$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

딥러닝을 통한 움직이는 객체 검출 알고리즘 구현
Implementation of Moving Object Recognition based on Deep Learning 원문보기

반도체디스플레이기술학회지 = Journal of the semiconductor & display technology, v.17 no.2, 2018년, pp.67 - 70  

이유경 (백석문화대학교 스마트폰미디어학부) ,  이용환 (원광대학교 디지털콘텐츠공학과)

Abstract ▼ AI-Helper 아이콘AI-Helper

Object detection and tracking is an exciting and interesting research area in the field of computer vision, and its technologies have been widely used in various application systems such as surveillance, military, and augmented reality. This paper proposes and implements a novel and more robust obje...

주제어

#Object Detection and Tracking   #Object Recognition   #Moving Object   #Deep Learning   #CNN(Convolution Neural Network)  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서는 Multiple CNN(Convolution Neural Network)에서 얻은 객체 측정 여부를 통해 관심 대상 객체를 추정하고 다중 객체를 검출하는 알고리즘을 제시하고 이를 구현한다. 구현 시스템은 CNN 기반 트리를 구성하고 자동 갱신을 통해 검출 객체의 변화 이력을 추정하고 지속적인 객체 추적 여부를 검증한다.
  • 본 논문에서는 다중 CNN에서 얻어진 객체 추정 가능성을 이용하여 목표 상태를 추정하고 다중 객체의 위치를 파악하는 알고리즘을 제시하고 이를 구현하였다. 구현 시스템에서는 CNN을 기반으로 트리 구조를 유지하고, 트리 경로에 따라 자동으로 갱신한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
머신 비전은 무엇인가? 특히 컴퓨터 비전(Vision) 기반 기술을 활용하여 객체를 검출하고 추적하는 응용 분야로 증강현실 서비스가 주목받고 있으며[2], 이러한 기술은 산업현장에서도 많이 활용되고 있다. 주로 컴퓨터와 카메라를 이용해 산업 현장에서 사람의 눈을 대신하여 시각적으로 무엇인가를 인식하고 이를 응용하는 머신 비전을 특화하는 다양한 산업 기술이 발전되고 있다[3-4]. 이러한 객체 검출과 추적의 주요 활용 목적은 입력되는 영상 시퀸스(Sequence)에서 객체의 이동 흐름과 동작을 획득하여 객체에 대한 다양한 형태의 분석 처리와 정보 제공이 가능하기 때문이다[5].
SIFT의 단점은 무엇인가? SIFT는 회전과 스케일에 영향을 받지 않는 이미지 특징 추출 알고리즘이다. 이미지 매칭 및 연결 에서 많이 활용되지만 일반적으로 추출한 특징 정보와 계산 복잡도가 높다는 단점이 있다[14-15]. SURF는 SIFT를 보완한 알고리즘으로 성능이 보다 우수하고 처리시간이 빠르다[16].
Camshift 알고리즘이 객체 영역을 추출하는 방법은 무엇인가? 채도(S)와 밝기(V)를 무시하기 때문에 문제가 발생될 수 있다. Camshift는 칼라 히스토그램을 대상 모델로 활용하여 색상 확률 분포 함수를 계산하고 탐색 창의 중심점을 찾고 탐색 창의 면적을 계산하여 객체 영역을 추출한다.
질의응답 정보가 도움이 되었나요?

참고문헌 (18)

  1. Yang H., Shao L., Zheng F., Wang L. and Song Z., "Recent Advances and Trends in Visual Tracking: A Review", Neuro-computing, vol.74, no.18, pp.3823-3831, (2011). 

    상세보기

  2. Yilmaz A., Javed O. and Shah M., "Object Tracking: A Survey", ACM Computing Surveys, vol.38, no.4, (2006) 

    상세보기

  3. Marcin Kuzanski, Anna Fabijanska and Dominik Sankowski, "Machine Vision - Automation of Selected Measurement Systems", International Conference on Perspective Technologies and Methods in MEMS Design, (2008). 

  4. Wai Lee, "3D Machine Vision in IoT for Factory and Building Automation", International Symposium on Circuits and Systems, (2017). 

  5. Kloihofer W. and Kampel M., "Interest Point based Tracking", International Conference on Pattern Recognition, pp. 3549-3552, (2010). 

  6. Angela Zhou, "Cybernetics and Human-Computer Interaction: Case Studies of Modern Interface Design", International Conference on Multidisciplinary in IT and Communication Science and Applications, pp.1-6, (2016). 

  7. Kinjal A. Joshi and Darshak G. Thakore, "A Survey on Moving Object Detection and Tracking in Video Surveillance System", International Journal of Soft Computing and Engineering, vol.2, issue.3, pp.44-48, (2012). 

  8. Pawan Kumar Mishra and G. P. Saroha, "A Study on Video Surveillance System for Object Detection and Tracking", International Conference on Comuting for Sustainable Global Development, (2016). 

  9. Yue Y., Gao Y. and Zhang X., "An Improved Camshift Algorithm Based on Dynamic Background", International Conference on Information Science and Engineering, pp.1141-1144, (2009). 

  10. Leichter I., Lindenbaum M. and Rivlin E., "Meanshift Tracking with Multiple Reference Color Histograms", Computer Vision and Image Understanding, 114(3), pp.400-408, (2010). 

    상세보기 crossref

  11. Ahn H., Lee Y., Lee J. and Cho H., "Research on Target Tracking based on CamShift Approach with Feature Matching", International Conference on Convergence Technology, pp.930-931, (2015). 

  12. G. R. Bradski, "Computer vision face tracking for use in a perceptual user interface," Intel Technology Journal, 2nd Quarter, (1998). 

  13. Woori Han, Youngseop Kim, Yong-Hwan Lee, "Multi-Object Tracking based on Keypoints", Journal of the Semiconductor and Display Technology, 14(3), pp.67-72, (2015). 

  14. Lowe D. G., "Distinctive Image Features from Scale-Invariant Keypoints", International Journal of Computer Vision, 60(2), pp.91-110, (2004). 

    상세보기 crossref

  15. Yong-Hwan Lee, Je-Ho Park, Youngseop Kim, "Comparative Analysis of the Performance of SIFT and SURF", Journal of the Semiconductor and Display Technology, 12(3), pp.59-64, (2013). 

  16. Bay H., Tuytelaars T. and Van Gool L., "SURF: Speeded-Up Robust Features", International Conference on ECCV, pp.404-417, (2006). 

  17. Christian Szegedy, Wei Liu, Yangqing Jia, Pierre Sermanet, Scott Reed, Dragomir Anguelov, Dumitru Erhan, Vincent Vanhoucke and Andrew Rabinovich, "Going Deeper with Convolutions", IEEE Conference on Computer Vision and Pattern Recognition, (2014). 

  18. Joseph Redmon and Santosh Divvala, "You Only Look Once: Unified, Real-time Object Detection", Computer Vision and Pattern Recognition, pp.1-10, (2016). 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로