| 1 |
1
객체 및 객체 주변의 배경에 대하여 촬영된 영상이 입력되는 영상 획득부; 상기 입력된 영상을 수퍼픽셀(superpixel) 단위로 표시하는 영상 클러스터 분석부; 상기 입력된 영상에서 상기 객체 및 배경의 특징을 모델링하며, 객체 외형모델을 생성하는 객체 외형모델 생성부를 포함하는 특징 생성부; 상기 영상 클러스터 분석부 및 상기 특징 생성부로부터 데이터를 전송받아 Coarse-to-fine 검색으로 객체 위치를 결정하는 객체 추적부; 및상기 객체 추적부에서의 객체 추적 결과의 신뢰도를 바탕으로 상기 객체 및 배경의 특징을 선별적으로 갱신하는 선별적 모델 갱신부를 포함하고, 상기 객체 외형모델 생성부는, 색상 가중치 및 거리 가중치 계산 결과로부터, hue 히스토그램, Intensity 히스토그램 및 LBP(local bit pattern) 히스토그램 중 적어도 하나를 바탕으로 GAM(generative appearance model)을 생성하고, 수집된 학습데이터로부터, DAM(discriminative appearance model)을 생성하는 것을 특징으로 하는 이동객체 추적시스템
|
| 2 |
2
제1항에 있어서, 상기 특징 생성부는, 상기 객체가 위치한 객체영역과, 상기 객체 영역을 제외한 배경영역을 설정하는 객체 및 배경 영역 설정부; 상기 객체영역의 색상분포 및 상기 배경영역의 색상분포를 계산하여 상기 색상 가중치 및 상기 거리 가중치를 계산하는 가중치 계산부; 및상기 객체영역과 상기 배경영역의 교차 영역을 바탕으로 상기 학습데이터를 수집하는 학습데이터 수집부를 포함하고, 상기 객체 외형모델 생성부는 상기 색상가중치 및 거리 가중치 계산 결과, 및 상기 수집된 학습데이터를 바탕으로 객체 외형모델을 생성하는 것을 특징으로 하는 이동객체 추적시스템
|
| 3 |
3
제2항에 있어서, 상기 학습데이터 수집부는, 상기 객체영역에 속하는 픽셀의 개수와 상기 배경영역에 속하는 픽셀의 비율을 바탕으로, 양(positive)의 학습 데이터와 음(negative)의 학습 데이터로 구분하여 수집하는 것을 특징으로 하는 이동객체 추적시스템
|
| 4 |
4
제2항에 있어서, 상기 객체 외형모델 생성부는, 상기 색상 가중치 및 상기 거리 가중치 계산 결과로부터, 상기 hue 히스토그램을 바탕으로 제1 GAM을 생성하는 제1 GAM 생성부; 상기 색상 가중치 및 거리 가중치 계산 결과로부터, 상기 hue 히스토그램, 상기 Intensity 히스토그램 및 상기 LBP 히스토그램을 바탕으로 제2 GAM을 생성하는 제2 GAM 생성부; 및상기 수집된 학습데이터로부터, C-support 벡터 분류자(C-support vector classifier)를 이용하여 상기 DAM을 생성하는 DAM 생성부를 포함하는 것을 특징으로 하는 이동객체 추적시스템
|
| 5 |
5
제4항에 있어서, 상기 객체 추적부는, 거시(coarse) 검색을 통하여 주요 수퍼픽셀을 선별하고 미시(fine) 검색을 통하여 선별된 수퍼픽셀에서 샘플을 수집하여 평가하는 Coarse-to-fine 검색부; 및상기 Coarse-to-fine 검색부에서 선별된 샘플에 대하여 객체 위치로 결정하는 객체 위치 결정부를 포함하는 것을 특징으로 하는 이동객체 추적시스템
|
| 6 |
6
제5항에 있어서, 상기 Coarse-to-fine 검색부는, 상기 수퍼픽셀의 중심점에서의 제1 GAM과 상기 객체의 제1 GAM과의 유사도를 비교하는 Coarse 검색부; 상기 Coarse 검색부에서의 비교결과로부터 유사도가 높은 순서로 주요 수퍼픽셀을 선별하는 수퍼픽셀 선별부; 및상기 선별된 수퍼픽셀에서 임의의 샘플을 선정하고, 상기 선정된 샘플과 상기 객체와의 제2 GAM 유사도 및 DAM 유사도를 바탕으로 유사도를 평가하는 Fine 검색부를 포함하는 것을 특징으로 하는 이동객체 추적시스템
|
| 7 |
7
제5항에 있어서, 상기 객체 위치 결정부는, 상기 Coarse-to-fine 검색부에서 선별된 샘플에 대하여 객체 후보로 위치를 선정하는 객체후보 위치 선정부; 및상기 선정된 객체 후보들의 위치로부터 객체의 최종 위치를 결정하는 최종 위치 결정부를 포함하는 것을 특징으로 하는 이동객체 추적시스템
|
| 8 |
8
제7항에 있어서, 상기 객체후보 위치 선정부는 4개의 샘플들에 대하여 객체 후보로 위치를 선정하고, 상기 최종 위치 결정부는, 상기 4개의 샘플들 중 2개의 샘플을 바탕으로 객체의 최종 위치를 결정하는 것을 특징으로 하는 이동객체 추적시스템
|
| 9 |
9
제5항에 있어서, 상기 선별적 모델 갱신부는, 상기 결정된 객체의 최종 위치에서의 외형 모델이 이전 위치에서의 객체의 외형 모델과 유사한지의 여부(제1 조건), 및 상기 이전 위치에서의 객체의 외형 모델과 유사한 샘플이 상기 결정된 객체의 최종 위치에서 다수 존재하는지의 여부(제2 조건)를 바탕으로 상기 객체 및 배경의 특징을 갱신하는 것을 특징으로 하는 이동객체 추적시스템
|
| 10 |
10
제9항에 있어서, 상기 이전 위치에서의 객체의 외형 모델은, 상기 객체 외형모델 생성부에서, 이전 위치에서의 객체에 대하여 생성된 제1 GAM, 제2 GAM 및 DAM인 것을 특징으로 하는 이동객체 추적시스템
|
| 11 |
11
제9항에 있어서, 상기 선별적 모델 갱신부는, 상기 제1 조건 및 상기 제2 조건을 모두 만족시키는 경우, 상기 결정된 객체의 최종 위치에 대하여 제1 GAM, 제2 GAM, DAM, 객체영역의 색상분포 및 배경영역의 색상분포를 포함한 객체의 외형모델을 생성하는 것을 특징으로 하는 이동객체 추적시스템
|
| 12 |
12
제9항에 있어서, 상기 선별적 모델 갱신부는, 상기 제1 조건 및 상기 제2 조건 중 어느 하나를 만족시키는 경우, 상기 결정된 객체의 최종 위치에 대하여 제1 GAM, 제2 GAM, DAM, 객체영역의 색상분포 및 배경영역의 색상분포 중 일부를 포함하여 객체의 외형모델을 생성하는 것을 특징으로 하는 이동객체 추적시스템
|
| 13 |
13
제9항에 있어서, 상기 선별적 모델 갱신부는, 상기 제1 조건 및 상기 제2 조건을 모두 만족시키지 않는 경우, 이전 위치에서의 객체의 외형 모델을 그대로 유지하여 객체의 외형모델을 생성하는 것을 특징으로 하는 이동객체 추적시스템
|
| 14 |
14
객체 및 객체 주변의 배경에 대하여 촬영된 영상이 입력되는 단계;상기 입력된 영상을 수퍼픽셀 단위로 표시하는 단계;상기 입력된 영상에서 상기 객체 및 배경의 특징을 모델링하는 단계;상기 수퍼픽셀 단위로 표시된 데이터 및 상기 객체 및 배경의 특징을 모델링한 데이터를 전송받아 Coarse-to-fine 검색으로 객체 위치를 결정하는 단계; 및상기 객체 위치 결정 결과의 신뢰도를 바탕으로 상기 객체 및 배경의 특징을 선별적으로 갱신하는 단계를 포함하고, 상기 객체 및 배경의 특징을 모델링하는 단계에서, 색상 가중치 및 거리 가중치 계산 결과로부터, hue 히스토그램, Intensity 히스토그램 및 LBP(local bit pattern) 히스토그램 중 적어도 하나를 바탕으로 GAM(generative appearance model)을 생성하고, 수집된 학습데이터로부터, DAM(discriminative appearance model)을 생성하는 것을 특징으로 하는 이동객체 추적방법
|
