병렬처리 그래픽 프로세서와 범용 프로세서에서의 보행자 검출 처리 속도 비교 = Comparison Speed of Pedestrian Detection with Parallel Processing Graphic Processor and General Purpose Processor

국문 초록 (Abstract)

영상기반 객체 검출은 지능형 CCTV 시스템을 구현하는데 있어 기본적인 기술이다. 객체 검출을 위하여 다양한 특징점과 알고리즘이 개발되었으나, 성능에 비례하여 계산량이 많다. 본 논문에서는 GPU와 CPU를 활용하여 객체 검출 알고리즘의 성능을 비교하였다. 일반적으로 보행자 검출에 널리 사용되고 있는 Adaboost 알고리즘과 SVM 알고리즘을 각각 CPU와 GPU에 맞도록 구현하고 동일 영상에 대하여 검출 처리 속도를 비교하였다. Adaboost 알고리즘과 SVM 알고리즘에 대하여 처리 속도를 비교한 결과 GPU가 CPU에 비하여 약 4 배 정도 빠른 처리를 할 수 있음을 확인하였다.

다국어 초록 (Multilingual Abstract)

Video based object detection is basic technology of implementing smart CCTV system. Various features and algorithms are developed to detect object, however computations of them increase with the performance. In this paper, performances of object detection algorithms with GPU and CPU are compared. Adaboost and SVM algorithm which are widely used to detect pedestrian detection are implemented with CPU and GPU, and speeds of detection processing are compared for the same video. As results of frame rate comparison of Adaboost and SVM algorithm, it is shown that the frame rate with GPU is faster than CPU.

목차 (Table of Contents)

• Ⅰ. 서 론
• Ⅱ. 영상기반 객체 검출
• Ⅲ. GPU 임베디드시스템
• Ⅳ. 실험 결과 및 검토
• Ⅴ. 결 론

참고문헌 (Reference)

• 1 문해민, "지능형 영상 감시 시스템에서 프라이버시 보호를 위한 De-identification 기술 분석" 한국정보기술학회 9 (9): 189-200, 2011
• 2 문해민, "영상 감시시스템에서의 휴먼인식 방법" 한국정보기술학회 8 (8): 199-206, 2010
• 3 김현태, "가우시안 혼합모델과 수학적 형태학 처리를 이용한 터널 내에서의 차량 검출" 한국전자통신학회 7 (7): 967-974, 2012
• 4 Thorsten Joachims, "Training linear SVMs in linear time" 217-226, 2006
• 5 M.-W. Kim, "The virture screen using skin tone and GMM foreground segmentation" 15 (15): 179-181, 2008
• 6 D. Geronimo, "Pedestrian detection using Adaboost learning of features and vehicle pitch estimation" 400-405, 2006
• 7 A. Elgammal, "Non-parametric model for background subtraction" 1843 : 751-767, 2000
• 8 "NVIDIA Tegra K1, A New Era in Mobile Computing" NVIDIA 2013
• 9 T. Ahonen, "Face description with local binary patterns :application to face recognition" 28 (28): 2037-2041, 2006
• 10 C. Stauffer, "Adaptive background mixture models for real-time tracking" 2 : 246-252, 1999