KR101033243B1 - 객체 추적 방법 및 장치 - Google Patents

Abstract

본 발명에 따른 객체 추적 방법은, 이전 영상 프레임에서 구해진, 추적 대상 객체에 대응하는 정합 블록인 기준 블록에 대하여, 움직임 예측 필터를 적용하여 현재 프레임 영상의 예측 블록을 구하는 단계; 및 상기 현재 영상 프레임의 각 탐색 블록에 대하여, 상기 기준 블록과의 유사도를 해당 탐색 블록과 상기 예측 블록과의 거리를 이용하여 수정하여 수정 유사도를 구하고, 가장 큰 수정 유사도를 가지는 탐색 블록을 상기 추적 대상 객체에 대응하는 정합 블록으로서 구하는 단계를 포함하는 것을 특징으로 한다.

Description

객체 추적 방법 및 장치{Object tracking method and apparatus}

본 발명은 객체 추적 방법 및 장치에 관한 것으로, 보다 상세하게는 프레임 단위의 입력 영상에서 움직이는 객체를 추적하기 위한 객체 추적 방법 및 장치에 관한 것이다.

입력 영상에서 움직이는 객체를 추적하기 위한 기법 중 대표적인 것으로 블록 매칭 알고리즘(Block Matching Algorithm, BMA)이 있다.

BMA는 움직임을 추정할 영상 프레임을 임의의 작은 블록으로 나누고 각 블록 내의 모든 화소는 동일한 움직임을 갖는다는 가정 하에, 블록 당 한 개의 움직임 벡터를 부여하는 방식이다. 일반적으로 움직임은 회전, 이동 및 크기의 확대, 축소 등으로 나타낼 수 있는데, BMA에서는 시간적으로 인접한 프레임 간에는 움직임에 의한 변형이 크지 않아서 단지 물체의 이동으로 모든 움직임을 근사화할 수 있다는 전제하에 움직임 추정을 행하게 된다. 따라서 움직임 벡터는 각 블록 당 1개의 x, y 좌표로서 표현된다. BMA에서는 현재 영상 프레임에서 탐색 블록을 이동시켜 가면서 인접한 이전 영상 프레임의 기준 블록과 비교하여 가장 유사도가 높은 탐색 블록을 찾는다. 여기서 기준 블록과 가장 유사도가 높은 탐색 블록의 위치 차이가 해당 기준 블록의 움직임 벡터이다.

BMA를 이용한 객체 추적 시에 추적 대상 객체에 가림 현상(occlusion)이 발생하거나 잡음 등 다양한 요인에 의해 객체가 실제 움직인 위치와 다른 위치에서 기준 블록과 탐색 블록의 유사도가 높게 나타남으로써 추적 성능이 낮아질 수 있다.

본 발명이 이루고자 하는 기술적 과제는 객체 추적 시에 가림 현상 또는 잡음 등으로 인한 추적 성능의 열화를 방지할 수 있는 객체 추적 방법 및 장치를 제공하는 데 있다.

상기 기술적 과제를 해결하기 위하여 본 발명에 따른 객체 추적 방법은, (a) 이전 영상 프레임에서 구해진, 추적 대상 객체에 대응하는 정합 블록인 기준 블록에 대하여, 움직임 예측 필터를 적용하여 현재 프레임 영상의 예측 블록을 구하는 단계; 및 (b) 상기 현재 영상 프레임의 각 탐색 블록에 대하여, 상기 기준 블록과의 유사도를 해당 탐색 블록과 상기 예측 블록과의 거리를 이용하여 수정하여 수정 유사도를 구하고, 가장 큰 수정 유사도를 가지는 탐색 블록을 상기 추적 대상 객체에 대응하는 정합 블록으로서 구하는 단계를 포함하는 것을 특징으로 한다.

일 실시예에서, 상기 수정 유사도는, 해당 탐색 블록과 상기 예측 블록과의 거리가 클수록 상기 유사도를 더 감소시켜 수정한 값일 수 있다.

일 실시예에서, 상기 수정 유사도는, 상기 유사도를 해당 탐색 블록과 상기 예측 블록과의 거리로 나눈 값일 수 있다.

일 실시예에서, 상기 수정 유사도는, 상기 유사도에 해당 탐색 블록과 상기 예측 블록과의 거리에 따라 미리 정의된 가중치를 곱한 값일 수 있다.

일 실시예에서, 상기 움직임 예측 필터로, 칼만 필터, 파티클 필터, 확장 칼만 필터 중 어느 하나를 이용할 수 있다.

일 실시예에서, 상기 (b) 단계는, (b1) 상기 현재 프레임 영상에서 임의의 탐색 블록을 설정하는 단계; (b2) 상기 설정된 탐색 블록과 상기 기준 블록과의 유사도를 구하는 단계; 및 (b3) 상기 구해진 유사도를 상기 예측 블록과의 거리를 이용하여 수정하여 수정 유사도를 구하는 단계를 포함하고, 상기 (b1) 내지 (b3) 단계를 상기 현재 프레임 영상에서 모든 탐색 블록이 설정될 때까지 반복하여 가장 큰 수정 유사도를 구할 수 있다.

상기 기술적 과제를 해결하기 위하여 본 발명에 따른 객체 추적 장치는, 이전 영상 프레임에서 구해진, 추적 대상 객체에 대응하는 정합 블록인 기준 블록에 대하여, 움직임 예측 필터를 적용하여 현재 프레임 영상의 예측 블록을 구하는 움직임 예측부; 및 상기 현재 영상 프레임의 각 탐색 블록에 대하여, 상기 기준 블록과의 유사도를 해당 탐색 블록과 상기 예측 블록과의 거리를 이용하여 수정하여 수정 유사도를 구하고, 가장 큰 수정 유사도를 가지는 탐색 블록을 상기 추적 대상 객체에 대응하는 정합 블록으로서 구하는 객체 추적부를 포함하는 것을 특징으로 한다.

상기 기술적 과제를 해결하기 위하여 상기된 본 발명에 따른, 객체 추적 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체를 제공한다.

상기된 본 발명에 의하면, 객체 추적 시에 가림 현상 또는 잡음 등으로 인한 추적 성능의 열화를 방지할 수 있다.

도 1은 본 발명의 일 실시예에 따른 객체 추적 장치의 블록도이다.
도 2는 객체 추적 장치의 동작을 설명하기 위하여 이전 영상 프레임과 현재 영상 프레임을 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 따른 객체 추적 방법의 흐름도이다.

이하에서는 도면을 참조하여 본 발명의 바람직한 실시예들을 상세히 설명한다. 이하 설명 및 첨부된 도면들에서 실질적으로 동일한 구성요소들은 각각 동일한 부호들로 나타냄으로써 중복 설명을 생략하기로 한다. 또한 본 발명을 설명함에 있어 관련된 공지기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략하기로 한다.

도 1은 본 발명의 일 실시예에 따른 객체 추적 장치의 블록도이다. 본 실시예에서, 추적 대상 객체는 입력되는 영상 내에서 사용자에 의해 특정되는 물체이거나, 혹은 공지된 영상 처리 기법에 의해 검출된 움직이는 물체가 될 수 있다. 객체 추적 장치는 매 영상 프레임마다 추적 대상 객체에 대응하는 정합 블록을 찾음으로써 객체를 추적한다. 본 실시예에 따른 객체 추적 장치는, 매 영상 프레임을 입력받고 이전 영상 프레임에서 구해진, 추적 대상 객체에 대응하는 정합 블록인 기준 블록에 대하여, 움직임 예측 필터를 적용하여 현재 프레임 영상의 예측 블록을 구하는 움직임 예측부(110)와, 입력되는 현재 영상 프레임의 각 탐색 블록에 대하여, 이전 영상 프레임에서 구해진 기준 블록과의 유사도를 해당 탐색 블록과 상기 움직임 예측부(110)에서 구해진 예측 블록과의 거리를 이용하여 수정하여 수정 유사도를 구하고, 가장 큰 수정 유사도를 가지는 탐색 블록을 상기 추적 대상 객체에 대응하는 정합 블록으로서 구하는 객체 추적부(120)를 포함하여 이루어진다.

이하, 도 2를 함께 참조하여 본 실시예에 따른 객체 추적 장치의 동작을 보다 구체적으로 설명한다.

도 2 (a)는 객체 추적부(120)에서 이전 영상 프레임에 대하여 구해진, 추적 대상 객체(210)에 대응하는 정합 블록(220)을 나타낸다. 도 2에서 격자 하나는 단위 픽셀 또는 단위 픽셀 집합을 나타내며, 블록은 3X3으로 설정된다. 이전 영상 프레임에서 구해진 정합 블록은 그 다음 영상 프레임인 현재 영상 프레임이 입력될 때 움직임 예측부(110)에 기준 블록으로서 입력된다. 여기서 기준 블록이 입력된다 함은 기준 블록의 영상 프레임 내에서의 위치 정보가 입력된다는 의미이다. 움직임 예측부(110)는 입력되는 기준 블록에 대하여 움직임 예측 필터를 적용하여 현재 프레임 영상의 예측 블록을 구한다. 움직임 예측 필터란, 어떤 대상의 과거 움직임을 기초로 그 다음 움직임을 예측하는 필터로서, 예컨대 칼만 필터(Kalman Filter), 파티클 필터(Particle Filter), 확장 칼만 필터(Extended Kalman Filter) 등이 있다. 객체 추적 장치는 과거의 일정 개수의 영상 프레임에 대한 추적 결과, 즉 과거 일정 개수의 영상 프레임에 대한 정합 블록의 계산 결과를 저장하며, 움직임 예측부(110)는 이에 움직임 예측 필터를 적용하여 이전 영상 프레임에서 구해진 정합 블록(기준 블록)의 다음 이동 위치를 예측하여 예측 블록을 구한다. 다만, 객체 추적 장치의 최초 동작 시에는 과거 계산 결과가 없으므로, 최초 수 개의 영상 프레임에 대하여는 통상의 BMA 알고리즘을 적용하여 정합 블록을 계산하고, 일정량만큼 데이터가 축적된 후에 움직임 예측 필터를 적용할 수 있다.

현재 영상 프레임에 대하여 예측 블록이 구해지면, 객체 추적부(120)는 이 예측 블록과 이전 영상 프레임에서 구해진 정합 블록인 기준 블록과, 현재 영상 프레임을 입력받는다. 객체 추적부는 현재 영상 프레임의 전 영역에 대하여 탐색 블록을 설정하면서 기준 블록과의 비교를 통하여 그 중에서 추적 대상 객체에 대응하는 정합 블록을 찾는다. 여기서, 탐색 블록이란 영상 프레임 내의 임의의 위치에 설정되는, 기준 블록과 동일한 크기의 블록(본 실시예에서는 3X3)으로서, 기준 블록과 비교 대상이 되는 블록을 의미한다. 객체 추적부(120)는 탐색 블록을 특정 위치(예를 들면 가장 좌상단)에 설정하고, 탐색 블록을 이동시켜 가면서 기준 블록과의 비교를 수행할 수 있다.

이러한 움직임 예측부(110)는 통상적인 컴퓨팅 환경에서의 데이터 비교 및 연산을 위한 프로세서와 작업에 필요한 데이터를 적재하고 가공할 수 있는 메모리로 구현될 수 있으며, 필요에 따라서는 기준 블록 정보 및 예측 블록 정보 등을 저장하는 기록매체를 포함할 수 있다.

객체 추적부(120)는 기준 블록과 특정 탐색 블록과의 비교를 위하여, 우선 기준 블록과 탐색 블록과의 유사도를 계산한다. 여기서, 유사도는 블록 영역 간에 화소값의 분포가 얼마나 유사한가를 나타내는 척도로서, 예컨대 평균 절대 오차(Mean Absolute Difference, MAD), 평균 제곱 오차(Mean Squared Difference, MSD), 정규 상관 함수(Normalized Cross Correlation Function, NCCF) 등이 사용될 수 있다. 그리고 객체 추적부(120)는 기준 블록과 탐색 블록과의 거리를 계산한다. 기준 블록과 탐색 블록과의 거리는 곧 정합 블록이 얼마만큼 이동하였는지 예측된 거리에 해당한다. 움직임 예측 필터는 과거의 움직임 히스토리를 토대로 다음에 얼마만큼 이동할 것인지 예측하는 것이며, 유사도는 현재 영상 프레임과 이전 영상 프레임의 특정 영역 간에 얼마나 유사한가를 판단하여, 가장 유사한 영역으로 객체가 이동하였을 것으로 추정하기 위한 척도가 된다. 따라서 일반적으로 움직임 예측 필터의 결과와 유사도 비교의 결과는 대체적으로 유사할 것으로 예상할 수 있다. 본 실시예에서는 유사도 비교 결과가 움직임 예측 필터의 결과와 거리가 멀다면 일시적인 잡음 또는 가림 현상이 발생한 것으로 보고, 유사도를 감소시킨 수정 유사도를 가지고 기준 블록과 탐색 블록을 비교한다. 따라서 객체 추적부(120)는 탐색 블록과 기준 블록의 유사도를 탐색 블록과 예측 블록과의 거리를 이용하여 수정하여 수정 유사도를 구하고, 가장 큰 수정 유사도를 가지는 탐색 블록을 정합 블록으로 결정한다.

본 실시예에서, 수정 유사도는 탐색 블록과 예측 블록과의 거리가 멀수록 해당 탐색 블록에 대하여 실제 유사도와 비교할 때 더 작아지도록 수정하므로, 실제 유사도를 해당 탐색 블록과 예측 블록과의 거리로 나눈 값으로 구한다. 이는 다음 수학식과 같다.

여기서 S_mod 는 수정 유사도를, S 는 실제 유사도를, D는 탐색 블록과 예측 블록과의 거리를 의미한다. 탐색 블록과 예측 블록과의 거리는 단위 픽셀(또는 단위 픽셀 집합)만큼을 1로 할 수 있다. 상기 수학식에서 D=0의 의미는 탐색 블록과 예측 블록이 동일한 블록임을 의미한다. 즉, 예측 블록과 동일한 탐색 블록에 대하여는 수정 유사도는 실제 유사도와 동일한 값이 된다.

본 실시예에서는 실제 유사도를 탐색 블록과 예측 블록과의 거리로 나누어서 수정 유사도를 구하였으나, 탐색 블록과 예측 블록과의 거리가 멀수록 해당 탐색 블록의 실제 유사도와 비교할 때 수정 유사도가 더 작아지도록 하는 임의의 연산일 수 있다. 예를 들어, 탐색 블록과 예측 블록과의 거리 값마다 대응되며 상기 거리가 클수록 작아지는 가중치 값을 미리 정의하고, 탐색 블록과 예측 블록과의 거리에 따라 상기 가중치를 실제 유사도에 곱함으로써 수정 유사도를 구할 수 있을 것이다. 예컨대, 거리가 0일때 가중치를 1로 하고, 거리가 1, 2, 3, ... 일 때 각각 가중치를 0.9, 0.8, 0.7, ... 로 하는 것이다.

도 2 (b)는 도 2 (a)의 이전 영상 프레임 다음의 현재 영상 프레임의 예를 나타낸다. 움직임 예측 결과, 블록(230)이 예측 블록으로 구해진다. 실제 추적 대상 객체(210)는 탐색 블록(230)의 위치로 이동하였고, 탐색 블록(240) 내에 실제 추적 대상 객체(210)와 비교적 유사한 다른 객체(240)가 등장하였으며, 실제 추적 대상 객체(210) 근처에 가림(250)이 발생하였다고 가정하자. 그리고 탐색 블록(240)과 기준 블록(220)의 유사도는 300으로 구해지고, 가림(250)으로 인하여 탐색 블록(230)과 기준 블록(220)의 유사도는 300보다 낮은 200으로 구해진다고 가정하자. 탐색 블록(230)은 예측 블록과 동일한 블록(D=0)이므로, 수정 유사도는 실제 유사도와 동일한 값인 200이 된다. 탐색 블록(240)과 예측 블록(230)과의 거리는 3이므로, 탐색 블록(240)의 수정 유사도는 300/3=100이 된다. 따라서 유사도 값은 탐색 블록(240)이 더 높으나 수정 유사도 값은 탐색 블록(230)이 더 높게 된다. 다른 탐색 블록들의 수정 유사도가 탐색 블록(230)의 수정 유사도보다 크지 않다고 하면, 탐색 블록(230)이 현재 영상 프레임에서의 정합 블록으로 결정된다. 만일 실제 유사도를 가지고 가장 큰 유사도 값에 대응하는 탐색 블록을 찾는다면 탐색 블록(240)이 찾아질 것이다. 따라서 비록 가림(350)이 발생하였으나, 실제 유사도를 탐색 블록과 예측 블록과의 거리를 이용하여 수정한 수정 유사도를 가지고 각 탐색 블록을 비교함으로써, 실제로 움직인 객체에 대응하는 정합 정합 블록을 구할 수 있다.

이러한 객체 추적부(120)는 통상적인 컴퓨팅 환경에서의 데이터 비교 및 연산을 위한 프로세서와 작업에 필요한 데이터를 적재하고 가공할 수 있는 메모리로 구현될 수 있으며, 필요에 따라서는 유사도, 수정 유사도 및 탐색 블록 정보 등을 저장하는 기록매체를 포함할 수 있다.

도 3은 본 발명의 일 실시예에 따른 객체 추적 방법의 흐름도이다. 본 실시예에 따른 객체 추적 방법은 이상에서 설명된 객체 추적 장치에서 처리되는 단계들로 구성된다. 따라서 이하 생략된 내용이라 하더라도 객체 추적 장치에 관하여 이상에서 기술된 내용은 본 실시예에 따른 객체 추적 방법에도 적용된다.

영상 프레임이 입력되면(310단계), 이전 영상 프레임에서 구해진, 추적 대상 객체에 대응하는 정합 블록인 기준 블록에 대하여 움직임 예측 필터를 적용하여 현재 영상 프레임의 예측 블록을 구한다(320단계).

다음으로, 현재 영상 프레임에서 임의의 탐색 블록을 설정하고(330단계), 이전 영상 프레임의 기준 블록과 탐색 블록과의 유사도를 계산한다(340단계).

다음으로, 탐색 블록과 상기 예측 블록과의 거리를 계산하고, 340단계에서 구해진 유사도를 상기 거리를 이용하여 수정하여 수정 유사도를 계산한다(350단계).

도시된 바와 같이, 320 내지 380단계는 현재 영상 프레임의 모든 탐색 블록에 대하여 처리가 될 때까지 반복되고, 이전 반복까지 구해진 가장 큰 수정 유사도 값이 저장되어 있는 바(370단계), 350단계에서 구해진 현재 탐색 블록의 수정 유사도와 기 저장된 탐색 블록의 수정 유사도를 비교한다(360단계). 비교 결과 현재 탐색 블록의 수정 유사도가 기 저장된 탐색 블록의 수정 유사도보다 크다면, 370단계로 진행하여 현재 탐색 블록의 수정 유사도를 저장하고, 기 저장된 수정 유사도를 제거한다. 370단계에서는 물론 수정 유사도와 함께 그에 대응하는 탐색 블록의 정보(위치)도 함께 저장한다. 비교 결과 현재 탐색 블록의 수정 유사도가 기 저장된 탐색 블록의 수정 유사도보다 크지 않다면 380단계로 진행한다. 즉, 기 저장된 수정 유사도를 유지한다. 320단계 내지 370단계의 반복을 통하여 결과적으로 370단계에서는 지금까지 구해진 수정 유사도 중 가장 큰 값이 저장되어 있게 된다.

다음으로, 현재 영상 프레임의 모든 탐색 블록이 처리되었는지 판단한다(380단계). 여기서 '처리'란 현재 영상 프레임에서 각 탐색 블록에 대하여 수정 유사도를 구하고, 그때까지 구해진 가장 큰 수정 유사도를 저장하는 과정을 의미한다. 현재 영상 프레임의 모든 탐색 블록이 처리되지 않았으면, 즉 처리해야 할 탐색 블록이 남아 있으면 다시 330단계로 돌아가서 다음 탐색 블록을 설정하고, 그 탐색 블록에 대하여 340 내지 370단계를 수행한다. 현재 영상 프레임의 모든 탐색 블록이 처리되었으면 390단계로 진행하여, 저장된 수정 유사도, 즉 가장 큰 수정 유사도에 대응하는 탐색 블록을 정합 블록으로 결정하고, 정합 블록의 위치 정보를 구한다.

다시 310단계로 돌아가서 다음 영상 프레임이 입력되면, 입력된 영상 프레임을 현재 영상 프레임으로 하고, 390단계에서 구해진 정합 블록을 기준 블록으로 삼고, 320단계 내지 390단계를 수행한다.

한편, 상술한 본 발명의 실시예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드 디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등) 및 캐리어 웨이브(예를 들면, 인터넷을 통한 전송)와 같은 저장매체를 포함한다.

이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

Claims (12)

1. (a) 이전 영상 프레임에서 구해진, 추적 대상 객체에 대응하는 정합 블록인 기준 블록에 대하여, 움직임 예측 필터를 적용하여 현재 영상 프레임의 예측 블록을 구하는 단계; 및
   (b) 상기 현재 영상 프레임의 각 탐색 블록에 대하여, 해당 탐색 블록과 상기 예측 블록과의 거리를 이용하여, 해당 탐색 블록과 상기 기준 블록 사이의 유사도를 수정하여 수정 유사도를 구하고, 가장 큰 수정 유사도를 가지는 탐색 블록을 상기 추적 대상 객체에 대응하는 정합 블록으로서 구하는 단계를 포함하는 것을 특징으로 하는 객체 추적 방법.
2. 제1항에 있어서,
   상기 수정 유사도는, 해당 탐색 블록과 상기 예측 블록과의 거리가 클수록 상기 유사도를 더 감소시켜 수정한 값인 것을 특징으로 하는 객체 추적 방법.
3. 제1항에 있어서,
   상기 수정 유사도는, 상기 유사도를 해당 탐색 블록과 상기 예측 블록과의 거리로 나눈 값인 것을 특징으로 하는 객체 추적 방법.
4. 제1항에 있어서,
   상기 수정 유사도는, 상기 유사도에 해당 탐색 블록과 상기 예측 블록과의 거리에 따라 미리 정의된 가중치를 곱한 값인 것을 특징으로 하는 객체 추적 방법.
5. 제1항에 있어서,
   상기 움직임 예측 필터로, 칼만 필터, 파티클 필터, 확장 칼만 필터 중 어느 하나를 이용하는 것을 특징으로 하는 객체 추적 방법.
6. 제1항에 있어서,
   상기 (b) 단계는,
   (b1) 상기 현재 영상 프레임에서 임의의 탐색 블록을 설정하는 단계;
   (b2) 상기 설정된 탐색 블록과 상기 기준 블록과의 유사도를 구하는 단계; 및
   (b3) 상기 구해진 유사도를 상기 설정된 탐색 블록과 상기 예측 블록 사이의 거리를 이용하여 수정하여 수정 유사도를 구하는 단계를 포함하고,
   상기 (b1) 내지 (b3) 단계를 상기 현재 영상 프레임에서 모든 탐색 블록이 설정될 때까지 반복하여 가장 큰 수정 유사도를 구하는 것을 특징으로 하는 객체 추적 방법.
7. 제1항 내지 제6항 중 어느 한 항에 기재된 객체 추적 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체.
8. 이전 영상 프레임에서 구해진, 추적 대상 객체에 대응하는 정합 블록인 기준 블록에 대하여, 움직임 예측 필터를 적용하여 현재 영상 프레임의 예측 블록을 구하는 움직임 예측부; 및
   상기 현재 영상 프레임의 각 탐색 블록에 대하여, 해당 탐색 블록과 상기 예측 블록과의 거리를 이용하여, 해당 탐색 블록과 상기 기준 블록 사이의 유사도를 수정하여 수정 유사도를 구하고, 가장 큰 수정 유사도를 가지는 탐색 블록을 상기 추적 대상 객체에 대응하는 정합 블록으로서 구하는 객체 추적부를 포함하는 것을 특징으로 하는 객체 추적 장치.
9. 제8항에 있어서,
   상기 수정 유사도는, 해당 탐색 블록과 상기 예측 블록과의 거리가 클수록 상기 유사도를 더 감소시켜 수정한 값인 것을 특징으로 하는 객체 추적 장치.
10. 제8항에 있어서,
    상기 수정 유사도는, 상기 유사도를 해당 탐색 블록과 상기 예측 블록과의 거리로 나눈 값인 것을 특징으로 하는 객체 추적 장치.
11. 제8항에 있어서,
    상기 수정 유사도는, 상기 유사도에 해당 탐색 블록과 상기 예측 블록과의 거리에 따라 미리 정의된 가중치를 곱한 값인 것을 특징으로 하는 객체 추적 장치.
12. 제8항에 있어서,
    상기 움직임 예측 필터로, 칼만 필터, 파티클 필터, 확장 칼만 필터 중 어느 하나를 이용하는 것을 특징으로 하는 객체 추적 장치.

Images