• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 한국컴퓨터종합학술대회 논문집 Vol.33 No.1 (B)
• /
• pp.361-363
• /
• 2006

객체 기반의 3차원 입체 변환 기법은 연속적으로 입력되는 2D 동영상에서 객체를 추출하여 입체 영상으로 변환하는 기법을 말한다. 두 눈에 투시되는 각 객체마다 서로 다른 시차를 가져야 입체감을 느낄 수 있다. 따라서 2D 영상에서 정확한 객체를 추출하는 것이 중요하다. 본 논문에서는 프레임간의 차이를 이용하여 대략의 움직이는 객체 영역을 얻고, 그래프 및 알고리즘을 사용하여 정확하고 안정적인 객체를 자동으로 추출한다. 스크린과 양안 사이의 거리를 고려하여 입체 영상을 만들어 낸다. 후처리 단계에서는 입체 영상을 만들어 내면서 생긴 빈 공간을 채운다. 실험에서는 2D 영상으로부터 입체 영상을 생성한 것을 보여 준다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2018년도 추계학술대회
• /
• pp.174-176
• /
• 2018

본 논문에서는 직사각형 영상에서의 객체 좌표를 회전축과의 각도로 표현하는 방법을 적용한 자동화된 객체추적 알고리즘을 제안한다. 직사각형 영상을 구형으로 맵핑했을 때 객체의 정확한 좌표를 알아내기 위해 비례식을 사용하였다. 실제 영상이 구형 영상으로 맵핑되었을 때, 화면에 보이는 중앙점을 기반으로 실제 영상의 좌측상단 좌표를 구하였다. 앞서 구한 좌표를 이용하여 실제 영상의 좌측상단에서 객체의 이동 거리를 더하면 구형 영상에서 객체의 실제 좌표를 구할 수 있다. 제안한 방법을 통해서 관심 객체의 움직임을 효과적으로 추적하였다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2002년도 춘계학술발표논문집(상)
• /
• pp.191-194
• /
• 2002

영상분할이란 영상 내에 존재하는 객체를 배경에서 분리해내는 것을 말한다. Active Contour 모델은 객체를 영상에서 분리하는 gradient 기반의 영상분할 방식이다. 전통적인 의미의 Active Contour 모델에서 사용한 gradient 함수 기반의 영상분할은 잡영이 많고 객체와 배경간 뚜렷한 경계가 없는 영상에서는 그 한계를 보이고 있다. 이에 본 논문에서는 이러한 Active Contour 모델의 단점을 극복하기 위한 방법으로 영상 내의 진화곡선에 의존하는 에너지 함수인 Mumford-Shah Functional을 이용한 방법을 제안한다. 이 방법은 영상 내의 Active Contour를 진화시켜 Mumford-Shah 함수의 에너지를 최소화시키는 Level Set 함수를 찾고 Level Set 함수에 의해 얻어진 부분영상에서 히스토그램을 이용한 임계치(thresholding) 방식을 사용하는 보다 효과적인 객체추출 모델이다.

• 정보처리학회논문지B
• /
• 제10B권1호
• /
• pp.81-86
• /
• 2003

본 논문은 고정영역에서 움직이는 객체를 검출하기 위한 방법으로 배경영상과 입력영상의 차를 이용하여 객체를 추출하고 추출된 객체의 이동을 추적하는 방법에 대해 제안하였다. 객체를 추출하는 방법으로 고정영역에 새로운 객체의 위치를 파악하기 위해 전체 영상의 픽셀을 연산에 참여시키는 것이 아니라 영상의 테두리에 설정된 영역의 픽셀들만을 연산에 참여시킨다. 따라서 중앙영역이 연산에서 제외되어 객체추출의 시간을 효과적으로 단축시킬 수 있었다. 또한 설정영역에서 객체를 추출하기 위하여 시작위치를 먼저 파악하고 시작위치로부터 객체의 가로와 세로의 크기를 추출함으로써 객체의 영역을 검출하였다. 이동된 객체의 추적에는 추출된 중심좌표를 이용하였다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2008년도 학술대회 1부
• /
• pp.795-800
• /
• 2008

카메라로 입력되는 영상에서 객체를 인식하기 위한 노력은, 기존의 컴퓨터 비전분야에서 좋은 이슈로 연구되고 있다. 영상 내부에 등장하는 객체를 인식하고 해당 객체를 포함하고 있는 전체 이미지에서 현재 영상의 위치를 인식하기 위해서는, 영상 내에 등장할 객체에 대한 트레이닝이 필요하다. 본 논문에서는 영상에 등장할 객체에 대해서, 특징 점을 검출(feature detection)하고 각 점들이 가지는 픽셀 그라디언트 방향의 벡터 값들을 그 이웃하는 벡터 값들과 함께 DoG(difference-of-Gaussian)함수를 이용하여 정형화 한다. 이는 추후에 입력되는 영상에서 검출되는 특징 점들과 그 이웃들 간의 거리나 스케일의 비율 등의 파리미터를 이용하여 비교함으로써, 현재 특징 점들의 위치를 추정하는 정보로 사용된다. 본 논문에서는 광역의 시설 단지를 촬영한 인공위성 영상을 활용하여 시설물 내부에 존재는 건물들에 대한 초기 특징 점들을 검출하고 데이터베이스로 저장한다. 트레이닝이 마친 후에는, 프린트된 인공위성 영상내부의 특정 건물을 카메라를 이용하여 촬영하고, 이 때 입력된 영상의 특징 점을 해석하여 기존에 구축된 데이터베이스 내의 특징 점과 비교하는 과정을 거친다. 매칭되는 특징 점들은 DoG로 정형화된 벡터 값들을 이용하여 해당 건물에 대한 위치를 추정하고, 3차원으로 기 모델링 된 건물을 증강현실 기법을 이용하여 영상에 정합한 후 가시화 한다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2002년도 춘계학술발표논문집(상)
• /
• pp.215-218
• /
• 2002

영상 내에 존재하는 객체를 배경에서 분리해내는 영상분할에 대한 연구는 일반적으로 픽셀중심, 에지기반, 영역기반 그리고 모델기반의 영역에서 이루어져왔다. Active Contour 모델은 객체를 영상에서 분리하는 에지기반의 영상분할 방식이다. 전통적인 의미의 Active Contour 모델에서 사용한 그라디언트 함수 기반의 영상추출은 잡영이 많고 객체와 배경간 뚜렷한 경계가 없는 객체를 검출하는데는 그 한계를 보이고 있다. 이런 한계를 극복하고자 제안된 방법이 Mumford-Shah equation과 Lipshitz 함수를 이용한 Chan과 Vese의 Active Contour Model이다. 그런데 이 모델은 잡영이 많고 경계선이 뚜렷하지 않은 영상을 분할하는데는 효과적이나, 불균형적 조명이 있는 영상에서 객체를 분리해 내는데는 한계를 보이고 있다. 본 논문은 이러한 단점을 극복하기 위해 불균형적인 영상을 균일화하는 방법을 Chan과 Vese의 Active Contour 방식을 적용하기 전에 적용 시켜 영상 내 객체를 보다 효과적으로 추출하는 방법을 제안한다.

• 전자공학회논문지CI
• /
• 제41권4호
• /
• pp.85-94
• /
• 2004

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.

• 정보처리학회논문지B
• /
• 제10B권3호
• /
• pp.329-338
• /
• 2003

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.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2001년도 제14회 신호처리 합동 학술대회 논문집
• /
• pp.15-18
• /
• 2001

동영상에서 움직이는 객체 검출은 동영상의 내용을 표현하고 유사한 동영상을 검색하는 데 있어 중요한 특징간을 추출하는 방법으로 사용된다. 그러나 복잡하게 카메라가 움직이는 동영상에서 움직이는 객체 검출은 아직까지 어려운 과제이다. 본 논문에서는 복잡한 카메라의 움직임이 있는 환경에서 움직이는 객체를 강인하게 검출하는 방법을 제안한다. 움직이는 객체 검출 방법은 입력 영상을 색상간의 클러스터링을 이용하여 각 영역으로 구분하는 Mean Shift 알고리즘과 인접한 프레임에서 구분된 영역을 대응시켜 영역의 모션 벡터를 구하는 영역 매칭, 유사한 궤적을 가지는 영역들의 클러스터링을 이용하여 객체를 검출하는 궤적 클러스터링 알고리즘을 사용한다. 제안한 영역 기반 알고리즘은 기존의 픽셀이나 블록 기반의 방법보다 움직이는 객체를 정확하게 검출하였다. 실험 결과 복잡하게 움직이는 카메라의 환경 속에서 움직이는 객체를 강인하게 검출하였다.

• 한국산학기술학회:학술대회논문집
• /
• 한국산학기술학회 2012년도 춘계학술논문집 2부
• /
• pp.527-530
• /
• 2012

본 논문은 윤곽선이 두드러지는 Saliency Map모델을 생성하고 객체 후보 영상을 획득하여 객체를 추출할 수 있는 기법에 관한 연구이다. 제안하는 기법은 객체의 윤곽선 정보가 두드러지는 Saliency Map을 생성하기 위해 에지(Edge), 초점(Focus), 엔트로피(Entropy)를 특징 정보로써 사용하고, 획득한 Saliency Map의 임계화 과정 및 라벨링 과정을 통해 배경 영역을 제거한 객체 후보 영상을 획득한다. 이후 Mean Shift Segmentation 알고리즘을 적용한 영상의 세그먼트별 객체 후보 영상의 픽셀 평균값을 적용한 영상을 다시 라벨링 과정을 이용하여 객체를 추출한다.