| 1 |
1
현재 프레임의 영상 It과 다음 프레임의 영상 It+1, 그리고 추적하는 객체의 위치 를 입력받는 비디오프레임 입력부;시간 t에서의 객체 내부에 존재하는 i번째 키포인트의 움직임 을 구하여 다음 프레임에서의 객체의 위치 를 찾는 객체 위치 추적부;객체 위치 추적부에서 찾은 키포인트들의 모션 벡터의 에러를 FB 에러(Forward-Backward error) 계산 방식으로 측정하는 FB 에러값 계산부;W-RANSAC(weighted Random Sample Consensus)알고리즘을 적용하여 이상치(outlier)를 제거하여 키포인트들을 선별하는 키포인트 선별부;상기 키포인트 선별부에서 선별된 키포인트들의 모델을 이용하여 최소자승법을 적용하여 객체의 움직임 을 추정하는 객체 움직임 결정부;를 포함하고,상기 키포인트 선별부에서, W-RANSAC(weighted Random Sample Consensus)알고리즘을 적용하여 이상치(outlier)를 제거하기 위한 가중치를,으로 설정하고,는 i번째 키포인트의 가중치, 는 i번째 키포인트의 FB 에러값, 는 FB 에러값의 평균이고, FB 에러가 작을수록 큰 가중치를 갖도록 하는 것을 특징으로 하는 객체추적을 위한 특징점 선별 장치
|
| 2 |
2
제 1 항에 있어서, 시간 t에서의 객체 내부에 존재하는 i번째 키포인트의 움직임 을, 또는 으로 정의하고, vt는 모션벡터인 것을 특징으로 하는 객체추적을 위한 특징점 선별 장치
|
| 3 |
3
제 1 항에 있어서, 상기 FB 에러값 계산부에서의 FB 에러값 계산을,으로 계산하고,는 Euclidean distance를 이용하여 계산하고,는 에서 t+1번째 프레임에서의 키포인트의 위치를 추정한 후, 다시 역방향으로 에서 t번째 프레임에서의 키포인트의 위치 를 추정하여 구하는 것을 특징으로 하는 객체추적을 위한 특징점 선별 장치
|
| 4 |
4
삭제
|
| 5 |
5
현재 프레임의 영상 It과 다음 프레임의 영상 It+1, 그리고 추적하는 객체의 위치 를 입력받는 비디오프레임 입력 단계;시간 t에서의 객체 내부에 존재하는 i번째 키포인트의 움직임 을 구하여 다음 프레임에서의 객체의 위치 를 찾는 객체 위치 추적 단계;찾은 키포인트들의 모션 벡터의 에러를 FB 에러(Forward-Backward error) 계산 방식으로 측정하는 FB 에러값 계산 단계;W-RANSAC(weighted Random Sample Consensus)알고리즘을 적용하여 이상치(outlier)를 제거하여 키포인트들을 선별하는 키포인트 선별 단계;상기 선별된 키포인트들의 모델을 이용하여 최소자승법을 적용하여 객체의 움직임 을 추정하는 객체 움직임 결정 단계;를 포함하고,상기 키포인트 선별 단계에서, W-RANSAC(weighted Random Sample Consensus)알고리즘을 적용하여 이상치(outlier)를 제거하기 위한 가중치를,으로 설정하고,는 i번째 키포인트의 가중치, 는 i번째 키포인트의 FB 에러값, 는 FB 에러값의 평균이고, FB 에러가 작을수록 큰 가중치를 갖도록 하는 것을 특징으로 하는 객체추적을 위한 특징점 선별 방법
|
| 6 |
6
제 5 항에 있어서, 객체 위치 추적 단계에서 시간 t에서의 객체 내부에 존재하는 i번째 키포인트의 움직임 을, 또는 으로 정의하고, vt는 모션벡터인 것을 특징으로 하는 객체추적을 위한 특징점 선별 방법
|
| 7 |
7
제 5 항에 있어서, 상기 FB 에러값 계산 단계에서 FB 에러값 계산을,으로 계산하고,는 Euclidean distance를 이용하여 계산하고,는 에서 t+1번째 프레임에서의 키포인트의 위치를 추정한 후, 다시 역방향으로 에서 t번째 프레임에서의 키포인트의 위치 를 추정하여 구하는 것을 특징으로 하는 객체추적을 위한 특징점 선별 방법
|
| 8 |
8
삭제
|
| 9 |
9
제 5 항에 있어서, 상기 키포인트 선별 단계에서 이상치(outlier)를 제거하는 과정은,모든 특징점들의 모션벡터를 계산하는 단계와,임의로 최소한의 특징점들의 모션벡터를 부분집합으로 선별한 후, 선택된 부분집합을 키포인트(inlier)로 가정하고 이를 기반으로 모델을 생성하는 단계와,생성한 모델과 모든 다른 데이터들과 일치 여부를 판단하여 선택된 부분집합과 가중치(weight) 값을 적용하여 가장 지지를 많이 받은 모델을 선택하는 단계를 포함하는 것을 특징으로 하는 객체추적을 위한 특징점 선별 방법
|
