù.
±×¸² 6. °´Ã¼ ÃßÀû °á°ú
±×¸² 6Àº º¸ÇàÀÚ°¡ °ñ¸ñ±æÀ» ¹èȸÇÏ´Â ¿µ»ó¿¡¼ °´Ã¼¸¦ ÃßÀûÇÑ °á°ú´Ù. °´Ã¼¸¦ ÃßÀûÇÑ °á°ú´Â Ÿ¿øÀ¸·Î ³ªÅ¸³ÂÀ¸¸ç, Ÿ¿ø¾ÈÀÇ Á¡Àº ÆÄƼŬÀÇ °³¼ö¿Í ºÐÆ÷¸¦ ³ªÅ¸³½´Ù. ±×¸² 7Àº ÆÄƼŬ °¹¼ö º¯È¿¡ µû¸¥ °´Ã¼ ÃßÀû °á°ú´Ù. ÆÄƼŬ °¹¼ö¸¦ 100°³, 50°³, 30°³, 5°³·Î ¼³Á¤ÇÑ ÈÄ ½ÇÇèÀ» ÇÑ °á°ú ÆÄƼŬÀ» 30°³·Î °¨¼Ò½ÃÄ×À» ¶§¿¡µµ Á¤»óÀûÀ¸·Î °´Ã¼¸¦ ÃßÀûÇÒ ¼ö ÀÖÀ½À» È®ÀÎÇß´Ù. ±×¸² 8Àº ÆÄƼŬ Ç¥ÁØÆíÂ÷(STD_D, standard deviation) º¯È¿¡ µû¸¥ °´Ã¼ ÃßÀû °á°ú´Ù. Ç¥ÁØÆíÂ÷¸¦ 1.0, 0.1, 0.05, 0.005·Î º¯È½ÃŲ °á°ú 0.005·Î ºÐÆ÷ÇßÀ» ¶§´Â ÃßÀûÇÏÁö ¸øÇÔÀ» È®ÀÎÇß´Ù.
±×¸² 9´Â °¢ ÆÄƼŬ »çÀÌÀÇ °Å¸® ºÐÆ÷(noise_xy)¸¦ º¯È½ÃÅ°¸ç °´Ã¼¸¦ ÃßÀûÇÑ °á°ú´Ù. °Å¸® ºÐÆ÷°¡ 0.005·Î ÀÛ¾ÆÁ³À» ¶§, ÃßÀûÀ» ¸øÇß´Ù. ÀϹÝÀûÀ¸·Î 100°³ Á¤µµÀÇ ÆÄƼŬÀ» »ý¼ºÇØ ÃßÀûÀ» ÇÏÁö¸¸ ¾ß°£¿µ»ó¿¡¼ ½ÇÇè°á°ú ÆÄƼŬÀº 30°³¸¦ »ý¼ºÇصµ °´Ã¼¸¦ Á¤»óÀûÀ¸·Î ÃßÀûÇÒ ¼ö ÀÖÀ½À» È®ÀÎÇß´Ù. ÀÌ´Â ÆÄƼŬ ÇÊÅ͸¦ È°¿ëÇÑ ÃßÀû¿¡¼ ÆÄƼŬÀÇ °³¼ö°¡ ¸¹À¸¸é °è»ê·®ÀÌ ¸¹¾ÆÁö±â ¶§¹®¿¡ ÀûÀº ÆÄƼŬ °³¼ö¸¦ »ý¼ºÇÔÀ¸·Î½á °è»ê·®ÀÌ Çâ»óµÆÀ½À» È®ÀÎÇÒ ¼ö ÀÖ´Ù.
±×¸² 7. ÆÄƼŬ °³¼ö º¯È¿¡ µû¸¥ ÃßÀû °á°ú
±×¸² 8. Ç¥ÁØÆíÂ÷ º¯È¿¡ µû¸¥ ÃßÀû °á°ú
±×¸² 9. Noise_xy º¯È¿¡ µû¸¥ ÃßÀû °á°ú
À̹ø ±â»ç¿¡¼´Â ¾ß°£¿¡ ÃÔ¿µµÈ CCTV ¿µ»óÀ¸·ÎºÎÅÍ º¸ÇàÀÚ¸¦ °ËÃâÇÏ°í ÃßÀûÇÏ´Â ¾Ë°í¸®ÁòÀ» °³¹ßÇß´Ù. ¾ß°£ ¿µ»ó¿¡ ´ëÇÑ º¸ÇàÀÚ¸¦ °ËÃâÇϱâ À§ÇØ À¯»ç Haar Ư¡Á¡À» È°¿ëÇØ Adaboost ÈÆ·Ã ¾Ë°í¸®ÁòÀ» Àû¿ëÇÑ´Ù. HSV È÷½ºÅä±×·¥À» ÀÌ¿ëÇÑ ÆÄƼŬ ÇÊÅ͸¦ È°¿ëÇØ °´Ã¼¸¦ ÃßÀûÇÏ´Â ¹æ¹ýÀ» Á¦¾ÈÇß´Ù. ƯÈ÷ °è»ê·®À» °í·ÁÇÑ È¿À²ÀûÀÎ º¸ÇàÀÚ ÃßÀûÀ» À§ÇØ ¾ß°£ ¿µ»ó¿¡ ÀûÇÕÇÑ ÆÄƼŬ ÇÊÅÍÀÇ ÆÄƼŬ ¼ö¿Í ºÐÆ÷¸¦ ½Ã¹Ä·¹À̼ÇÀ» ÅëÇØ ¼³Á¤Çß´Ù. ´Ù¾çÇÑ °ø°£¿¡¼ ȹµæÇÑ ¾ß°£ ¿µ»ó¿¡¼ °´Ã¼¸¦ °ËÃâÇÏ°í ÃßÀû ½Ã¹Ä·¹À̼ÇÀ» ½ÇÇàÇÑ °á°ú °´Ã¼ °ËÃâ°ú ÃßÀû ¼º´ÉÀÌ ¿ì¼öÇÔÀ» È®ÀÎÇß´Ù.
[Âü°í¹®Çå]
[1] D. Geronimo, A. M. Lopez, A. D. Sappa, Member, IEEE, and T. Graf, ¡°Survey of Pedestrian Detection for Advanced Driver Assistance Systems,¡± IEEE trans. Pattern Analysis and Machine Intelligence, vol. 32, no. 7, July. 2010, pp. 1239-1258.
[2] D. Xia, H. Sun and Z. Shen, ¡°Real-time Infrared Pedestrian Detection Based on Multi-block LBP,¡± In Proc. Int. Conf. Computer Application and System Modeling, vol. 12, 2010, pp. 140-142.
[3] M. Bertozzi, A. Broggi, C. Caraffi, M. Del Rose, M. Felisa and G. Vezzoni, ¡°Pedestrian detection by means of far-infrared stereo vision,¡± Computer Vision and Image Understanding 106, 2007, pp. 194-204.
[4] J. T. Wang, D. B. Chen, H. Y. Chen and J. Y. Yang, ¡°On pedestrian detection and tracking in infrared videos,¡± Pattern Recognition Letters 33, 2012. pp. 775?785.
[5] F. Xu, X. Liu, and K. Fujimura, ¡°Pedestrian Detection and Tracking With Night Vision,¡± IEEE Tran. Intelligent Transportation Systems, vol. 6, no. 1, March. 2005, pp. 63-71.
[6] P. Viola and M. Jones, ¡°Rapid object detection using a boosted cascade of simple features,¡± In Proc. Computer Vision and Pattern Recognition(CVPR), 2001, pp. 511-518.
[7] Y. Freund and R. E. Schapire, ¡±A Decision-Theoretic Generalization of On-Line Learning and An Application to Boosting,¡± J. of Computer and System Sciences, vol. 55, no. 1, 1997, pp. 119-139.
[8] R. Schapire and Y. Singer, ¡°Improved boosting algorithms using confidence-rated predictions,¡± Machine Learning, vol. 37, no. 3, 1999, pp. 297-335.
[9] P. Viola and M. Jones, ¡°Robust Real Time Face Detection,¡± In proc IEEE Workshop on Statistical and Computer Theories of Vision(ICCV), 2001, pp. 137-154.
[10] I. S. Kim and H. Shin, ¡°A Study on Development of Intelligent CCTV Security System Based on BIM,¡± J. of the Korea Institute of Electronic Communication Sciences, vol. 6, no. 5, 2011, pp. 789-795.
[11] M. Isard and A. Blake, ¡°CONDENSATION?Conditional Density Propagation for Visual Tracking,¡± Int. J. on Computer Vision vol. 29, no. 1, 1998, pp. 5-28.
[12] S. Noh, T. Kim, N. Ko, and Y. Bae, ¡°Particle filter for correction of GPS location data of a mobile robot,¡± J. of the Korea Institute of Electronic Communication Sciences, vol. 7, no. 2, 2012, pp. 381-389.
[13] K. Nummiaro, E. Koller-Meier, and L. V. Gool, ¡°A color-based particle filter,¡± In Proc. of 1st Int. workshop on generative-model-based vision, 2002, pp. 53-60.
[14] J. K. Song, ¡°Improvement of Tracking Performance of Particle filter in Low Frame Rate Video,¡± J. of The Korea Institute of Electronic Communication Sciences, vol. 9, no. 2, 2014, pp. 143-148.
[±Û: ½ÃÅ¥¸®Æ¼¿ùµå ÃÖ¹üÁØ, ¹ÚÀå½Ä, ¼ÛÁ¾°ü, À±º´¿ì °æ¼º´ëÇб³ ÀüÀÚ°øÇаú]
[¿ù°£ ½ÃÅ¥¸®Æ¼¿ùµå Åë±Ç 221È£ (sw@infothe.com)]
<ÀúÀÛ±ÇÀÚ : (www.securityworldmag.co.kr) ¹«´ÜÀüÀç-Àç¹èÆ÷±ÝÁö>