Surveillance systems are finding widespread applications and have attracted a lot interest from industry and academia. In this work, event-based surveillance video recording or transmission is discussed. Motion is described as the event of interest and Gaussian mixture models-based background subtraction technique is used to detect moving objects in a given scene.
In Chapter 2, a background subtraction scheme based on Gaussian Mixture Models (GMM) is proposed where the speed of motion detection is increased and the number of false positives is reduced when compared to conventional GMM-based foreground detection schemes, by suppressing excessive update of mean and variance values. A condition is added to determine if the change in the mean and variance of the background model is greater than a specified threshold; the mean and variance are updated only if the condition is satisfied. As a result, 35% increase in speed was observed with test sequences on a PC with the false positive rate decreased from 6% to 0.3%. Experiment with live video on an ARM-based single board computer showed an increase in speed of background subtraction from 12.5fps to 20fps with the proposed method. The proposed method is proven to be more robust and suitable for use especially in low power video surveillance applications compared to the original GMM-based background subtraction schemes.
CCTV-based surveillance systems gaining widespread popularity still waste computational power, transmission bandwidth and storage space. Chapter 3 tries to respond to this necessity by proposing a motion-based video recording scheme with dual frame rate motion detection. Statistical models for memory and energy consumption of the overall system are described. Root-mean-square error of the models for memory consumption is 0.54 and 0.78 for systems with single frame rate and dual frame rate motion detection, respectively. For a typical surveillance video, the proposed dual frame rate system stores 1.22, 4.94, 7.81 less frames per second on at 10fps, 1fps, 0.5fps, respectively, compared to the single frame rate motion detection system. A criterion has been suggested for using dual frame rate motion detection in surveillance based on a mathematical model.
영상 감시 시스템은 산업 및 학계에서 다양하게 응용되고 있는 분야이다. 이 논문에서는 관심 사건 감지를 포함한 영상 녹화 및 전송을 다룬다. 여기서 관심 사건이란 사람을 포함한 객체의 움직임이 포함된 장면을 의미하며, 이를 감지하기 위해서 가우시안 혼합 모델에 기반한 배경 제거 기법이 사용된다.
먼저, Chapter 2에서는 가우시안 혼합 모델에 기반한 배경 제거 기법을 개선하는 방법을 제안한다. 가우시안 혼합 모델의 불필요한 업데이트를 방지함으로써, 기존의 방식에 비해 움직임 감지 속도를 향상시키고, 객체의 잘못된 검출(False positive) 를 감소시킬 수 있다. 이를 위해서는 가우시안 모델의 평균값 및 분산의 변화가 일정 기준보다 큰 경우에만 업데이트를 하도록 하는 방식을 택한다. 그 결과, PC에서 테스트 영상을 이용하여 배경 제거를 한 결과, 속도는 35% 향상되었으며 False positive rate는 6%에서 0.3%로 감소되었다. ARM기반 임베디드 시스템에서 카메라를 이용해 실시간으로 동작 시킨 결과, 시간 당 프레임은 12.5fps 에서 20fps로 증가한 것을 확인할 수 있다. 이러한 결과를 통해 제안된 방식은 기존의 방식에 비해 저전력 영상 감시 시스템에 더욱 적합한 것을 확인할 수 있다.
CCTV 기반 영상 감시 시스템은 연산, 전송, 저장 관점에서 여전히 많은 전력이 소모되고 있다. Chapter 3에서는 움직임 기반 영상 녹화 방식에서 활용되는 Dual frame rate motion detection 기법을 제안한다. 먼저, 전체 시스템에 대한 메모리 및 에너지 소비에 대한 통계적 모델을 제시한다. 모델에 대한 Root-mean-square error는 Single frame rate와 Dual frame rate 움직임 감지에 대해 각각 0.54와 0.78의 수치를 나타낸다. 일반적인 감시 비디오에서, 제안된 Dual frame rate motion detection시스템은 움직임 감지의 속도가 10fps, 1fps, 0.5fps의 경우에 Single frame rate motion detection에 비해 각각 1.22, 4.94, 7.81의 프레임의 저장을 방지함으로써, 불필요한 메모리 사용량을 감소 시킬 수 있다. Dual frame rate motion detection의 구현을 위해서는 수학적 모델에 기반한 감시 시스템이 제안된다.
