지속적으로 입력되는 방대한 감시 영상은 효율적이고 지능적인 처리를 요구한다. 본 논문에서는 혼잡 환경의 영상을 대상으로 영상 내 객체들의 반복적인 움직임을 분석하여 비정상 행위 발생을 검출하는 방법을 제안한다. 차량의 역주행, 과속, 차선위반 등 지역적 정보만으로 비정상 여부가 판단 가능한 비정상 움직임 외에도 차량의 신호위반 등과 같이 장면의 전체 상황을 고려해야 판단할 수 있는 비정상 움직임을 검출하기 위해 지역적 확률 모델과 전역적 확률 모델을 구성하였다. 또한 통행량이나 환경의 다양한 변화들을 고려하여 실시간으로 감시 환경의 변화를 학습하고 검출하였다. 야외 도로 영상과 AVSS 2007, PETS 2009 벤치마크 등 실험 데이터를 사용하여 비정상 위치, 방향, 속도, 상황 등 다양한 비정상 이벤트를 검출하였고 LDA(Latent Dirichlet Allocation) 방법과 비교를 통해 검출 정확도 및 실용성 측면에서 우수성을 나타내였다.
Intelligent surveillance system is proposed for automatically detecting abnormal events by analyzing surveillance video frames in crowded environment. Especially, we focus on detecting abnormally moving motions. To detect abnormal events in crowded environment, low-level features of moving objects are extracted from video frames in optical-flow form. These features are used to get motion correlation model which is used in abnormal event detection phase. There are two steps in abnormal event detection phase. The first detection step is based on local model which is made with local information such as velocities, directions and positions and the second step is based on gobal model which is made with global information. The proposed algorithm shows practicality and sufficient accuracy through many experiments which use many public benchmark video sequences and compare with LDA based methods.
