| 1 |
1
현재 프레임에 대한 타겟 정보, 상황 정보, 공간 정보 및 공간 분산 정보를 획득한 후 DCF(Discriminative Correlation Filters)에 모두 적용하여 다중 특징 응답 맵을 획득하는 단계;PSR(peak-to-sidelobe ratio) 방법을 통해 상기 다중 특징 응답 맵을 2개씩 융합하여 다수의 융합 응답 맵을 생성한 후, 하나로 결합하여 최종 응답 맵을 생성하는 단계; 상기 최종 응답 맵에 기반하여 타겟 위치를 결정하는 단계; 및 상기 타겟 위치를 기반으로 상기 DCF를 업데이트하는 단계를 포함하는 상황 기반 공간 변화를 사용하는 다중 이동 물체 추적 방법
|
| 2 |
2
제1항에 있어서, 상기 DCF는 ""의 식로 표현되는 최소 비용 함수를 가지며, 상기 는 , 상기 는 , 는 최적화 파라미터, A는 공간 정규화 가중치 맵, 은 요소 단위 곱셈, 는 t번째 프레임의 업데이트 필터, 는 적응적 공간 정규화항, Г는 정규화 파라미터, 는 공간 변화 정규화항인 것을 특징으로 하는 상황 기반 공간 변화를 사용하는 다중 이동 물체 추적 방법
|
| 3 |
3
제2항에 있어서, 상기 DCF는 ADMM (Alternating Direction Method of Multipliers)를 통해 최적화되는 단계를 더 포함하는 것을 특징으로 하는 상황 기반 공간 변화를 사용하는 다중 이동 물체 추적 방법
|
| 4 |
4
제3항에 있어서, 상기 최적화되는 단계는""의 식에 ALM(augmented Lagrangian method) 방법을 적용하여 및 의 부분 문제(sub-problem)로 나누는 단계; 및상기 및 의 부분 문제 해들을 획득한 후, ""의 식에 적용하여 라그랑지안 (Lagrangian) 파라미터를 업데이트하는 단계를 포함하는 것을 특징으로 하는 상황 기반 공간 변화를 사용하는 다중 이동 물체 추적 방법
|
| 5 |
5
제1항에 있어서, 상기 다중 특징 응답 맵은주목도(saliency) 특징, HOG(Histogram of Gradients) 특징, CN(Color Name) 특징, 강도 특징 각각에 대응되는 4개의 응답 맵인 것을 특징으로 하는 상황 기반 공간 변화를 사용하는 다중 이동 물체 추적 방법
|
| 6 |
6
제5항에 있어서, 상기 다중 특징 응답 맵은PSR 방법에 기반하여 ""에 따라 상기 4개의 응답맵 각각에 대한 최대 강도()와 가중치()를 산출한 후, ""의 식에 따라 2개씩 결합하여 6개의 융합 응답 맵(, , , , , )을 생성하는 단계; 및 상기 6개의 융합 응답 맵을 ""의 식에 따라 하나로 결합하여 최종 응답 맵을 생성하는 단계를 포함하며, 상기 는 요소 단위 곱셈, 상기 는 요소 단위 추가를 나타내는 것을 특징으로 하는 상황 기반 공간 변화를 사용하는 다중 이동 물체 추적 방법
|
