본 논문에서는 블록 기반 실시간 계수 시스템을 제안한다. 계수 시스템은 쇼핑몰이나 대형건물의 출입구, 엘리베이터, 에스컬레이터 등과 같은 다양한 환경에 적용될 수 있다. 본 논문의 핵심은 세 부분으로 구분 할 수 있다. 첫째, 환경 변화에 강인한 배경 제거 기법, 둘째, 학습을 이용한 블록 기반 계수 결정 방법, 마지막으로 4 채널에서 실시간으로 처리가 가능한 시스템 구현이다. 환경 변화에 강인한 배경 제거 기법으로 MOG(mixture of gaussian) 방법을 적용하였으며, 블록 기반 계수 결정 방법은 영상을 $6{ imes}12$개의 영역으로 구분하고, 학습 영상을 이용하여 각각의 블록에서 물체의 크기에 대한 평균과 분산을 계산하고 이를 저장하여 계수에 적용하는 방법을 제안하였으며, 마지막으로 4 채널에서 실시간으로 처리 하기 위하여 추출된 물체 각각을 구분하여 추적하는 것이 아니라 물체가 이동 중에 발생할 수 있는 여러 상황 즉 결합이나 분리되는 현상을 분석하여 계수 판단에 적용하였다. 제안된 방법을 이용하여 에스컬레이터, 복도 그리고 출입문등과 같이 조명환경과 그림자 상황 등이 변하는 환경에서 의 계수 정확도는 $90{sim}94%$, 채널 당 처리 속도는 15 frames/sec 이상의 성능을 보였다.
In this paper, we propose a block-based real-time people counting system that can be used in various environments including showing mall entrances, elevators and escalators. The main contributions of this paper are robust background subtraction, the block-based decision method and real-time processing. For robust background subtraction obtained from a number of image sequences, we used a mixture of K Gaussian. The block-based decision method was used to determine the size of the given objects (moving people) in each block. We divided the images into $6{ imes}12$ blocks and trained the mean and variance values of the specific objects in each block. This was done in order to provide real-time processing for up to 4 channels. Finally, we analyzed various actions that can occur with moving people in real world environments.
