선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 그러나 추적 대상이 다양한 형태를 가질 경우 배경과 대상의 구분이 난해하기 때문에, 색상변화를 알아내기란 쉽지 않다. 본 논문에서는 개선된 Mean Shift 알고리즘을 통해 이문제를 해결하고자 한다.
- 본 논문에서는 기존의 색상 기반 객체추적 알고리즘이 해결하지 못한 큰 색상의 변화를 가지는 객체의 추적 방법을 제안하고자 한다. 본 논문은 다음과 같이 구성되어 있다.
- 본 논문은 기존의 색상 기반 Mean Shift 알고리즘을 이용한 문제점 중 하나인 큰 색상변화를 보이는 객체추적 알고리즘을 제안하였다. 제안한 알고리즘은 Mean Shift 알고리즘을 수정하여 객체추적을 수행하면서 추적 객체의 색상변화도를 측정한다.
- 추적대상의 색상변화도를 감지하고 이를 반영함으로써 기존의 색상 기반 알고리즘이 가진 문제점을 해결하였다. 이를 입증하기 위해 본 논문에서는 간단한 배경과 복잡한 배경에서 실험객체와 실세계의 객체를 대상으로 실험하였다. 모든 실험객체는 위치이동과 동시에 색상변화를 동시에 가진다.
가설 설정
- 밀도는 원의 내부에 속하는 점들의 개수로 대신할 수 있다. 검색 결과 그림 2-(a)의 B 위치가 가장 높은 밀도 위치로 검색되었다면, 현재 그림 l-(a) A의 위치의 밀도 값과 B의 값을 비교해서 B가 더 높을 경우 위치를 이동하게 된다. 이동하는 방향과 거리는 A와 B간의 밀도 차이를 이용해 계산하게 된다.
- Ⅱ. Ⅱ는 유클리드 공간의 Norm, c는 상수값, h는 window radius로 가정한다.
- 본 논문에서는 커 널 함수로 Comanicu가 제안한 방법에 따라, 확률밀도함수를 부드럽게 하는 방사대칭 커널을 사용한다[151 d개의 차원을 가지는 다차원공간 诸 안에서 n개의 {, 아-L , , 집합이 있다고 가정한다면, X의 밀도는 아래의 수식으로 계산할 수 있다. 단, K는 커널함수를 나타낸다.
- 그림 1의 (a)와 (b)에 표시된 동그란 작은 점들은 해당 점의 위치에서 일어난 사건을 나타낸다. 표시된 모든 점은 서로 독립으로 가정한다. 만약 사건이 일어날 확률이 가장 높은 위치를 알고 싶을 경우 우리는 Mean Shift 알고리즘을 활용할 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.