Smart Media Journal (스마트미디어저널)

THE KOREAN INSTITUTE OF SMART MEDIA (한국스마트미디어학회)
권호 표지

Drift Handling in Object Tracking by Sparse Representations

희소성 표현 기반 객체 추적에서의 표류 처리

  • 여정연 (전남대학교 전자컴퓨터공학과) ;
  • 이귀상 (전남대학교 전자컴퓨터공학과)
  • Received : 2016.03.09
  • Accepted : 2016.03.28
  • Published : 2016.03.31
Download PDF
⟨ Previous Next ⟩

Abstract

In this paper, we proposed a new object tracking algorithm based on sparse representation to handle the drifting problem. In APG-L1(accelerated proximal gradient) tracking, the sparse representation is applied to model the appearance of object using linear combination of target templates and trivial templates with proper coefficients. Also, the particle filter based on affine transformation matrix is applied to find the location of object and APG method is used to minimize the l1-norm of sparse representation. In this paper, we make use of the trivial template coefficients actively to block the drifting problem. We experiment the various videos with diverse challenges and the result shows better performance than others.

본 논문에서는 희소성 표현을 기반으로 하는 객체 추적 방법에 있어서 객체 표류 현상을 처리하기 위한 새로운 방법을 제시한다. 그중에서도 APG-L1 (accelerated proximal gradient L1) 방법은 희소성 표현이란 객체의 외형을 표현하기 위한 목표 템플릿(target template)과 배경이나 폐색(occlusion)과 같은 객체 이외의 부분을 대체하기 위한 기본 템플릿(trivial template)를 이용하여 입력 영상을 표현하는 방법이다. 또한 어파인 변환행렬을 이용한 particle filtering 이 적용되어 객체의 위치를 찾고 APG 방법을 사용하여 희소성기반의 L1-norm을 최소화한다. 본 논문에서는 객체추적의 표류현상을 방지하기 위하여 기본 템플릿의 계수를 활용하여 배경을 가진 객체가 채택되는 현상을 방지하는 방법을 제시한다. 다양한 영상에 적용하여 제안하는 방법을 실험한 결과, 기존의 방법들과 비교하여 높은 성과를 보인다.

Keywords

References

  1. X. Mei and H. Ling, "Robust visual tracking using L1 minimization," ICCV, 2009.
  2. 여정연, 이귀상, "야간 영상 감시를 위한 GMM기반의 배경 차분," 스마트미디어저널, vol. 4, no. 3, pp. 50-55, 2015.
  3. J. Ho et al., "Visual tracking using learned linear subspaces," CVPR, 2004.
  4. H. Wang et al., "Adaptive object tracking based on an effective appearance filter," PAMI, 2009.
  5. Y. Li et al,, "On incremental and robust subspace learning," Pattern Recogniton, 2004.
  6. D. A. Ross et al,, "Incremental learning for robust visual tracking," International Jounal of Computer Vision, 2008.
  7. A. Adam et al., "Robust fragments-based tracking using the integral histogram," CVPR, 2006.
  8. S. M. S. Nejhum et al., "Online visual tracking with histograms and articulating blocks," Computer Vision and Image Understanding, 2010.
  9. H. Zhou et al., "Object tracking using SIFT features and mean shift," Computer Vision and Image Understanding, 2009.
  10. W. He et al., "SURF tracking," Computer Vision, 2009.
  11. X. Mei et al., "Robust visual tracking and vehicle classification via sparse representation," PAMI, 33(11), pp.2259-2272, 2011. https://doi.org/10.1109/TPAMI.2011.66
  12. C. Bao et al., "Real time robust l1 tracker using accelerated proximal gradient approach," CVPR, 2012.
  13. W. Jhong et al., "Robust object tracking via sparsity-based collaborative model," CVPR, 2012.
  14. Y. Wu, J. Lim, and M.-H. Yang, "Online Object Tracking: A Benchmark," CVPR, 2013.
  15. X. Jia, H. Lu, and M.-H. Yang, "Visual Tracking via Adaptive Structural Local Sparse Appearance Model," CVPR, 2012.
  16. Z. Kalal, J. Matas, and K. Mikolajczyk, "P-N Learning: Bootstrapping Binary Classifiers by Structural Constraints," CVPR, 2010.
  17. S. Oron, A. Bar-Hillel, D. Levi, and S. Avidan, "Locally Orderless Tracking," CVPR, 2012.
  18. L. Sevilla-Lara and E. Learned-Miller, "Distribution Fields for Tracking," CVPR, 2012.
  19. K. Zhang, L. Zhang, and M.-H. Yang, "Real-time Compressive Tracking," ECCV, 2012.
  20. 여정연, Huong Ninh, 이귀상, "희소성 표현 기반의 강건한 객체 추적," IPIU, 2016.