• 전기전자학회논문지
• /
• 제23권1호
• /
• pp.207-213
• /
• 2019

본 논문에서는 객체 추적을 위한 간소화된 특징점 검출 알고리즘을 제안하고, 이의 실시간 처리를 위한 하드웨어 구조 설계 및 구현 결과를 제시한다. 기존 Shi-Tomasi 알고리즘은 객체 추적 응용에서 우수한 성능을 보이지만, 연산 복잡도가 큰 문제가 존재한다. 따라서, 기존 알고리즘에 비해 연산 복잡도를 간소화시키면서 유사한 성능 지원이 가능한 효율적인 특징점 검출 알고리즘을 제안하고, 하드웨어 설계 및 구현 결과를 제시한다. 제안된 특징점 검출기는 FPGA 기반 구현 결과, 1,307개의 logic slices, 5개의 DSP 48s, 86.91Kbit의 메모리로 구현 가능함을 확인하였으며, 114MHz의 동작 주파수로 $1920{\times}1080FHD$급 영상에 대해 54fps의 실시간 처리가 가능하다.

• 인터넷정보학회논문지
• /
• 제6권5호
• /
• pp.85-95
• /
• 2005

본 논문에서는 시퀀스 이미지에서 스케일-스페이스 필터링을 통한 특징점 추출과 질감도(texturedness) 비교를 적용한 특징점 추적 알고리즘을 제안한다. 특징점을 추출하기 위해서 정의된 오퍼레이터를 이용하는데, 이때 설정되는 스케일 파라미터는 특징점 선정 및 위치 설정에 영향을 주게 되며, 특징점 추적 알고리즘의 성능과도 관계가 있다. 본 논문에서는 스케일-스페이스 필터링을 통한 특징점 선정 및 위치 설정 방안을 제시한다. 영상 시퀀스에서, 카메라 시점 변화 또는 물체의 움직임은 특징점 추적 윈도우내에 아핀 변환을 가지게 하는데, 대응점 추적을 위한 유사도 측정에 어려움을 준다. 본 논문에서는 Shi-Tomasi-Kanade 추적 알고리즘에 기반하여, 아핀 변환에 비교적 견실한 특징점의 질감도 비교를 수행하는 최적 대응점 탐색 방법을 제안한다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제28권3호
• /
• pp.74-82
• /
• 2024

본 연구는 특징점 기반 변위 계측 알고리즘에서 환경 변화 및 타겟의 종류에 따라 특징점 검출 성능을 비교 분석하였고, 특징점 검출 알고리즘에 따른 변위 측정정확도를 비교 분석하기 위해 진행되었다. 성능 평가를 위해 3층 전단 구조물을 설계하였으며, FHD(1920×1080)급 카메라를 활용하여 구조물의 변위 응답을 기록하였다. 촬영거리 증가와 조도 변화에 따른 성능분석을 위해 최초 촬영거리를 10m로 설정하여 10m씩 멀어지면서 최대 40m까지 실험을 수행하였으며, 두 가지 조도 환경(450lux와 120lux)을 조성하였다. 구조물에 설치된 인공 타겟과 자연 타겟(볼트연결부 및 슬래브 단면적)을 관심영역으로 설정하여 Shi-Tomasi corner, SURF, BRISK 및 KAZE 특징점 검출 알고리즘으로 특징점을 검출하였다. 특징점 검출 성능분석 결과 Shi-Tomasi corner와 KAZE 알고리즘이 타겟 종류, 조도변화 및 촬영거리 증가에 강건한 것으로 보여줬으며, 두 알고리즘을 활용한 변위 측정정확도도 가장 높은 것으로 나타났다. 하지만 자연 타겟 활용시 변위 측정정확도는 인공 타겟의 경우보다 낮아지는 것을 보여주며, 밝기 대비가 가장 낮은 슬래브 단면적을 타겟으로 활용시 비전센서 운용거리가 20m로 적용 한계성을 보여줬다. 이는 촬영거리 증가에 따라 자연 타겟의 해상도가 저하되어 특징점을 추출에 한계성을 나타냈다.

• 대한전자공학회논문지SP
• /
• 제41권5호
• /
• pp.23-34
• /
• 2004

본 논문에서는 사전학습이 필요 없는 능동 특징점 모델(non-prior training active feature model; NPT AFM) 기반에서 광류(optical flow)를 이용한 객체추적 기술을 제안한다. 제안한 알고리듬은 비정형 객체에 대한 분석[1]에 초점을 두고 있으며, 실시간에서 NPT-AFM을 사용한 강건한 추적을 가능하게 한다. NPT-AFM 알고리듬은 관심 객체의 위치를 파악하는 과정 (localization)과 이전 프레임 정보와 현재 프레임 정보를 이용하여, 객체의 위치를 예측(prediction), 보정(correction)하는 과정으로 나눌 수 있다 위치 파악 과정에서는 움직임 분할(motion segmentation)을 수행한 후 개선된 Shi-Tomasi의 특징점 추적 알고리듬[2]을 사용 하였다. 예측 및 보정 과정에서는 광류 정보를 사용하여 특징점을 추적하고[3] 만약, 특징점이 적절히 추적 되지 않거나 추적에 실패하면 특징점들의 시간(temporal), 공간(spatial)적 정보를 이용하여 예측, 보정하게 된다. 객체의 형태 (shape)대신 특징점을 사용하였으며, 객체를 추적하는 과정에서 특징점들은 능동 특징점 모델(active feature model; AFM)을 위한 학습 집합(training sets)의 요소로 갱신된다. 실험결과, 제안한 NPT-AF% 기반 추적 알고리듬은 실시간에서 비정형 객체를 추적하는데 강건함을 보석준다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2012년도 추계학술발표대회
• /
• pp.594-596
• /
• 2012

본 논문에서는 손 모션에 대하여 피부색 검출을 기반으로 전역적인 모션을 추적하고 모션 벡터를 생성하여 제스처를 인식하는 방법을 제안한다. 추적을 위하여 Shi-Tomasi 특징점 검출 방법과 Lucas-Kanade 옵티컬 플로우 추정 방법을 사용한다. 손 모션을 추적하는 경우 손의 모양이 다양하게 변화하므로 초기에 검출된 특징점을 계속적으로 추적하는 일반적인 방법으로는 손의 모션을 제대로 추적할 수 없다. 이에 본 논문에서는 프레임마다 새로운 특징점을 검출한 후 옵티컬 플로우를 추정하고 이상치(outlier)를 제거하여 손 모양의 변화에도 추적을 통한 모션 벡터 생성이 가능하도록 한다. 모션 벡터들로 인공 신경망을 사용한 판별 과정을 수행하여 최종적으로 손 모션 제스처에 대한 인식이 가능하도록 한다.

• 전자공학회논문지S
• /
• 제36S권8호
• /
• pp.81-87
• /
• 1999

일반거인 피쳐검출 및 추적 알고리즘에는 Garbor-jet를 이용한 elastic bunch graph matching (EBGM), rotation normalized cross-correlation (NCC-R) 및 화소의 고유치를 이용한 Shi-Tomasi-Kanade(STK) 알고리즘 등이 있다. 이들 중에서 EBGM, NCC-R은 피쳐모델에 의해 피쳐를 검출하지만 STK 알고리즘은 피쳐를 자동적으로 검출하는 특징을 가진다. 본 논문에서는 STK알고리즘인 Newton-Raphson (NR) 추적의 초기화 문제를 해결하기 위해서 모델링된 피쳐영역에서 STK 알고리즘으로 피쳐를 검출한 후, NR 방법으로 피쳐를 추적할 때, NR 방법에 의한 피쳐추적의 정확성을 개선시키기 위해 block matching agorithm (BMA)-NR 방법을 제안하였다. NR 방법에 의한 피쳐변위수렴시 BMA-NR 방법이 NBMA-NR (no BMA-NR)방법보다 피쳐추적의 정확성이 향상되었는데, 이는 NR의 서치영역크기로 인한 국소 최소치(local minimum) 문제를 해결하였기 때문이다.