| 1 |
1
공간-시간 BACF(background-aware correlation filter) 추적기를 통해 현재 프레임에 대한 HOG 특징과 CNN 계층 특징을 획득 및 조합하여 다수개의 전문가를 생성하는 단계;상기 전문가 각각에 대응되는 다수개의 응답 맵을 생성하는 단계;상기 전문가 각각에 대한 신뢰도 점수를 계산한 후, 가장 높은 신뢰도 점수를 가지는 전문가를 선택하는 단계;상기 선택된 전문가의 응답 맵을 기반으로 타겟 위치를 추적하는 단계;상기 타겟 위치를 기반으로 상기 공간-시간 BACF를 업데이트하는 단계를 포함하며, 상기 공간-시간 BACF 추적기는 BACF 추적기에 공간-시간 정규화 항목을 도입시킴으로써 구현되는 것을 특징으로 하는 영상 시스템에서 향상된 배경 학습을 통한 시간-공간 정규화 다중 전문가 객체 추적 방법
|
| 2 |
2
제1항에 있어서, 상기 공간-시간 BACF는 ""의 식으로 표현되는 목적 함수를 가지며, 상기 는 로 표현되는 이산 푸리에 변환, 상기 는 가우스 형태 라벨, 상기 는 으로 표현되는 타겟 관련 순환 행렬, 상기 는 채널 필터, 상기 는 로 표현되는 최적화 파라미터, 상기 는 정규화 파라미터, 상기 는 가중 파라미터, 상기 t와 t-1는 프레임 순번, 상기 F는 T 차원 벡터화 신호를 푸리에 도메인에 매핑하기 위한 복소 기준 벡터의 직교 T×T 행렬, 상기 T는 결합 전치 연산자, 상기 B는 현재 프레임의 채널 추출 행렬, 상기 IK는 K×K 크기의 단위 행렬, 상기 는 크로네커 곱(Kronecker product)을 각각 나타내는 것을 특징으로 하는 영상 시스템에서 향상된 배경 학습을 통한 시간-공간 정규화 다중 전문가 객체 추적 방법
|
| 3 |
3
제1항에 있어서, 상기 공간-시간 BACF는 ""의 식으로 표현되는 손실함수를 가지며, ADMM (Alternating Direction Method of Multipliers)를 통해 최적화되는 단계를 더 포함하는 것을 특징으로 하는 영상 시스템에서 향상된 배경 학습을 통한 시간-공간 정규화 다중 전문가 객체 추적 방법
|
| 4 |
4
제1항에 있어서, 상기 다수개의 전문가를 생성하는 단계는 HOG 특징을 하위 레벨 특징으로 추출하고, VGG-19 모델의 Conv3-4, Conv4-3, Conv4-4, 및 Conv5-4 계층의 출력 각각을 하위 레벨, 중간 레벨 및 상위 레벨 특징으로 추출한 후 융합하여, 31개의 전문가를 구비하는 전문가 풀을 만드는 것을 특징으로 하는 영상 시스템에서 향상된 배경 학습을 통한 시간-공간 정규화 다중 전문가 객체 추적 방법
|
| 5 |
5
제1항에 있어서, 상기 전문가를 선택하는 단계는 상기 전문가 각각의 신뢰 점수와 유사도 점수를 계산한 후 ""의 식에 따라 선형 조합하여, 상기 전문가 각각의 신뢰도 점수를 산출하며, 상기 는 전문가 p의 신뢰 점수를, 상기 는 전문가 p의 유사도 점수를, 상기 μ는 가중치 파라미터를 나타내는 것을 특징으로 하는 영상 시스템에서 향상된 배경 학습을 통한 시간-공간 정규화 다중 전문가 객체 추적 방법
|
