A partially occluded object recognition technique using a probabilistic analysis in the feature space

특징 공간상에서 의 확률적 해석에 기반한 부분 인식 기법에 관한 연구

In this paper, we propose a novel 2-D partial matching algorithm based on model-based stochastic analysis of feature correspondences in a relation vector space, which is quite robust to shape variations as well as invariant to geometric transformations. We represent an object using the ARG (Attributed Relational Graph) model with features of a set of relation vectors. In addition, we statistically model the partial occlusion or noise as the distortion of the relation vector distribution in the relation vector space. Our partial matching algorithm consists of two-phases. First, a finite number of candidate sets areselected by using logical constraint embedding local and structural consistency Second, the feature loss detection is done iteratively by error detection and voting scheme thorough the error analysis of relation vector space. Experimental results on real images demonstrate that the proposed algorithm is quite robust to noise and localize target objects correctly even inseverely noisy and occluded scenes.

본 논문에서는 관계 벡터 공간상의 특징 대응에 관한 확률적 해석에 기반한 새로운 부분 인식 기법을 제안한다. 효과적인 인식을 위해 물체를 관계 속성 그래프(Attributed Relational Graph; ARG)와 관계 벡터 공간들의 집합으로 표현한다. 또한 잡음이나 특징 소실로 인한 왜곡을 관계 벡터 공간에서의 관계 벡터 분포에 대한 왜곡으로 확률적으로 모델링한다. 제안하는 부분 인식 기법은 두 단계로 이루어진다. 우선 지역적인 특징(local feature)과 구조적인 일관성(structural consistency)을 사용하여 후보집합을 추출한다. 이렇게 추출된 후보집합 각각에 대해 관계 벡터 공간상에서의 에러 분석과 반복적인 voting 알고리즘을 통해 특징 소실을 검출한다. 실제 영상에 대한 실험 결과를 통해 제안한 알고리즘이 잡음이나 가리어짐이 심한 경우에도 강건한 성능을 보임을 알 수 있으며, 릴렉세이션(relaxation) 기법과 수행 시간 비교 분석을 통해 계산량 측면에서의 성능 향상을 확인할 수 있다.