KR100540889B1 - 기준점을 이용한 이동 물체 추적 방법 - Google Patents

기준점을 이용한 이동 물체 추적 방법 Download PDF

Info

Publication number
KR100540889B1
KR100540889B1 KR1020000077641A KR20000077641A KR100540889B1 KR 100540889 B1 KR100540889 B1 KR 100540889B1 KR 1020000077641 A KR1020000077641 A KR 1020000077641A KR 20000077641 A KR20000077641 A KR 20000077641A KR 100540889 B1 KR100540889 B1 KR 100540889B1
Authority
KR
South Korea
Prior art keywords
moving object
reference point
point
tracking
information
Prior art date
Application number
KR1020000077641A
Other languages
English (en)
Other versions
KR20020048504A (ko
Inventor
윤호섭
소정
배영래
Original Assignee
한국전자통신연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020000077641A priority Critical patent/KR100540889B1/ko
Publication of KR20020048504A publication Critical patent/KR20020048504A/ko
Application granted granted Critical
Publication of KR100540889B1 publication Critical patent/KR100540889B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/254—Analysis of motion involving subtraction of images
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
    • G08B13/19608—Tracking movement of a target, e.g. by detecting an object predefined as a target, using target direction and or velocity to predict its new position
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20052—Discrete cosine transform [DCT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 이동 물체 추적 시 사용되는 세 개의 기준점을 이용한 이동 물체의 추적 장치 및 방법에 관한 것이다.
본 발명에서는, 카메라로부터 입력되는 영상 내의 이동 물체를 추적하는 이동 물체 추적 방법에 있어서, 상기 카메라로부터 입력된 초기 영상에 대해 세 개의 기준점의 위치를 결정하는 제 1 단계: 상기 제 1 단계에서 결정된 상기 세 개의 기준점을 이용하여 초기 영상에 대하여 특징값을 검출한 후 저장하는 제 2 단계; 상기 초기 영상 이후에 입력되는 새로운 영상에 대하여 초기 영상과의 비교시 움직임이 있는 부분을 결정함으로써, 후보 영역을 결정하는 제 3 단계; 및 상기 제 3 단계에서 결정된 후보 영역 내에서 특징값을 추출하고, 이를 이용하여 상기 결정된 후보 영역 내에서 상기 기준점에 대응하는 대응점을 추출한 후, 이 기준점 및 대응점의 유사도 측정값을 통해 이동 물체를 실시간으로 추적하는 제 4 단계; 를 포함하는 것을 특징으로 하는 기준점을 이용한 이동 물체 추적 방법이 제공된다.
이동 물체, 대응점, 기준점, Affine 변형 공식.

Description

기준점을 이용한 이동 물체 추적 방법 {Tracking Method for The Moving Object using Basic Points}
도 1은 본 발명의 일 실시예에 따른 세 개의 기준점을 이용한 이동 물체의 추적 방법을 도시한 전체 흐름도,
도 2a 및 도 2b는 도 1에 도시된 세 개의 기준점을 이용한 이동 물체의 추적 방법 중, 세 개의 기준점을 결정하는 과정을 도시한 구성도 및 흐름도,
도 3은 도 1에 도시된 세 개의 기준점을 이용한 이동 물체의 추적 방법 중, 특징값을 추출하기 위한 흐름도,
도 4는 도 1에 도시된 세 개의 기준점을 이용한 이동 물체의 추적 방법에 사용되는 로컬 정보 검출 마스크를 도시한 도면,
도 5는 도 1에 도시된 세 개의 기준점을 이용한 이동 물체의 추적 방법 중, 평균 에지 정보 추출 과정을 도시한 도면,
도 6은 도 1에 도시된 세 개의 기준점을 이용한 이동 물체의 추적 방법 중, 전역 에지 정보 추출시 사용되는 마스크를 도시한 도면,
도 7은 본 발명에 따른 세 개의 기준점을 이용한 이동 물체의 추적 방법 중, 후보 영역 결정을 도시한 도면,
도 8은 본 발명에 따른 세 개의 기준점을 이용한 이동 물체의 추적 방법 중, Affine 변환을 위한 기준점 및 대응점을 도시한 도면이다.
본 발명은 이동 물체를 추적하는 세 개의 기준점을 이용한 이동 물체의 추적 방법에 관한 것으로서, 세 개의 기준점을 이용하여 이동하는 물체를 실시간으로 추적하는 세 개의 기준점을 이용한 이동 물체 추적 방법을 제공하기 위한 것이다.
이동하는 물체를 추적하기 위한 종래 기술에 따른 방법으로는 인식에 기초한 방법과 움직임 영역 판단에 기초한 방법으로 크게 나눌 수 있다. 인식에 기초한 방법은 취득되는 영상 내부의 목표물의 형태를 계속적으로 인식하면서 그 위치를 계산하는 방법이다. 그러나, 처리 대상이 되는 영상 데이타의 양이 너무나 방대하기 때문에 실시간 처리 및 인식 시 오류 발생 가능성이 높고 하드웨어적으로 구현되기 어렵다는 단점이 있다.
움직임 영역 판단에 기초한 방법은 카메라 및 이동하는 물체의 이동 파라미터를 고려하여 화소 단위의 이동 변화량을 계산하여 추적하는 방법이다. 하지만, 종래 기술에 따른 화소 단위 이동 변화량 추적은 추적하고자 하는 이동 물체의 전 체 영역에 포함된 화소들을 모두 사용하여 이동하는 물체를 추적해야 한다. 이로 인해, 단순 반복적이며 대응되는 화소가 너무 많아 정확한 매핑이 어렵다. 뿐만 아니라, 물체의 위치, 방향 및 크기 변화 발생 시, 이를 판정하고 적응하여 추적하기가 매우 어렵다는 단점이 있다.
상기한 종래 기술의 문제점을 해결하기 위한 본 발명의 목적은 지정된 세 개의 기준점과 세 개의 기준점에 대해 추출된 16 개의 특징 벡터를 이용함으로서, 전체 물체를 실시간으로 정확하게 추적하는 세 개의 기준점을 이용한 이동 물체의 추적 방법을 제공하기 위한 것이다.
상기한 목적을 달성하기 위한 본 발명의 목적은, 카메라로부터 입력되는 영상 내의 이동 물체를 추적하는 이동 물체 추적 방법에 있어서, 상기 카메라로부터 입력된 초기 영상에 대해 세 개의 기준점의 위치를 결정하는 제 1 단계: 상기 제 1 단계에서 결정된 상기 세 개의 기준점을 이용하여 초기 영상에 대하여 특징값을 검출한 후 저장하는 제 2 단계; 상기 초기 영상 이후에 입력되는 새로운 영상에 대하여 초기 영상과의 비교시 움직임이 있는 부분을 결정함으로써, 후보 영역을 결정하는 제 3 단계; 및 상기 제 3 단계에서 결정된 후보 영역 내에서 특징값을 추출하고, 이를 이용하여 상기 결정된 후보 영역 내에서 상기 기준점에 대응하는 대응점을 추출한 후, 이 기준점 및 대응점의 유사도 측정값을 통해 이동 물체를 실시간으로 추적하는 제 4 단계; 를 포함하는 것을 특징으로 하는 기준점을 이용한 이동 물체 추적 방법이 제공된다.
이하 첨부된 도면을 참조하면서 본 발명의 일 실시예에 따른 세 개의 기준점을 이용한 이동 물체의 추적 방법에 대해 보다 자세하게 설명하기로 한다. 도 1은 본 발명의 일 실시예에 따른 세 개의 기준점을 이용한 이동 물체의 추적 방법을 도시한 전체 흐름도이다.
먼저, 카메라로부터 초기 영상을 수신(S110)한 후, 수신된 초기 영상에 대해 세 개의 기준점의 위치를 결정한다(S120). 결정된 세 기준점의 위치를 이용하여 초기 영상에 대해, 16 개의 특징값을 먼저 추출한 후 추출된 16 개의 특징값을 저장한다(S130).
한편, 카메라로부터 초기 영상 이후의 새로운 동영상이 수신(S210)되면, 수신된 새로운 동영상에 대해 후보 영역, 즉, 초기 영상과의 비교 시 움직임이 있는 부분을 결정한다(S220). 다음, 결정된 후보 영역 내에서 16 개의 특징값을 추츨(S230)한 후, 추출된 16 개의 특징값을 이용하여 결정된 후보 영역 내에서, 먼저 결정된 세 개의 기준점에 대응하는 대응점을 추출한다(S230). 이와 같은 과정으로 추출된 세 개의 기준점 및 대응점을 AFFINE 변환 공식 및 유사도 값을 통해 추적하고자 이동 물체를 실시간으로 추적(S240)한 후, 기준점 및 대응점 등에 관해 변경된 정보들을 다시 저장한다.
도 2a 및 도 2b는 도 1에 도시된 세 개의 기준점을 이용한 이동 물체의 추적 방법 중, 세 개의 기준점(basic points)을 결정하는 과정을 도시한 구성도 및 흐름도서, 이동하는 물체가 사람일 경우의 도면이다.
삭제
먼저, 초기 영상(200)이 카메라로부터 수신(S210)되면, 수신된 초기 영상(200)에서 추적하고자 하는 이동 물체(201)를 결정한다(S220). 이후 이동된 이동 물체에 대해 각각의 기준점을 결정한다. 먼저, 첫 번째 기준점(203)을 결정한다(S230). 이때, 아무 위치나 결정하는 것이 아니라, 이동 물체의 중심점을 첫 번째 기준점으로 결정한다. 이후, 두 번째 기준점(240)을 결정(S240)한 후, 세 번째 기준점(205)을 결정한다(S250). 결정 시, 첫 번째 기준점(203)으로부터 일정거리 이상 떨어져 있으며, 이동 물체의 특성을 대표할 수 있는 점으로서, 이동 물체의 외곽선에서 최소한 3 화소 안쪽에 위치를 결정한다. 이는 특징 추출 단계에서 5 x 5마스크를 이용한 특징을 추출할 때, 이동 물체 이외의 특성이 특징값에 포함되지 않도록 하기 위해서이다. 또한, 세 개의 기준점은 가능한 한 물체의 위치 변화나 회전 변화에서도 가장 특성이 변하지 않을 점으로 결정하는 것이 좋다.
다음, 결정된 세 개의 기준점에 대해 로컬 정보, 영역 정보, 주파수 정보 특징을 추출하여 추출된 정보들을 이용하여 특징값 함수를 구하는 과정에 대해 알아보면 다음과 같다. 도 3은 도 1에 도시된 세 개의 기준점을 이용한 이동 물체의 추적 방법 중, 특징값을 추출하기 위한 흐름도이다. 우선, 도시된 도면에 따라 간단히 설명하면 다음과 같다.
세 개의 기준점이 결정(S310)되면, 결정된 세 개의 기준점을 이용하여 로컬 정보를 검출(S320)한 후, 영역 정보를 검출한다(S320). 이후, 주파수 정보를 검출(S330)한 후, 검출된 로컬 정보, 영역 정보, 주파수 정보로 구성된 특징값 함수를 생성한다(S350).
여기서, 특징값 함수 구성 시 필요한 로컬 정보, 영역 정보, 주파수 정보를 검출하는 과정에 대해 자세히 알아보면 다음과 같다. 도 4는 도 1에 도시된 세 개의 기준점을 이용한 이동 물체의 추적 방법에 사용되는 로컬 정보 검출 마스크를 도시한 도면이다. 도시된 바와 같이, 4 방향의 Sobel 에지 검출 마스크인 수직 마스크(410)와 대각 1 마스크(420), 수평 마스크(430), 대각 2 마스크(440) 사용하여 추출하는데, 4 방향 에지 정보는 마스크를 45도씩 회전하면서 에지를 추출한다. 예를 들어, 이동 물체가 45도 이상 회전한다면 기준점의 Sobel 에지 Eo = {E1, E2 , E3, E4}는 입력 영상의 Sobel 에지 Ei = {E2, E3, E4, E1} 와 매핑 되게 된다.
다음, 영역 정보를 추출하는 과정에 대해 알아보면 다음과 같다. 도 도 5는 도 1에 도시된 세 개의 기준점을 이용한 이동 물체의 추적 방법 중, 영역 정보 추출을 위한 평균 에지 정보 추출 과정을 도시한 도면이다. 도시된 바와 같이, 평균 에지 값은 5 x 5 영역 내에서 로컬 정보 추출에 사용된 4방향의 Sobel 에지 정보를 구한 후, 25 개 위치에 대한 평균값 Mo = {M1, M2, M3, M4} 가 특징값으로 저장된다.
다음, 도 6은 도 1에 도시된 세 개의 기준점을 이용한 이동 물체의 추적 방법 중, 전역 에지 정보 추출 시 사용되는 마스크를 도시한 도면이다. 전역적 에지 값은 3 x 3 에지 값이 국부적인 에지 정보를 구하는데 비해, 도시된 바와 같이, 5 x 5 에지 마스크인 수직 마스크(GE1, 610), 대각선 1 마스크(GE2, 620), 수평 마스크(GE3, 630), 대각선 2 마스크(GE4, 640)를 사용함으로서, 보다 전역적인 에지 정보 GEo = {GE1, GE2, GE3, GE4}를 추출하기 위해 구해진다. 사용된 네 개의 마스크
(GE1, GE2, GE3, GE4)는 중심점에서 멀어질수록 마스크의 가중치가 커지므로 중심점에서의 국부적인 특성보다는 바깥쪽의 전역적 특성이 특징값으로 검출된다.
마지막으로, 주파수 정보를 검출하는 과정에 대해 알아보면 다음과 같다. 본 발명에서는, 사용된 주파수 영역 특성 값은 아래의 수학식과 같이 FFT(Fast Fourier Transform) 검출 및 DCT(Discrete Cosine Transform)검출, 두 가지 Fo = {F1, F2} 를 추출한다. 이와 같은 주파수 정보 검출 방법은 에지 검출 마스크를 통해서 얻을 수 없는 기준점 고유의 주파수 특성 값을 추출함으로써 입력 영상에서 대응점 매칭에 유용하게 사용된다.
Figure 112000026965417-pat00001
이와 같은 과정을 통해 하나의 기준점마다 총 16 개의 특징값을 갖게 된다. 즉, 전체 기준점의 특징값을 Co 라 정의하면, Co = {Eo, Mo, GEo, Fo} 가 되고 각각 Eo = {E1, E2, E3, E4}, Mo = {M1 , M2, M3, M4}, GEo = {GE1, GE2, GE3, GE4}, Fo = {F1, F2} 의 총 16개의 특징 벡터가 된다.
다음, 이와 같이 입력된 영상으로부터 특징 벡터와 구해지면 기준점과 매칭되는 대응점을 구한다. 이 때, 영상 시퀀스로부터 전체 영상에 대한 특징 벡터를 구하는 것이 아니라, 후보 영역을 먼저 설정한다. 후보 영역은 영상 내에서 이동하는 물체를 이전 위치로부터 일정 거리 이상 급격하게 이동하지 않는다는 사전 지식 및 시간차를 갖는 연속하는 두 영상간의 차 영상 정보를 이용하여 설정한다.
도 7은 차 영상과 그에 따른 후보 영역 결정에 관한 도면이다. 도시된 바와 같이, 차 영상(710)은 바로 전에 입력된 영상에서 현재에 입력된 영상을 뺀 부분으로서, 즉, 조금이라도 움직임이 있는 부분의 영상이고, 후보 영역(720)은 차 영상 내의 기준점을 찾아 설정된 영역이다.
차(Difference) 영상이란, 두 영상을 각각의 화소 단위로 명암치를 뺀 후, 절대값을 취한 값으로서, 움직임이 없는 점에서는 0 에 가까운 값이 나타나고 움직임이 많은 곳에서는 더 큰 값을 나타낸다. 이로 인해, 큰 값으로 나타난 부분을 일정한 임계치로 정(thresholding)하면 움직임이 큰 부분을 찾을 수 있다.
입력된 영상에 대해 이와 같은 방법으로 후보 영역을 추출하면 전체 영상에 대해 16 개의 필터를 적용할 때에 비해 시간 소비를 크게 줄일 수 있다. 본 발명에서는 단지, 세 기준점만을 이동 물체 추적 시 사용하지만 정확한 추적을 위해 주파수 특성과 같은 복잡한 연산을 사용하므로, 후보 영역 설정을 통해 계산에 포함될 후보 영역의 위치를 축소시키는 것은 실시간 처리를 위해 매우 중요하다.
위의 두 가지 조건을 사용하여 후보 영역이 결정되면 후보 영역에서 기준점에 대응되는 점을 찾기 위해 앞에서 기술한 16개의 특징 값을 추출한다.
이 때, 이미 추출된 첫 번째 기준점 벡터를 Co 라 정의하면, Co = {Eo, Mo, GEo, Fo} 이고, 입력 영상의 각 점들의 특징 벡터를 I(x,y) 라 정의하면, I(x,y) = { E(x,y), M(x,y), GE(x,y), F(x,y)}이다. 본 발명에서의 두 특징 벡터 사이의 유사도는, Similarity(Co, I(x,y)) 와 같이 정의된다.
Figure 112000026965417-pat00002
위의 유사도 공식에서, α, β, γ, μ는 각각의 특징값들이 동일한 스케일 의 결과값을 갖지 않으므로 이를 조정하기 위한 가중치 값이다. 즉, 주파수 특징에서의 특징값은 소수점 이하의 값도 중요한데, 에지 검출에서 결정된 특징값은 단지 0 이상의 큰 값을 갖는다. 그러므로 각각 4 가지 종류의 특징값은 동일한 범위를 갖지 않으므로 이를 합산 시에는 가중치 값을 이용하여 모두 0.0 에서 1.0 사이의 범위로 정규화 한 후에 더해져야 정확한 유사도를 결정할 수 있다. 또한 현재의 유사도 측정 공식은 가장 단순한 유클리디안 차이(distance)만을 이용한 것으로, correlation 이나 energy 함수 등을 이용해 유사도 측정을 확장할 수 도 있다.
전체 후보 영역에 대해 유사도가 측정되면, 그 중, 가장 높은 유사도를 가진 점이 마지막 대응점으로 결정된다. 이와 같은 대응점 결정은 아래의 공식을 통해 결정된다.
Figure 112000026965417-pat00003
위의 공식에 의해 후보 영역에서 첫 번째 대응점이 찾아지면, 나머지 두 개의 대응점도 같은 유사도 검출 함수를 통해 찾아낸다.
다음, 이와 같이, 초기 영상으로부터 세 개의 기준점을 설정한 후, 연속되는 입력 영상에서 후보 영역을 설정하면, 특징값 비교를 통해 기준점에 매칭되는 세 개의 대응점을 찾고 이를 바탕으로 Affine 변환 공식을 통해 이동 물체가 얼마나 변화했는가를 계산한다. 도 8은 본 발명에 따른 세 개의 기준점을 이용한 이동 물체의 추적 방법 중, Affine 변환을 위한 기준점 및 그에 따른 대응점을 도시한 도면이다. 정해진 세 개의 기준점(811, 812, 813)을 {(u0,v0), (u1,v1 ), (u2,v2)}라 하고, 입력 영상 차에서 찾아진 세 개의 대응점(821, 822, 823)을 {(x0,y0), (x1 ,y1), (x2,y2)} 라 하면, Affine 매핑 함수는 아래와 같다.
Figure 112000026965417-pat00004
위 식에서 coefficient 는 6 개의 선형 방정식에 의해 구할 수 있다. 즉, 위 식을 행렬 벡터로 변환하면,
Figure 112000026965417-pat00005
이 되고, 미지수인 coefficient 는 대응되는 세 점의 위치를 기반으로 다음 과 같이 구하게 된다.
Figure 112000026965417-pat00006
위의 공식에 세 개의 기준점과 그에 대응하는 세 점을 대입하면, 이동 물체가 얼마나 변형되어 나타났는지를 coefficient{a11, a12, a21, a22 , a31, a32}를 통해 알게 된다. 이후 입력되는 이동 물체 내의 위치들도 위의 공식을 통해 구한다. 위의 공식을 통해 구한 coefficient 변수들은 이동 물체의 위치 변화, 회전, 크기 변화 및 이 모든 조합에 관한 모든 정보를 포함한다. 이로 인해, Affine 변환을 이용함으로서 이동 물체를 추적할 때 발생되는 변화를 적절히 적응해가며 추적할 수 있다.
유사도 측정을 통해, 새로운 대응점의 위치가 발견되면, 발견된 대응점의 위치는 이후에 입력되는 영상에 대해 기준점 위치로 갱신된다. 따라서, 갱신되는 세 개의 기준점의 위치를 연결하면 이동 물체의 이동 궤적이 구해진다.
위에서 양호한 실시예에 근거하여 이 발명을 설명하였지만, 이러한 실시예는 이 발명을 제한하려는 것이 아니라 예시하려는 것이다. 이 발명이 속하는 분야의 숙련자에게는 이 발명의 기술사상을 벗어남이 없이 위 실시예에 대한 다양한 변화나 변경 또는 조절이 가능함이 자명할 것이다. 그러므로, 이 발명의 보호범위는 첨부된 청구범위에 의해서만 한정될 것이며, 위와 같은 변화예나 변경예 또는 조절예를 모두 포함하는 것으로 해석되어야 할 것이다.
이상과 같이 본 발명에 의하면, 지정된 세 개의 기준점과 세 개의 기준점에 대해 추출된 16 개의 특징 벡터를 이용함으로서, 이동하는 물체의 위치, 방향 및 크기 변화를 신속히 추출할 수 있을 뿐만 아니라, 이를 이용해 이동하는 물체를 실시간으로 추적함으로서, 2D 영상의 3D 변환, 보안 감시, 정찰, 화상 통신 등의 각종 분야에서 유용하게 사용될 수 있는 효과가 있다.

Claims (10)

  1. 카메라로부터 입력되는 영상 내의 이동 물체를 추적하는 이동 물체 추적 방법에 있어서,
    상기 카메라로부터 입력된 초기 영상에 대해 세 개의 기준점의 위치를 결정하는 제 1 단계:
    상기 제 1 단계에서 결정된 상기 세 개의 기준점을 이용하여 초기 영상에 대하여 특징값을 검출한 후 저장하는 제 2 단계;
    상기 초기 영상 이후에 입력되는 새로운 영상에 대하여 초기 영상과의 비교시 움직임이 있는 부분을 결정함으로써, 후보 영역을 결정하는 제 3 단계; 및
    상기 제 3 단계에서 결정된 후보 영역 내에서 특징값을 추출하고, 이를 이용하여 상기 결정된 후보 영역 내에서 상기 기준점에 대응하는 대응점을 추출한 후, 이 기준점 및 대응점의 유사도 측정값을 통해 이동 물체를 실시간으로 추적하는 제 4 단계;
    를 포함하는 것을 특징으로 하는 기준점을 이용한 이동 물체 추적 방법.
  2. 제 1 항에 있어서,
    상기 제 1 단계는,
    첫번째 기준점으로는 이동 물체의 중심점으로 설정하고, 두번째 기준점 및 세번째 기준점은 첫번째 기준점으로부터 일정 거리 이상 떨어져 있으며 이동 물체의 외곽선에서 일정 거리 이내에 해당하도록 설정하는 것을 특징으로 하는 기준점을 이용한 이동 물체 추적 방법.
  3. 제 1 항에 있어서,
    상기 제 2 단계는,
    상기 결정된 세개의 기준점을 이용하여 로컬 정보, 영역 정보 및 주파수 정보를 검출한 후, 이들로 구성된 특징값 함수를 생성하는 것을 특징으로 하는 기준점을 이용한 이동 물체 추적 방법.
  4. 제 3 항에 있어서,
    4 방향의 소벨(Sobel) 에지 검출 마스크인 수직 마스크, 제 1 대각 마스크, 수평 마스크 및 제 2 대각 마스크를 사용하고, 4 방향 에지 정보는 상기 마스크를 45도씩 회전하면서 에지를 추출함으로서, 상기 로컬 정보를 검출하는 것을 특징으로 하는 기준점을 이용한 이동 물체 추적 방법.
  5. 제 4 항에 있어서,
    임의의 영역 내에서 상기 로컬 정보 추출에 사용된 4 방향의 소벨 에지 정보를 이용하여 임의의 위치에 대한 평균 에지 정보를 추출하고, 상기 마스크들을 이용하여 전역 에지 정보를 추출한 후, 이 평균 에지 정보 및 전역 에지 정보를 취합하여 영역 정보를 검출하는 것을 특징으로 하는 기준점을 이용한 이동 물체 추적 방법.
  6. 제 5 항에 있어서,
    중심점에서 멀어질 수록 상기 마스크들의 가중치를 커지게 함으로써, 중심점에서의 국부적 특성보다는 바깥쪽의 전역적 특성이 특징값으로 검출되도록 하는 것을 특징으로 하는 기준점을 이용한 이동 물체 추적 방법.
  7. 제 3 항에 있어서,
    FFT(Fast Fourier Transform) 및 DCT(Discrete Cosine Transform) 검출을 통하여 상기 주파수 정보를 검출하는 것을 특징으로 하는 기준점을 이용한 이동 물체 추적 방법.
  8. 제 1 항에 있어서,
    상기 제 3 단계는,
    바로 전에 입력된 영상 및 현재 입력된 영상의 각각의 화소 단위로 명암치를 뺀 후 절대값을 취한 차(Difference) 영상을 이용하여 결정하는 것을 특징으로 하는 기준점을 이용한 이동 물체 추적 방법.
  9. 제 1 항에 있어서,
    상기 제 4 단계는,
    각각의 특징값들이 동일한 스케일의 결과값을 갖지 않으므로 이를 조정하기 위한 가중치값을 부여하고 정규화 과정을 거친 후 가장 높은 유사도를 가진 점을 대응점으로 결정하는 것을 특징으로 하는 기준점을 이용한 이동 물체 추적 방법.
  10. 제 9 항에 있어서,
    상기 제 4 단계는,
    상기 세 개의 기준점 및 세 개의 대응점을 입력받아 어파인(Affine) 변환 함수를 이용하여 이동 물체가 얼마나 변화하였는지를 결정하는 것을 특징으로 하는 기준점을 이용한 이동 물체 추적 방법.
KR1020000077641A 2000-12-18 2000-12-18 기준점을 이용한 이동 물체 추적 방법 KR100540889B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020000077641A KR100540889B1 (ko) 2000-12-18 2000-12-18 기준점을 이용한 이동 물체 추적 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020000077641A KR100540889B1 (ko) 2000-12-18 2000-12-18 기준점을 이용한 이동 물체 추적 방법

Publications (2)

Publication Number Publication Date
KR20020048504A KR20020048504A (ko) 2002-06-24
KR100540889B1 true KR100540889B1 (ko) 2006-01-10

Family

ID=27682683

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020000077641A KR100540889B1 (ko) 2000-12-18 2000-12-18 기준점을 이용한 이동 물체 추적 방법

Country Status (1)

Country Link
KR (1) KR100540889B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101046163B1 (ko) 2009-04-30 2011-07-04 동서대학교산학협력단 실시간 다중물체 추적 방법
KR101183781B1 (ko) * 2009-12-22 2012-09-17 삼성전자주식회사 실시간 카메라 모션 추정을 이용한 물체 검출/추적 방법 및 단말

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101271098B1 (ko) * 2008-09-24 2013-06-04 삼성테크윈 주식회사 디지털 촬영장치, 추적방법 및 추적방법을 실행시키기 위한프로그램을 저장한 기록매체
CN104823444A (zh) 2012-11-12 2015-08-05 行为识别系统公司 用于视频监控系统的图像稳定技术

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0743421A (ja) * 1993-07-26 1995-02-14 Nec Corp 半導体記憶装置の試験装置
KR0150513B1 (ko) * 1994-10-18 1998-10-15 이헌일 감시용 카메라의 피사체 추적방법
KR100234986B1 (ko) * 1997-12-30 1999-12-15 윤종용 이동물체의 폭 및 높이 측정 방법 및 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0743421A (ja) * 1993-07-26 1995-02-14 Nec Corp 半導体記憶装置の試験装置
KR0150513B1 (ko) * 1994-10-18 1998-10-15 이헌일 감시용 카메라의 피사체 추적방법
KR100234986B1 (ko) * 1997-12-30 1999-12-15 윤종용 이동물체의 폭 및 높이 측정 방법 및 장치

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101046163B1 (ko) 2009-04-30 2011-07-04 동서대학교산학협력단 실시간 다중물체 추적 방법
KR101183781B1 (ko) * 2009-12-22 2012-09-17 삼성전자주식회사 실시간 카메라 모션 추정을 이용한 물체 검출/추적 방법 및 단말
US8611595B2 (en) 2009-12-22 2013-12-17 Samsung Electronics Co., Ltd Method and terminal for detecting and tracking moving object using real-time camera motion estimation

Also Published As

Publication number Publication date
KR20020048504A (ko) 2002-06-24

Similar Documents

Publication Publication Date Title
Zhang et al. Corner detection based on gradient correlation matrices of planar curves
CN108399627B (zh) 视频帧间目标运动估计方法、装置和实现装置
Safaei et al. Real-time search-free multiple license plate recognition via likelihood estimation of saliency
Kandil et al. A comparative study between SIFT-particle and SURF-particle video tracking algorithms
Zhang et al. Mean-shift algorithm integrating with SURF for tracking
KR100540889B1 (ko) 기준점을 이용한 이동 물체 추적 방법
Kovacs et al. Orientation based building outline extraction in aerial images
CN112734816A (zh) 基于CSS-Delaunay的异源图像配准方法
CN111104857A (zh) 一种基于步态能量图的身份识别方法及系统
CN111882594A (zh) 一种基于orb特征点的偏振图像快速配准方法及装置
Chen et al. Mean shift tracking combining SIFT
Carro et al. Face recognition using SURF
Wang et al. A new method for robust object tracking system based on scale invariant feature transform and camshift
KR101528757B1 (ko) 이분된 로컬 영역을 가지는 윤곽선 분할 기반 특징을 이용한 물체 인식 방법
Priyadharshini et al. Automatic registration of images with simulated rotation and translation estimation using HAIRIS
Abdulla et al. Triple-feature-based particle filter algorithm used in vehicle tracking applications
Wu et al. Real-time robust algorithm for circle object detection
CN107451574B (zh) 一种基于类Haar视觉特征感知的运动估计方法
Chattopadhyay et al. Exploiting pose information for gait recognition from depth streams
Biswas et al. Medical image registration based on grid matching using Hausdorff Distance and Near set
Wang et al. An efficient image-registration method based on probability density and global parallax
Niroshika et al. BLAID: Boundaries from locally adaptive isotropic detection
Wang et al. An Adaptive SAR and Optical Images Registration Approach Based on SOI-SIFT
Qiu et al. Comparative evaluation of signal-based and descriptor-based similarity measures for SAR-optical image matching
Han et al. Periodic motion detection with ROI-based similarity measure and extrema-based reference-frame selection

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20121129

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20131128

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20151127

Year of fee payment: 11

FPAY Annual fee payment

Payment date: 20161121

Year of fee payment: 12

FPAY Annual fee payment

Payment date: 20170927

Year of fee payment: 13

FPAY Annual fee payment

Payment date: 20181227

Year of fee payment: 14

FPAY Annual fee payment

Payment date: 20191230

Year of fee payment: 15