| 1 |
1
(a) 객체 추적 시스템이 적어도 하나 이상의 객체와 배경을 포함하는 영상을 입력받아 추적하고자 하는 목표 객체에 대해 탐색 윈도우(search window)를 설정하는 단계;(b) 상기 객체 추적 시스템이 상기 탐색 윈도우 내부에 설정된 상기 목표 객체를 상체 및 하체로 분할하고 각각 코너(corner) 특징점을 추출하는 단계;(c) 상기 객체 추적 시스템이 상기 상체 및 상기 하체로부터 각각 추출된 컬러 히스토그램(color histogram)의 픽셀(pixel)과 상기 코너 특징점을 비교하여 상기 목표 객체의 최종 특징점을 결정하는 단계;(d) 상기 객체 추적 시스템이 상기 상체 및 상기 하체에 대해 각각 객체의 크기 변화에 따라 적응적으로 탐색 윈도우의 크기를 조절하면서 색상의 밀도 중심을 추적하는 단계; 및(e) 상기 객체 추적 시스템이 추적 중인 목표 객체의 최종 특징점을 이용하여 거짓 정보에 해당하는 아웃라이어(outlier)를 배제한 인라이어(inlier)를 중심으로 타원 모델을 피팅(fitting)함으로써 상기 탐색 윈도우의 확장을 제어하는 단계;를 포함하는, 객체 추적 방법
|
| 2 |
2
제 1 항에 있어서,상기 (b) 단계는,(b1) 상기 목표 객체의 인체 비율 모델을 이용하여 상기 탐색 윈도우 내부에 설정된 상기 목표 객체를 상체 및 하체로 분할하는 단계; 및(b2) 분할된 상기 상체 및 상기 하체 각각의 영역에 대해 코너 검출 윈도우의 이동에 따른 영상 변화량(sum of squared difference, SSD)이 지역적으로 극대가 되는 지점을 찾기 위해 코너 응답 함수(corner response function, CRF)를 이용하여 코너 특징점을 추출하는 단계;를 포함하는, 객체 추적 방법
|
| 3 |
3
제 2 항에 있어서,상기 (b1) 단계는,머리를 제외하고 설정된 탐색 윈도우의 전체 높이에 대해 미리 설정된 인체 비율 모델의 분할 비율에 따라 상체에 대응하는 탐색 윈도우의 높이를 결정하고, 상기 탐색 윈도우의 전체 높이로부터 상기 상체에 대응하는 탐색 윈도우의 높이를 감산함으로써 하체에 대응하는 탐색 윈도우의 높이를 결정하며, 결정된 상기 상체 및 상기 하체의 높이에 따라 상체 및 하체를 분할하는, 객체 추적 방법
|
| 4 |
4
제 2 항에 있어서,상기 (b2) 단계는,2차원 영상의 픽셀에서 각각의 축 방향의 편미분 값과 코너 검출 윈도우 함수의 곱을 이용해 행렬식을 산출하고, 산출된 상기 행렬식으로부터 행렬의 대각합의 차이를 이용하는 코너 응답 함수를 모든 픽셀에 대해 산출하며, 산출된 상기 코너 응답 함수의 값이 미리 설정된 임계치 이상인 것을 코너 특징점으로 선택하는, 객체 추적 방법
|
| 5 |
5
제 1 항에 있어서,상기 (c) 단계는,(c1) 상기 상체 및 상기 하체로부터 각각 컬러 히스토그램을 지속적으로 추출하는 단계; 및(c2) 추출된 컬러 히스토그램의 픽셀과 상기 코너 특징점을 비교하여 공통된 좌표만을 남기고 상기 목표 객체 주변에 위치한 배경에서 선택된 코너 특징점을 제거함으로써 최종 특징점으로 결정하는 단계;를 포함하는, 객체 추적 방법
|
| 6 |
6
제 1 항에 있어서,상기 (e) 단계는,(e1) 상기 상체 및 상기 하체 각각에 대해 색상의 밀도 중심을 추적하던 중, 상기 목표 객체와 유사한 색상의 배경 또는 다른 객체와의 겹침(overlap)으로 인해 상기 탐색 윈도우가 확장되는지 여부를 지속적으로 검출하는 단계:(e2) 상기 목표 객체의 최종 특징점을 거짓 정보에 해당하는 아웃라이어와 데이터의 분포가 일관된 인라이어로 구분하는 단계; 및(e3) 상기 탐색 윈도우가 확장되려 할 경우, 구분된 상기 인라이어에 기반하여 타원 모델을 피팅하여 상기 탐색 윈도우의 확장을 제어하는 단계;를 포함하는, 객체 추적 방법
|
| 7 |
7
제 1 항에 있어서,상기 (e) 단계는,(e4) 상기 목표 객체의 최종 특징점을 후보 인라이어로 설정하고 후보 인라이어 중 미리 설정된 개수의 샘플을 이용하여 타원 모델을 생성하는 단계;(e5) 상기 최종 특징점 및 생성된 상기 타원 모델을 고려하여 미리 설정된 종료 조건 또는 반복 횟수에 도달하였는지 여부를 검사하는 단계; 및(e6) 종료 조건 또는 반복 횟수에 도달하지 못한 경우 상기 (e4) 단계 및 상기 (e5) 단계를 반복하여 수행하고, 종료 조건 또는 반복 횟수에 도달한 경우 생성된 상기 타원 모델에 기초하여 상기 탐색 윈도우의 확장을 제어하는 단계;를 포함하는, 객체 추적 방법
|
| 8 |
8
제 7 항에 있어서,상기 (e6) 단계는,생성된 상기 타원 모델들 중에서 기존의 탐색 윈도우와 동일 또는 유사한 각도를 갖는 타원 모델을 새로운 탐색 윈도우로 설정하는, 객체 추적 방법
|
| 9 |
9
제 7 항에 있어서,상기 (e) 단계는,샘플링 시 인라이어만 추출할 확률, 한번에 선택하는 샘플의 개수, 및 인라이어의 비율을 고려하여 반복 횟수를 결정하는, 객체 추적 방법
|
| 10 |
10
제 1 항에 있어서,상기 (d) 단계는 CAM-shift(Continuously Adaptive Mean-shift) 알고리즘을 이용하여 상기 상체 및 상기 하체에 대한 색상의 밀도 중심을 추적하고,상기 (e) 단계는 RANSAC(RANdom SAmple Consensus) 알고리즘을 이용하여 상기 최종 특징점으로부터 인라이어를 구분함으로써 상기 탐색 윈도우의 확장을 제어하는, 객체 추적 방법
|
| 11 |
11
제 1 항 내지 제 10 항 중에 어느 한 항의 방법을 컴퓨터에서 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램
|
| 12 |
12
적어도 하나 이상의 객체와 배경을 포함하는 영상을 입력받는 입력부;입력된 영상 내의 목표 객체를 추적하는 객체 추적 프로그램을 저장하는 메모리; 및상기 객체 추적 프로그램을 구동하는 프로세서;를 포함하고,상기 메모리에 저장된 객체 추적 프로그램은,입력된 영상으로부터 추적하고자 하는 목표 객체에 대해 탐색 윈도우(search window)를 설정하고, 상기 탐색 윈도우 내부에 설정된 상기 목표 객체를 상체 및 하체로 분할하고 각각 코너(corner) 특징점을 추출하고, 상기 상체 및 상기 하체로부터 각각 추출된 컬러 히스토그램(color histogram)의 픽셀(pixel)과 상기 코너 특징점을 비교하여 상기 목표 객체의 최종 특징점을 결정하고, 상기 상체 및 상기 하체에 대해 각각 객체의 크기 변화에 따라 적응적으로 탐색 윈도우의 크기를 조절하면서 색상의 밀도 중심을 추적하며, 추적 중인 목표 객체의 최종 특징점을 이용하여 거짓 정보에 해당하는 아웃라이어(outlier)를 배제한 인라이어(inlier)를 중심으로 타원 모델을 피팅(fitting)함으로써 상기 탐색 윈도우의 확장을 제어하는 명령어를 포함하는, 객체 추적 시스템
|
| 13 |
13
제 12 항에 있어서,상기 메모리에 저장된 객체 추적 프로그램은,상기 목표 객체의 인체 비율 모델을 이용하여 상기 탐색 윈도우 내부에 설정된 상기 목표 객체를 상체 및 하체로 분할하고,분할된 상기 상체 및 상기 하체 각각의 영역에 대해 코너 검출 윈도우의 이동에 따른 영상 변화량(sum of squared difference, SSD)이 지역적으로 극대가 되는 지점을 찾기 위해 코너 응답 함수(corner response function, CRF)를 이용하여 코너 특징점을 추출하는, 객체 추적 시스템
|
| 14 |
14
제 13 항에 있어서,상기 메모리에 저장된 객체 추적 프로그램은,머리를 제외하고 설정된 탐색 윈도우의 전체 높이에 대해 미리 설정된 인체 비율 모델의 분할 비율에 따라 상체에 대응하는 탐색 윈도우의 높이를 결정하고, 상기 탐색 윈도우의 전체 높이로부터 상기 상체에 대응하는 탐색 윈도우의 높이를 감산함으로써 하체에 대응하는 탐색 윈도우의 높이를 결정하며, 결정된 상기 상체 및 상기 하체의 높이에 따라 상체 및 하체를 분할하는, 객체 추적 시스템
|
| 15 |
15
제 13 항에 있어서,상기 메모리에 저장된 객체 추적 프로그램은,2차원 영상의 픽셀에서 각각의 축 방향의 편미분 값과 코너 검출 윈도우 함수의 곱을 이용해 행렬식을 산출하고, 산출된 상기 행렬식으로부터 행렬의 대각합의 차이를 이용하는 코너 응답 함수를 모든 픽셀에 대해 산출하며, 산출된 상기 코너 응답 함수의 값이 미리 설정된 임계치 이상인 것을 코너 특징점으로 선택하는, 객체 추적 시스템
|
| 16 |
16
제 12 항에 있어서,상기 메모리에 저장된 객체 추적 프로그램은,상기 상체 및 상기 하체로부터 각각 컬러 히스토그램을 지속적으로 추출하고,추출된 컬러 히스토그램의 픽셀과 상기 코너 특징점을 비교하여 공통된 좌표만을 남기고 상기 목표 객체 주변에 위치한 배경에서 선택된 코너 특징점을 제거함으로써 최종 특징점으로 결정하는, 객체 추적 시스템
|
| 17 |
17
제 12 항에 있어서,상기 메모리에 저장된 객체 추적 프로그램은,상기 상체 및 상기 하체 각각에 대해 색상의 밀도 중심을 추적하던 중, 상기 목표 객체와 유사한 색상의 배경 또는 다른 객체와의 겹침(overlap)으로 인해 상기 탐색 윈도우가 확장되는지 여부를 지속적으로 검출하고,상기 목표 객체의 최종 특징점을 거짓 정보에 해당하는 아웃라이어와 데이터의 분포가 일관된 인라이어로 구분하며,상기 탐색 윈도우가 확장되려 할 경우, 구분된 상기 인라이어에 기반하여 타원 모델을 피팅하여 상기 탐색 윈도우의 확장을 제어하는, 객체 추적 시스템
|
| 18 |
18
제 12 항에 있어서,상기 메모리에 저장된 객체 추적 프로그램은,상기 목표 객체의 최종 특징점을 후보 인라이어로 설정하고 후보 인라이어 중 미리 설정된 개수의 샘플을 이용하여 타원 모델을 생성하고,상기 최종 특징점 및 생성된 상기 타원 모델을 고려하여 미리 설정된 종료 조건 또는 반복 횟수에 도달하였는지 여부를 검사하며,종료 조건 또는 반복 횟수에 도달하지 못한 경우 상기 타원 모델 생성 과정 및 상기 검사 과정을 반복하여 수행하고, 종료 조건 또는 반복 횟수에 도달한 경우 생성된 상기 타원 모델에 기초하여 상기 탐색 윈도우의 확장을 제어하는, 객체 추적 시스템
|
| 19 |
19
제 18 항에 있어서,상기 메모리에 저장된 객체 추적 프로그램은,생성된 상기 타원 모델들 중에서 기존의 탐색 윈도우와 동일 또는 유사한 각도를 갖는 타원 모델을 새로운 탐색 윈도우로 설정함으로써, 상기 탐색 윈도우의 확장을 제어하는, 객체 추적 시스템
|
| 20 |
20
제 18 항에 있어서,상기 메모리에 저장된 객체 추적 프로그램은,샘플링 시 인라이어만 추출할 확률, 한번에 선택하는 샘플의 개수, 및 인라이어의 비율을 고려하여 반복 횟수를 결정하는, 객체 추적 시스템
|
