The KIPS Transactions:PartB (정보처리학회논문지B)

Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

A Method of Adative Background Image Generation for Object Tracking

객체 추적을 위한 적응적 배경영상 생성 방법

  • 지정규 (한국학술진흥재단) ;
  • 이광형 (숭실대학교 대학원 컴퓨터학과) ;
  • 김용균 (숭실대학교 대학원 컴퓨터학과) ;
  • 오해석 (숭실대학교 정보과학대학)
  • Published : 2003.06.01
Download PDF
⟨ Previous Next ⟩

Abstract

Object tracking in a real time image is one of Interesting subjects in computer vision and many practical application fields past couple of years. But sometimes existing systems cannot find object by recognize background noise as object. This paper proposes a method of object detection and tracking using adaptive background image in real time. To detect object which does not influenced by illumination and remove noise in background image, this system generates adaptive background image by real time background image updating. This system detects object using the difference between background image and input image from camera. After setting up MBR(minimum bounding rectangle) using the internal point of detected object, the system tracks object through this MBR. In addition, this paper evaluates the test result about performance of proposed method as compared with existing tracking algorithm.

실시간 영상에서 객체 추적은 수년간 컴퓨터 비전 및 여러 실용적 응용 분야에서 관심을 가지는 주제 중 하나이다. 하지만 배경영상의 잡음을 객체로 인식하는 오류로 인하여 추출하고자 하는 객체를 찾지 못하는 경우가 있다. 본 논문에서는 실시간 영상에서 적응적 배경영상을 이용하여 객체를 추출하고 추적하는 방법을 제안한다. 입력되는 영상에서 배경영역의 잡음을 제거하고 조명에 강인한 객체 추출을 위하여 객체영역이 아닌 배경영역 부분을 실시간으로 갱신함으로써 적응적 배경영상을 생성한다. 그리고 배경영상과 카메라로부터 입력되는 입력영상과의 차를 이용하여 객체를 추출한다 추출된 객체의 내부점을 이용하여 최소사각영역을 설정하고, 이를 통해 객체를 추적한다. 아울러 제안방법의 성능에 대한 실험결과를 기존 추적알고리즘과 비교, 분석하여 평가한다.

Keywords

References

  1. 이희영, 최재영, 강동구, 김홍수, 차의영, 전태수, '배경영상을 이용한 목표물 추적에 관한 연구', 한국멀티미디어학회 1999년도 춘계학술발표논문집(학술발표), Vol.2, No.1, pp.386-390, 1990
  2. 황본우, 손형진, 이성환, '대화형 하이퍼 비디오 저작을 위한 객체 기반 추적 방법', 정보과학회 2001년 추계학술대회, Vol.28, No.2, pp.427-429, 2001
  3. E. Hjelm and B. K. Low, 'Face Detection : A Survey,' Computer Vision and image Understanding, Vol.83, No.3, pp.236-274, 2001 https://doi.org/10.1006/cviu.2001.0921
  4. T. V. Pham, M. Worring and A. W. M. Smeulders, 'Face detection by aggregated Bayesian network classiers,' Technical Report 2001-04, Intelligent Sensort Information Systems Group, University of Amsterdam, 2001
  5. M. Rogers and J. Graham, 'Robust active shape model searchm,' Proceeding of the 7th European Conference on Computer Vision, No.4, pp.517-530, 2002
  6. K. Okada and C. von der Malsburg,'Analysis and synthesis of human faces with pose variations by a parametric piecewise linear subspace method,' Proceeding of the IEEE Conference on Computer Vision and Pattern Recognition, No.1, pp.761-768, 2001 https://doi.org/10.1109/CVPR.2001.990553
  7. R. Feraud, O. J. Bernier, J. E. Viallet and M. Collobert, 'A Fast and Accurate Face Detection Based on Neural Network,' IEEE Trans. Pattern Analysis and Machine Intelligence, Vol.23, No.1, pp.42-53, 2001 https://doi.org/10.1109/34.899945
  8. R. L. Hsu, M. Abdel-Mottaleb and A. K. Jain, 'Face detection on color images,' IEEE Trans. Pattern Analysis and Machine Intelligence, Vol.24, No.5, pp.696-706, 2002 https://doi.org/10.1109/34.1000242
  9. 임용호, 백중환, 황수찬, '퍼지 예측을 이용한 이동물체 추적', 한국항행학회논문지, Vol.5, No.1, pp.26-36, 2001
  10. 이상욱, '윤곽선 모델과 특징을 이용한 이동 물체 추적', 경상대학교 해양산업 연구소보, Vol.14, pp.42-51, 2001
  11. Min sick Park, Chang woo Park, Won ha Kim, Mignon Park, 'Intelligent and Robust Face Detection,' 퍼지 및 지능 시스템학회논문지, Vol.11, No.7, pp.641-648, 2001