1 |
1
(1) 입력 영상의 초기 프레임으로부터 추적하고자 하는 타깃 객체를 타깃 파티클로 결정하여 타깃 모델을 초기화하는 단계;(2) 다음 입력되는 프레임으로부터 랜덤 분포를 갖는 복수 개의 후보 파티클을 생성하는 단계;(3) 상기 파티클(타깃 파티클 및 후보 파티클을 포함함)로부터 HSV(hue, saturation, value) 색상 모델 및 중심대칭-국부이진 패턴(Center Symmetric Local Binary Pattern; 이하 ‘CS-LBP’라 함) 모델을 포함하는 관측 모델(observation model)을 생성하는 단계;(4) 상기 HSV 색상 모델 및 상기 CS-LBP 모델 각각에 대해 상기 타깃 파티클과 상기 후보 파티클 간의 관측 우도(likelihood)를 산출하여 파티클 가중치를 결정하는 단계;(5) 결정된 상기 파티클 가중치를 기반으로 가중치가 가장 높은 파티클을 새로운 타깃 파티클로 설정하여 상기 타깃 객체의 상태를 추정하는 단계; 및(6) 설정된 상기 새로운 타깃 파티클을 이용하여 상기 새로운 타깃 파티클이 설정된 프레임의 다음으로 입력되는 프레임에서 사용될 파티클을 다시 추출하는 재샘플링(re-sampling) 단계를 포함하는 것을 특징으로 하는, 파티클 필터를 이용한 움직임 카메라에서의 실시간 객체 추적 방법
|
2 |
2
제1항에 있어서,(7) 상기 단계 (3) 내지 단계 (6)을 반복하여 수행하는 단계를 더 포함하는 것을 특징으로 하는, 파티클 필터를 이용한 움직임 카메라에서의 실시간 객체 추적 방법
|
3 |
3
제1항에 있어서, 단계 (2)에서, 상기 후보 파티클은,하기의 수학식 2와 같이, 이전 타깃 객체의 상태와 가우시안 랜덤 노이즈가 추가된 상태와의 선형 결합에 의한 예측을 통해 생성되는 것을 특징으로 하는, 파티클 필터를 이용한 움직임 카메라에서의 실시간 객체 추적 방법
|
4 |
4
제3항에 있어서, 상기 σx 및 상기σy는,1인 것을 특징으로 하는, 파티클 필터를 이용한 움직임 카메라에서의 실시간 객체 추적 방법
|
5 |
5
제3항에 있어서, 상기 σw 및 상기 σh는,0
|
6 |
6
제1항에 있어서, 상기 단계 (3)에서, 상기 HSV 색상 모델은,상기 파티클로부터 복수 개의 빈을 갖는 색상 히스토그램 모델을 생성하는 단계; 및Epanechnikov 커널을 이용하여 상기 색상 히스토그램 모델을 갱신하는 단계를 통하여 생성되는 것을 특징으로 하는, 파티클 필터를 이용한 움직임 카메라에서의 실시간 객체 추적 방법
|
7 |
7
제6항에 있어서, 상기 HSV 색상 모델은,하나의 상기 파티클로부터 384차원의 HSV 색상 모델이 생성되는 것을 특징으로 하는, 파티클 필터를 이용한 움직임 카메라에서의 실시간 객체 추적 방법
|
8 |
8
제1항에 있어서, 상기 단계 (3)에서, 상기 CS-LBP 모델은,상기 파티클을 복수 개의 영역으로 분할하는 단계;분할된 각각의 상기 영역에서 CS-LBP 특징을 추출하는 단계;상기 CS-LBP 특징을 추출한 각각의 상기 영역에서 CS-LBP 히스토그램을 생성하는 단계;각각의 상기 영역에서 생성된 상기 CS-LBP 히스토그램을 연결하여 1차원의 특징 벡터를 생성하는 단계; 및생성된 상기 특징 벡터를 정규화하는 단계를 통하여 생성되는 것을 특징으로 하는, 파티클 필터를 이용한 움직임 카메라에서의 실시간 객체 추적 방법
|
9 |
9
제8항에 있어서, 상기 분할 단계는,상기 파티클을 16개의 영역으로 분할하는 것을 특징으로 하는, 파티클 필터를 이용한 움직임 카메라에서의 실시간 객체 추적 방법
|
10 |
10
제8항에 있어서, 상기 CS-LBP 히스토그램은,16개의 빈을 갖는 것을 특징으로 하는, 파티클 필터를 이용한 움직임 카메라에서의 실시간 객체 추적 방법
|
11 |
11
제8항에 있어서, 상기 1차원 특징 벡터는,256 크기를 갖는 것을 특징으로 하는, 파티클 필터를 이용한 움직임 카메라에서의 실시간 객체 추적 방법
|
12 |
12
제8항에 있어서, 상기 정규화 단계는,상기 특징 벡터를 0~1의 값을 갖도록 정규화하는 것을 특징으로 하는, 파티클 필터를 이용한 움직임 카메라에서의 실시간 객체 추적 방법
|
13 |
13
제1항에 있어서, 상기 단계 (4)는,바타차리야(Bhattacharyya) 계수를 이용하여 상기 HSV 색상 모델 및 상기 CS-LBP 모델 각각에 대해 상기 타깃 파티클과 상기 후보 파티클 간의 관측 우도를 산출하는 단계; 및산출된 상기 HSV 색상 모델 및 상기 CS-LBP 모델 각각에 대한 상기 관측 우도를 선형 가중 결합하여 가중치를 생성하는 단계를 포함하는 것을 특징으로 하는, 파티클 필터를 이용한 움직임 카메라에서의 실시간 객체 추적 방법
|
14 |
14
제13항에 있어서, 상기 선형 가중 결합 단계는,산출된 상기 HSV 색상 모델 및 상기 CS-LBP 모델 각각에 대한 상기 관측 우도는 하기의 수학식 16에 따라 선형 결합되는 것을 특징으로 하는, 파티클 필터를 이용한 움직임 카메라에서의 실시간 객체 추적 방법
|
15 |
15
제14항에 있어서, 상기 가중치 파라미터는,0
|