STK Feature Tracking Using BMA for Fast Feature Displacement Convergence

빠른 피쳐변위수렴을 위한 BMA을 이용한 STK 피쳐 추적

In general, feature detection and tracking algorithms is classified by EBGM using Garbor-jet, NNC-R and STK algorithm using pixel eigenvalue. In those algorithms, EBGM and NCC-R detect features with feature model, but STK algorithm has a characteristics of an automatic feature selection. In this paper, to solve the initial problem of NR tracking in STK algorithm, we detected features using STK algorithm in modelled feature region and tracked features with NR method. In tracking, to improve the tracking accuracy for features by NR method, we proposed BMA-NR method. We evaluated that BMA-NR method was superior to NBMA-NR in that feature tracking accuracy, since BMA-NR method was able to solve the local minimum problem due to search window size of NR.

일반거인 피쳐검출 및 추적 알고리즘에는 Garbor-jet를 이용한 elastic bunch graph matching (EBGM), rotation normalized cross-correlation (NCC-R) 및 화소의 고유치를 이용한 Shi-Tomasi-Kanade(STK) 알고리즘 등이 있다. 이들 중에서 EBGM, NCC-R은 피쳐모델에 의해 피쳐를 검출하지만 STK 알고리즘은 피쳐를 자동적으로 검출하는 특징을 가진다. 본 논문에서는 STK알고리즘인 Newton-Raphson (NR) 추적의 초기화 문제를 해결하기 위해서 모델링된 피쳐영역에서 STK 알고리즘으로 피쳐를 검출한 후, NR 방법으로 피쳐를 추적할 때, NR 방법에 의한 피쳐추적의 정확성을 개선시키기 위해 block matching agorithm (BMA)-NR 방법을 제안하였다. NR 방법에 의한 피쳐변위수렴시 BMA-NR 방법이 NBMA-NR (no BMA-NR)방법보다 피쳐추적의 정확성이 향상되었는데, 이는 NR의 서치영역크기로 인한 국소 최소치(local minimum) 문제를 해결하였기 때문이다.