확률적 표본화와 배경 차분을 이용한 비디오 객체 추적

Abstract

본 논문에서는 배경 차분에 의해 객체를 검출하고 확률적으로 표본화된 입자 필터링(particle filtering)기법을 사용한 다중객체 추적 기법을 제안한다. 확률적으로 표본화된 입자들을 사용하여 다중 객체에 독립적으로 적용할 때 발생하는 계산 복잡도(computational complexity)를 감소시키는 동시에 안정적인 추적을 가능하게 하였다. 객체의 색상정보를 사용한 히스토그램 분포에 의한 관측 모델(observation model)을 구성하고 객체의 움직임 정보를 위해 동적 모델을 공식화하여 영상을 해석하였다. 전체적인 추적 시스템은 베이시언 최대 우도 기법(Bayesian maximum likelihood method)을 근간으로 하되, 입자 필터링을 객체 추적에 적용하여 실용적인 현실 객체 추적 상황에도 강건하게 대처할 수 있음을 실험을 통해서 증명하였다.

This paper presents the multi-object tracking approach using the background difference and particle filtering by monte carlo sampling. We apply particle filters based on probabilistic importance sampling to multi-object independently. We formulate the object observation model by the histogram distribution using color information and the object dynaminc model for the object motion information. Our approach does not increase computational complexity and derive stable performance. We implement the whole Bayesian maximum likelihood framework and describes robust methods coping with the real-world object tracking situation by the observation and transition model.