지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 손광훈
- 발행연도
- 2016
- 저작권
- 연세대학교 논문은 저작권에 의해 보호받습니다.
이용수8
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
최근 비전 센서를 위한 탐지 및 추적 알고리즘으로 Tracking-Learning-Detection(TLD) 시스템이 많이 사용되고 있다. 기존의 알고리즘들이 밝기의 변화나 가림 현상, 외형적 변화 등에 취약한데 비해, TLD 시스템은 추적과 탐지 그리고 학습을 실시간으로 수행함으로써 강인한 추적을 하기 때문에 객체 추적방법으로 자주 사용되고 있다. TLD 시스템의 탐지추적 알고리즘은 회전에 강인하지 않은 특징점을 이용하기 때문에 객체가 급격한 회전 변화(full out-of-plane rotation)가 발생할 경우, 추적모듈(Tracking)과 검출 모듈(Detection)의 추적 오류율이 커진다. 특히 학습이 없는 상태에서 큰 회전 변화율이 발생한다면 영상 추적은 실패하게 된다.
본 논문에서는 회전에 강인한 TLD 시스템(Rotated Invariant Tracking-Learning-Detection, RI-TLD)에 대하여 연구하였다. 이를 위해 회전 변환 보상 알고리즘으로 간소화된 평균 방향성 히스토그램과 회전 행렬을 이용한 방안을 제안하였다. 또한 영상의 모든 영역을 검색하는 기존 방법을 대체하기 위해, 객체로 예측되는 부분만 검색할 수 있는 적응형 객체 예측 알고리즘을 제안하여 회전 변환 보상 알고리즘 추가로 인한 연산 비용의 증가를 최소화 시키는 방안을 함께 제시하였다.
제안된 회전변환 보상 알고리즘을 검증하기 위해 객체를 각도별로 회전시킨 후에도 표적을 효율적으로 검출하는 지를 기존 알고리즘과 함께 비교하였다. 그 결과, 객체의 각도 산출이 올바르게 된 경우에는 각도의 크기와 무관하게 검출 모듈에서 표적을 올바르게 찾는 것을 확인할 수 있었다. 기존 TLD 시스템은 객체의 5~10도 회전 변환까지 추적모듈에서 추적 할 수 있으나, 검출모듈에서는 계속 실패하는 것을 확인할 수 있었다. 한편, 객체 예측 알고리즘에 대한 실험에서는 표적 검출을 위해 총 연산되는 패치의 개수를 비교하였다. 실험 결과 약 40~45% 정도의 패치의 개수가 감소하는 것을 확인할 수 있었다.
각각 검증한 제안한 방안을 실제 추적 영상을 통해 실험한 결과, 회전 정보가 존재하지 않는 영상의 경우 TLD 시스템과 동일한 성능을 보여주었다. 본 논문의 실험 데이터를 이용한 경우 표적이 회전을 할 경우에는 회전정보를 이용하여 추적함으로써 가림 현상 이후 표적이 30°이상 변환된 영상들의 경우TLD 시스템보다 약 70% 우수한 추적 성능을 보여주는 것을 확인할 수 있었다.
향후 연구로 실시간 추적이 가능하도록 앞서 제안한 알고리즘의 소스 최적화 방법을 연구하여 알고리즘의 실용성을 높이는 것이 중요하다. 그리고 본 논문에서 제안한 회전변환 보상 알고리즘을 확장하여 어파인(affine)변환과 조명 변환 까지 고려함으로써, 다양한 조건의 형태 변환에서도 추적 정확도를 향상시키기 위한 추가 연구를 진행하는 것이 필요하다.
본 논문에서는 회전에 강인한 TLD 시스템(Rotated Invariant Tracking-Learning-Detection, RI-TLD)에 대하여 연구하였다. 이를 위해 회전 변환 보상 알고리즘으로 간소화된 평균 방향성 히스토그램과 회전 행렬을 이용한 방안을 제안하였다. 또한 영상의 모든 영역을 검색하는 기존 방법을 대체하기 위해, 객체로 예측되는 부분만 검색할 수 있는 적응형 객체 예측 알고리즘을 제안하여 회전 변환 보상 알고리즘 추가로 인한 연산 비용의 증가를 최소화 시키는 방안을 함께 제시하였다.
제안된 회전변환 보상 알고리즘을 검증하기 위해 객체를 각도별로 회전시킨 후에도 표적을 효율적으로 검출하는 지를 기존 알고리즘과 함께 비교하였다. 그 결과, 객체의 각도 산출이 올바르게 된 경우에는 각도의 크기와 무관하게 검출 모듈에서 표적을 올바르게 찾는 것을 확인할 수 있었다. 기존 TLD 시스템은 객체의 5~10도 회전 변환까지 추적모듈에서 추적 할 수 있으나, 검출모듈에서는 계속 실패하는 것을 확인할 수 있었다. 한편, 객체 예측 알고리즘에 대한 실험에서는 표적 검출을 위해 총 연산되는 패치의 개수를 비교하였다. 실험 결과 약 40~45% 정도의 패치의 개수가 감소하는 것을 확인할 수 있었다.
각각 검증한 제안한 방안을 실제 추적 영상을 통해 실험한 결과, 회전 정보가 존재하지 않는 영상의 경우 TLD 시스템과 동일한 성능을 보여주었다. 본 논문의 실험 데이터를 이용한 경우 표적이 회전을 할 경우에는 회전정보를 이용하여 추적함으로써 가림 현상 이후 표적이 30°이상 변환된 영상들의 경우TLD 시스템보다 약 70% 우수한 추적 성능을 보여주는 것을 확인할 수 있었다.
향후 연구로 실시간 추적이 가능하도록 앞서 제안한 알고리즘의 소스 최적화 방법을 연구하여 알고리즘의 실용성을 높이는 것이 중요하다. 그리고 본 논문에서 제안한 회전변환 보상 알고리즘을 확장하여 어파인(affine)변환과 조명 변환 까지 고려함으로써, 다양한 조건의 형태 변환에서도 추적 정확도를 향상시키기 위한 추가 연구를 진행하는 것이 필요하다.
목차
등록된 정보가 없습니다.
최근 본 자료
댓글(0)
0