비모수적 차영상과 칼만 필터를 이용한 실시간 객체 추적 알고리즘의 구현

Implementation of Real-time Object Tracking Algorithm based on Non-parametric Difference Picture and Kalman Filter

  • 김영주 (신라대학교 컴퓨터공학과 멀티미디어통신연구실) ;
  • 김광백 (퍼지신경망 및 의료영상처리연구실)
  • 발행 : 2003.10.01

초록

본 논문은 연속적인 영상에 대해 비모수적 영상 처리 기법과 칼만 필터 기반의 동적 AR(2) 프로세스 기법을 적용하여 객체의 움직임을 적응적으로 추적하는 실시간 객체 추적 알고리즘을 구현하였다. 다양한 환경 조건에서 입력되는 영상에 대해 비모수적 영상 처리 기법을 이용하여 처리함으로써 효과적으로 움직임 객체를 추출하였으며, 객체의 움직임을 동적 AR(2) 프로세스 모형으로 모델링하고 동적으로 변하는 AR(2) 프로세스의 파라미터를 칼만 필터를 통해 추정함으로써 객체의 다변적인 움직임을 적응적으로 예측하여 추적할 수 있었다. 구현된 객체 추적 시스템을 실험한 결과, 기존의 선형 칼만 필터 기법을 이용한 추적 기법과 비교하여 추정 오차가 약 1/2.5∼1/50 만큼 더 적게 나와 객체의 움직임을 더 근사적으로 추적함을 알 수 있었다.

This paper implemented the real-time object tracking algorithm that extracts and tracks the moving object adaptively to input frame sequence by using non-parametric image processing method and Kalman filter-based dynamic AR(2) process method. By applying non-parametric image processing to input frames, the moving object was extracted from the background adaptively to diverse environmental conditions. And the movement of object was able to be adaptively estimated and tracked by modeling the various movement of object as dynamic AR(2) process and estimating based on the Kalman filter the parameters of AR(2) process dynamically changing along time. The experiments of the implemented object tracking system showed that the proposed method tracked the moving object as more approximately as the estimation error became about l/2.5∼1/50 of one of the traditional tracking method based on linear Kalman filter.

키워드

참고문헌

  1. 이진성, 이훈철, 김성대, '적외선 영상에서 움직임 영역 검출을 이용한 목표물 검출 및 추적 기법,' 제12회 신호처리합동학술대회 논문집, PP. 185-188, 1999
  2. S. Banerjee, A. Aggarwal, L. Kumar, P. Jain, and G. S. Manku, 'Object Tracking Using Affine Structure for Point Correspondences,' Proc. of IEEE Conf. on Computer Vision and Pattern Recognition, PP.704-709, 1997
  3. P. J. Bert, and J. R. Bergen, 'Object Tracking with a Moving Camera,' Proc. of Workshop on Visuat Motion, PP.2-12, 1989
  4. M. S. Grewal, and A. P. Andrews, Katman Fittering : Theory and Practice Using Mattab-2nd Edition, John Wiley & Sons, 2001
  5. C. G. Harris and M Stephens, 'A Combined Comer and Edge Detector,' Proc. of 4th Alvey Vision Conference, PP.147~151, 1998
  6. S. Haykin, Adaptive Fitter Theory-2nd Edition, Prentice-Hall, 1991
  7. I. D. Raid and D. W. Murray, 'Active Tracking of Foveated Feature Clusters using Affine Structure,' Int. Journal of Computer Vision, Vol.18, No.1, PP.41-60, 1996 https://doi.org/10.1007/BF00126139
  8. Randy Crane, A Simplified Approach to Image Processing, Prentice-Hall, 1997
  9. P. L. Rosin, 'Thresholding for Change Detection,' Proc. of ICCV'98, PP.274-279, 1998
  10. P. L. Rosin, 'Unimodal thresholding,' Proc. of Scandinavian Conference on Image Anatysis, PP.585-592, 1999
  11. S. M. Smith, 'SUSAN - A New Approach to Low Level Image Processing,' Technical Report TR95SMS1c, Dep. of Clinical Neurology, Oxford University, 1995
  12. S. M. Smith and J. M. Brady, 'ASSERT-2 : Real-Time Motion Segmentation and Shape Tracking,' IEEE Trans. on Pattern Analysis and Machine Intelligence, Vol.17, NO.8, PP.814-820, 1995 https://doi.org/10.1109/34.400573
  13. S. M. Smith, 'Reviews of Optical Flow, Motion Segmentation, Edge Finding and Comer Finding,' Technical Report TR97SMS1c, Dep. of Clinical Neurology, Oxford University, 1997
  14. P. H. S. Torr and D. W. Murray, 'Stochastic Motion Clustering,' Proc. of the 3rd European Conference on Computer Vision, PP.328~337, 1994
  15. S. Araki, T. Matsuoka, H. Takemura, and N. Yokoya, 'Real-time Tracking of Multiple Moving Objects in Moving Camera Image Sequence,' IEICE Trans. Inf. & Syst. Vol. E83-D, No.7, 2000
  16. 최내원, 오해석, '실시간 칼라 영상에서 객체 추출 및 추적,' 정보처리학회논문지B, Vol.10-B, No.1, PP.81-86, 2003