RISS 학술연구정보서비스

검색
다국어 입력

http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

변환된 중국어를 복사하여 사용하시면 됩니다.

예시)
  • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
  • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
닫기
    인기검색어 순위 펼치기

    RISS 인기검색어

      KCI등재후보

      움직임 벡터와 GPU를 이용한 인간 활동성 분석 = Analysis of Human Activity Using Motion Vector and GPU

      한글로보기

      https://www.riss.kr/link?id=A103666052

      • 0

        상세조회
      • 0

        다운로드
      서지정보 열기
      • 내보내기
      • 내책장담기
      • 공유하기
      • 오류접수

      부가정보

      국문 초록 (Abstract)

      본 논문에서는 실시간 감시 시스템에서 인간의 활동성을 분석하기 위하여 움직임 벡터를 사용하며, 고속연산에 GPU를 활용한다. 먼저 가장 중요한 부분인 전경으로부터 적응적 가우시안 혼...

      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, 약 86%~98% 의 인식률을 보였다. 또한 $1920{\times}1080$ 크기 영상에서 CPU 기반은 4.2초 정도 걸렸는데, GPU 기반에서는 0.4초 이내로 빨라진 결과를 얻었다.

      더보기

      다국어 초록 (Multilingual Abstract)

      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, Weight...

      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.

      더보기

      참고문헌 (Reference)

      1 김선우, "움직임 벡터와 GPU를 이용한 인간 활동성 분석" 한국전자통신학회 9 (9): 1095-1102, 2014

      2 이상학, "시ㆍ공간적 주변 블록들의 움직임을 이용하여 적응적으로 탐색 범위 조절을 하는 고속 움직임 추정" 한국전자통신학회 05 (05): 372-378, 2010

      3 박재준, "다양한 특징 매칭을 이용한 움직이는 물체 추적 시스템에 관한 연구" 한국정보통신학회 11 (11): 786-792, 2007

      4 김선우, "가중치 차 영상과 움직임 벡터를 이용한 두드러진 움직임 정보 검출 방법" 한국정보통신학회 11 (11): 779-785, 2007

      5 김현태, "가우시안 혼합모델과 수학적 형태학 처리를 이용한 터널 내에서의 차량 검출" 한국전자통신학회 7 (7): 967-974, 2012

      6 Z. Zivkovic, "Efficient adaptive density estimation per image pixel for the task of background subtraction" 27 (27): 773-780, 2006

      7 J. Sanders, "CUDA by Example :An Introdution to General Purpose GPU Programming" Addison Wesley 2010

      8 S.-W. Kim, "Analysis of Human Activity Using Silhouette and Feature Parameters" 15 (15): 923-926, 2011

      9 C. Stauffer, "Adaptive background mixture models for real-time tracking" 2 : 246-252, 1999

      1 김선우, "움직임 벡터와 GPU를 이용한 인간 활동성 분석" 한국전자통신학회 9 (9): 1095-1102, 2014

      2 이상학, "시ㆍ공간적 주변 블록들의 움직임을 이용하여 적응적으로 탐색 범위 조절을 하는 고속 움직임 추정" 한국전자통신학회 05 (05): 372-378, 2010

      3 박재준, "다양한 특징 매칭을 이용한 움직이는 물체 추적 시스템에 관한 연구" 한국정보통신학회 11 (11): 786-792, 2007

      4 김선우, "가중치 차 영상과 움직임 벡터를 이용한 두드러진 움직임 정보 검출 방법" 한국정보통신학회 11 (11): 779-785, 2007

      5 김현태, "가우시안 혼합모델과 수학적 형태학 처리를 이용한 터널 내에서의 차량 검출" 한국전자통신학회 7 (7): 967-974, 2012

      6 Z. Zivkovic, "Efficient adaptive density estimation per image pixel for the task of background subtraction" 27 (27): 773-780, 2006

      7 J. Sanders, "CUDA by Example :An Introdution to General Purpose GPU Programming" Addison Wesley 2010

      8 S.-W. Kim, "Analysis of Human Activity Using Silhouette and Feature Parameters" 15 (15): 923-926, 2011

      9 C. Stauffer, "Adaptive background mixture models for real-time tracking" 2 : 246-252, 1999

      더보기

      동일학술지(권/호) 다른 논문

      동일학술지 더보기

      더보기

      분석정보

      View

      상세정보조회

      0

      Usage

      원문다운로드

      0

      대출신청

      0

      복사신청

      0

      EDDS신청

      0

      동일 주제 내 활용도 TOP

      더보기

      주제

      연도별 연구동향

      연도별 활용동향

      연관논문

      연구자 네트워크맵

      공동연구자 (7)

      유사연구자 (20) 활용도상위20명

      인용정보 인용지수 설명보기

      학술지 이력

      학술지 이력
      연월일 이력구분 이력상세 등재구분
      2026 평가예정 재인증평가 신청대상 (재인증)
      2020-01-01 평가 등재학술지 유지 (재인증) KCI등재
      2017-01-01 평가 등재학술지 선정 (계속평가) KCI등재
      2016-01-01 평가 등재후보학술지 유지 (계속평가) KCI등재후보
      2015-01-01 평가 등재후보학술지 유지 (계속평가) KCI등재후보
      2013-01-01 평가 등재후보 1차 FAIL (등재후보1차) KCI등재후보
      2012-01-01 평가 등재후보학술지 유지 (기타) KCI등재후보
      2011-01-01 평가 등재후보 1차 PASS (등재후보1차) KCI등재후보
      2009-01-01 평가 등재후보학술지 선정 (신규평가) KCI등재후보
      2007-08-27 학회명변경 한글명 : 학국전자통신학회 -> 한국전자통신학회
      영문명 : The Korea Insitute of Electronic Communication Sciences -> The Korea Institute of Electronic Communication Sciences
      더보기

      학술지 인용정보

      학술지 인용정보
      기준연도 WOS-KCI 통합IF(2년) KCIF(2년) KCIF(3년)
      2016 0.89 0.89 0.79
      KCIF(4년) KCIF(5년) 중심성지수(3년) 즉시성지수
      0.77 0.76 0.698 0.27
      더보기

      이 자료와 함께 이용한 RISS 자료

      나만을 위한 추천자료

      해외이동버튼