실시간 감시 시스템을 위한 사전 무학습 능동 특징점 모델 기반 객체 추적Non-Prior Training Active Feature Model-Based Object Tracking for Real-Time Surveillance Systems
- Authors
- 김상진; 신정호; 이성원; 백준기
- Issue Date
- Sep-2004
- Publisher
- 대한전자공학회
- Keywords
- Active feature model; non-rigid object tracking; feature tracking; optical flow; motion-based segmentation; Active feature model; non-rigid object tracking; feature tracking; optical flow; motion-based segmentation
- Citation
- 전자공학회논문지 - SP, v.41, no.05, pp 591 - 602
- Pages
- 12
- Journal Title
- 전자공학회논문지 - SP
- Volume
- 41
- Number
- 05
- Start Page
- 591
- End Page
- 602
- URI
- https://scholarworks.bwise.kr/cau/handle/2019.sw.cau/28555
- ISSN
- 1229-6384
- Abstract
- 본 논문에서는 사전학습이 필요 없는 능동 특징점 모델(non-prior training active feature model; NPT AFM) 기반에서 광류(optical flow)를 이용한 객체추적 기술을 제안한다. 제안한 알고리듬은 비정형 객체에 대한 분석[1]에 초점을 두고 있으며, 실시간에서 NPT-AFM을 사용한 강건한 추적을 가능하게 한다. NPT-AFM 알고리듬은 관심 객체의 위치를 파악하는 과정(localization)과 이전 프레임 정보와 현재 프레임 정보를 이용하여, 객체의 위치를 예측(prediction), 보정(correction)하는 과정으로 나눌 수 있다. 위치 파악 과정에서는 움직임 분할(motion segmentation)을 수행한 후 개선된 Shi-Tomasi의 특징점 추적 알고리듬[2]을 사용 하였다. 예측 및 보정 과정에서는 광류 정보를 사용하여 특징점을 추적하고[3] 만약, 특징점이 적절히 추적되지 않거나 추적에 실패하면 특징점들의 시간(temporal), 공간(spatial)적 정보를 이용하여 예측, 보정하게 된다. 객체의 형태(shape)대신 특징점을 사용하였으며, 객체를 추적하는 과정에서 특징점들은 능동 특징점 모델(active feature model; AFM)을 위한 학습 집합(training sets)의 요소로 갱신된다. 실험결과, 제안한 NPT-AFM 기반 추적 알고리듬은 실시간에서 비정형 객체를 추적하는데 강건함을 보여준다.
- Files in This Item
-
- Appears in
Collections - Graduate School of Advanced Imaging Sciences, Multimedia and Film > Department of Imaging Science and Arts > 1. Journal Articles
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.