• Proceedings of the KAIS Fall Conference
• /
• 2006.11a
• /
• pp.229-232
• /
• 2006

단일 카메라를 통하여 실시간으로 입력되는 객체의 추적은 환경의 제약을 많이 받는다. 입력되는 영상에서의 움직임이 있는 객체는 단일하여야 하며, 동시에 많은 움직임이 발생하면 추적하고자 하는 객체를 구분하기 어려워진다. 본 논문에서는 동일공간을 감시하는 두 대의 카메라가 서로 데이터를 주고 받으며 추적하고자 하는 특정객체를 오류 없이 추적할 수 있는 방법을 제시하였다. 실시간 객체 추적은 입력되는 영상에서 객체의 위치를 가장 빠르게 검색하기 위한 고속탐색 알고리즘이 필요하다. 본 논문은 실시간영상에서 객체의 움직임을 추출하고 추적을 위하여 각각 위치가 다른 두 대의 카메라가 상호 협력하면서 객체 추적에 대한 연산을 현저하게 줄일 수 있었다. 또한 객체의 움직임이 많은 공간에서도 추적하고자 하는 특정객체를 잃어버리지 않고 추적하였다. 실험결과, 제안한 방법은 97% 이상의 높은 객체 추적율을 보였다.

• Proceedings of the KAIS Fall Conference
• /
• 2010.05a
• /
• pp.483-486
• /
• 2010

단일 카메라를 통하여 실시간으로 입력되는 객체의 추적은 환경의 제약을 많이 받는다. 입력되는 영상에서의 움직임이 있는 객체는 단일하여야 하며, 동시에 많은 움직임이 발생하면 추적하고자 하는 객체를 구분하기 어려워진다. 본 논문에서는 동일공간을 감시하는 두 대의 카메라가 서로 데이터를 주고 받으며 추적하고자 하는 특정객체를 오류 없이 추적할 수 있는 방법을 제시하였다. 실시간 객체 추적은 입력되는 영상에서 객체의 위치를 가장 빠르게 검색하기 위한 고속탐색 알고리즘이 필요하다. 본 논문은 실시간영상에서 객체의 움직임을 추출하고 추적을 위하여 각각 위치가 다른 두 대의 카메라가 상호 협력하면서 객체 추적에 대한 연산을 현저하게 줄일 수 있었다. 또한 객체의 움직임이 많은 공간에서도 추적하고자 하는 특정객체를 잃어버리지 않고 추적하였다. 실험결과, 제안한 방법은 97% 이상의 높은 객체 추적율을 보였다.

• 한국HCI학회:학술대회논문집
• /
• 2006.02a
• /
• pp.653-659
• /
• 2006

다중 객체 추적이란 컴퓨터 비전의 한 분야로, 주어진 비디오 시퀀스 내에서 관심 있는 객체들을 추적하는 것을 말한다. 다중 객체 추적 시스템은 감시 시스템, 사용자 행동 인식, 스포츠 중계, 비디오 회의와 같은 다양한 응용 분야에 핵심 기반 기술로 쓰이고 있어 그 중요성이 매우 크다. 본 논문은 감시 목적의 다중 객체를 추적하는 방법에 대하여 다룬다. 감시 시스템의 특성상, 객체의 외관이나 움직임 등에 대한 가정을 하기가 어렵다. 따라서 본 논문에서는 크기, 색, 형태 같은 객체의 단순하고 직관적인 외관 특성을 이용하면서도, 객체들끼리 부분적으로 혹은 완전히 겹쳐졌을 때에도 객체들의 위치를 적절히 추적할 수 있는 방법을 제안한다. 본 논문에서 제안하는 방법은 객체들의 경로에 대한 정보를 유지하는데 그래프 구조를 이용한다. 그래프를 확장하고, 제거하여 영상에 대한 정보를 추론한다. 크게 보면 객체들을 영역 레벨, 객체 레벨 두 단계에 걸쳐 추적한다. 영역 레벨에서는 각 객체들이 있을 수 있을만한 영역에 대한 가설을 세우고, 객체 레벨에서는 각 가설에 대한 검증을 한다. 제안된 방법은 직관적인 정보만을 이용하여 서로 다른 형태의 객체를 빠르게 추적할 수 있음을 보여준다. 다만 객체의 외관 정보만을 이용하였기 추적하기 때문에, 객체가 다른 객체에 의해 완전히 가려진 채 또다시 다른 객체와 겹쳐지면, 정확한 추적이 되지 않는다. 이를 해결하기 위해서는 객체가 겹쳐졌을 때, 그 관계에 대한 정보를 모아야 하는데 이는 향후 연구를 통해 해결하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2001.10a
• /
• pp.751-754
• /
• 2001

본 논문에서는 외형 정보 기반의 객체 정보 분할을 이용한 다중객체 추적을 다룬다. 일반적인 다중객체 추적 시스템은 움직임이 탐지된 다중 객체에 대한 외형(appearance) 정보를 이용하여 비강체를 정의하고, 객체의 일부 특징점이나 무게 중심점을 이용한 추적을 통해 객체간의 중첩(occlusion)이나 객체 분리(split) 등의 문제에 초점을 맞춘다. 무게 중심점 등을 이용한 추적은 장시간 추적하는 경우, 즉 움직임 방향 전환이 발생하는 경우에는 정확하고 매끄러운 추적이 불가능하다. 본 논문에서는 이러한 문제를 해결하기 위해 어파인 구조를 이용한 개별 객체 추적 기법을 적용하되, 객체에 대한 외형 정보를 바탕으로 객체 분리 및 객체별 어파인 구조 변환을 감지하여 정확하고 매끄럽게 다중 객체를 추적하는 알고리즘을 제안하고 성능을 분석한다.

• KSCI Review
• /
• v.15 no.1
• /
• pp.179-183
• /
• 2007

다시점에서의 다중 객체 추적은 여러 분야에서 연구되고 있다. 다시점 영상 추적은 두 객체가 서로 근접하면 하나로 인식하는 문제점을 가지고 있다. 이러한 문제를 해결하기 위한 하나의 방법으로 능동형태모델(active shape mode: ASM)을 들 수 있다 ASM은 훈련집합을 이용하여 다른 객체에 가려진 목표 객체를 추적할 수 있다. 본 논문에서는 겹쳐진 객체를 추적하기 위해 ASM 기반의 다시점 추적 알고리듬(Multi-view tracking using ASM: MVTA)에 대해서 제안한다. 제안된 추적 방법은 (i) 영상 획득, (ii) 객체 추출, (iii) 객체 추적, 그리고 (iv) 현재 형태의 업데이트, 4가지 단계로 나눌 수 있다. 첫 번째 단계에서는 여러 대의 카메라를 사용해서 다시점 영상을 획득하며, 두 번째 단계에서는 객체를 배경으로부터 분리하며, 겹쳐진 객체로부터 목표 객체를 분리해낸다. 세 번째 단계에서는 추적을 위해 ASM을 사용하며, 마지막 단계인 네 번째 단계는 현재 입력 영상의 업데이트이다. 실험결과 제안한 MVTA는 겹쳐진 객체를 추적 시에 생기는 문제에 대해서 향상 된 결과를 보여준다.

• Proceedings of the KAIS Fall Conference
• /
• 2009.12a
• /
• pp.605-607
• /
• 2009

본 논문은 감시 시스템의 객체 추적 시, 정확한 객체 추출을 위해 블록 기반으로 객체를 추적하는 방법을 제안한다. 객체 움직임 추적은 주어진 환경에 따라 변수가 많고, 변수를 대처하는 알고리즘을 많이 추가 할 경우 실시간 추적에 어려움이 발생한다. 특히 배경이 조명이나 바람 등의 환경적 요인에 의해 변화되는 문제는 객체를 추적하는데 가장 큰 문제점이다. 특히 사람이나 멧돼지의 경우 움직임에 의한 객체 구성 요소의 흔들림에 의해 고정 블록의 연산에 의해 움직임 객체를 추적할 때 정확한 객체의 윤곽선을 검출하기 힘들다. 따라서 연속되는 프레임에서 전체 화면의 차영상을 이용하여 움직임 관심 영역을 설정하고, 관심 영역에 해당하는 블록들을 분석하였다. 이를 기반으로 움직임 객체의 최외곽 사각형의 객체 영역을 추출하여 기존 고정 블록 방법에 의한 객체 추적보다 좀 더 정확하게 객체를 추출하고 추적할 수 있다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2007.06a
• /
• pp.149-152
• /
• 2007

비전 연구에 있어서 객체 추적은 무엇보다도 중요시 되어 왔다. 특히 비디오 감시 시스템에서의 객체 추적은 매우 중요하다. 본 논문에서는 영상 내에서 움직이는 객체를 추출하고 객체내의 다중 후보블록의 통계적 특징을 이용한 추적 시스템을 구성하였다. 객체를 추적하기 위해서는 먼저 움직이는 객체 추출이 선행되어야 한다. 객체 추출은 영상 내에서 배경 프레임과 매 프레임에서의 현재 프레임간의 차 연산에 의한 가중치를 이용하여 객체의 움직임을 판단하고 추출하였다. 움직이는 객체는 본 논문에서 제안한 다중 후보 블록 알고리즘을 수행하여 추적에 필요한 통계 값을 획득한다. 통계 값으로는 방향성에 필요한 블록의 중심 좌표 값과 객체추적에 필요한 객체간의 매칭 정도를 사용하였다. 본 논문에서 제안한 추적 시스템은 민감한 빛의 변화에도 강건하였으며, 특정 블록에 대해서만 연산 수행을 수행하므로 컴퓨터의 연산을 줄여 실시간 추적도 가능하다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.11a
• /
• pp.633-636
• /
• 2010

본 논문에서 Pan, Tilt 카메라를 이용한 객체 추적을 위하여 초기 지역정보를 이용하여 객체를 검출하고 검출된 객체의 색 정보를 이용하여 능동 객체를 추적하는 기술을 제안한다. 외부 환경의 잡음을 제거하기 위해 적응적인 가우시안 혼합 모델링을 이용하여 배경과 객체를 분리한다. 객체가 정해지면 카메라가 이동하는 동안에도 추적이 가능한 CAMShift 추적 알고리즘을 이용하여 객체를 실시간으로 추적한다. CAMShift 추적 알고리즘은 객체의 크기를 계산하므로 객체의 크기가 변하더라도 유동적인 객체 판별이 가능하다. Pan, Tilt의 위치는 구좌표계(Spherical coordinates system)를 이용하여 계산하였다. 이렇게 구해진 Pan, Tilt 위치는 Pan, Tilt 프로토콜을 이용하여 객체의 위치를 화면의 중심에 놓이게 함으로써 적합한 추적을 가능하게 한다.

• Proceedings of the Korea Contents Association Conference
• /
• 2011.05a
• /
• pp.527-528
• /
• 2011

본 논문에서는 광류 방식의 특징점 방식에 의한 물체 추적과 배경 프레임과의 차영상에 의한 움직임 객체 검출에 의한 추적 방법에 대해 비교 분석하였다. 광류 방식에 의한 객체 추적은 특징점 들의 변위에 따라 객체를 추적함에 따라 객체의 모양을 정확하게 추적하지는 못하지만 방향성에 대한 정보를 갖고 있다. 차영상에 의한 객체 검출 및 추적은 객체의 모양을 비교적 정확하게 추출하지만 방향에 대한 정보의 부족으로 객체 추적이 어렵다. 따라서 객체의 검출은 차영상으로 표시하고 방향성에 의한 추적은 광류 방식으로 추적해 나가는 방법이 우수한 것으로 분석되었다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2018.06a
• /
• pp.329-331
• /
• 2018

지속적인 딥러닝 기반의 영상처리 기술의 발전으로 객체분류나 객체검출 문제에 대해서 뛰어난 성능 보이고 있다. 하지만 객체추적 문제에서는 성능이 좋은 추적기는 실시간 동작이 불가능하고 딥러닝 기반의 객체추적도 단일 객체에만 고려한 기법이 많기 때문에 개선할 필요가 있다. 전처리로 검출된 객체영역과 kalman filter를 통해 예측된 추적영역 간의 embedding feature 비교를 통해 동일인물인지 판단하여 고유 ID를 부여하고 추적한다. 객체끼리 교차하거나 가려지는 상황에서 추적을 실패하게 되는데 이 후에 지속적인 추적을 위해 IoU 비교를 통해 후보 추적기로 남겨두는 과정을 거친다. 실험 결과 실시간 동작여부와 객체끼리 교차하거나 프레임 밖으로 나갔다가 다시 나타나는 경우에도 추적이 가능함을 확인하였다.