초록

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

본 논문에서는 복잡 배경을 포함한 비디오 영상에서 객체 변형 및 겹침에 강건한 칸투어 추적 방법을 제안한다. 복잡 배경에서의 칸투어 추출 문제를 해결하기 위해 텍스처 분석과 노이즈 필터링 과정을 거치며, 보다 객체 원형에 가까운 칸투어 추출을 위해 각 칸투어 포인터 간 최소 경로 측정 알고리즘을 적용한다. 객체 추적 방법에 있어서 추출된 칸투어 정보는 연속된 프레임 상에서 객체 움직임이 발생했을 때 추적 위치를 판별하기 위한 모션 벡터로 사용되며, 시점에 따라 형태가 변하는 상황을 포함한 팬, 틸트, 줌에도 안정적 추적이 가능하게 하기 위해, 폐곡선을 이루는 각 칸투어 포인터들의 움직임 벡터와 칸투어내 면적의 변화에서 측정되는 이동도 측정을 통하여 객체 위치 추적을 가능하게 하였다. 또한 매 추적 과정을 진행함에 있어서 다른 객체의 겹침 및 모양변형 발생여부 검사과정을 통하여, 안정적인 추적이 가능하게 하였다. 본 논문에서 제안한 방법의 성능을 검증하기 위해 다양한 배경을 갖는 복잡 배경에 존재하는 비정형 객체를 대상으로 실험하였고, 제안된 방법이 효율적임을 확인할 수 있었다.

본 논문에서는 복잡 배경을 포함한 비디오 영상에서 객체 변형 및 겹침에 강건한 칸투어 추적 방법을 제안한다. 복잡 배경에서의 칸투어 추출 문제를 해결하기 위해 텍스처 분석과 노이즈 필터링 과정을 거치며, 보다 객체 원형에 가까운 칸투어 추출을 위해 각 칸투어 포인터 간 최소 경로 측정 알고리즘을 적용한다. 객체 추적 방법에 있어서 추출된 칸투어 정보는 연속된 프레임 상에서 객체 움직임이 발생했을 때 추적 위치를 판별하기 위한 모션 벡터로 사용되며, 시점에 따라 형태가 변하는 상황을 포함한 팬, 틸트, 줌에도 안정적 추적이 가능하게 하기 위해, 폐곡선을 이루는 각 칸투어 포인터들의 움직임 벡터와 칸투어내 면적의 변화에서 측정되는 이동도 측정을 통하여 객체 위치 추적을 가능하게 하였다. 또한 매 추적 과정을 진행함에 있어서 다른 객체의 겹침 및 모양변형 발생여부 검사과정을 통하여, 안정적인 추적이 가능하게 하였다. 본 논문에서 제안한 방법의 성능을 검증하기 위해 다양한 배경을 갖는 복잡 배경에 존재하는 비정형 객체를 대상으로 실험하였고, 제안된 방법이 효율적임을 확인할 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 내 포함된 전경 객체에 대한 칸 투어 추출 및 추적 문제에 대한 효율적인 해결 방법을 제안한다. 본 제안 방법은 칸 투어 정보를 이용한 객체 추적의 문제인 복잡한 배경을 포함하는 연속된 프레임 내 칸 투어 추출 및 추적은 물론, 전경 객체 간 겹침 및 모양 변형 발생에도 강건한 추출 및 추적이 가능함을 특징으로 한다.

가설 설정

• 객체와 배경 영역을 분할하기 위해 추출할 객체가 포함된 이미지 영역은 겹침이 일어나지 않는다고 가정하고, 배경 텍스처를 선택하여 이를 분석함으로써 객체 추출 영역에서 객체와 그 배경을 분리한다. 이때 객체를 둘러싼 최외곽 테두리 영역을 중심으로 분석된 영역을 배경 영역으로 분리하고, 분석된 텍스처 정보는 보다 세밀하게 객체를 추출하기 위해 메모리 내 임시 버퍼에 저장이

제안 방법

• 이러한 객체 겹침 후 추적 문제를 최소화하기 위해 본 제안 방법은 모션 정보와 객체 변형 파라미터에 따라 적응적으로 객체 탐색 범위를 자동으로 조절하는 알고리즘을 적용하여 Astrom과 Kahl의 방법에 비해 25%의 강건한 추적 결과를 실험 올 통해 확인하였다. 본 제안 방법은 복잡 배경 올 포함하고 객체 변형 및 겹침이 많은 객체에 강건한 추적 및 추출이 가능함을 특징으로 한다.
• 본 논문에서는 동영상 내 포함된 전경 객체에 대한 칸 투어 추출 및 추적 문제에 대한 효율적인 해결 방법을 제안한다. 본 제안 방법은 칸 투어 정보를 이용한 객체 추적의 문제인 복잡한 배경을 포함하는 연속된 프레임 내 칸 투어 추출 및 추적은 물론, 전경 객체 간 겹침 및 모양 변형 발생에도 강건한 추출 및 추적이 가능함을 특징으로 한다.
• 실험 방為에 있어, 객관적 성능 평가를 위하여 실험 1에 서는 비교 대상인 Astrom과 Kahl[6] 의 실험 영상을 통한 추적 실험을 하였으며, 실험 2에서는 본 제안 방법에서 사용하는 영상 중 복잡한 배경 내 객체 영상과 단색 배경 내 객체 영자을 분리하여 비교 실험함으로써 객관적 평가가 되도록 하였다. 실험 1의 결과는 그림 4와 같으며, Astrom 과 Kahl의 경우 평균 91%의 추적률 올 보였으며, 본 제안 방법의 경우 평균 95%의 추적률을 보였다.

대상 데이터

• 본 논문의 실험을 위하여 VHS 비디오 영상 및 SONY 디지털 캠코더로 촬영한 영상 데이터를 입력 데이터로 사용하였으며, 비디오 영상은 320 X240 해상도의 컬러 영상으로 실험하였다.

성능/효과

• 실험 2의 결과는 그림 5와 같으며, Astrom과 Kahl의 경우 평균 68%의 추적률을 보였으며, 본 제안 방법의 경우 평균 93%의 추적률을 보였다. 상기의 결과에서 보는 바와 같이 부분 또는 완전 겹침 이후 Astrom과 Kahl의 방법은 객체 추적률이 현저히 저하되는 것을 확인할 수 있었다. 이러한 객체 겹침 후 추적 문제를 최소화하기 위해 본 제안 방법은 모션 정보와 객체 변형 파라미터에 따라 적응적으로 객체 탐색 범위를 자동으로 조절하는 알고리즘을 적용하여 Astrom과 Kahl의 방법에 비해 25%의 강건한 추적 결과를 실험 올 통해 확인하였다.
• 실험 방為에 있어, 객관적 성능 평가를 위하여 실험 1에 서는 비교 대상인 Astrom과 Kahl[6] 의 실험 영상을 통한 추적 실험을 하였으며, 실험 2에서는 본 제안 방법에서 사용하는 영상 중 복잡한 배경 내 객체 영상과 단색 배경 내 객체 영자을 분리하여 비교 실험함으로써 객관적 평가가 되도록 하였다. 실험 1의 결과는 그림 4와 같으며, Astrom 과 Kahl의 경우 평균 91%의 추적률 올 보였으며, 본 제안 방법의 경우 평균 95%의 추적률을 보였다.
• 실험 2의 결과는 그림 5와 같으며, Astrom과 Kahl의 경우 평균 68%의 추적률을 보였으며, 본 제안 방법의 경우 평균 93%의 추적률을 보였다. 상기의 결과에서 보는 바와 같이 부분 또는 완전 겹침 이후 Astrom과 Kahl의 방법은 객체 추적률이 현저히 저하되는 것을 확인할 수 있었다.
• 여기서 E»(、i, 어#)는 /번째 위치의 에너지를 다음과 같이 풀어서 나타낼 수 있다. 이는 경계선의 포인터 cp와 비교하고자 하는 포인터의 에너지 归0(<0, ・, <丸) 로 나타낼 수 있고, 이 값을 <0, 와 CZZ의 MSSD(Minimizing the Sum of Squared D循erences)로 접근하는 과정을 통해 MSSD를 최소화하는 방향으로 유도하여, 보다 안정적 칸투어를 추출할 수 있으며, 각 윤곽점에 대한 최소 경로 측정을 통한 보정으로 객체의 움직임으로 생기는 모양 변형이나 다른 객체로의 겹침 둥으로 인한 객체 칸 투어 변화에 보다 안정적으로 추출이 가능하게 하였다.
• 상기의 결과에서 보는 바와 같이 부분 또는 완전 겹침 이후 Astrom과 Kahl의 방법은 객체 추적률이 현저히 저하되는 것을 확인할 수 있었다. 이러한 객체 겹침 후 추적 문제를 최소화하기 위해 본 제안 방법은 모션 정보와 객체 변형 파라미터에 따라 적응적으로 객체 탐색 범위를 자동으로 조절하는 알고리즘을 적용하여 Astrom과 Kahl의 방법에 비해 25%의 강건한 추적 결과를 실험 올 통해 확인하였다. 본 제안 방법은 복잡 배경 올 포함하고 객체 변형 및 겹침이 많은 객체에 강건한 추적 및 추출이 가능함을 특징으로 한다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기