Journal of the Institute of Electronics Engineers of Korea SP (대한전자공학회논문지SP)

The Institute of Electronics and Information Engineers (대한전자공학회)
권호 표지

Image Distortion Compensation for Improved Gait Recognition

보행 인식 시스템 성능 개선을 위한 영상 왜곡 보정 기법

  • Jeon, Ji-Hye (Dept. of Electronic Engineering, The University of Suwon) ;
  • Kim, Dae-Hee (Graduate School of Advanced Imaging Science, Multimedia, and Film, Chung-Ang University) ;
  • Yang, Yoon-Gi (Dept. of Information and Communication Engineering, The University of Suwon) ;
  • Paik, Joon-Ki (Graduate School of Advanced Imaging Science, Multimedia, and Film, Chung-Ang University) ;
  • Lee, Chang-Su (Dept. of Electronic Engineering, The University of Suwon)
  • 전지혜 (수원대학교 전자공학과) ;
  • 김대희 (중앙대학교 첨단영상대학원) ;
  • 양윤기 (수원대학교 정보통신공학과) ;
  • 백준기 (중앙대학교 첨단영상대학원) ;
  • 이창수 (수원대학교 전자공학과)
  • Published : 2009.07.25
Download PDF
⟨ Previous Next ⟩

Abstract

In image-based gait recognition systems, physical factors, such as the camera angle and the lens distortion, and environmental factors such as illumination determines the performance of recognition. In this paper we present a robust gait recognition method by compensating various types of image distortions. The proposed method is compared with existing gait recognition algorithm with consideration of both physical and environmental distortion factors in the input image. More specifically, we first present an efficient compensation algorithm of image distortion by using the projective transform, and test the feasibility of the proposed algorithm by comparing the recognition performances with and without the compensation process. Proposed method gives universal gait data which is invariant to both distance and environment. Gained data improved gait recognition rate about 41.5% in indoor image and about 55.5% in outdoor image. Proposed method can be used effectively in database(DB) construction, searching and tracking of specific objects.

영상기반 보행인식 시스템에서 카메라와 객체가 이루는 각도(angle) 및 렌즈 왜곡과 같은 물리적 요인과 조명(illumination)과 같은 환경적 요인에 따라 인식률이 다르게 나타난다. 본 논문은 카메라에서 입력된 다양한 형태의 영상 왜곡을 보정하여 보행 인식 시스템의 성능 및 안정성을 향상시키는 기법을 제안한다. 제안된 방법은 물리적, 환경적 왜곡 요인이 존재하는 입력 영상에서의 인간의 보행 인식률을 기존 방식과 실험적으로 비교한다. 보다 구체적으로는 투영 변환(projective transform)을 통해 입력 영상의 왜곡을 효과적으로 보정하는 알고리듬을 제안하고 입력 영상의 왜곡 보정 전, 후를 비교하여 알고리듬의 실효성을 확인한다. 제안된 방법은 카메라로부터의 거리 및 환경에 불변하는 보편적인 보행 데이터를 획득하였다. 그 결과 제안된 보편적인 보행 데이터를 이용하여 실내 영상에서는 평균적으로 41.5%, 실외 영상에서는 평균적으로 55.5%의 향상된 보행 인식률을 보였다. 이것은 특정 개체의 특징을 데이터베이스(DB)화 하고 DB에 저장된 특정 개체를 검색하고 추적하는 데 효과적으로 이용될 수 있다.

Keywords

References

  1. James E. Cutting and Lynn T. Kozlowski, "Recognizing friends by their walk: Gait perception without familiarity cues," Bulletin of the psychonomic society, vol. 9(5), pp. 353-356, 1977 https://doi.org/10.3758/BF03337021
  2. S. Sarkar, P. Phillips, Z. Liu, I. Robeldo-Vega, P. Grother and K. Bowyer, "The human ID gait challenge problem: Data sets, performance and analysis," IEEE transactions on pattern analysis and machine intelligence, vol. 27, no. 2, pp. 162-177, February, 2005 https://doi.org/10.1109/TPAMI.2005.39
  3. 조운, 김동현, 백준기, "다중 특징점 검출을 이용한 보행인식," 대한전자공학회논문지, 44권, SP편, 6호, pp. 84-92, 2007년, 11월
  4. http://kidbs.itfind.or.kr/WZIN/jugidong/1268/1268007.htm
  5. Liang Wang, Tieniu Tan, Huazhong Ning and Weiming Hu, "Silhouette analysis-based gait recognition for human identification," IEEE transactions on pattern analysis and machine intelligence, vol. 25, no. 12, pp. 1505-1518, December, 2003 https://doi.org/10.1109/TPAMI.2003.1251144
  6. David Cunado, Mark S. Nixon and John N. Carter, "Automatic extraction and description of human gait models for recognition purposes," Computer vision and image understanding, vol. 90(1), pp. 1-41, March, 2003 https://doi.org/10.1016/S1077-3142(03)00008-0
  7. Alasdair Mcandrew 저, 김태효 역, "Introduction to digital image processing with MATLAB," 인터비전, 2007
  8. 송광열, 윤팔주, 이준응, "어안렌즈왜곡 및 원근왜곡의 보정," 한국정밀공학회지, 23권, 10호, pp. 22-29, 2006년, 10월
  9. 김대희, 전지혜, 이창수, 백준기, "투영 왜곡 보정을 사용한 강건한 보행인식," 신호처리합동학술대회, 21권, 1호, 2008년, 9월
  10. Richard Hartley and Andrew Zisserman, "Multiple view geometry in computer vision 2nd. edition ," Cambridge university press, 2003
  11. Rafael C. Gonzalez, Richard E. Woods and Steven L. Eddins, "Digital image processing using MATLAB," Pearson, ITC, 2004
  12. S. Shih, Y. Hung and W. Lin, "When should we consider lens distortion in camera calibration," Pattern recognition, vol. 28, no. 3, pp. 447-461, 1995 https://doi.org/10.1016/0031-3203(94)00107-W
  13. Moumen Ahmed and Aly Farag, "Nonmetric calibration of camera lens distortion : Differential methods and robust estimation," IEEE transactions on image processing, vol. 14, no. 8, pp. 1215-1230, August, 2005. https://doi.org/10.1109/TIP.2005.846025
  14. Aleksandr Shnayderman, Alexander Gusev and Ahmet M. Eskicioglu, "An SVD-based grayscale image quality measure for local and global assessment," IEEE transactions on image processing, vol. 15, no. 2, pp. 422-429, February, 2006 https://doi.org/10.1109/TIP.2005.860605
  15. Roger Y. Tsai, "A versatile camera calibration technique for high-accuracy 3D machine vision metrology using off-the-self TV cameras and lenses," IEEE journal of robotics and automation, vol. RA-3, no. 4, pp. 323-344, August, 1987
  16. 이정화, 이문규, "악조건하의 카메라 교정을 위한 알고리즘," 한국정밀공학회지, 16권, 2호, pp. 164-175, 1999년, 2월