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
- 지능형 보안감시 분야의 경우 이와 같은 배경 분리를 통해 추출된 전경 객체들을 인식이나 추적, 행동 분석 등을 위한 기본 데이터로 사용하는데, 추출되는 영역의 정확도가 전체 시스템의 성능에 크게 영향을 미친다. 본 논문에서는 동영상에서 움직이는 객체를 추출하기 위한 배경 제거(background subtraction) 방법에 대해 논하고자 한다.
- 또한, 샘플링 기반 접근법으로, Wang 등은 이전 화소의 값들을 큐에 저장하고 현재 프레임의 화소 값과의 “의견 일치(cosensus)” 정도를 측정하여 전경 객체를 추출하는 방법을 소개하였으며[10], Barnich 등은 무작위로 샘플 큐 내의 샘플의 제거하는 방법을 제안하였다[11]. 연구 결과 이러한 샘플링 기반 접근이 처리 속도가 빠르고 알고리즘의 안정성이 높은 것으로 나타났는데, 따라서 본 논문에서는 샘플링 기반의 새로운 배경제거 알고리즘을 제안한다.
- 캐쉬의 크기가 너무 작으면 너무 짧은 시간에 대한 기록만이 배경 모델에 반영되므로 천천히 움직이는 객체에 대한 처리가 매우 어려위지는 단점이 있다. 본 논문에서는 SACON에서와 같이 샘플 기반의 알고리즘을 제안하는데, 특히 다중 구간 샘플링과 신뢰도를 바탕으로 한 다중 구간 모델의 병합 방법을 제시하여 움직임이 빠르고 느린 객체가 혼재하는 환경에서도 안정적으로 추출이 가능하도록 하는 것을 목표로 하였다.
- 본 논문에서는 이를 위한 보다 체계적인 해결책을 제안하는데, 배경 모델의 신뢰도 값을 이용하여 다중 구간의 배경 모델 정보를 통합하는 것이 핵심이다. K가지 길이의 구간에서 배경모델을 생성했다고 가정하면, 하나의 화소에 대해 K 가지의 배경 모델이 생성되며, 각 모델에 대해서 대표 화소 값과 배경 신뢰도가 구해진다.
- 본 논문에서는 샘플링 기반의 새로운 배경제거 알고리즘을 소개하였다. 제안된 방법은 화소의 배경 모델로 확률 밀도함수를 사용하지 않고 이전 프레임에서 샘플링 된 화소 값을 사용하는데, 특히 샘플링 구간의 길이가 다른 다중 구간 모델을 지원할 수 있도록 하였으며, 신뢰도를 바탕으로 하여 다중 구간 모델에서 최적의 모델을 찾아 전경 객체 추출에 적용함으로써 움직임이 빠른 객체와 느린 객체에 모두 안정적으로 동작할 수 있도록 하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.