Abstract
This paper proposes a moving object tracking algorithm by using hierarchical search method in dynamic scenes. Proposed algorithm is based on two main steps: generation step of initial model from different pictures, and tracking step of moving object under the time-yawing scenes. With a series of this procedure, tracking process is not only stable under far distance circumstance with respect to the previous frame but also reliable under shape variation from the 3-dimensional(3D) motion and camera sway, and consequently, by correcting position of moving object, tracking time is relatively reduced. Partial Hausdorff distance is also utilized as an estimation function to determine the similarity between model and moving object. In order to testify the performance of proposed method, the extraction and tracking performance have tested using some kinds of moving car in dynamic scenes. Experimental results showed that the proposed algorithm provides higher performance. Namely, matching order is 28.21 times on average, and considering the processing time per frame, it is 53.21ms/frame. Computation result between the tracking position and that of currently real with respect to the root-mean-square(rms) is 1.148. In the occasion of different vehicle in terms of size, color and shape, tracking performance is 98.66%. In such case as background-dependence due to the analogy to road is 95.33%, and total average is 97%.
본 논문에서는 계층적 탐색기법을 이용한 동적 배경에서의 이동물체 추적 알고리즘을 제안하였다. 제안한 알고리즘은 초기모델 생성단계와 이동물체 추적 단계로 구성되었으며, 이전프레임에 비해 이동 거리가 큰 경우에도 안정적으로 추적할 수 있었다. 그리고, 카메라의 흔들림과 추적물체의 3차원 운동으로 인한 형태 변화에도 전체 프레임에서 효과적으로 추적을 할 수 있었고, 이동물체의 정확한 위치를 검출하여 추적시간을 단축할 수 있었다. 정합모델과 윤곽선 영상에 사이에 이동물체의 유사도 판정은 Partial Hausdorff 거리를 이용하여 평가하였다. 제안한 알고리즘의 타당성 검토를 위해 도로에서 주행하는 차량을 대상으로 이동물체 검출 및 추적 실험을 한 결과 정합횟수는 평균 28.21회이고, 프레임 당 정합시간은 평균 53.21 ms로 제안한 알고리즘의 우수성을 입증하였다. 추적위치와 실체위치를 비교하여 그 평균 자승오차를 계산한 결과 E=1.148임을 알 수 있었다. 차량의 크기, 색상 및 형태가 다른 경우 도로의 색과 차이가 있는 차량들은 98.66%의 추적 성능을 나타냈으며, 검정색 또는 적색 등과 같은 차량은 흑백 영상에서 도로의 색과 유사하여 배경의 영향을 많이 받으므로 95.33%이었고, 전체 평균은 97%로 우수한 추적 성능을 나타내었다.