$\require{mediawiki-texvc}$

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.

사람 자세 추정을 위한 모델 기반 추적

Model-based tracking for human posture estimation

한국HCI학회 2006년도 학술대회 1부, 2006 Feb. 13, 2006년, pp.1331 - 1334  

이경미 (덕성여자대학교 컴퓨터공학부) ,  김혜정 (덕성여자대학교 컴퓨터공학부) ,  이윤미 (덕성여자대학교 컴퓨터공학부)

초록
AI-Helper 아이콘AI-Helper

동영상에서의 움직임 추적은 이전 프레임에서 얻어낸 정보를 이용할 수 있다는 점에서 프레임간의 연결 관계에 기반한 움직임 추적이 가능하다. 그러나 사람의 신체는 고정된 형태를 가지고 있지 않기 때문에 프레임 간의 단순한 연결 관계만으로 사람의 자세를 추정하고 움직임을 추적하는 것은 매우 어려운 문제이다. 본 논문에서는 구성요소에 기반한 인체 모델을 이용하여 이전 프레임에서 찾은 블랍들을 연속된 프레임에서 찾은 블랍들로 연결함으로써, 동영상에서 사람의 자세를 추적하는 방법을 제안한다. 주어진 모델에 따라 이전 블랍은 대응되거나, 여러 블랍으로 나뉘거나, 다른 블랍들과 결합되어 사라지거나, 새로 생성되는 등의 4 가지 경우로 나뉘어 질 수 있는데, 각 경우에 대한 처리 방안을 제안하였다. 제안된 방법은 인체들과 블랍들의 리스트 처리를 간단하게 할 뿐만 아니라, 추적의 전처리 과정으로 블랍화를 옳게 수행해야 하는 부담을 덜어주어 과도한 블랍화와 부족한 블랍화 등의 문제를 해결할 수 있다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서는 인체모델에 기반하여 블랍들의 배치를 초기화한 후, 블랍들이 연속된 프레임들 사이에 대응될 때 뿐만 아니라, 나뉘거나 다른 블랍과 합쳐지거나 사라지는 경우에도 처리할 수 있는 방법을 제안한다.

가설 설정

  • 본 논문에서는 이전 연구에서 설계한 구성요소에 기반한 인체모델 CP 을 이용하여 t -1 번째 프레임까지 인체 CPt−1가 이미 추적되었고, 프레임 t 에 새로운 블랍 Bt 들이 구성되었다고 가정한다. 이후 사람의 움직임은 아래와 같은 방식으로 추적된다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
색상기반 모델에서의 큰 변화가 추적을 쉽게 실패하게 만드는 원인이 되는 이유는 무엇인가? 사람은 인체 모델을 이용하여 추적되기 때문에, 인체 모델의 정보는 다수의 사람을 추적하기 위해 저장되어야 한다. 사람의 모든 동작이 프레임마다 상대적으로 작기 때문에, 색상기반 모델에서의 큰 변화는 추적을 쉽게 실패하게 만드는 원인이 된다. 이런 색상모델 추적의 민감성을 해결하기 위해서, 프레임의 블랍들을 인체 참조모델과 비교한다.
밝기를 이용한 군집화에서 개별적인 인체 부위를 완벽하게 구성하는 것이 매우 어려운 이유는 무엇인가? 각 블랍 Bj 는 블랍의 색상, 크기, 중심점, 경계 상자, 인체를 구성하는 경계 등의 정보를 포함한다. 그러나 이렇게 밝기를 이용한 군집화는 색상과 빛의 변화로 자동 블랍 형성에 많은 문제를 야기하므로 개별적인 인체 부위를 완벽하게 구성하는 것은 매우 어렵다. 특히 초기 군집화는 거의 밀착된 블랍의 표면에 존재하는 상당한 조명 변화로 과잉 분할 (over-segment)되기 쉬운데, 이를 해결하기 위해서 비슷한 색상을 가진 이웃 블랍들과 함께 합쳐질 것이다.
프레임간의 연결 관계에 기반하여 사람의 자세를 추정하고 움직임을 추적하는 것이 매우 어려운 이유는 무엇인가? 동영상에서의 움직임 추적은 이전 프레임에서 얻어낸 정보를 이용할 수 있다는 점에서 프레임간의 연결 관계에 기반한 움직임 추적이 가능하다. 그러나 사람의 신체는 고정된 형태를 가지고 있지 않기 때문에 프레임 간의 단순한 연결 관계만으로 사람의 자세를 추정하고 움직임을 추적하는 것은 매우 어려운 문제이다. 본 논문에서는 구성요소에 기반한 인체 모델을 이용하여 이전 프레임에서 찾은 블랍들을 연속된 프레임에서 찾은 블랍들로 연결함으로써, 동영상에서 사람의 자세를 추적하는 방법을 제안한다.
질의응답 정보가 도움이 되었나요?
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