• Journal of Korea Multimedia Society
• /
• v.10 no.11
• /
• pp.1407-1416
• /
• 2007

This paper describes an algorithm for arbitrary point tracking using pyramidal optical flow. The optical flow is calculated based on the Lucas-Kanade's optical flow estimation in this paper. The image pyramid is employed to calculate a big motion while being sensitive to a small motion. Furthermore, a rectification process is proposed to reduce the error which is increased as it goes down to the lower level of the image pyramid. The accuracy of the optical flow estimation was increased by using some constraints and sub-pixel interpolation of the optical flow and this makes our algorithm to track points in which they do not have features such as edges or corners. The proposed algorithm is implemented and primary results are shown in this paper.

• Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography
• /
• v.23 no.1
• /
• pp.49-57
• /
• 2005

The proposed algorithm is to achieve the robust optical flow detection which is applicable for the case that the outlier rate is over 80%. If the outlier rate of optical flows is over 30%, the discrimination between the inliers and outlier with the conventional algorithm is very difficult. The proposed algorithm is to overcome such difficulty with three steps of grouping algorithm; 1) constructing the 2D histogram with two axies of the lengths and the directions of optical flows. 2) sorting the number of optical flows in each bin of the two-dimensional histogram in the descending order and removing some bins with lower number of optical flows than threshold. 3) increasing the resolution of the two-dimensional histogram if the number of optical flows in a specific bin is over 20% and decreasing the resolution if the number of optical flows is less than 10%. Such processing is repeated until the number of optical flows falls into the range of 10%-20% in all the bins. The proposed algorithm works well on the different kinds of images with many of wrong optical flows. Experimental results are included.

• Journal of the Institute of Electronics Engineers of Korea SP
• /
• v.42 no.3 s.303
• /
• pp.51-64
• /
• 2005

The proposed algorithm is to achieve the robust optical flow detection which is applicable for the case that the outlier rate is over $80\%$. If the outlier rate of optical flows is over $30\%$, the discrimination between the inliers and outlier with the conventional algorithm is very difficult. The proposed algorithm is to overcome such difficulty withthree steps of grouping algorithm; 1) constructing the 2 D histogram with two axies of the lengths and the directions of optical flows. 2) sorting the number of optical flows in each bin of the two-dimensional histogram in the descendingorder and removing some bins with lower number of optical flows than threshold 3) increasing the resolution of the two-dimensional histogram if the number of optical flows in a specific bin is over $20\%$ and decreasing theresolution if the number of optical flows is less than $10\%$. Such processing is repeated until the the number of optical flows falls into the range of $10\%-20\%$ in all the bins. The proposed algorithm works well on the different kinds of images with many of wrong optical flows. Experimental results are included.

• Journal of the Korea Society of Computer and Information
• /
• v.10 no.1 s.33
• /
• pp.223-229
• /
• 2005

In this paper a coarse-to-fine optical flow detection method is proposed. Provided that optical flow gives reliable approximation to two-dimensional image motion, it can be used to recover the three-dimensional motion, but usually to set the reliable optical flows are difficult. The proposed algorithm uses Horn's algorithm for detecting initial optical flow, then Thin Plate Spline is introduced to warp a image frame of the initial optical flow to the next image frame. The optical flow for the warped image frame is again used iteratively until the mean square error between two image sequence frames is lowered. The proposed method is experimented for the real moving picture image sequence. The proposed algorithm gives dense optical flow vectors.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10b
• /
• pp.388-390
• /
• 2001

본 논문에서 제안하는 카메라 움직임 파라미터를 추출하는 새로운 방법은 먼저 광류(optical flow) 관계 수식을 이용하여, 카메라의 다양한 움직임에 의해 생성되는 광류 모델들을 생성한다. 입력 비디오 데이터의 인접 영상으로부터 산출된 광류를 생성된 광류 모델들을 이용하여 선형 분해한다. 분해 과정을 통해 각 모델에 대한 가중치를 산출할 수 있으며, 산출된 가중치는 각 모델의 생성에 사용된 파라미터에 적용하여 이들의 선형 조합을 통해 입력에 대한 카메라 움직임 파라미터를 추출할 수 있다. 제안된 방법의 성능을 평가하기 위하여 수치 데이터와 비디오 데이터에 대하여 실험한 결과, 제안된 카메라 움직임 파라미터 추출 방법이 적은 계산 비용으로 정확하게 카메라 움직임 파라미터를 추출할 수 있음을 확인할 수 있었다. 또한 입력 데이터에 노이즈가 포함된 경우에도 파라미터 추출 성능이 우수함을 알 수 있었다.

• Journal of Korea Society of Industrial Information Systems
• /
• v.13 no.1
• /
• pp.57-67
• /
• 2008

In this paper, we present an adaptive block matching motion estimation using optical flow. In the proposed algorithm, we calculate the temporal and spatial gradient value for each pixel value from tile differential filter, and estimate the optical flow which is used to decide the location and the size of the search region from the gradient values by least square optical flow algorithm. In particular, the proposed algorithm showed a excellent performance with fast and complex motion sequences. From the computer simulation for various motion characteristic sequences. The proposed algorithm shows a significant enhancement of PSNR over previous blocking matching algorithms.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10b
• /
• pp.374-376
• /
• 1999

본 논문은 연속적인 영상에서 움직이는 물체의 광류를 예측하는데 있어서 웨이브릿과 에피폴라 평면(Epipolar-Plane Images, EPI)을 사용하여 물체의 움직임을 분석하는 기법을 제안한다. 하나의 영상에서 물체의 특징을 찾는데 2차 웨이브릿 변환이 사용되고 있으나 연적인 영상에 대한 분석에서 시간에 대한 또 하나의 변환을 해 줌으로서 움직이는 물체의 정보를 얻어낼 수 있다. 3차 웨이브릿 변환에서 유도된 데이터를 가지고 만들어지는 에피폴라 평면은 움직이는 물체의 광류를 예측하는데 있어서 기존의 방법보다 시간적으로 절약을 할 수 있다. 특히 서로 다른 방향에 대한 민감성을 보여 주는 웨이브릿 계수들은 움직이는 물체의 광류 예측에 많은 도움을 주고 있다. EPI 분석에서는 물체가 깊이 방향으로 움직이는 경우에도 물체의 각 에지들(edges)의 기울기를 분석함으로서 깊이 방향의 광류를 측정할 수 있다. 본 논문에서 제시한 3차 웨이브릿 변환과 EPI 기법의 조합으로 분석된 실험 결과와 그 전 연구들과의 비교가 마지막 부분에 서술되었다.

• 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 Institute of Intelligent Systems Conference
• /
• 1998.03a
• /
• pp.165-168
• /
• 1998

얼굴을 인식하는 연구 분야는 얼굴 영상을 분석하는 과정을 거친다. 또한, 얼굴 영상 분석은 얼굴 영상을 이용하는 모든 분야의 연구에 필요한 전처리 과정이라고 할 수 있다. 그러나 얼굴 영상을 분석하는 일은 많은 비용이 든다. 본 연구에서는 이러한 분석과정을 거치지 않고 얼굴 영상을 변형한다. 입력되어지는 얼굴 영상에 나타나는 얼굴 표정을 파악하기 위하여 입력되는 데이터의 변화를 가장 잘 표현해 주는 것으로 널리 알려져 있는 고유 벡터를 이용하며, 기존의 영상을 변형한새로운 영상을 생성하기 위해서 가장 직관적으로 사용할 수 있지만, 광류 영상을 구하는 과정이 시간적으로 많은 비용을 요구하기 때문에, 본 연구에서는 일반 영상에 대한 고유 벡터와 광류 영상에 대한 교유 벡터를 이용하여 고유 벡터 공간 상의 가중치 벡터를 전달하는 방법으로 영상을 처리할 때마다 수행하여야 하는 광류 계산과정을 제거하였다.

• Journal of the Korean Society for Aeronautical & Space Sciences
• /
• v.38 no.4
• /
• pp.342-351
• /
• 2010

UAV (Unmanned Aerial Vehicle) have an INS(Inertial Navigation System) equipment and also have an electro-optical Equipment for mission. This paper proposes the vision based attitude estimation algorithm using Kalman Filter and Optical flow for UAV. Optical flow is acquired from the movie of camera which is equipped on UAV and UAV's attitude is measured from optical flow. In this paper, Kalman Filter has been used for the settlement of the low reliability and estimation of UAV's attitude. Algorithm verification was performed through experiments. The experiment has been used rate table and real flight video. Then, this paper shows the verification result of UAV's attitude estimation algorithm. When the rate table was tested, the error was in 2 degree and the tendency was similar with AHRS measurement states. However, on the experiment of real flight movie, maximum yaw error was 21 degree and Maximum pitch error was 7.8 degree.