The KIPS Transactions:PartB (정보처리학회논문지B)

Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Robust object tracking using projected motion and histogram intersection

투영된 모션과 히스토그램 인터섹션을 이용한 강건한 물체추적

  • Published : 2002.02.01
Download PDF
⟨ Previous Next ⟩

Abstract

Existing methods of object tracking use template matching, re-detection of object boundaries or motion information. The template matching method requires very long computation time. The re-detection of object boundaries may produce false edges. The method using motion information shows poor tracking performance in moving camera. In this paper, a robust object tracking algorithm is proposed, using projected motion and histogram intersection. The initial object image is constructed by selecting the regions of interest after image segmentation. From the selected object, the approximate displacement of the object is computed by using 1-dimensional intensity projection in horizontal and vortical direction. Based on the estimated displacement, various template masks are constructed for possible orientations and scales of the object. The best template is selected by using the modified histogram intersection method. The robustness of the proposed tracking algorithm has been verified by experimental results.

기존의 물체추적기법은 템플릿 매칭, 물체의 경계선 재 검출, 물체의 움직임 정보 등을 사용하여 수행되었다. 그러나, 템플릿 매칭의 경우 많은 계산 시간을 요구하고, 경계선을 재 검출하는 경우 윤곽선이 잘못 설정되는 경우가 있으며, 물체의 움직임 정보를 사용하는 경우에는 움직이는 카메라에서 움직이는 물체만을 추적하기가 쉽지 않은 단점이 있다. 본 논문에서는 투영된 모션과 히스토그램 인터섹션을 이용한 강건한 물체추적 방법을 제안한다. 초기 객체추출은 영상분할 후 영역선택을 통하여 구성하고 선택된 객체를 가로 및 세로의 밝기 값을 1차원 신호로 투영하여 객체의 개략적인 평행이동 벡터를 추정한다. 추정된 변위를 기준으로 하여 객체의 가능한 회전 및 스케일에 대한 템플릿을 구성하고, 이들에 대하여 개선된 히스토그램 인터섹션을 사용하여 물체 추적을 수행한다. 제안한 알고리즘의 강건한 물체추적 성능을 실험에 의하여 확인하였다.

Keywords

References

  1. 'MPEG-4 Video Verification Model Version 13.0,' ISO/IEC JTCI/SC29/WG11 MPEG99/N2687, 1999
  2. R. C. Gonzalez and R. E. Woods, Digital Image Processing, 1992
  3. R. Crane, 'A Simplified Approach to Image Processing,' Prentice Hall, pp.206-211, 1997
  4. 서재수, 남재열, 곽진석, 이명호, '블럭 정합 움직임 추정을 위한 적응적 예측 방향성 탐색 알고리즘', 제12회 영상처리 및 이해에 관한 워크샵 발표논문집, pp.415-420, 2000
  5. 박동권, 윤호선, 전우성, 원치선, '투명된 모션을 이용한 반자동 객체 추적', 제12회 영상처리 및 이해에 관한 워크샵 발표논문집, pp.139-144, 2000
  6. J. B. Oh and Y. S. Moon, 'Content-Based Image Retrieval Based on Scale-Space Theory,' IEICE Trans. Fundamental, June, 1999
  7. A. K. Jain and A. Vailaya, 'Image Retrieval Using Color and Shape,' Pattern Recognition, Vol.29, No.8, pp.1233-1244, 1996 https://doi.org/10.1016/0031-3203(95)00160-3
  8. C. Carson, S. Belongie, H. Greenspan, and J. Malik, 'Region -Based Image Querying,' Proc. Workshop on Content-Based Access of Image and Video Libraries, 1997 https://doi.org/10.1109/IVL.1997.629719
  9. D. Wang, 'Unsupervised Video Segmentation Based on Watersheds and Temporal Tracking,' IEEE Trans. Circuits and System for Video Technology, Vol.8, No.5, pp.539-546, Sep. 1998 https://doi.org/10.1109/76.718501
  10. N. Paragios and R. Deriche, 'Geodesic Active Contours and Level Sets for the Detection and Tracking of Moving Objects,' IEEE Trans. Pattern Analysis and Machine Intelligence, Vol.22, No.3, pp.266-280, Mar. 2000 https://doi.org/10.1109/34.841758
  11. M. J. Swain and D. H. Ballard, 'Color Indexing,' International Journal of Computer Vision, Vol.7, No.1, pp.11-32, 1991 https://doi.org/10.1007/BF00130487
  12. J. A. Sethian, Level Set Methods and Fast Marching Methods. 1999