• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.11a
• /
• pp.435-438
• /
• 2007

움직이는 객체를 검출하기 위해서 정확한 배경을 사용하기 위해 널리 사용되는 방법으로는 가우시안 혼합 모델이다. 가우시안 혼합 모텔은 확률적 학습 방법을 사용하는데, 이 방법은 움직이는 배경일 경우와 이동하던 물체가 정지하는 경우 배경을 정확히 모델링하지 못한다. 본 논문에서는 확률적 모델링을 통해 혼잡한 배경을 모델링하고 객체의 계층적 처리를 통해 보다 정확한 배경으로 갱신할 수 있는 학습 방법을 제안한다.

• Proceedings of the Korea Contents Association Conference
• /
• 2012.05a
• /
• pp.303-304
• /
• 2012

본 논문에서는 사용자가 보다 현실감 있는 체감형 콘텐츠 사용을 위해 빠르게 움직이는 객체의 운동 요소 추출에 있어서 객체의 움직이는 방향과 거리, 각도 등 중요한 요소인 회전각을 추출하는 방법을 제안한다. 빠르게 회전을 하는 객체에 특징점 생성을 위하여 마커 제작을 제안하고 접목하며 패턴 인식을 통하여 마커의 특징점을 추출하도록 한다. 추출된 특징점은 제안하는 POSIT 알고리즘을 통하여 특징점을 분석하여 회전하는 객체의 회전각을 추출 할 수 있도록 하였다. 본 시스템은 향후 보다 다양한 콘텐츠에 접목함으로 인하여 체감형 콘텐츠를 사용함에 있어서 객체의 회전각을 추출할 수 있는 인식 디바이스로써 활용이 가능하다.

• Journal of KIISE:Databases
• /
• v.31 no.3
• /
• pp.252-260
• /
• 2004

Recently, the TPR-tree has been proposed to support spatio-temporal queries for moving objects. Subsequently, various methods using the TPR-tree have been intensively studied. However, although the TPR-tree is one of the most popular access methods in spatio-temporal databases, any cost model for the TPR-tree has not yet been proposed. Existing cost models for the spatial index such as the R-tree do not accurately ostinato the number of disk accesses for spatio-temporal queries using the TPR-tree, because they do not consider the future locations of moving objects. In this paper, we propose a cost model of the TPR-tree for moving objects for the first time. Extensive experimental results show that our proposed method accurately estimates the number of disk accesses over various spatio-temporal queries.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.29 no.8C
• /
• pp.1175-1183
• /
• 2004

This paper propose a method to trace a moving object based on the information directly obtained from MPEG-2 compressed video stream without decoding process. In the proposed method, the motion flow is constructed from the motion vectors involved in compressed video and then we calculate the amount of pan, tilt, zoom associated with camera operations using generalized Hough transform. The local object motion can be extracted from the motion flow after the compensation with the parameters related to the global camera motion. The moving object is designated initially by a user via bounding box. After then automatic tracking is performed based on the mean-shift algorithm of the motion flows of the object. The proposed method can improve the computation speed because the information is directly obtained from the MPEG-2 compressed video, but the object boundary is limited by blocks rather than pixels.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.21 no.1
• /
• pp.106-111
• /
• 2011

Video-based detection and tracking of moving objects has been widely used in real-time monitoring systems and a videoconferencing. Also, because object motion tracking can be expanded to Human-computer interface and Human-robot interface, Moving object tracking technology is one of the important key technologies. If we can track a specified object in an environment of multiple moving objects, then there will be a variety of applications. In this paper, we introduce a specified object motion tracking using particle filter. The results of experiments show that particle filter can achieve good performance in single object motion tracking and a specified object motion tracking in an environment of multiple moving objects.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.27 no.3A
• /
• pp.221-230
• /
• 2002

This paper presents a new moving object segmentation algorithm using markov random field. The algorithm is based on signal detection theory. That is to say, motion of moving object is decided by binary decision rule, and false decision is corrected by markov random field model. The procedure toward complete segmentation consists of two steps: motion detection and object segmentation. First, motion detection decides the presence of motion on velocity vector by binary decision rule. And velocity vector is generated by optical flow. Second, object segmentation cancels noise by Bayes rule. Experimental results demonstrate the efficiency of the presented method.

• Journal of KIISE:Software and Applications
• /
• v.27 no.10
• /
• pp.1028-1037
• /
• 2000

비디오 영상에서 자연스럽게 움직이는 객체에 대한 인식방법을 제안한다. 이 객체는 자유자재로 움직이며, 움직임의 방향을 예측하기 어렵고 빠르게 움직인다. 객체의 동작은 그 객체가 고유하게 가지고 있는 움직임의 특성과 객체의 주변상황에 밀접한 관계가 있다. 본 논문은 자연스럽고 동적인 상황에서 객체의 동작을 분석하고 인식하는 방법을 제안한다. 객체의 동작을 인식하기 위해 동작을 구분하고 분석하여 동작의 대표특징을 추출한다. 그리고, 하나의 객체 주위에 다가오는 다른 객체와의 상관관계를 표현한다. 또한, 동작인식을 위한 알고리즘을 제안한다. 즉, 구간별 포아송(Poisson) 넌-제로(Non-zero)확률 분포를 통한 방법과 퍼지와 신경망의 결합에 의한 인식방법을 제안한다. 그리고 제안된 방법들로 구현된 인식결과를 비교 분석하고 평가한다. 우리의 알고리즘은 축구영역에서 시험된다. 우리는 동작인식의 성공뿐 아니라 실패의 경우도 설명하며 미래의 연구할 과제를 제안한다.

• Proceedings of the KAIS Fall Conference
• /
• 2005.05a
• /
• pp.227-230
• /
• 2005

최근 컴퓨터 비전 및 영상처리 분야에서 일련의 동영상으로부터 움직이는 객체를 검출하고 추적하는 시스템에 대한 관심이 점차 높아지고 있다. 본 연구에서는 원격 제어에 의해 상하좌우 이동이 가능한 장치에 고정된 카메라를 이용하여 움직이는 단일 이동 객체를 추적할 수 있는 시스템을 구현하였다. 추적 시스템은 영상 획득 및 전처리 단계, 차영상 기법에 기반한 움직임 추정 단계와 추정된 중심점 좌표를 기준으로 카메라를 제어하는 추적 단계로 구성되어 있다. 구현된 이동 객체의 실시간 추적 시스템의 성능을 평가하기 위해 사람이 보통의 속도로 실내에서 이동하는 환경에서 실시간 추적 실험을 실시하였다. 그 결과 객체를 잃어버리지 않고 정상적으로 추적할 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.860-863
• /
• 2021

고정 카메라 환경에서 움직이는 객체만을 탐지하는 것은 비디오 모니터링의 중요한 응용 분야이다. 본 논문에서는 비디오의 특성인 움직임 정보가 포함된 영상에서 GMM을 이용하여 움직인 돼지와 움직이지 않은 돼지의 위치를 대략적으로 구분하고, 추가적인 영상 처리 기법과 딥러닝 기반 객체 탐지기를 적용한 박스 단위 객체 탐지 결과를 활용하여 움직인 돼지의 외곽선을 보정한다. 돈사에서 촬영된 비디오 데이터로 실험한 결과, 제안 방법은 효과적으로 움직인 돼지를 탐지할 수 있음을 확인하였다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.20 no.8
• /
• pp.1537-1545
• /
• 2016

In real time video sequence, object segmentation and tracking method are actively applied in various application tasks, such as surveillance system, mobile robots, augmented reality. This paper propose a robust object tracking method. The background models are constructed by learning the initial part of each video sequences. After that, the moving objects are detected via object segmentation by using background subtraction method. The region of detected objects are continuously tracked by using the HSV color histogram with particle filter. The proposed segmentation method is superior to average background model in term of moving object detection. In addition, the proposed tracking method provide a continuous tracking result even in the case that multiple objects are existed with similar color, and severe occlusion are occurred with multiple objects. The experiment results provided with 85.9 % of average object overlapping rate and 96.3% of average object tracking rate using two video sequences.