• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2016.11a
• /
• pp.131-133
• /
• 2016

본 논문은 연속적인 비디오 시퀀스에서 움직이는 객체의 영역을 효율적으로 분할하기 위하여 커널 기반 객체 추적과 Grab-Cut 알고리즘을 결합한 비디오 영역 분할 방법을 제안한다. 제안 방법에서는 추적 목표 객체의 초기 위치를 사각영역으로 선택하면, 사각의 외부 영역을 배경색상으로 인지하고, 배경 색상을 고려한 목표 객체의 주요 색상을 분석한다. 이를 기반으로 커널기반 객체 추적 기법을 적용하여 빠르게 객체의 영역을 추출한다. 추적한 각 객체의 영역에서 중앙 객체 영역과 배경 영역의 색 정보를 초기값으로 하여 Grab-Cut 알고리즘을 수행하고 사각형 형태가 아닌 객체의 실루엣 최적화된 영역으로 분할한다. 제안 방법을 스포츠 방송, 광고, 영화 등의 특수 효과로 활용되고 있는 stromotion 영상 생성에 적용하기 위하여 프레임별 추출된 객체의 영상을 새로운 프레임 영상에 합성하는 작업을 수행하여, 초당 10 프레임의 처리 속도에서 원하는 스트로모션 효과 영상을 생성하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2014.11a
• /
• pp.142-145
• /
• 2014

동영상에서의 객체 추적 알고리즘에 대한 활발한 연구가 진행되고 있음에도 불구하고 실시간 객체추적을 위해서는 여전히 정확도, 복잡도 등에서의 성능향상이 필요하다. 압축영역 기반 방식에서는 전역 움직임 보상(GMC : Global Motion Compensation)과정을 거쳐 추적하려는 객체와 배경을 구분한다. 전역 움직임 보상방법은 프레임 전 영역을 대상으로 하는 연산으로 전체 추적 시스템에서 차지하는 복잡도가 높다. 본 논문은 관심영역(ROI : Region Of Interest) 기반 전역 움직임 보상방법을 이용한 ST-MRF(Spatio-Temporal Markov Random Field)기반 추적기 고속화 방법을 제안한다. 관심영역을 기반으로 전역 움직임 보상을 적용함으로써 객체와 배경을 분리할 뿐만 아니라 알고리즘의 복잡도를 효과적으로 줄일 수 있다. 제안하는 방법의 추적성능은 평균 precision 87.29%, recall 82.58%, F-measure 83.78%로 기존방법과 비교하여 약 1%의 차이를 유지하였으며 전체 시스템의 수행시간은 평균 29.95ms로 기존방법과 비교하여 1.74배의 속도향상을 보였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.486-487
• /
• 2012

본 논문에서는 차량 내에 설치된 카메라를 이용하여 전방차량을 인식하는 FCW(Forward Collision Warning)시스템에서 주행 중인 전방 차량을 추적하는 알고리즘을 제안한다. 전방 차량의 후보 영역을 검출하기 위해 Haar-Adaboost를 이용하였으며 검색된 차량 후보 영역 내의 에지 정보를 이용하여 차량 후보 영역을 필터링하였다. 필터링된 차량 영역은 영역기반과 Kalman 예측치를 이용하여 차량을 추적하는 방법으로 차량 검색기가 차량 영역을 검색하지 못하는 경우 Kalman 예측치를 통해 차량 후보 영역을 예측하고 예측된 차량 영역을 검증함으로써 효율적인 전방 차량 인식이 가능하였다. 본 제안 방법을 실험한 결과 이전 프레임에서 추적되던 차량 후보 영역이 현재 프레임에서 Haar-Adaboost가 차량 후보 영역을 검색하지 못하는 경우에 영역기반과 Kalman 예측치를 통하여 현재 프레임에서 전방차량을 연속적으로 추적하는 것을 확인하였다. 본 제안 방법은 영상을 이용한 FCW 시스템에 사용될 수 있을것으로 사료된다.

• Proceedings of the IEEK Conference
• /
• 2003.07e
• /
• pp.2100-2103
• /
• 2003

기존의 객체 추출 및 추적 기법은 외형 변화가 없는 객체를 대상으로 하거나 배경이 고정된 영상만을 고려하였다 본 논문에서는 영역의 색상과 움직임 정보, 그리고 인접한 영역의 상관 관계를 고려한 Markov Random Field (MRF) 모델을 제안한다. MRF 모델은 영상의 시간적 공간적 상관성을 기반으로 최적의 레이블 셋을 계산함으로써 보다 정확하게 객체를 추출 및 추적할 수 있다. 또한, 블록 기반 움직임 추출 알고리즘인 Diamond Search (DS)를 분할된 영역에 적용하여 빠르게 영역의 움직임과 전역 움직임을 추정하였다. 실험 결과 제안한 방법이 객체의 외형 변화와 카메라 움직임이 있는 동영상에서 빠른 속도로 정확하게 객체를 추출 및 추적하는 것을 확인하였다.

• 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 Intelligent Systems Conference
• /
• 1998.03a
• /
• pp.157-160
• /
• 1998

본 논문에서는 동영상으로부터 에지 정보와 형판 변형을 통해 얼굴의 추출하고 그 특징을 기반으로 하는 추적 기법을 제안한다. 본 논문에서 제안하는 추적기법은 추출된 특징에 기반을 추적 지법으로 초기에 모자익 영상을 이용하여 얼굴 부분을 찾고 찾아진 얼굴 부분에 에지 연산자를 적용하여 에지를 추출한다. 에지 영상이 얻어지면 에지 영상에서 영역의 크기와 모양, 그리고 관계 검증을 통해 대략적인 눈 영역을 추출한다. 눈 영역이 찾아지면 이를 바탕으로 입 영역에 대한 후보 영역에 대하여 이진화를 수행하고 히스토그램 프로젝션을 통해 대략적인 입 영역을 추출한다. 추출된 눈 영역과 입 영역에 각각의 형판을 사용해 형판 변형을 하고 초기 매개변수를 추출한다. 추출된 매개변수는 다음 프레임에서 형판의 초기 값으로 사용된다. 그리고 나서 형판에 대하여 변형(deformation) 과정을 수행한다. 이 과정을 반복함으로써 추적 과정을 수행한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.05a
• /
• pp.567-570
• /
• 2003

본 논문에서는 연속영상 속에 있는 얼굴영역을 칼만 필터를 이용하여 추적하는 방법을 제안한다. 제안된 방법은 영역-기반접근(region-based approach)방법인 워터쉐드 알고리즘을 이용하여 초기 영역 분할 작업을 한 후 얼굴칼라 모델과의 매칭작업을 통해서 얼굴영역을 찾아내는 얼굴검출 단계와 추출된 얼굴영역의 칼라정보를 칼만 필터의 입력으로 하여 얼굴을 추적하는 단계로 구성되어 있다. 실험결과를 통하여 제안된 방법이 배경이 복잡한 영상에 대해서도 효율적으로 얼굴을 추적할 수 있음을 보인다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.11a
• /
• pp.455-458
• /
• 2002

분기를 가지는 대상객체에 대한 가상 네비게이션 시 네비게이션 경로를 지정하기 위하여 일반적으로 반복적인 형태학적 연산(Iterative Morphological Operation)중 세선화(thining)연산을 기반으로 한 골격화(skeletonization)기법들이 널리 사용되었다. 이러한 방법은 반복적인 세선화 연산 수행과정을 거쳐야하므로 수행효율성이 떨어지고, 잡음에 의하여 잘못된 경로를 생성하기 쉽다. 본 연구에서 수행효율성을 개선하고, 잡음에 안정적으로 네비게이션 경로를 추적하기 위하여 영역 중심점 선형 보간 기법을 기반으로 한 네비게이션 경로추적 기법을 제안한다. 본 제안 기법에서는 2 차원 영상 분할 후, 분할 영상에 대한 영역의 수와 영역 중심점을 기반으로 분기위치를 추적하고, 분기영역에서의 영역 중심점 선명 보간을 통하여 자연스러운 네비게이션 경로를 생성한다.

• Journal of KIISE:Information Networking
• /
• v.29 no.1
• /
• pp.97-107
• /
• 2002

In general, under interactive broadcasting environment, user finds additional service using top-down menu. However, user can't know that additional service provides information until retrieval has finished and top-down menu requires multi-level retrieval. This paper proposes the new method for additional service providing not using top-down menu but using object selection. For the purpose of this method, the movie of a MPEG should be synchronized with the object information(position, size, shape) and object tracking technique is required. Synchronization technique uses the Directshow provided by the Microsoft. Object tracking techniques use a motion-based tracking and a model-based tracking together. We divide object into two parts. One is face and the other is substance. Face tracking uses model-based tracking and Substance uses motion-based tracking base on the block matching algorithm. To improve precise tracking, motion-based tracking apply the temporal prediction search algorithm and model-based tracking apply the face model which merge ellipse model and color model.

• Proceedings of the KIEE Conference
• /
• 1999.11c
• /
• pp.664-666
• /
• 1999

영상 추적(visual tracking)은 로봇의 시각기반제어, 교통정보시스템, 무인감시시스템 등 다양한 분야에 적용 가능하기 때문에 지정된 혹은 운동이 감지된 물체를 지속적이고 빠르게 추적하는 데 목적을 둔다. 이 때 어려운 문제 중 하나는 시간이 지나면서 위치이동은 물론 회전에 와해 물체의 모양이 변한다는 것이다. 이에 본 논문에서는 물체의 3차원 회전에 대응 가능한 실시간 영상추적 알고리듬을 제안한다. 이 알고리듬은 SSD(sum-of-squared differences)를 기반으로 하되, 물체의 배경이 바뀔 때나 물체가 영상추적 윈도우보다 작은 경우에도 추적이 가능하고 3차원 회전에 대응 가능하다. 이것은 3차원 회전으로 인하여 추적목표를 잃어버리는 것을 막기 위하여 기준 영역이 회전할 때 제안된 성능지수에 따라 영상추적 영역과 기준 영상을 새롭게 설정해줌으로써 구현된다. 제안된 알고리듬은 PC기반 실시간 시각시스템에서 성공적으로 실험되었다.