초록

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

Markov Random Fields(MRF) 모델은 영상 분할 및 복원 등에 주로 사용되는 확률적 영상모델이다. 본 논문에서는 MRF 모델을 3차원으로 확장하여 분할을 위한 선 필드 모델(Line Field Model)과 움직임 검출을 위한 움직임 필드 모델(Motion Field Model)을 도입하여 동영상 내에서 움직이는 물체의 형상과 움직임을 추정한다. 제안된 방법을 이용하여 한국어 수화 동작에서 손의 형상과 이동방향을 검출하였다. 그 결과 optical flow를 사용하는 방법에 비해서 이동 방향이 왜곡되는 것을 방지하여 보다 정확한 이동 방향을 검출할 수 있었다. 또한 영상 추출의 경우에 있어서도 형상의 윤곽면과 내부가 하나의 라벨(label)로 묶이기 때문에 보다 깨끗한 영상을 추출할 수 있었다.

Markov Random Fields(MRF) 모델은 영상 분할 및 복원 등에 주로 사용되는 확률적 영상모델이다. 본 논문에서는 MRF 모델을 3차원으로 확장하여 분할을 위한 선 필드 모델(Line Field Model)과 움직임 검출을 위한 움직임 필드 모델(Motion Field Model)을 도입하여 동영상 내에서 움직이는 물체의 형상과 움직임을 추정한다. 제안된 방법을 이용하여 한국어 수화 동작에서 손의 형상과 이동방향을 검출하였다. 그 결과 optical flow를 사용하는 방법에 비해서 이동 방향이 왜곡되는 것을 방지하여 보다 정확한 이동 방향을 검출할 수 있었다. 또한 영상 추출의 경우에 있어서도 형상의 윤곽면과 내부가 하나의 라벨(label)로 묶이기 때문에 보다 깨끗한 영상을 추출할 수 있었다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 본 논문에서는 동영상 내의 움직이는 물체(영역)의 움 직임 검줄과 같은 ill-posed 문제에 대해 확률론적인해 결 방법으로서 MRF 를 사용하여 optical flow 를 계산할 때 발생되는 경계면에서의 불연속 등을 해결할 수 있었다. 또한 MRF 를 3 차원으로 확장하여 두 장의 연속된 영상 필드에서 이iqueset 을 만들어 효윤적으로 움직 임 이 발생하는 영역에 대한 형상과 움직임을 추출할 수 있었다.
• 본 논문에서는 동영상 처리에 있어 이동하는 물체 또는 영역의 형상과 음직임을 동시에 추정하기 위한 방법으로 MRF 를 3 차원으로 확장한 3-DMRF 에 선 필드 모 델 (Line Field Mode!)과 움직임 필드 모델(Motion Field Model)을 적용하여 동영상 내에서 물체의 형상과 음직 임을 효율적으로 추출하기 위한 방법을 제안한다.

대상 데이터

• 실제 영상으로는 한국어 수화 동작 중 한 손으로 동 작하는 지문자 중, 匸^ 대해서 실험하였다.

이론/모형

• 특히 동영상 처리에 있어 움직임 추정의 중요성은 동영상 압축, 물체 분할, 물체 인식 등에서 잘 나타나고 있다. 또한 움직임 추정이 ill-posed 문제이므로 이를 확률적으로 해결하기 위한 방법으로 Markov Random Field(MRF) 모델을 이용한 연구3问도 진행되었다.
• 이제 optical flow 경계에 제약을 주기 위해 움직임 벡 터 필드에 선 필드 모델을 적용하여 a priori 움직임 필 드 모델을 다음과 같이 확장한다.

성능/효과

• 또한 MRF 를 3 차원으로 확장하여 두 장의 연속된 영상 필드에서 이iqueset 을 만들어 효윤적으로 움직 임 이 발생하는 영역에 대한 형상과 움직임을 추출할 수 있었다. MRF 모델을 사용하여 형상과 움직임을 추출하는 방법은 optical flow 를 사용하여 추출하는 방법에 비해 보다 정확한 이동방향과 깨끗한 형상을 추출할 수 있었다.
• 기본 실험으로 합성된 영상에 MRF 를 적용하여 영상 내의 이동 물체의 형상과 움직임을 검출하였다. [그림 이는 실험에 사용한 합성 영상(300x300)으로, [그림 4-(b)]는 [그림 4血)]에 있는 사각형 중 시간의 흐름에 따라 가장 위쪽에 위치한 사각형이 왼쪽 아래 방향으로 10 픽셀씩, 554 가운데 위치한 사각형이 오른쪽 아래 방향으로 1。픽셀 씩 이동하였으며, 아래에 위치한 사각형은 고정되어 있는 그림이다.
• 본 논문에서는 동영상 내의 움직이는 물체(영역)의 움 직임 검줄과 같은 ill-posed 문제에 대해 확률론적인해 결 방법으로서 MRF 를 사용하여 optical flow 를 계산할 때 발생되는 경계면에서의 불연속 등을 해결할 수 있었다. 또한 MRF 를 3 차원으로 확장하여 두 장의 연속된 영상 필드에서 이iqueset 을 만들어 효윤적으로 움직 임 이 발생하는 영역에 대한 형상과 움직임을 추출할 수 있었다. MRF 모델을 사용하여 형상과 움직임을 추출하는 방법은 optical flow 를 사용하여 추출하는 방법에 비해 보다 정확한 이동방향과 깨끗한 형상을 추출할 수 있었다.

후속연구

• 향후 과제로는 수화동작으로부터 추출된 세 가지 정보를 사용하여 个화들 인식하기 위한 방법이 면구되어 야 할 것이며, neighbor 시스템의 차수를 확장하지 않고 적은 차수의 neighbor 를 사용하여 형상을 추출하는 방법, 마지막으로 MRF의 계산비용을 줄이기 위한 즉 계산비용이 적게 드는 energy 최소화 함수에 대한 언구가 진행되어야 할 것이다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기