1 |
1
입력되는 관측 프레임에 대한 우도(likelihood)를 연산하는 단계; 및상기 연산한 우도를 근거로 상기 관측 프레임에서 추적 대상 객체를 탐색하는 단계;를 포함하고,상기 우도를 연산하는 단계는,상기 관측 프레임에 대한 관측 모델을 생성하는 단계;상기 관측 모델을 근거로 상기 우도의 상한값 및 하한값을 추출하는 단계;상기 상한값 및 상기 하한값을 근거로 상기 우도의 최적값을 추정하는 단계;상기 최적값에 따른 상기 상한값 및 상기 하한값의 가중치를 계산하는 단계; 및상기 가중치를 상기 상한값 및 상기 하한값 각각에 할당하여 상기 우도를 산출하는 단계;를 포함하고,상기 계산하는 단계는,퍼지 추론(Fuzzy Inference) 방식으로 상기 가중치를 계산하는 것을 특징으로 하는 객체 추적 방법
|
2 |
2
제 1 항에 있어서,상기 추출하는 단계는,마르코프 연쇄 몬테 카를로(Monte Carlo Markov Chain) 연산 방식으로 상기 상한값 및 상기 하한값을 추출하는 것을 특징으로 하는 객체 추적 방법
|
3 |
3
제 1 항에 있어서,상기 추출하는 단계는,상기 관측 모델을 근거로 상기 관측 프레임에 대한 색상 공간 히스토그램을 추출하여, 상기 히스토그램을 근거로 상기 우도의 상한값 및 하한값을 추출하는 것을 특징으로 하는 객체 추적 방법
|
4 |
4
제 1 항에 있어서,상기 추정하는 단계는,상기 상한값과 상기 하한값의 차이가 최소화되는 값을 상기 최적값으로 추정하는 것을 특징으로 하는 객체 추적 방법
|
5 |
5
제 4 항에 있어서,상기 추정하는 단계는,메트로폴리스-해스팅스 알고리즘(Metropolis-Hastings Algorithm) 방식으로 상기 최적값을 추정하는 것을 특징으로 하는 객체 추적 방법
|
6 |
6
삭제
|
7 |
7
제 1 항에 있어서,상기 퍼지 추론 방식은,복수의 퍼지 집합을 이용하여 상기 복수의 퍼지 집합 각각에 대한 복수의 가중치를 계산하는 것을 특징으로 하는 객체 추적 방법
|
8 |
8
제 7 항에 있어서,상기 산출하는 단계는,상기 복수의 가중치 중 상기 우도의 평균치가 최대가 되는 가중치를 상기 상한값 및 상기 하한값에 할당하는 것을 특징으로 하는 객체 추적 방법
|