영상 매체를 이용하는 분야의 폭이 점차 커지면서 객체 추적은 지능형 시스템, 무인 자동차, 감시 카메라, Human Computer Interac-tion (HCI) 등 컴퓨터 비전에서 더 넓은 응용 분야를 갖게 되었다. 객체 추적의 성능을 감소 시키는 요인으로 ...
영상 매체를 이용하는 분야의 폭이 점차 커지면서 객체 추적은 지능형 시스템, 무인 자동차, 감시 카메라, Human Computer Interac-tion (HCI) 등 컴퓨터 비전에서 더 넓은 응용 분야를 갖게 되었다. 객체 추적의 성능을 감소 시키는 요인으로 occlusion, 스케일 변화, 형태 변화, 조명 변화 등 다양한 요소가 존재한다. 특히 occlusion과 스케일 변화는 보다 정확한 객체 추적을 위해 필수적으로 처리해야 하는 문제이다. 본 논문에서는 최근 가장 많이 연구되고 있는 Kernelized correla-tion filter (KCF)를 기반으로 scale space filter를 적용하여 스케일 변화 추정과 occlusion에 강건한 multi-block 모델을 제안하였다. 또한 각 과정들을 더욱 강건하게 할 수 있도록 response map 분석을 통한 적응적 업데이트 모델을 적용하였다. 100개의 데이터 셋 영상에서 실험하였을 때, 스케일 변화 및 occlusion에 대해 VOR score가 KCF tracker에 비해 각각 8%와 18% 개선된 결과를 얻을 수 있었다.
영상 매체를 이용하는 분야의 폭이 점차 커지면서 객체 추적은 지능형 시스템, 무인 자동차, 감시 카메라, Human Computer Interac-tion (HCI) 등 컴퓨터 비전에서 더 넓은 응용 분야를 갖게 되었다. 객체 추적의 성능을 감소 시키는 요인으로 occlusion, 스케일 변화, 형태 변화, 조명 변화 등 다양한 요소가 존재한다. 특히 occlusion과 스케일 변화는 보다 정확한 객체 추적을 위해 필수적으로 처리해야 하는 문제이다. 본 논문에서는 최근 가장 많이 연구되고 있는 Kernelized correla-tion filter (KCF)를 기반으로 scale space filter를 적용하여 스케일 변화 추정과 occlusion에 강건한 multi-block 모델을 제안하였다. 또한 각 과정들을 더욱 강건하게 할 수 있도록 response map 분석을 통한 적응적 업데이트 모델을 적용하였다. 100개의 데이터 셋 영상에서 실험하였을 때, 스케일 변화 및 occlusion에 대해 VOR score가 KCF tracker에 비해 각각 8%와 18% 개선된 결과를 얻을 수 있었다.
As the field of image media is becoming wider, object tracking has wider applications in computer vision such as intelligent systems, driverless vehi-cles, surveillance cameras, and Human Computer Interaction (HCI). There are various factors such as occlusion, scale change, shape change, illumina-ti...
As the field of image media is becoming wider, object tracking has wider applications in computer vision such as intelligent systems, driverless vehi-cles, surveillance cameras, and Human Computer Interaction (HCI). There are various factors such as occlusion, scale change, shape change, illumina-tion change, etc., which reduce the performance of object tracking. Particu-larly, occlusion and scale change are essential issues for more accurate ob-ject tracking. In this paper, we propose a robust multi-block model for scale change es-timation and occlusion by applying scale space filter based on Kernelized Correlation Filter (KCF). We also applied an adaptive update model through response map analysis to make each process more robust. Experi-ments on 100 dataset images show that the VOR score is improved by 8% and 18% for the scale change and occlusion, respectively, compared to the KCF tracker.
As the field of image media is becoming wider, object tracking has wider applications in computer vision such as intelligent systems, driverless vehi-cles, surveillance cameras, and Human Computer Interaction (HCI). There are various factors such as occlusion, scale change, shape change, illumina-tion change, etc., which reduce the performance of object tracking. Particu-larly, occlusion and scale change are essential issues for more accurate ob-ject tracking. In this paper, we propose a robust multi-block model for scale change es-timation and occlusion by applying scale space filter based on Kernelized Correlation Filter (KCF). We also applied an adaptive update model through response map analysis to make each process more robust. Experi-ments on 100 dataset images show that the VOR score is improved by 8% and 18% for the scale change and occlusion, respectively, compared to the KCF tracker.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.