• 한국컴퓨터정보학회논문지
• /
• 제14권6호
• /
• pp.59-64
• /
• 2009

경계선 검출은 항상 원 이미지의 노이즈에 의해 영향을 받으므로 사전에 노이즈들을 제거하는 방법들이 필요하다. 그리고 Mean Shift 알고리즘은 이러한 목적에 알맞은 smooth 함수를 가지고 있고, 그래서 중요하지 않은 정보와 노이즈에 민감한 부분들을 점차 제거하는 방법들을 택하고 있다. 우선 Canny 알고리즘을 사용하여 객체의 윤곽선을 추출하는데 초점을 맞추었다. 그리고 알고리즘을 테스트 하고 이전의 단독 Canny 알고리즘보다 우수한 결과를 얻었다. 따라서 Mean Shift 알고리즘과 Canny 알고리즘이 조합된 방법은 경계선 검출 처리에 적당함을 말한다.

• 정보처리학회논문지B
• /
• 제12B권3호
• /
• pp.273-282
• /
• 2005

실시간 객체 추적(Real-time object tracking)은 비디오 감시 시스템, 비전 기반 네비게이터와 같은 비전 응용 산업이 발달하면서 그 중요성이 더해지고 있는 분야이다. 객체 추적을 위해 많이 이용되고 있는 알고리즘으로 Mean-shift와 Condensation 알고리즘이 있다. Mean-shift 알고리즘을 기반으로 한 객체 추적 알고리즘은 구현이 간단하고, 적은 계산 복잡도를 갖는 장점이 있다. 따라서 실시간 객체 추적 시스템에 적합하다고 할 수 있지만, 지역 모드(Local mode)로 수렴하는 특성으로 인해 복잡한 환경(Cluttered environment)에서는 좋은 성능을 나타내지 못하는 단점을 가지고 있다. 반면, 여러 개의 후보들을 이용해 객체의 위치를 추정하는 Condensation 추적 알고리즘은 복잡한 환경에서 특정 객체를 추적하는데 많이 사용된다. 하지만 Condensation 알고리즘을 기반으로 한 추적 알고리즘은 정확한 추적을 하기 위해서 복잡도가 높은 객체 모델과 많은 수의 후보가 요구된다. 따라서 높은 복잡도를 갖게 되고, 이것으로 인해 복잡한 환경에서는 실시간 구현이 어렵다는 단점을 갖게 된다. 본 논문에서는, 복잡한 환경에서 실시간 객체 추적에 적합하도록 Condensation 알고리즘과 Mean-shift 알고리즘을 결합해서, 적은 수의 후보들을 이용하는 모델을 제안한다. 적은 수의 후보들을 이용하더라도, Mean-shift 알고리즘을 이용해 보다 높은 유사도를 가지는 후보들만을 이용함으로써, Condensation 알고리즘이나 Mean-shift 알고리즘만을 이용할 때보다 더 나은 성능을 얻을 수 있었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2015년도 춘계학술대회
• /
• pp.579-582
• /
• 2015

Mean-Shift 알고리즘은 객체 모델과 객체 후보 영상에서 색상 히스토그램 분포의 유사도를 이용하여 객체를 추적하는 강인한 알고리즘이다. 그러나 색상정보를 이용한 Mean-Shift 알고리즘은 객체와 배경이 비슷한 색상 분포를 가질 경우에 추적에 실패할 수 있는 단점이 있다. 이러한 단점을 보완하기 위해 배경과 객체를 분리할 정보를 색상(hue)과 채도(saturation) 영상에서 각각 4비트의 bit-plane을 조합한 새로운 영상을 사용한 강인한 객체 추적 알고리즘을 구현한다.

• 한국멀티미디어학회논문지
• /
• 제10권7호
• /
• pp.827-837
• /
• 2007

기존의 색상 기반의 Mean Shift 알고리즘을 이용한 객체추적 알고리즘은 초기 색상 정보가 사라질 경우 정확한 객체추적을 수행할 수 없다. 본 논문은 객체의 색상이 변할 때 색상 정보를 변경하여 정확히 추적하는 알고리즘을 제안한다. 제안 알고리즘은 현재의 위치를 중심으로 다음 객체 위치에 해당하는 밀도가 가장 높은 위치를 Mean Shift알고리즘으로 구하고, 바꿔 색상 정보를 변경하는 반복적인 기법을 사용한다. 이를 통해 처음 설정한 객체의 색상이 바뀌거나 사라지더라도 정확한 객체추적을 할 수 있게 되었다. 본 논문에서는 제안 알고리즘을 구현하고, 실험 결과로 성능을 입증한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2013년도 추계학술대회
• /
• pp.195-198
• /
• 2013

관심 객체의 인식 및 추적은 컴퓨터 비전 분야의 중요한 영역이다. 본 논문에서는 기존의 Mean-Shift 알고리즘의 고질적인 문제인 유사 히스토그램 분포를 가지는 객체 간 혼동 현상을 해결하는 방법을 제안한다. 피부색 필터링, 얼굴 인식, Mean-Shift 순으로 진행되는 처리 과정에서 각각의 알고리즘 블럭은 다음 진행 알고리즘의 성능을 높이는데 기여한다. 연산 오버헤드가 발생하지 않도록 추적 영역과 유사한 히스토그램 분포를 가지는 영역이 겹쳐질 때에만 화이트 픽셀의 수를 고려해 Viola-Jones 알고리즘을 실행하여 간단한 산술 연산을 통해 Mean-Shift의 수렴성을 높인다. 실험 결과 화이트 픽셀 수가 Mean-Shift의 탐색 반경에서 78%이상이 되면 Viola-Jones 알고리즘이 수행되도록 설정하였을 때 얼굴 영역 인식이 되는 경우에 한해서 객체 추적은 100% 성공하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2011년도 춘계학술발표대회
• /
• pp.384-385
• /
• 2011

본 논문은 중요도 맵과 Mean Shift 알고리즘을 이용하여 모바일 폰 영상 내의 와인 라벨 검출 방법을 제안한다. Mean Shift 알고리즘은 비모수적 클러스터링 기술로 클러스터의 수에 대한 사전 지식이 없이도 클러스터링이 가능한 알고리즘인데 실행 시간이 많이 필요한 단점이 있다. 이러한 문제를 해결하기 위해서 입력 칼라 와인 영상에 Saliency Map을 먼저 적용하고 영상의 두드러진 영역을 찾는다. 다음으로 Mean Shift 알고리즘을 이용한 분할 결과에서 얻은 칼라 마스크를 따라 빈도가 가장 높은 칼라 영역을 찾고 와인 라벨 영역을 검출한다. 실험결과를 통하여 제안된 방법을 모바일 폰을 이용하여 획득된 다양한 와인 영상의 라벨 영역을 효율적으로 검출할 수 있음을 볼 수 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2006년도 추계학술발표대회
• /
• pp.137-140
• /
• 2006

본 논문은 급격한 컬러 변화를 보이는 물체를 추적하기 위해 새로운 알고리즘에 대해서 기술하였다. 이를 수행하기 위해 컬러기반의 추적 알고리즘인 Mean Shift를 개선하여 적용한다. 지존의 Mean Shift 알고리즘은 물체 추적을 위해 컬러 분포 정보를 설정한다. 하지만 초기의 컬러 분포 정보가 사라질 경우 물체 추적을 정확히 수행하기 힘들다는 문제점을 안고 있다. 본 논문에서는 이를 해결하기 위해 Mean Shift를 개선하여, 추적 대상의 컬러 정보를 반복적으로 업데이트하여 초기의 컬러 정보가 사라지더라도 추적이 가능하도록 개선하였다. 개선된 추적 알고리즘은 시간에 따라 초기의 컬러 분포 정보가 완전히 사라지더라도 실시간 추적이 가능하도록 구현하였다. 이를 입증하기 위해 본 논문의 실험에서는 실험적인 환경에서 급격한 컬러 변화를 보이는 간단한 문제의 추적과 실생활에서의 예를 함께 보여준다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제65차 동계학술대회논문집 30권1호
• /
• pp.41-44
• /
• 2022

Mean-Shift 영상 분할은 객체 검출을 위한 영상 전처리 방법으로써, 영상 처리 및 패턴 인식 분야에서 널리 사용되는 방법이다. 영상 분할은 영역 기반과 에지 기반 방식으로 나누어지며 대표적으로 FCM, Quickshift, Felzenszwalb, SLIC 알고리즘 등 이 있다. 언급한 영상 분할 방법들은 Mean-Shift 영상 분할에 비해서 빠른 속도로 실행시킬 수 있지만, 형태적 특징이 훼손되고 하나의 객체가 여러 세그멘테이션으로 분할된다는 단점을 가지고 있다. 본 논문에서는 소형 객체를 탐지하기 위한 고속화된 Mean-Shift 영상 분할과 객체의 형태적 특징을 이용하여 객체를 탐지하는 방법을 제안한다. 하드웨어 리소스가 제한된 신호처리기에 제안하는 알고리즘을 수행하기 위하여 Mean-Shift 영상 분할에서 필터링 과정을 고속화 하였고, 적외선 영상 내 영상 전처리 수행을 통해 잡음 제거 후 Mean-Shift 영상 분할 방법을 수행함으로써, 객체의 형태적 특징을 잘 살려서 영상 분할을 할 수 있도록 하였다. 또한 각 세그멘테이션의 크기, 너비, 높이, 밝기 정보와 형태적 특징점을 이용한 객체 탐지 방법을 제안한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2011년도 추계학술대회
• /
• pp.137-139
• /
• 2011

영상에서의 경계선 추출은 원 영상의 노이즈에 의해 크게 영향을 받는다. 따라서 먼저 그 노이즈들을 제거할만한 어떤 방법들이 필요하다. Mean Shift 알고리즘은 이러한 목적에 부합되는 유연한 함수로서, 별로 중요하지 않은 정보와 민감한 노이즈 부분을 점점 제거하는데 알맞다. 여기서는 Canny 알고리즘을 사용하여 중점으로 하는 영상에서의 윤곽선을 찾아낸다. 그리고 테스트 하고 이전의 유일한 Canny 알고리즘 보다 결과가 좋음을 알아낸다.

• 한국항행학회논문지
• /
• 제23권1호
• /
• pp.77-83
• /
• 2019

본 논문에서는 컬러 히스토그램과 CNN 모델을 이용한 객체 추적 기법 알고리즘을 제안한다. CNN (convolutional neural network) 모델기반 객체 추적 알고리즘인 GOTURN (generic object tracking using regression network)의 정확도를 높이기 위해 컬러 히스토그램 기반 mean-shift 추적 알고리즘을 합성하였다. 두 알고리즘을 SVM (support vector machine)을 통해 분류하여 추적 정확도가 더 높은 알고리즘을 선택하도록 설계하였다. Mean-shift 추적 알고리즘은 객체 추적에 실패할 때 경계 박스가 큰 범위로 움직이는 경향이 있어 경계 박스의 이동거리에 제한을 두어 정확도를 향상시켰다. 또한 영상 평균 밝기, 히스토그램 유사도를 고려하여 두 알고리즘의 추적 시작 위치를 초기화하여 성능을 높였다. 결과적으로 기존 GOTURN 알고리즘보다 본 논문에서 제안한 알고리즘이 전체적으로 정확도가 1.6% 향상되었다.