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
- 모션 모델은 단순한 예측기이면서 단순한 시스템들 사이에서 매우 일반적인 방법이다. 과거 관측 횟수에 기초하여 다음위치를 예측하는 것을 목표로 한다
- 일반적으로 객체 추적에 관한 연구는 Motion-based recognition, automated surveillance, video indexing, humancomputer interaction, traffic monitoring, vehicle navigation 분야에서 주로 사용되고 있으며, 객체 추적의 성능과 처리 속도 향상을 위해 많은 연구가 이루어지고 있다. 본 논문에서는 객체 탐지 및 추적에 관한 전반적인 기술 동향과 기법에 대해여 기술하며, 현재 진행되고 있는 객체 탐지 기법 중, 객체 추적을 위한 특징 학습 기법과 RGB-D 영상을 통한 객체 추적 기법과 실험에 대해 소개 한다.
- 본 논문에서는 비디오 영상으로부터 동적 객체의 탐지 및 추적 기술에 관하여 최근 진행되고 있는 연구 동향을 중심으로 기술하였다. 논문의 2장에서는 객체의 탐지 및 추적에 대한 기본개념을 소개하였고, 3장에서는 객체 추적에 관한 기존의 연구와 최근 연구 동향에 관하여 기술하였다.
- al의 연구[7]에서는 딥 러닝(Deep Learning) 알고리즘 중 하나인 CNN(Convolutional Neural Netwrok)를 이용해 실시간으로 영상에서 객체를 추적 하고자 하였다. 본 연구에서는 두 개의 레이어로 구성된 객체의 외부 특징 정보를 포함시켜 계층적 깊은 특징 학습(deep feature learning)을 수행하였다. 그리고 추적하고자 하는 객체를 사전에 훈련시켜 특정한 도메인에서 실시간 추적이 가능하게 하였다.
- 블록 정합은 획득한 비디오 시퀀스의 두 프레임 사이의 움직임을 검출하는 것을 목적으로 한다. PISC (Peripheral Increment Sign Correlation)는 영상을 기반으로 만들어진 현재 프레임의 블록과 이전 프레임의 블록 들을 비교하여 가장 유사한 블록을 찾는 과정을 통해서 관심 이동 객체를 추적하는 방법이다[2].
- 비디오 영상으로부터의 객체 검출 및 추적에 관한 최근 연구는 과거의 연구에 비하여 다양한 정보(컬러 및 깊이 정보 등)를 모두 활용하여 강인한 객체 탐지 및 추적 알고리듬을 개발하고자 하였으며, 최근 인공지능의 발전과 더불어 딥 러닝 등 인공지능 기법의 활용이 부각되는 전개 상황을 관측할 수 있었다. 따라서 향후의 해당 분야의 연구는 이러한 연구기조 하에 빅 데이터 및 지능 정보기술이 결합되고 다양한 영상정보를 효과적으로 활용할 수 있는 방향으로 발전할 것으로 예측된다
※ AI-Helper는 부적절한 답변을 할 수 있습니다.