선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 고정형 카메라를 사용하는 감시 시스템에 적합한 다중 객체 추적 알고리즘을 제안 하였다. 전 단계에 걸쳐 실시간 처리를 위해 효율 성에 중점을 두었으며,.
- 대개의 추적 시스템은 오랜 시간 동안 지속적으로 동작하므로, 배경의 변화를 수용할 수 있어야 한다. 본 논문에서는 이러한 변화에 적합한 Adaptive Backgrounding 을 1권 추적 시스템에 적합하도록 고속화 한 Clustered Adaptive Backgrounding 이란 방법을 고안하였다. 이 단계를 통해 얻어진 전경 픽셀들은 Connected Component 알고리즘을 이용하여 그룹화 한다.
- 강인한 감시 시스템을 만들기 위해선 겹침에 강인한 MOT 시스템이 필요하다. 본 논문에서는 이러한 시스템을 위해서, 고정형 카메라를 사용하는 전형적인 감시 시스템에서 사용될 수 있는 MOT 방법을 제안한다.
- 본 논문에서는 추적하고자 하는 객체에 대한 제한을 최소화 하고자 하였다. 최종적으로 사람이 가방을 놓고 갔다던지, 자동차를 옮겨 탔다던지 하는 상황 인식을 목표로 하기 때문에, 얼굴 인식을 위한 얼굴 추적, 교통 감시를 위한 자동차 추적 시스템같이 특정 객체로 추적하고자 하는 대상이 한정 지어지지 않는다.
- 본 논문은 최종적으로 일정 지역의 사람들의 행동을 인식할 수 있는 자동화된 감시 시스템을 목표로 한다. 강인한 감시 시스템을 만들기 위해선 겹침에 강인한 MOT 시스템이 필요하다.
가설 설정
- 본 논문에서는 모든 객체가 가지고 있는 크기, 색, 형태 같은 흔한 속성만을 이용하며 이러한 속성에 대한 어떠한 가정도 하지 않는다. 다만 객체간의 구분을 위해서 추적하는 객체의 속성 중 하나는 다르다고 가정하였다.
- 따라서 효율적인 면에서 특정 객체의 특정을 이용한 감지(detection) 기반 추적은 사용할 수 없다. 본 논문에서는 모든 객체가 가지고 있는 크기, 색, 형태 같은 흔한 속성만을 이용하며 이러한 속성에 대한 어떠한 가정도 하지 않는다. 다만 객체간의 구분을 위해서 추적하는 객체의 속성 중 하나는 다르다고 가정하였다.
- 전 단계에 걸쳐 실시간 처리를 위해 효율 성에 중점을 두었으며,. 추적하고자 하는 객체의 타입에 제약을 받지 않기 위해서 추적하고 자 하 는 객체에 대한 가정을 최소화하였다. 서로 다른 타입의 객체를 추적할 때 발생하는 겹침을 해결하 기 위해, 직관적이고 흔한 색, 형태, 크기만을 이 용하여, 후에 시스템의 목적에 맞게 쉽게 적용할 수 있도록 유연성을 부과하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.