구조적 칼만 필터를 이용한 이동 물체의 추적

Trace of Moving Object using Structured Kalman Filter

  • 장대식 ((주)인컴아이엔씨 정보기술연구소) ;
  • 장석우 (노스캐롤라이나 주립대 연구원) ;
  • 김계영 (숭실대학교 컴퓨터학부) ;
  • 최형일 (숭실대학교 미디어학부)
  • 발행 : 2002.06.01

초록

이동 물체 추적 기법은 동작 분석 및 이해의 분야에서 사용되는 중요한 기법 중의 하나이지만 해결해야 할 많은 문제점을 가지고 있다. 특히, 배경과 이동 물체가 동적으로 변화하는 환경에서는 다른 물체에 의해 이동 물체가 부분적으로 폐색될 수 있기 때문에 이동 물체를 추적하는 작업은 매우 어렵다. 동작 분석 분야에서 많이 사용되는 칼만 필터는 연속적으로 입력되는 프레임으로부터 물체의 이동을 예측하는 알고리즘이다. 본 논문에서는 기존의 칼만 필터를 개선한 구조적 칼만 필터라고 불리는 새로운 칼만 필터를 제안한다. 본 논문에서 제안하는 구조적 칼만 필터는 폐색과 같은 열악한 조건에서도 동작을 성공적으로 측정할 수 있다. 실험 결과는 제안된 방법이 동적으로 변화하는 환경에서 이동 물체를 효과적으로 추적하는 것을 보인다.

Tracking moving objects is one of the most important techniques in motion analysis and understanding, and it has many difficult problems to solve. Especially, estimating and identifying moving objects, when the background and moving objects vary dynamically, are very difficult. It is possible under such a complex environment that targets may disappear totally or partially due to occlusion by other objects. The Kalman filter has been used to estimate motion information and use the information in predicting the appearance of targets in succeeding frames. In this paper, we propose another version of the Kalman filter, to be called structured Kalman filter, which can successfully work its role of estimating motion information under a deteriorating condition such as occlusion. Experimental results show that the suggested approach is very effective in estimating and tracking non-rigid moving objects reliably.

키워드

참고문헌

  1. O. Lee and Y. Wang, 'Motion-Compensated Prediction Using Nodal-Based Deformable Block Matching,' Journal of Visual Communication and Image Representation, Vol. 6, No.1, pp. 26-34, March 1995 https://doi.org/10.1006/jvci.1995.1002
  2. A. L. Gilbert, M. K. Giles, G. M. Flachs, R. B. Rogers and Y. H. U, 'A Real-Time Video Tracking System.' IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 2, pp. 47-56, January 1980 https://doi.org/10.1109/TPAMI.1980.4766969
  3. T. Uno, M. Ejiri, and T. Tokunaga, 'A Method of Real-Time Recognition of Moving Objects and Its Application,' Pattern Recognition, Vol. 8, pp. 201-208, August 1976 https://doi.org/10.1016/0031-3203(76)90040-6
  4. D. P. Huttenlocher, J. J. Noh, and W. J. Rucklidge, 'Tracking Non-Rigid Objects in Complex Scenes,' Fourth International Conference on Computer Vision. pp. 93-101, May 1993 https://doi.org/10.1109/ICCV.1993.378231
  5. D. S. Jans, G. Y. Kim, and H. I. Choi, 'Model-based Tracking of Moving Object,' Pattern Recognition, Vol. 30, No.6, pp. 999-1008, June 1997 https://doi.org/10.1016/S0031-3203(96)00128-8
  6. D. S. Jang and H. I. Choi, ., Active Models for Tracking Moving Objects.' Pattern Recognition. Vol. 33, No.7, pp. 1135-1146, July 2000 https://doi.org/10.1016/S0031-3203(99)00100-4
  7. S. Haykin, Adaptive Filter Theory. Prentice-Hall, Englewood Cliffs, New Jersey, 1986
  8. G. Minkler and J. Minkler, Theory and Application of Kalman Filtering, Magellan, 1994
  9. Y. I. Ohta, T. Kanade, and T. Sakai, 'Color Information for Region Segmentation, Computer Vision, Graphics, and Image Processing,' Vol 13, No.1, pp. 222-241, May 1980
  10. M. Kass, A. Witkin, and D. Terzopoulos, 'Snakes : Active Contour Models,' International Journal of Computer Vision. Vol. 1. No.4, pp. 321-331, April 1988 https://doi.org/10.1007/BF00133570
  11. D. J. Williams and M. Shah, 'A Fast Algorithm for Active Contours,' Third International Conference on Computer Vision. pp. 592-595, December 1990 https://doi.org/10.1109/ICCV.1990.139602