• 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.

• ETRI Journal
• /
• 제31권3호
• /
• pp.282-291
• /
• 2009

An online mean-shift object tracking algorithm, which consists of a learning stage and an estimation stage, is proposed in this work. The learning stage selects the features for tracking, and the estimation stage composes a likelihood image and applies the mean shift algorithm to it to track an object. The tracking performance depends on the quality of the likelihood image. We propose two schemes to generate and integrate likelihood images: one based on the discrete AdaBoost (DAB) and the other based on the real AdaBoost (RAB). The DAB scheme uses tuned feature values, whereas RAB estimates class probabilities, to select the features and generate the likelihood images. Experiment results show that the proposed algorithm provides more accurate and reliable tracking results than the conventional mean shift tracking algorithms.

• 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.

• 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.

• 제어로봇시스템학회논문지
• /
• 제12권8호
• /
• pp.746-751
• /
• 2006

In this paper, we present tracking algorithm for the indoor moving object. We research passive method using a camera and image processing. It had been researched to use dynamic based estimators, such as Kalman Filter, Extended Kalman Filter and Particle Filter for tracking moving object. These algorithm have a good performance on real-time tracking, but they have a limit. If the shape of object is changed or object is located on complex background, they will fail to track them. This problem will need the complicated image processing algorithm. Finally, a large algorithm is made from integration of dynamic based estimator and image processing algorithm. For eliminating this inefficiency problem, image based estimator, Mean-shift Algorithm is suggested. This algorithm is implemented by color histogram. In other words, it decide coordinate of object's center from using probability density of histogram in image. Although shape is changed, this is not disturbed by complex background and can track object. This paper shows the results in real camera system, and decides 3D coordinate using the data from mean-shift algorithm and relationship of real frame and camera frame.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2009년도 IWAIT
• /
• pp.136-141
• /
• 2009

This paper proposed a framework for handover method in continuously tracking a person of interest across cooperative pan-tilt-zoom (PTZ) cameras. The algorithm here is based on a robust non-parametric technique for climbing density gradients to find the peak of probability distributions called the mean shift algorithm. Most tracking algorithms use only one cue (such as color). The color features are not always discriminative enough for target localization because illumination or viewpoints tend to change. Moreover the background may be of a color similar to that of the target. In our proposed system, the continuous person tracking across cooperative PTZ cameras by mean shift tracking that using color and shape histogram to be feature distributions. Color and shape distributions of interested person are used to register the target person across cameras. For the first camera, we select interested person for tracking using skin color, cloth color and boundary of body. To handover tracking process between two cameras, the second camera receives color and shape cues of a target person from the first camera and using linear color calibration to help with handover process. Our experimental results demonstrate color and shape feature in mean shift algorithm is capable for continuously and accurately track the target person across cameras.

• Journal of Electrical Engineering and Technology
• /
• 제12권5호
• /
• pp.2067-2078
• /
• 2017

In this paper, a new face tracking algorithm is proposed. The CamShift (Continuously adaptive mean SHIFT) algorithm shows unstable tracking when there exist objects with similar color to that of face in the background. This drawback of the CamShift is resolved by the proposed algorithm using Kinect's pixel-by-pixel depth information and the skin detection method to extract candidate skin regions in HSV color space. Additionally, even when the target face is disappeared, or occluded, the proposed algorithm makes it robust to this occlusion by the feature point matching. Through experimental results, it is shown that the proposed algorithm is superior in tracking performance to that of existing TLD (Tracking-Learning-Detection) algorithm, and offers faster processing speed. Also, it overcomes all the existing shortfalls of CamShift with almost comparable processing time.

• 한국정보통신학회논문지
• /
• 제19권10호
• /
• pp.2417-2422
• /
• 2015

색상을 이용한 Mean-Shift 추적 알고리즘은 배경이 객체와 유사한 색상을 가질 때 객체 추적을 실패하는 문제가 있다. 본 논문은 색상 대신 새로운 조합 데이터 이용해 개선된 Mean-Shift 추적 알고리즘을 제안하고 있다. 새로운 데이터는 서로의 상관도가 낮은 색상과 채도의 적응적인 조합으로 생성된다. 즉, 제안된 알고리즘은 객체와 배경을 잘 구분되는 주 색요소와 그렇지 않은 부 색요소 선택하고, 주 색요소와 부 색요소의 상위 4 비트를 각각 조합 데이터의 상위 4비트와 하위 4 비트에 할당한다. 제안된 알고리즘은 배경이 객체와 유사한 색상을 갖는 추적 환경에서도 채도를 주 색요소로 선택함에 의해 추적 오차를 최대 2.0~4.2 화소, 평균 0.49~1.82 화소를 유지하면서 적절하게 객체를 추적한다.