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
- 여기서, 입력 영상의 모든 픽셀 정보를 구하면 연산량이 크게 증가하는 문제를 갖고 있다. 따라서 이러한 문제점을 해결하기 위해 이동물체 영역 주변에 관심영역을 지정하고, 관심영역 내에서만 픽셀 이동량을 계산함으로써 전체적인 연산량을 줄여 실시간 검출이 가능하도록 한다. 다음 그림 5는 optical flow 기법을 통해 이전 이동물체 특징점 추출과 현 이동물체의 특징점 추출결과에 대해 두 영상을 매칭한 결과를 도시한 그림이다.
- 원인은 겹쳐진 물체의 위치를 갱신하지 못하기 때문이다. 따라서, 본 논문에서는 이와 같은 문제점을 해결하기 위한 방법을 제안한다.
- 따라서, 본 연구에서는 상기 문제점을 보완하고 이동물체의 식별 및 추적 기술의 향상을 위한 시스템을 제안한다. 제안된 시스템은 크게 3 부분으로 나뉘어 진다: 이동물체 추출 (object detection), 이동물체 식별(object recognition), 그리고, 이동물체추적 (object tracking).
- 본 논문에서 제안한 Optical flow와 EMD 알고리즘을 이용한 다수의 이동물체 식별과 Kalman 필터를 이용한 추적 알고리즘은 이동물체의 식별 및 추적 기술의 향상을 위해 개발되었으며, 영상에서의 이동물체 영역의 식별과 다수의 이동물체 영역이 겹쳐질 경우에 대하여 실험하였다. 실험 환경은 i5-2500 3.
- 본 논문에서는 optical flow와 EMD 알고리즘을 이용한 다수의 이동물체 식별과 Kalman 필터를 이용한 추적 알고리즘을 제안하였다. 제안한 시스템은 고정된 카메라에 입력된 영상에서 추출된 이동물체의 인식을 위해 라벨링 기법을 이용하였으며, 인식된 이동물체의 식별을 위해 optical Flow 알고리즘과 이동물체의 색상 기반 히스토그램 정보를 EMD 알고리즘에 적용하는 방법을 제안하였다.
- 여기서, 특징점에 대해 색상정보를 분석하기에 앞서 이동물체로부터 추출된 가장 의미 있는 특징점을 선정한다. 본 논문에서는 이동물체의 강인한 식별을 위해서는 여러 실험을 통해 최소 3개 이상의 특징점이 필요하다고 판단하였다. 또한 매칭된 모든 특징점 영역에 대해 매 프레임마다 색상정보를 분석하게 되면 이동물체 영역의 식별 성능은 향상되지만, 연산량이 매우 많아지는 문제점이 있다.
가설 설정
- 이때, 식별되지 못한 이동물체 영역의 위치를 추정하기 위한 방법 #로부터 현재 하나로 식별된 이동물체 영역의 위치 으로 #의 위치가와의 이동 거리 정보를 이용한다. 본 연구에서는 #도 동일하게 이동한다고 가정하였으며, 이이동하는 거리만큼 #가정은 이동물체 영역이 다시 분리될 때까지 지속된다. 그 다음 이동물체 영역이 분리 되었을 때 분리된 두 영역은 다시 식별된 #와의 관계는 식 19다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.