[논문]커널상관필터를 이용한 소형무인기 추적

선선구; 이의혁

doi:10.7236/jiibc.2020.20.1.27

초록
AI-Helper

최근 영상 센서를 이용한 물체 탐지 및 추적 기술은 많은 응용분야에서 그 사용이 널리 확대되고 있다. 민수 산업 분야에서 로보틱스, 비디오 감시정찰 및 차량 네비게이션 분야와 같은 영역으로 널리 확대되고 있는 추세이다. 특히, 드론의 사용이 널리 확대되고 있는 현 상황에서 공항, 원자력 발전소 및 중요시설에서는 불법적으로 운용되고 있는 소형무인기를 탐지 및 추적하여 격추시키는 시스템 개발이 매우 중요하다. 최근 영상센서를 활용한 물체 추적 방법으로 이목을 끌고 있는 방법이 학습에 기반을 둔 KCF 방법이다. 그러나 이 방법은 추적 기간이 길어지면 추적 과정에서 표적의 드리프트가 발생하는 문제점이 있다. 비디오 감시정찰 분야에서 표적의 드리프트 문제를 줄이기 위해 우리는 KCF와 적응 임계치설정 및 칼만필터를 적용하여 표적 드리프트 문제를 줄일 수 있는 방법을 제안하였다. 실험을 통해서 실제 무인비행체가 운용되는 실제 환경에서 획득된 흑백 비디오 영상에 제안한 방법과 기존의 KCF 알고리즘을 비교하여 제안한 방법의 우수성을 입증하였다.

Abstract ▼ AI-Helper

Recently, visual object detection and tracking has become a vital role in many different applications. It spans various applications like robotics, video surveillance, and intelligent vehicle navigation. Especially, in current situation where the use of UAVs is expanding widely, detection and tracki...

Recently, visual object detection and tracking has become a vital role in many different applications. It spans various applications like robotics, video surveillance, and intelligent vehicle navigation. Especially, in current situation where the use of UAVs is expanding widely, detection and tracking to soot down illegal UAVs flying over the sky at airports, nuclear power plants and core facilities is becoming a very important task. The remarkable method in object tracking is correlation filter based tracker like KCF (Kernelized Correlation Filter). But it has problems related to target drift in tracking process for long-term tracking. To mitigate the target drift problem in video surveillance application, we propose a tracking method which uses KCF, adaptive thresholding and Kalman filter. In the experiment, the proposed method was verified by using monochrome video sequences which were obtained in the operational environment of UAV.

주제어

표/그림 (8)

그림 그림 1. KCF 추적기를 적용했을 경우 표적 드리프트의 예 Fig. 1. Target drift in case of applying KCF tracker
그림 그림 2. KCF 추적기 개략적인 블럭도 Fig. 2. Simple block diagram of KCF tracker
그림 그림 3. 원거리에서 획득된 UAV 표적 영상의 예 Fig. 3. Sample image for UAV at long distance
그림 그림 4. 제안한 표적추적알고리즘의 순서도 Fig. 4. Flowchart of the proposed target tracking algorithm
그림 그림 5. 제안한 방법의 추적 결과 ( set 1 : 660 번째 프레임) Fig. 5. Tracking result of proposed method ( set 1 : 660^th)
표 표 1. 실험 영상 기술 Table 1. Discription of the experimental images
그림 그림 6. 제안한 방법과 KCF의 추적오차 : (a) set 1, (b) set 2 Fig. 6. Tracking error of the proposed and KCF : (a) set 1, (b) set 2
표 표 2. 평균 추적오차 비교 Table 2. Comparison of average tracking errors

AI 본문요약
AI-Helper

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

문제 정의

이 논문에서는 드리프트 문제를 해결하기 위해 KCF 필터 응답이 특정 값보다 작을 경우 영상패치 부분에 적응 임계치설정법을 적용하여 이 문제를 해결하고자 한다.
이 논문에서는 소형무인기 (드론)의 사용이 날로 증가하면서 대두되는 상황에서 불법적인 소형무인기 대응체계에 필수적으로 요구되는 소형무인기 영상추적 알고리즘을 제안하였다. KCF 추적기를 바탕으로 KCF 추적기의 약점으로 알려져 있는 장시간 추적 (long term tracking)에서 발생하는 표적 드리프트 현상을 최소화하는 방법을 제안하였다.

가설 설정

무인기대응체계에 장착된 카메라를 이용하여 영상을 획득하였다. 입력 영상의 첫 번째 프레임에서 표적의 위치는 레이다 센서에 의해 탐지되거나 수동으로 표적의 위치를 지정해주는 것으로 가정하였다. 학습은 첫 번째 프레임의 초기 표적 위치를 기반으로 학습을 시작한다.
제안하는 표적추적 방법은 표적탐지가 이루어져서 표적의 위치가 알려져 있다고 가정하였다. 실제로는 레이더 센서가 탐지장치로 사용이 된다.

제안 방법

이 논문에서는 소형무인기 (드론)의 사용이 날로 증가하면서 대두되는 상황에서 불법적인 소형무인기 대응체계에 필수적으로 요구되는 소형무인기 영상추적 알고리즘을 제안하였다. KCF 추적기를 바탕으로 KCF 추적기의 약점으로 알려져 있는 장시간 추적 (long term tracking)에서 발생하는 표적 드리프트 현상을 최소화하는 방법을 제안하였다. 제안한 방법과 KCF 추적기를 실제 영상을 사용하여 비교하고, 제안방법의 유효성을 입증하였다.
연속 프레임 에서는 인터폴레이션 인자와 식 (9), (10)을 사용하여 학습 샘플과 리그레션 가중치를 연속적으로 갱신한다. 각 프레임에서 영상 패치에 대해 HOG 특징을 사용하였다.
객관적으로 추적 성능을 평가하기 위해 각각의 영상에서 표적의 실제 위치를 에워싼 사각형으로 표시하였다. 이 사각형의 중심을 ground truth 표적 중심 (Xc, Yc)로 정하고, 추적 알고리즘에 의한 추적결과를 (X r, Y r)로 정의하였다.
제안한 방법과 KCF 추적기를 실제 영상을 사용하여 비교하고, 제안방법의 유효성을 입증하였다. 제안한 추적방법은 최근 관심이 증가하고 있는 무인기 대응체계, 무인기를 활용한 감시정찰 체계의 영상 추적 알고리즘으로 활용 가능하다.
실제 환경에서 획득한 영상에 KCF를 적용할 경우 표적 드리프트가 빈번히 발생한다. 제안한 표적추적방법에서는 KCF와 적응 임계치설정^[6]및 칼만필터^[7]를 적용하여 드리프트 문제를 해소하고자 한다.
X 축은 프레임 번호를 나타내고 Y축은 식 (15)로 계산 된 추적오차를 나타내고 있다. 파란색실선은 제안한 추적 방법이며 빨간색 점선은 KCF을 이용한 추적 방법이다. Set 1에서 KCF의 경우 120 번째 프레임 근방에서의 추적 오차가 이미 50 픽셀을 넘어섰다.

대상 데이터

무인기대응체계에 장착된 카메라를 이용하여 영상을 획득하였다. 입력 영상의 첫 번째 프레임에서 표적의 위치는 레이다 센서에 의해 탐지되거나 수동으로 표적의 위치를 지정해주는 것으로 가정하였다.
실제 운용환경에서 획득된 4 개의 영상 시퀀스를 사용하여 제안한 방법을 실험하였다. 카메라와 약 1∼1.

데이터처리

이 사각형의 중심을 ground truth 표적 중심 (Xc, Yc)로 정하고, 추적 알고리즘에 의한 추적결과를 (X r, Y r)로 정의하였다. 각 영상 프레임에서의 추적오차 e (i )를 식 (17)과 같이 정의하고, 식(18)를 이용하여 평균 추적오차 Pe를 비교하였다.

이론/모형

(j) KCF 혹은 적응 임계치설정의 결과가 신뢰할 수준인지를 판단하기 위해 선형 움직임 모델을 사용한 칼만필터를 사용한다. 그림 4에서 Pdist는 이전 프레임에서의 표적의 위치와 현재 프레임에서 KCF 혹은 적응 임계치 설정에 의해 정해진 표적 추적결과와의 거리를 나타낸다.
제안하는 추적방법은 KCF 알고리즘에 기반을 둔다. 무인기대응체계의 적용분야에서 입력되는 비디오의 길이가 매우 길고, 영상의 입력 프레임 수는 초 당 약 100 프레임 수준이다.
P_dist가 T_d 보다 작으면 표적추적 결과를 신뢰하고 P_dist가 T_d보다 크거나 같으면 칼만필터에 의한 예측 결과를 현재 프레임의 표적 위치로 출력한다. 표적의 움직임 모델은 등속모델을 사용하였다. 표적의 상태 방정식과 측정방정식은 식 (11), (12)와 같다.

성능/효과

KCF 추적기를 바탕으로 KCF 추적기의 약점으로 알려져 있는 장시간 추적 (long term tracking)에서 발생하는 표적 드리프트 현상을 최소화하는 방법을 제안하였다. 제안한 방법과 KCF 추적기를 실제 영상을 사용하여 비교하고, 제안방법의 유효성을 입증하였다. 제안한 추적방법은 최근 관심이 증가하고 있는 무인기 대응체계, 무인기를 활용한 감시정찰 체계의 영상 추적 알고리즘으로 활용 가능하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	무인기대응체계는 무엇인가?	이 불법적인 무인기를 자동으로 탐지 및 추적하여 격추시키는 시스템을 무인기대응체계 (CUAV :Counter-Unmanned Aerial Vehicle System) 라고 한다. 이 시스템에서는 UAV를 탐지하기 위해서는 주로 레이더 센서가 사용되고 표적을 추적하기 위해서는 영상센서가 사용된다 [1, 2, 3] .
	무인기대응체계에서 UAV를 탐지하기 위해 무엇이 사용되는가?	이 불법적인 무인기를 자동으로 탐지 및 추적하여 격추시키는 시스템을 무인기대응체계 (CUAV :Counter-Unmanned Aerial Vehicle System) 라고 한다. 이 시스템에서는 UAV를 탐지하기 위해서는 주로 레이더 센서가 사용되고 표적을 추적하기 위해서는 영상센서가 사용된다 [1, 2, 3] . 최근 컴퓨터비젼 기술을 활용한 물체추적 분야에서 괄목할만한 진전을 보이고 있는 방법이 KCF (Kernelized Correlation Filter)와 같은 상관 필터 기반의 물체 추적기이다 [4, 5] .
	무인기대응체계에서 표적을 추적하기 위해서 무엇이 사용되는가?	이 불법적인 무인기를 자동으로 탐지 및 추적하여 격추시키는 시스템을 무인기대응체계 (CUAV :Counter-Unmanned Aerial Vehicle System) 라고 한다. 이 시스템에서는 UAV를 탐지하기 위해서는 주로 레이더 센서가 사용되고 표적을 추적하기 위해서는 영상센서가 사용된다 [1, 2, 3] . 최근 컴퓨터비젼 기술을 활용한 물체추적 분야에서 괄목할만한 진전을 보이고 있는 방법이 KCF (Kernelized Correlation Filter)와 같은 상관 필터 기반의 물체 추적기이다 [4, 5] .

참고문헌 (9)

K. B. Kang, I. O. Choi, J. H. Choi, S. G. Sun, J. S. Lee, B. L. Cho, S. H, Park, K. T. Kim "Analysis of micro-motion characteristics caused by maneuvering a small unmanned aerial vehicle acquired from X-band radar", The Journal of Korean Institute of Electromagnetic Engineering and Science, Vol. 30 No. 7, pp. 573-582, 2019. DOI:http://doi.org/10.5515/KJKIEES.2019.30.7.573.

상세보기
S. G. Sun, B. L. Cho "Background motion compensation using homography estimation and tracking small targets in dynamic image sequences", Journal of KIIT, Vol. 14, No. 2, pp. 21-27, 2016. DOI : http://doi.org/10.14801/jkiit.2016.14.2.21.

상세보기
Y. G. Jung, S. G. Sun, E. H. Lee, Y. K Joo, T. Kim, Y. C. Lee, "Small/Fast Moving Target Tracking base on Correlation Filter in Clutter Environment", The Journal of The Institute of Internet, Broadcasting and Communication (JIIBC), Vol. 19, No. 4, pp. 93-98, 2019. DOI: https://doi.org/10.7236/JIIBC.2019.19.4.93.

원문보기 상세보기
J. F. Henriques, R. Caseiro, P. Martins, J. Batista, "High-speed tracking with kernelized correlation filters", IEEE Transactions on Pattern Analysis & Machine Intelligence, Vol. 37 No. 3, pp. 583-596, 2014. DOI: https://doi.org/10.1109/TPAMI.2014.2345390.

상세보기
C. Ma, X. Yang, C. Zhang, M. H. Yang, "Long-term correlation tracking", Proc. IEEE, Computer Vision and Pattern Recognition, pp. 5388-5396, 2015. DOI: https://doi.org/10.1109/CVPR.2015.7299177
D. Bradley, G. Roth, "Adaptive thresholding using the integral image", Journal of Graphics Tools, Vol. 2, pp. 13-21, 2007. DOI: https://doi.org/10.1080/2151237X.2007.10129236.
R. Faragher, "Understanding the basis of the Kalman filter via a simple and intuitive derivation", IEEE Signal Processing Magazine Vol. 9, pp. 128-132, 2012. DOI: https://doi.org/10.1109/MSP.2012.2203621.

상세보기
N. Dalal, B. Triggs, "Histograms of oriented gradients for human detection", Proc. IEEE, Computer Vision and Pattern Recognition, pp. 1-8, 2005. DOI: https://doi.org/10.1109/CVPR.2005.177.
Jain, A. K. Fudamentals of digital image processing, Prentice Hall, 1986. DOI: https://doi.org/10.1002/9780470689776.

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

커널상관필터를 이용한 소형무인기 추적
Small UAV tracking using Kernelized Correlation Filter 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (8)

표/그림 (8)

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

질의응답

참고문헌 (9)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

커널상관필터를 이용한 소형무인기 추적 Small UAV tracking using Kernelized Correlation Filter 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (8) 모든 표/그림 보기

표/그림 (8) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

질의응답

참고문헌 (9)

이 논문을 인용한 문헌

저자의 다른 논문 :

선선구 (19) 이의혁 (7)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

커널상관필터를 이용한 소형무인기 추적
Small UAV tracking using Kernelized Correlation Filter 원문보기

초록
AI-Helper

표/그림 (8)

표/그림 (8)

AI 본문요약
AI-Helper