$\require{mediawiki-texvc}$

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.

객체 추적을 위한 특징점 검출기의 설계 및 구현
Design and Implementation of Feature Detector for Object Tracking 원문보기

전기전자학회논문지 = Journal of IKEEE, v.23 no.1, 2019년, pp.207 - 213  

이두현 (School of Electronics and Information Engineering, Korea Aerospace University) ,  김현 (School of Electronics and Information Engineering, Korea Aerospace University) ,  조재찬 (School of Electronics and Information Engineering, Korea Aerospace University) ,  정윤호 (School of Electronics and Information Engineering, Korea Aerospace University)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 객체 추적을 위한 간소화된 특징점 검출 알고리즘을 제안하고, 이의 실시간 처리를 위한 하드웨어 구조 설계 및 구현 결과를 제시한다. 기존 Shi-Tomasi 알고리즘은 객체 추적 응용에서 우수한 성능을 보이지만, 연산 복잡도가 큰 문제가 존재한다. 따라서, 기존 알고리즘에 비해 연산 복잡도를 간소화시키면서 유사한 성능 지원이 가능한 효율적인 특징점 검출 알고리즘을 제안하고, 하드웨어 설계 및 구현 결과를 제시한다. 제안된 특징점 검출기는 FPGA 기반 구현 결과, 1,307개의 logic slices, 5개의 DSP 48s, 86.91Kbit의 메모리로 구현 가능함을 확인하였으며, 114MHz의 동작 주파수로 $1920{\times}1080FHD$급 영상에 대해 54fps의 실시간 처리가 가능하다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this paper, we propose a low-complexity feature detection algorithm for object tracking and present hardware architecture design and implementation results for real-time processing. The existing Shi-Tomasi algorithm shows good performance in object tracking applications, but has a high computatio...

주제어

#computer vision   #feature detection   #FPGA   #object tracking   #Shi-Tomasi  

표/그림 (9)

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서는 객체 추적을 위한 특징점 검출기를 제안하고, 이의 하드웨어 구조 설계 결과를 제시하였다. 제안된 특징점 검출기는 Shi-Tomasi 알 고리즘을 간소화하여, 성능은 유사하면서 복잡도 및 연산 시간은 감소된 효율적인 구조를 갖는다.
  • 이에 본 논문에서는, 객체 추적에서 우수한 성능을 보이는 Shi-Tomasi 알고리즘과 성능은 유사하면서 복잡도는 간소화한 알고리즘을 제안하며, 이의 실시간 처리를 위한 하드웨어 구조 설계 및 구현 결과를 제시한다. 본 논문의 구성은 다음과 같다.

가설 설정

  • 객체 추적 결과가 좋은 특징점만 검출하기 위해서는 추적하기 힘든 후보군을 배제하는 선별 단계가 필요하다. 특징점들이 서로 가까이 있게 되면 객체 추적 과정에서 서로 영향을 미치기 때문에, 앞서 계산한 고윳값을 내림차순으로 정렬하고 값이 큰 지점만 특징점으로 유지한다. 이 중에서 일정 거리 내의 후보군은 제외하는 선별 과정을 적용한 후 최종 특징점을 출력한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
객체 추적 알고 리즘은 무엇인가? 영상 처리 기술에는 활용하고자 하는 목적에 따라 화질 개선 알고리즘, 물체 검출 알고리즘, 추적 알고리즘 등 다양한 알고리즘이 존재한다. 그중 객체 추적 알고 리즘은 영상 내 물체의 움직임을 궤적 정보로 나내는 영상 처리 기술로, 감시 카메라나 드론 비행 안정화, 차량용 ADAS 등 다양한 응용에서 활용된 다[4], [5]. 대부분의 객체 추적 알고리즘이 적용되는 드론 비행 안정화 및 차량용 ADAS 응용 분야에서는 탑 재 중량 및 전력 소모와 같은 제한된 재원이 존재 하며, 안전을 위한 실시간 처리 기능이 필수적으로 요구된다.
객체 추적 알고리즘의 처리시간이 긴 단점을 극복하기 위하여 어떤 조치를 취해야하는가? 하지만 객체 추적 알고리즘은 영상 내에 서의 특징점을 추출 및 선별하는 알고리즘과 선별 된 특징점들의 이동거리를 연산하여 추적하는 알 고리즘 등 다수의 복잡한 알고리즘들이 결합되므 로, 많은 처리 시간이 소요된다. 이에 실시간 처리 가 요구되는 응용에 활용하려면, 처리 시간을 단축 하기 위해 구성되는 알고리즘 일부를 하드웨어로 구현하여 가속화할 필요성이 있다. 특히 특징점 검출 알고리즘은 영상 내 모든 픽셀 정보를 분석하여야 하므로 많은 처리 시간이 소요되기 때문에, 하 드웨어로 구현할 경우 전체 시스템의 수행 시간 여유를 크게 확보할 수 있다.
영상 처리 기술을 활용 목적에 따라 어떻게 분류할 수 있는가?? 최근 영상을 이용하여 정보 획득, 식별, 추적 등 을 수행하는 영상 처리 기술은 의료, 생체 인식, 군사, 그리고 공장 자동화 등 여러 분야에서 활용되며 많은 연구가 진행되고 있다[1]-[3]. 영상 처리 기술에는 활용하고자 하는 목적에 따라 화질 개선 알고리즘, 물체 검출 알고리즘, 추적 알고리즘 등 다양한 알고리즘이 존재한다. 그중 객체 추적 알고 리즘은 영상 내 물체의 움직임을 궤적 정보로 나내는 영상 처리 기술로, 감시 카메라나 드론 비행 안정화, 차량용 ADAS 등 다양한 응용에서 활용된 다[4], [5].
질의응답 정보가 도움이 되었나요?

참고문헌 (15)

  1. G. Velez, O. Otaegui, "Embedding vision-based advanced driver assistance systems: a survey," IET Intelligent Transport Systems, vol. 11, no. 3, pp. 103-112, 2017. DOI: 10.1049/iet-its.2016.0026 

    상세보기 crossref

  2. A. Ferrick, J. Fish, E. Venator, G. S. Lee, "UAV Obstacle avoidance using image processing techniques," 2012 IEEE International Conference on Technologies for Practical Robot Applications, pp. 73-78, 2012. DOI: 10.1109/TePRA.2012.6215657 

  3. J. Lee, "Implementation of pedestrian recognition based on HOG using ROI for real time processing," Journal of IKEEE, vol. 18, no. 4, pp. 581-585, 2014. DOI: 10.7471/ikeee.2014.18.4.581 

    원문보기 상세보기 crossref

  4. A. Smeulders, D. Chu et. al, "Visual tracking: an experimental survey," IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 36, no. 7, pp. 1442-1468, 2014. 

    상세보기 crossref

  5. S. Kim, H. Kim, and S. Ko, "A vehicle detection and tracking algorithm for supervision of illegal parking," Journal of IKEEE, vol. 13, no. 2, pp. 232-240, 2009. DOI: 10.1109/TPAMI.2013.230 

  6. S. Smith and J. Bardy, "SUSAN-A new approach to low-level image processing," International Journal of Computer Vision, vol. 23, pp. 45-48, 1997. DOI: 10.1023/A:1007963824710 

    crossref

  7. D. G. Lowe, "Distinctive image features from scales-invariant key points," International Journal of Computer Vision, vol. 60, no. 2, pp. 91-110, 2004. DOI: 10.1023/B:VISI.0000029664.99615.94 

    상세보기 crossref

  8. C. Harris and M. Stephens, "A combined corner and edge detector," Proceedings of the fourth alvey vision conference, pp. 147-151, 1988. DOI: 10.1.1.231.1604 

  9. W. Jang, S. O and G. Kim, "A hardware implementation of pyramidal KLT feature tracker for driving assistance systems," IEEE Conference on Intelligent Transportation Systems, pp. 220-225, 2009. DOI: 10.1109/ITSC.2009.5309680 

  10. T. Cho and K. Wong, "An efficient FPGA implementation of the Harris corner feature detector," 2015 IAPR International Conference of Machine Vision Application, 2015. DOI: 10.1109/MVA.2015.7153140 

  11. J. Shi and C. Tomasi, "Good features to track," IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 1994. DOI: 10.1109/CVPR.1994.323794 

  12. http://cvlab.hanyang.ac.kr/tracker_benchmark/benchmark_v10.html 

  13. T. Dinh et. al, "High throughput FPGA architecture for corner detection in traffic images," 2014 IEEE Fifth ICCE, pp. 297-302, 2014. DOI: 10.1109/CCE.2014.6916718 

  14. F. Brenot, P. Fillatreau and J. Piat, "FPGA based accelerator for visual features detection," 2015 IEEE International Workshop of CMSM, 2015. DOI: 10.1109/ECMSM.2015.7208697 

  15. A. Aguilar-Gonzalez, M. Arias-Estrada and F. Berry, "Robust feature extraction algorithm suitable for real-time embedded applications," Journal of Real-Time Image Processing, vol. 14, no. 3, pp. 647-665, 2018. DOI: 10.1007/s11554-017-0701-8 

    상세보기 crossref

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
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