[논문]표적의 형상정보를 활용한 다중표적 추적 기법

김수진; 정영헌; 강재웅; 윤주홍

doi:10.9717/kmms.2016.19.5.890

표적의 형상정보를 활용한 다중표적 추적 기법
Multiple Target Tracking using Target Feature Information 원문보기

멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.19 no.5, 2016년, pp.890 - 900

김수진 (The 5th Research and Development Institute, Agency for Defense Development) , 정영헌 (The 5th Research and Development Institute, Agency for Defense Development) , 강재웅 (The 5th Research and Development Institute, Agency for Defense Development) , 윤주홍 (The 5th Research and Development Institute, Agency for Defense Development)

Abstract ▼ AI-Helper

This paper presents a multiple target tracking system using target feature information. In the proposed system, the state of target is defined as its kinematic as well as feature : the kinematic includes a location and a velocity; the feature contains the image correlation between a prior target and a current measurement. The feature information is used for generating the validation matrix and association probability of joint probabilistic data association (JPDA) algorithm. Through the Kalman filter, the target kinematic is updated. Then the tracking information is cycled by the track management algorithm. The system has been evaluated using the images obtained from Electro-Optics/ InfraRed (EO/IR) sensor. It is verified that the proposed system can reduce the complexity burden of JPDA process and can enhance the track maintenance rate.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 EO/IR영상센서 기반 다중표적 추적기술로 기존의 운동학 정보(KinematicInforma- tion:위치, 속도, 가속도)외 영상센서로부터 획득된 표적의 형상정보(FeatureInformation)을 활용한 다중표적 추적기술을 제안한다.여기서 표적의 형상 정보(Feature Information)는 탐지된 영상 화소 값 (imageintensity)을 이용하여 표적과 측정치의 영상유사도, 즉 2차원 상관도(2-dimensional Correla- tion)정보를 의미하며[14, 15].
본 논문에서는 기존의 거리, 속도 등의 운동학 정보(Kinematic information)와 영상센서에서 수신된 영상들로부터 획득한 표적의 특성정보를 데이터 연관기법에 활용하고자 한다.본 연구에서 고려하는 표적의 형상정보는 탐지된 영상 크기 값의(imagein- tensity)을 이용하여 표적과 측정치의 영상 유사도, 즉 2차원 상관도(2-dimensional Correlation)정보를의미한다[14, 15].
본 연구에서는 EO/IR센서로부터 입력된 영상을 기반으로 표적의 위치, 속도 및 표적의 형상 정보를 사용하여 항적 추정의 정확도 및 유지율을 향상 시키고자 하였다.
따라서 가측정치로 연관된 항적은 지속적으로 게이트 크기가 커지면서 새로운 측정치와 연관되어 오항적을 생성하거나, 진 측 정치로부터 생성된 항적과 중복항적을 생성하게 된다. 본 연구에서는 이러한 문제를 해결하기 위해, 항적 간 추정된 표적 위치 값이 아주 가까운 거리에 존재하고 각 항적에서 연관된 측정치들이 같은 경우 중복항적이라고 고려하고 중복항적 중 누적 항적(track history)이 긴 항적을 제외한 중복항적은 삭제하도록 하였다.다시 추적 관리 과정에 대해 설명하도록 한다.
본 연구에서는 표적형상정보를 활용한 다중표적 알고리즘에 대한 내용으로, 복잡도는 높지만 추적성능이 좋은 JPDA기법에 표적의 형상정보를 부가적으로 적용하여 데이터 연관기술을 설계한 내용이다. EO/IR센서로부터 획득된 영상에서 탐지과정을 통해 통한 표적의 위치 정보뿐만이 아니라 영상 분할 처리된 표적형상정보를 획득하여 JPDA기법에 적용하는 방안을 제안하였다.

가설 설정

클러터는 항적 생성 및 유지율이 떨어지게 되어 추적 성능을 열화 시킬 수 있기 때문에 클러터의 영향을 최소화하고 추적성능을 향상시키기 위해서는 데이터 연관기법이 필수적으로 소요된다. 본 연구에서는 유효측정영역 내에 위치하는 모든 측정치들은 표적으로부터 기인된 것이라 가정하고, 다중표적추적에 적용되는 JPDA기법을 고려한다. 특히, 표적의 형상정보를 데이터연관기법에 적용하여 추적의 성능을 향상시키는 기법을 제안한다.

제안 방법

내용이다. EO/IR센서로부터 획득된 영상에서 탐지과정을 통해 통한 표적의 위치 정보뿐만이 아니라 영상 분할 처리된 표적형상정보를 획득하여 JPDA기법에 적용하는 방안을 제안하였다.제안 알고리즘은 클러터와 진측정치를 구별하는 별도의 정보를 추가 제공함으로써 다중표적 추적의 항적 유지율 향상 및 복잡 도감소 효과를 보임을 확인하였다.
영상 상관도 값의 정확도를 높이기 위해 제안기술은 영상분할기법(Seg- mentation)이 적용된 영상을 활용한다.다중표적 추적과정에 형상정보를 활용하기 위해 JPDA기법의유효화 행렬 생성 과정 및 연관확률 생성과정에 표적의 형상정보를 적용하는 방안을 제안하며, 추적 필터 과정에 획득된 연관확률은 칼만게인의 가중치로 적용된다.
또한 표적과 측정치간의 거리정보와 영상의 상관도 정보가 서로 독립이라는 가정 하에 이차원 상관도 값을 정규화 하여 복합 확률의 가중치로 적용시켰다. 따라서 연관확률 연산과정에서 형상정보는 다음과 같이 적용된다.
기법이다. 시스템은 항적 초기화, 데이터 연관, 추적필터 기반 표적 위치 추정, 항적관리 과정으로 구성되며 Fig.1. 과 같다.
이때 탐지결과는 영상 좌표계의 위치 및 표적 이동속도 외 영상 분할된 표적 영상 (Segmentedimage)을 입력받는다.위치 정보를 통해 클러터와 유효 측정치를 분리한 후 (Gating), 유효측정치와 항적을 연관시키는 JPDA과정을 수행한다. 이때 JPDA의 유효화 행렬 생성 과정과 연관확률생성과정에 영상정보가 활용된다.
제안 기술은 이러한 형상정보를 JPDA의 유효화 행렬을 생성 조건 수식에 적용하며, 수식은 아래와 같다.
본 연구에서는 유효측정영역 내에 위치하는 모든 측정치들은 표적으로부터 기인된 것이라 가정하고, 다중표적추적에 적용되는 JPDA기법을 고려한다. 특히, 표적의 형상정보를 데이터연관기법에 적용하여 추적의 성능을 향상시키는 기법을 제안한다.

이론/모형

상위 행렬의 예시처럼 첫 번째 행에 존재하는 템플릿 영상에서 차량의 헤드라이트에서 밝은 부분이 존재하여 4개의 서로 다른 탐지 영상임에도 불구하고 모든 열에서 영상의 상관도가 같게 나옴을 보인다.따라서 본 연구에서는 이러한 문제를 해결하기 위해 해당영상의 이미지를 그대로 사용하지 않고, 표적탐지 시 불연속성의 에지검출에 대해서 영상의 특징이 똑같으며 서로 중복되지 않는 연결 영역으로 나누어 처리하는 방법인 영상 분할(imagesegmentation)기법을 적용하였다.본 논문에서 활용한 영상분할 방법은 Barnich가 제안한 방법과 같이[6]연속적으로 입력되는 영상에서 각 픽셀 별 변화 여부, 즉, 배경 모델의 픽셀과 입력 영상의 동 위치 픽셀 간의 밝기 차이를 계산하여 변화가 없는 픽셀 값을 이용하여 배경모델을 추정하는 방법이다.
여기서 표적의 형상 정보(Feature Information)는 탐지된 영상 화소 값 (imageintensity)을 이용하여 표적과 측정치의 영상유사도, 즉 2차원 상관도(2-dimensional Correla- tion)정보를 의미하며[14, 15].영상 상관도 값의 정확도를 높이기 위해 제안기술은 영상분할기법(Seg- mentation)이 적용된 영상을 활용한다.다중표적 추적과정에 형상정보를 활용하기 위해 JPDA기법의유효화 행렬 생성 과정 및 연관확률 생성과정에 표적의 형상정보를 적용하는 방안을 제안하며, 추적 필터 과정에 획득된 연관확률은 칼만게인의 가중치로 적용된다.

성능/효과

Fig.6의 (a)처럼 거리정보만을 이용한 경우 JPDA를 사용하게 되면 추정 항적과 가까운 거리에 존재하는 측정치 외 클러터가 연속으로 탐지되면 새로운 항적을 생성함을 확인하였다.하지만, Fig.
하지만, Fig.6의 (b)처럼 형상 정보를 사용하는 경우에는 비록 거리가 가깝다 하더라고, 형상정보에 의해 클러터는 유효화 행렬에서 할당되지 않기 때문에 항적으로 생성되지 않고, 표적만 추적을 유지함을 확인하였다.따라서 클러터가 존재하는 환경에서 형상정보를 활용한 추적시스템은 항적의 정확도도 향상 시키며, 모든 발생 가능한 사건이 줄어듦으로써 연산의 복잡도도 낮아지게 될 수 있음을 확인하였다.
따라서 본 연구는 EO/IR센서로 부터 획득한 실영상을 기반으로 다중표적 추적 수행을 확인하였으며, 형상정보 활용을 통해 복잡도 감소 및 오탐지율, 항적 유지율 향상 등을 확인함으로써, 미래 감시정찰시스템에 해당 기술이 적용 가능함을 증명해 보였다.
6의 (b)처럼 형상 정보를 사용하는 경우에는 비록 거리가 가깝다 하더라고, 형상정보에 의해 클러터는 유효화 행렬에서 할당되지 않기 때문에 항적으로 생성되지 않고, 표적만 추적을 유지함을 확인하였다.따라서 클러터가 존재하는 환경에서 형상정보를 활용한 추적시스템은 항적의 정확도도 향상 시키며, 모든 발생 가능한 사건이 줄어듦으로써 연산의 복잡도도 낮아지게 될 수 있음을 확인하였다.
따라서 뒤에 따르는 표적이 탐지되었을 때 다른 표적에 연관되지 않고, 새로운 항적을 생성함을 확인할 수 있다.따라서, 중복항적이 생성된 경우, 이 항적을 제거함으로써 진 측정치를 통해 지속적으로 항적를 유지하고, 또한 다른 측정치가 탐지되는 경우 새로운 항적을 바로 생성하여 추적성능을 개선함을 확인할 수 있다.
또한 본 연구에서 고려한 JPDA기법이 유효영역 내 모든 측정치에 대한 연관확률을 연산함으로써 항적 근처 클러터 및 진측정치로 인하여 중복트랙이 생성되는 문제가 발생함에 따라, 항적관리 알고리즘에서 중복트랙을 판단 조건을 설정하여, 중복트랙 생성 시 항적삭제를 통해 오트랙 생성 문제를 해결하였다.
하지만 형상정보 조건에 의해 유효화 행렬이 변형된 경우, 이에 따라 연관확률 획득 시 필요한 발생 가능한 사건이 6개의 이벤트로 줄어들게 된다.이로 인해 JPDA기법은 표적과 측정치 개수가 증가함에 따라 연산의 복잡도가 기하급수적으로 증가하는 단점을 가지고 있는데, 형상 정보를 통해 이러한 연산 복잡도를 줄일 수 있음을 확인하였다.
EO/IR센서로부터 획득된 영상에서 탐지과정을 통해 통한 표적의 위치 정보뿐만이 아니라 영상 분할 처리된 표적형상정보를 획득하여 JPDA기법에 적용하는 방안을 제안하였다.제안 알고리즘은 클러터와 진측정치를 구별하는 별도의 정보를 추가 제공함으로써 다중표적 추적의 항적 유지율 향상 및 복잡 도감소 효과를 보임을 확인하였다.

후속연구

추적 알고리즘은 이전 시간의 항적 정보와 현재 시간의 연관 측정치를 기반으로 현 표적의 항적을 추정해 나가는 알고리즘으로 이후 연속적 표적추적을 위하여 현 표적 추정 값을 갱신 및 삭제 등을 판단하기 위하여 항적관리 연산이 필요하다.

참고문헌 (17)

T.S. Jin and M.J. Lee, “Application and Technology of Multiple Target Tracking based on Image,“ Journal of Korea Robotics Society, Vol. 4, No. 4, pp. 47-53, 2007.
T.L. Song, “Multi-target Tracking Filters and Data Association: A Survey,” Journal of Institute of Control Robotics and Systems, Vol. 20, No. 3, pp. 313-322, 2014.

원문보기 상세보기
J.W. Kim and J.H. Kim, “Development Trends of EO/IR’,“ Korea Defense Industry Association, Defense & Technology, pp. 86-96, 2015.
S.I. Lee, J.Y. Kim, K,H. Kim and B.H. Koo, “Small Target Detection Method under Complex FLIR Imagery,“ Journal of Korea Multimedia Society, Vol.10, No. 3, pp.432-440, 2007
S. Samuel and Blackman, Multi-Target Tracking with Radar Application, Dedham, MA: Artech House, 1986.
Y.B. Sharlom and T.E. Fortmann, Tracking and Data Assocation, FL: Academic Press, Orlando, 1988.
O. Barnich and M.V. Droogenbroeck, “ViBe: A Universal Background Subtraction Algorithm for Video Sequences,” IEEE Transactions on Image Processing, Vol. 20, No. 6, pp. 1709-1724, 2011.

상세보기
D. Lerro, “Interacting Multiple Model Tracking with Target Amplitude Feature," IEEE Transactions on Aerospace and Electronic Systems, Vol. 28, No. 2, pp. 494-509, 1993.

상세보기
M. Mertens and M. Ulmke, "GMTI Tracking Using Signal Strength Information," Proceeding of IEEE 13th Conference on Information Fusion, pp. 1-8, 2010.
E.F. Brekke, O. Hallingstad, and J.H. Glattetre, "Target Tracking in Heavy-Tailed Clutter using Amplitude," Proceeding of IEEE 12 th International Conference on Information Fusion, pp. 2153-2160, 2009.
L.M. Ehrman, C. Burton, and W.D. Blair, "Using Target RCS to Aid Measurementto- Track Association in Multi-Target Tracking," Proceeding of IEEE 38 th Southeaster Symposium on System Theory, pp. 89-93, 2006.
S. Wu, Y. Tan, S. Das, C. Broaddus, and M.Y. Chiu, "Multiple-Target Tracking via Kinematics, Shape and Appearance Based Data Association," Proceeding of SPIE Signal and Data Processing of Small Targets, Vol. 7445, pp.1-10, 2009.
X. Wang, D. Musicki, R. Ellem, and F. Fletcher "Enhanced Multi-Target Tracking with Doppler Measurements," Proceeding of IEEE Information, Decision and Control, pp. 53-58, 2007.
Blackman, S. Samuel, and R. Popoli, Design and Analysis of Modern Tracking Systems, MA: Artech House, Norwood, 1999.
J.P. Lewis, Fast Normalized Cross-Correlation, http://scribblething.org (accessed Apr., 10, 2015).
J.G. Ellis, K.A. Kramer, and S.C. Stubberud, "Image Correlation Based Video Tracking," Proceeding of IEEE International Conference on Systems Engineering, pp. 132-136, 2011.
J.N. Sarvaiya, S. Patnaik, and S. Bombaywala, "Image Registration by Template Matching Using Normalized Cross Correlation," Proceeding of IEEE International Conference on Advances in Computing, Control and Telecommunication Technologies, pp. 132-136, 2009.

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증