| 1 |
1
촬영장치로부터 입력되는 움직이는 물체가 있는 영상 정보를 이용하여 물체 추적을 수행하는 장치에 있어서, 상기 영상 정보를 시간 순서에 따라 저장하는 영상 저장 메모리와, 상기 영상 저장 메모리의 이전 프레임의 영상과 현재 프레임의 영상의 차감 연산을 통하여 차감영상을 구하는 영상 차감기, 상기 영상 차감기에 의해 얻어진 차감영상의 잡음을 제거하기 위한 잡음 제거 필터 및, 상기 잡음 제거 필터에 의해 잡음이 제거된 차감영상을 이용하여 물체 추적을 수행하는 입자 필터를 포함하여 구성되고; 상기 입자 필터는, 상기 잡음이 제거된 차감영상에 대해서, 2차원 평면상의 위치가 될 수 있는 입자의 상태 및 가중치가 부여된 N개의 입자{Xti, ωti}t=1
|
| 2 |
2
제1항에 있어서, 상기 입자 필터의 알고리즘은 샘플링(Sampling)과, 예측(Predicting), 측정(Measuring)으로 구성되며, 상기 샘플링과 예측 단계에서의 사전 밀도와 측정단계의 사후 밀도 사이의 조건 확률 전파(Conditional Probability Propagation)의 재귀적 방법에 따라, 물체의 운동방향을 설정하는 것을 특징으로 하는 실시간 물체 추적 장치
|
| 3 |
3
제2항에 있어서, 상기 입자 필터는 Condensation, Kalman 입자 필터(KPF), 그리고 Unscented Kalman 입자 필터(UPF) 중 어느 하나로 구성되며, 상기 KPF와 UPF는 Gaussian과 Non-gaussian의 상태 평가를 이용하는 예측 모델을 구비하는 것을 특징으로 하는 실시간 물체 추적 장치
|
| 4 |
4
제1항 또는 제2항에 있어서, 상기 차감영상의 시간 t에서의 상태를 나타내는 관측도는 Zt로 표현되며,추론 모델은 조건 사후 밀도(Conditional Posterior Density)로 기술되는 베이지안 추론 규칙을 이용하면, 이하의 [식 3]과 같고, P(xt｜Zt)=Kp(zt｜xt)p(xt｜Zt-1) =Kp(zt｜xt)∫Xt-1p(xt｜xt-1,Zt-1)p(xt-1｜Zt-1)dxt-1 =Kp(zt｜xt)∫Xt-1p(xt｜xt-1)p(xt-1｜Zt-1)dxt-1 =Kp(zt｜xt)∑i=1Nωt-1ip(xt｜xt-1i) =Kp(zt｜xt)q(xt) [식 3] 여기서, K는 비례상수, p(xt｜xt-1)는 마코프 체인 운동 모델(Markvo-chain Motion Model), p(zt｜xt)는 측정치 모델(Measurement Model), ωt-1i는 입자 Xt-1i의 가중치, q(xt)=∑i=1Nωt-1ip(xt｜xt-1i)는 몬테카를로 근사적분 방식으로 유도되는 N개의 입자 xti의 제안 분포(Proposal Distribution)이며, 상기 사후 밀도 p(xt-1｜Zt-1)는 입자군 {Xt-1i,ωt-1i}에 의해 재귀적으로 근사되며, 이 입자들은 ωt-1i=p(xt-1i｜Zt-1}에 의해 가중치를 부여 받는 것을 특징으로 하는 실시간 물체 추적 장치
|
| 5 |
5
제1항에 있어서, 물체를 추적하기 위한 특징으로 선택된 상기 차감영상 ΔPt는, 상기 영상 차감기에서 이하의 [식 1]의 방법으로 측정되며,ΔPt(x,y)=｜It(x,y)-It-Δ(x,y)｜ [식 1] 여기서, It(x,y)는 t시간 [0,1]의 범위를 갖는 (x,y)th에서의 영상 화소 값이고, It-Δ는 시간 t-Δ에서 나타난 영상 화소 값이며; 상기 식 1이,｜It(x,y)-It-Δ(x,y)｜>VTH일 때, ΔPt(x,y)=｜It(x,y)-It-Δ(x,y)｜이고,｜It(x,y)-It-Δ(x,y)｜≤VTH일 때, ΔPt(x,y)=0 [식 2]으로 표현되며; 상기 ΔPt(x,y)가 문턱값(VTH:Threshold Value)보다 크지 않으면 잡음으로 판단하는 것을 특징으로 하는 실시간 물체 추적 장치
|
