KR101348680B1

KR101348680B1 - 영상추적기를 위한 표적포착방법 및 이를 이용한 표적포착장치

Info

Publication number: KR101348680B1
Application number: KR1020130002389A
Authority: KR
Inventors: 강재웅; 정영헌; 성기열; 윤주홍
Original assignee: 국방과학연구소
Priority date: 2013-01-09
Filing date: 2013-01-09
Publication date: 2014-01-09

Abstract

본 발명은 표적의 영상정보를 획득하고 분석하여 표적의 궤적을 추적하는 영상추적기를 위한 표적포착방법 및 이를 이용한 표적포착장치에 관한 것으로, 상기 표적포착방법은 (a) 입력영상을 가우시안 필터링(Gaussian Filtering)하고 휘도 기울기(Gradient Magnitude) 변환을 통해 표적의 그레디언트(gradient) 윤곽 영상을 생성하는 단계; (b) 프레임 간격 단위로 PDOE(Cumulative and Positive Difference of Edges)를 생성하고, 이 생성된 PDOE 영상을 누적하여 누적 PDOE 영상을 산출하는 단계; (c) 하프-그리드 탐색(half-grid search)을 이용하여 상기 누적 PDOE 영상에서 픽셀의 변화량을 셀 단위로 측정하여 표적이 속한 셀을 탐지하는 단계; 및 (d) 상기 탐지된 셀의 평균 픽셀 값이 사전에 정해진 임계치 이상인 경우 후보 셀로 지정하고, 이 후보 셀의 개수를 이용하여 상기 탐지된 셀의 유효성을 판단하는 단계를 포함하는 것을 특징으로 한다. 이에 의해 본 발명은 종래 탐지알고리즘과 PDOE를 변경한 누적 PDOE와 하프-그리드 탐색(half-grid search) 기술을 이용함으로써 차영상의 노이즈를 최소화할 수 있고 응답시간을 단축할 수 있어 표적포착의 실시간성과 신뢰성을 향상시킬 수 있다.

Description

영상추적기를 위한 표적포착방법 및 이를 이용한 표적포착장치{Target acquisition method for video tracker, and target acquisition apparatus using the same}

본 발명은 표적포착방법 및 이를 이용한 표적포착장치에 관한 것으로, 움직이는 표적의 영상정보를 획득하고 분석하여 표적의 궤적을 추적하는 영상추적기를 위한 표적포착방법 및 이를 이용한 표적포착장치에 관한 것이다.

영상추적기는 이미지센서에 의해 획득된 영상정보를 이용하여 표적의 궤적을 실시간으로 계산하는 장치이다. 영상추적기는 이러한 표적의 궤적을 계산하기 위해 기능상 표적포착(Target Acquisition)과 표적탐지(Target Detection)로 구분할 수 있다.

표적포착은 수행 후 표적추적과 연계되어야하므로 추적을 위한 결과 값이 요구되며, 대부분의 환경에서 입력영상이 안정적이지 않으므로 빠른 처리 성능을 요구한다.

예를 들어 GMM(Gaussian mixture model)과 같이 배경 모델을 이용한 표적탐지 기술들은 표적추출 성능이 뛰어나지만 학습(learning)을 위한 훈련(training)이 필요하여 시간적, 공간적 제약사항이 많은 단점이 있다.

그리고 광류(optical flow) 계열의 표적탐지 기술들은 시간적 제약은 약하나 노이즈에 민감하여 공간적 제약사항이 큰 단점이 있다.

또한 움직이는 표적의 윤곽을 단일 차영상으로 포착하는 표적탐지 기술은 POSHE(Partially Overlapped Sub-Block Histogram Equalization)라는 이름으로 소개된 바가 있다.

그러나 이와 같은 단일 차영상을 사용하는 표적탐지 기술은 표적의 윤곽이 뚜렷하게 나타나지 않거나 배경의 차영상이 더 부각될 가능성이 크며 표적의 형상에 따라 성능이 크게 떨어지는 단점이 있다.

한편, 표적포착을 위한 알고리즘은, 연계되는 추적창 알고리즘이 안정적으로 처리될 수 있도록 기반 정보를 제공해야하며, 상관추적에서 가장 많이 사용되는 추적창 조절 방식이 경계창(gradient gate)라는 것을 감안하여 표적의 전체 윤곽을 포함하고 배경을 최소화하는 방식을 구비해야 한다.

또한 표적포착을 위한 알고리즘은, 표적포착에 주어진 시간이 제한적이므로 보통 단일 프레임에서 표적을 추출하거나 짧은 프레임 간격에서 차영상을 추출하며 차영상을 이용할 시에는 전역움직임 보상(global motion compensation)을 추가로 수행하여야 한다.

또한 표적포착을 위한 알고리즘은, 차영상에서 표적의 윤곽을 추출하는 경우 표적의 전체 형상이 차영상으로 추출되어야하므로 긴 프레임 간격(frame interval)을 요구하나, PDOE(positive difference of edges)를 사용할 경우에는 윤곽을 먼저 구하고 윤곽의 차영상을 구하기 때문에 짧은 프레임 간격에서도 표적의 크기를 계산할 수 있는 윤곽을 추출할 수 있다.

도 1은 종래 표적포착방법에 따른 차영상 계산 방식을 설명하기 위한 도면이다.

위의 표적포착방법의 문제는 도 1의 (b)와 같이 짧은 프레임 간격에서도 표적의 윤곽을 비교적 정확히 추출할 수 있게끔 표적의 형상이나 변위가 이상적이지 않다는 것이다.

실제에서는 도 1의 (d)와 같이 윤곽이 파편처럼 분리되어 일반 차영상 보다 성능이 떨어질 때가 빈번하여 알고리즘의 수정과 구현 방식의 개선이 필요하다.

고정 뷰(view)에서 움직이는 표적의 크기와 위치를 검출하는 보편적 방식은 문턱치가 적용된 이진영상의 절대차를 이용한 방식이다.

그러나 이러한 방식은 현재 프레임의 이진영상을 과거 프레임의 이진영상과 XOR하여 생성된 결과 이미지로 표적의 크기와 위치를 판별하는데, 현재 프레임과 과거프레임의 간격(frame interval)과 프레임의 이진영상을 생성하기 위한 문턱치 알고리즘에 민감한 문제를 가진다.

또한 이러한 방식은 표적의 크기와 형상을 추출하기 위해서 표적의 전 영역이 배경보다 밝아야 함은 물론 화면상에서 표적의 이동이 충분히 커야 하는 제약을 가지고, 표적의 이동 속도에 따라 추출 시간이 지연되는 문제를 가진다.

본 발명의 목적은 그리드 탐색(Grid-search) 기술을 이용하여 기존의 표적탐지 알고리즘을 재구성함으로써 입력영상이 비교적 안정화되지 않은 환경에서 안정되면서도 신속하게 표적포착 기능을 수행할 수 있는 표적포착방법 및 이를 이용한 표적포착장치를 제공하는 것이다.

상기 목적을 달성하기 위한 본 발명의 일 측면은 표적의 영상정보를 획득하고 분석하여 표적의 궤적을 추적하는 영상추적기를 위한 표적포착방법에 관한 것으로, 본 표적포착방법은 (a) 입력영상을 가우시안 필터링(Gaussian Filtering)하고 휘도 기울기(Gradient Magnitude) 변환을 통해 표적의 그레디언트(gradient) 윤곽 영상을 생성하는 단계; (b) 프레임 간격 단위로 PDOE(Cumulative and Positive Difference of Edges)를 생성하고, 이 생성된 PDOE 영상을 누적하여 누적 PDOE 영상을 산출하는 단계; (c) 하프-그리드 탐색(half-grid search)을 이용하여 상기 누적 PDOE 영상에서 픽셀의 변화량을 셀 단위로 측정하여 표적이 속한 셀을 탐지하는 단계; 및 (d) 상기 탐지된 셀의 평균 픽셀 값이 사전에 정해진 임계치 이상인 경우 후보 셀로 지정하고, 이 후보 셀의 개수를 이용하여 상기 탐지된 셀의 유효성을 판단하는 단계를 포함하는 것을 특징으로 한다.

본 표적포착방법은 상기 탐지된 셀이 유효하다고 판단된 경우 상기 지정된 후보 셀 각각의 gravity force를 측정하여 표적에 속한 셀을 선정하는 단계를 더 포함할 수 있다. 또한 상기 선정된 표적에 속한 셀들의 집합의 히스토그램 분포를 이용하여 표적의 윤곽을 복원하고 디더링을 수행하여 추적창을 설정하는 단계를 더 포함할 수 있다.

상기 (b)단계에서, 상기 누적 PDOE는, 표적의 이동패턴을 반영하기 위해, 상기 표적의 그레디언트(gradient) 윤곽 영상의 차영상을 누적할 수 있다.

상기 (d)단계에서, 상기 후보 셀의 개수가 셀의 노이즈 여부를 검사하기 위해 사전에 정해진 최소개수인

보다 크고 화면 가림 및 화면 떨림 현상 여부를 검사하기 위해 사전에 정해진 최대개수인

보다 작은 경우 상기 탐지된 셀이 유효하다고 판단할 수 있다.

상기 목적을 달성하기 위한 본 발명의 또 다른 일 측면은 표적의 영상정보를 획득하고 분석하여 표적의 궤적을 추적하는 영상추적기를 위한 표적포착장치에 관한 것으로, 본 표적포착장치는 표적의 영상을 촬영하고 촬영된 표적의 영상에 대응하는 신호를 전달하는 영상센서; 및 상기 영상센서로부터 전달된 입력영상을 가우시안 필터링(Gaussian Filtering)하고 휘도 기울기(Gradient Magnitude) 변환을 통해 표적의 그레디언트(gradient) 윤곽 영상을 생성하는 그레디언트(gradient) 윤곽 생성모듈과, 프레임 간격 단위로 PDOE(Cumulative and Positive Difference of Edges)를 생성하고 이 생성된 PDOE 영상을 누적하여 누적 PDOE 영상을 산출하는 누적 PDOE 영상 산출모듈과, 하프-그리드 탐색(half-grid search)과 상기 누적 PDOE를 사용하여 픽셀의 변화량(pixel differencing)을 셀 단위로 측정하여 표적이 속한 셀을 탐지하는 그리드 탐색모듈과, 상기 탐지된 셀의 평균 픽셀 값이 사전에 정해진 임계치 이상인 경우 후보 셀로 지정하고 이 후보 셀의 개수를 이용하여 상기 탐지된 셀의 유효성을 판단하며 상기 탐지된 셀이 유효하다고 판단된 경우 상기 지정된 후보 셀 각각의 gravity force를 측정하여 표적에 속한 셀을 선정하는 표적의 셀 선정 모듈과, 상기 선정된 표적에 속한 셀들의 집합의 히스토그램 분포를 이용하여 표적의 윤곽을 복원하고 디더링(Dithering)을 수행하여 추적창을 설정하는 추적창 설정모듈을 구비하는 신호처리부를 포함하는 것을 특징으로 한다.

이와 같이 본 발명은 윤곽차영상 또는 XOR영상과 같은 종래 탐지알고리즘과 PDOE를 변경한 누적 PDOE와 하프-그리드 탐색(half-grid search) 기술을 이용함으로써 차영상의 노이즈를 최소화할 수 있고 응답시간을 단축할 수 있어 표적포착의 실시간성과 신뢰성을 향상시킬 수 있다.

또한, 본 발명은 블록기반 영역확장 기술을 적용하여 PDOE의 단점인 표적의 형상에 따라 성능이 저하되는 문제를 완화시킬 수 있고, 시선 지향성 표적 선택을 위한 gravity force 알고리즘을 적용하여 시선화면 내 다수의 객체가 존재하는 것을 고려할 수 있다.

도 1은 종래 표적포착방법에 따른 차영상 계산 방식을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 표적포착방법을 설명하기 위한 순서도이다.
도 3은 본 발명의 일 실시예에 따른 표적포착방법에서 누적 PDOE(Cumulative and Positive Difference of Edges)을 구하는 방식을 설명하기 위한 도면이다.
도 4는 도 2의 S230단계에 관련되는 Grid 탐색 방식과 Grid 탐색을 보완한 Half-Grid 탐색을 나타내는 도면이다.
도 5는 본 발명의 일 실시예에 따른 표적포착방법에서 누적 PDOE의 고안요소를 설명하기 위한 도면이다.
도 6은 도 2의 S235단계에서 사용되는 셀(cell)의 형상을 나타내는 도면이다.
도 7은 도 2의 S240단계에서 사용되는 gravity force을 설명하기 위한 도면이다.
도 8은 본 발명의 또 다른 일 실시예에 따른 표적포착장치의 기능 블록도이다.

본 발명을 첨부된 도면을 참조하여 설명하면 다음과 같다. 여기서, 반복되는 설명, 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능, 및 구성에 대한 상세한 설명은 생략한다. 본 발명의 실시형태는 당업계에서 평균적인 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위해서 제공되는 것이다. 따라서 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.

이하에서는 도 2 내지 도 7을 참조하여 본 발명의 일 실시예에 따른 표적포착방법 및 이를 이용한 표적포착장치에 대해 설명한다.

도 2는 본 발명의 일 실시예에 따른 표적포착방법을 설명하기 위한 순서도이다. 본 실시예에 따른 표적포착방법은 움직이는 표적의 영상정보를 획득하고 분석하여 표적의 궤적을 추적하는 영상추적기에 의해 수행되는 소프트웨어적 알고리즘이다.

본 실시예에 따른 표적포착방법은 차영상을 사용하였으며 차영상의 노이즈를 최소화하고 응답시간을 단축을 위해 PDOE를 변경한 누적 PDOE와 하프-그리드 탐색(half-grid search)을 사용한다.

도 2를 참조하면, 먼저, 표적포착방법은 입력영상을 가우시안 필터링(Gaussian Filtering)하고 휘도 기울기(Gradient Magnitude) 변환을 통해 표적의 그레디언트(gradient) 윤곽을 생성한다(S210).

다음 표적포착방법은 프레임 간격 단위로 PDOE(Cumulative and Positive Difference of Edges)를 생성하고, 도 3에 도시된 바와 같이 이 생성된 PDOE 영상을 누적하여 누적 PDOE 영상을 산출한다(S220). 도 3은 본 발명의 일 실시예에 따른 표적포착방법에서 누적 PDOE(Cumulative and Positive Difference of Edges)을 구하는 방식을 설명하기 위한 도면이다.

표적포착방법은 각각의 PDOE 영상을 누적하여 누적 PDOE 영상을 구성하고 셀 단위 면적당 화소값과 중심좌표의 접근성을 고려하여 대상 표적을 선정한다.

이와 같이 본 실시예에 따른 표적포착방법은 누적된 PDOE를 사용함으로써 포착의 신뢰성을 향상시킬 수 있다.

다음 표적포착방법은, 픽셀 단위의 표적탐지가 화면의 떨림에 민감하므로, 이에 대한 영향을 최소화하기 위해 도 4에 도시된 바와 같은 하프-그리드 탐색(half-grid search)을 이용하여 표적의 움직임을 탐지한다(S230). 도 4는 도 2의 S230단계에 관련되는 Grid 탐색 방식과 Grid 탐색을 보완한 Half-Grid 탐색을 나타내는 도면이다.

S230단계는 BMA(Block Matching Algorithm)-MAD(Mean Absolute Distance) 원리를 반영하였으나 정합 없이 누적 PDOE를 사용한다. BMA는 동영상의 압축이나 객체추적에서 보통 해당 블록의 변위를 구하기 위해 사용되나, 탐지에서는 화상에서 픽셀의 변화량(pixel differencing)을 블록단위로 측정하여 움직이는 표적이 속한 블록을 탐지하기 위해 사용된다.

즉 S230단계는 BMA(Block Matching Algorithm)-MAD(Mean Absolute Distance) 원리를 반영하고 누적 PDOE를 사용하여 표적을 탐지한다.

S230단계에서 셀의 화소 변화량을 측정하는 데 있어, 누적 PDOE를 사용하는 이유에 대해 도 5를 참조하여 설명한다. 도 5는 본 발명의 일 실시예에 따른 표적포착방법에서 누적 PDOE의 고안요소를 설명하기 위한 도면이다.

도 5의 (a)와 같은 윤곽을 나타내는 객체의 차영상이 (b), (c)와 같이 누적되었다고 가정하면 (b)와 (c)는 서로 다른 운동 패턴을 가지고 있다고 판별할 수 있다.

(b)의 경우에는 영상센서 근처에서 움직이는 나뭇잎같이 산발적이며 변위가 크다. 반면 (c)의 경우는 원거리에서 일정한 속도를 유지하여 기동하는 표적과 같이 차영상들이 인접한 것을 볼 수 있다.

물론 영상센서의 흔들림에 의해 (b)와 (c)같은 차영상 결과가 나올 수 있으나 일정하게 움직이는 표적의 경우에는 차영상이 응집되어 형성되는 면적이 크므로 화면 전체를 격자 셀로 나눌 때 표적의 운동량이 반영된 차영상의 응집영역은 쉽게 탐지된다. 이렇게 탐지된 셀은 (d)와 같이 분리되나 현재의 표적 윤곽이 각각의 셀을 연결함을 확인했을 때 하나의 셀 집합으로 간주한다.

한편 셀 집합을 형성하기 위해 윤곽픽셀의 유사성을 판별하는 원리는 다음과 같다. 에지 점들을 연결하기 위한 가장 간단한 방법 중 하나는 에지 점에 적용한 영상의 모든점 (x, y)에 대한 작은 영역의 이웃점들에서의 화소특성을 분석하는 것이다.

특성이 비슷한 모든 점들을 연결하여 어떤 공통의 성질을 가진 화소들의 경계를 형성한다. 이런 종류의 해석에서 에지 화소들의 유사성을 입증하기 위해 사용하는 두 가지 주요한 성질은 에지화소를 찾기 위해 사용된 기울기 연산자의 응답 크기이다.

따라서 좌표가 (x0, y0)이고 미리 정한 (x, y)의 이웃 내에 있는 에지 화소는 수학식 1을 만족하면 (x, y)의 화소와 크기에 대해 유사하다고 할 수 있다.

즉, 표적포착방법은 화면 떨림에 강인한 셀 단위의 표적탐지를 위해 각각의 셀을 블록으로 가정한 BMA 탐지를 수행하고 탐색된 블록의 윤곽을 기준으로 유사한 윤곽을 복원하는 것에 의해 전체 표적 형상을 복원할 수 있다.

이와 같이 본 실시예에 따른 표적포착방법은 그리드 탐색을 사용함으로써 화면 떨림에 대한 강인성을 향상시킬 수 있다.

다음, 표적포착방법은 S230단계의 탐지에 의한 셀이 사전에 정해진 가로세로의 크기가 n

n 픽셀이고 임계치 이상의 평균 픽셀 값을 가지는 경우 이를 후보 셀로 지정하고, 이 지정된 후보 셀들의 개수에 따라 탐지의 유효성을 판단할 수 있다(S235).

구체적으로 수학식 "

< 후보 셀의 개수 <

"에 의해, 후보 셀의 개수가 이 범위 내에 존재하는 경우 탐지가 유효하다고 판단될 수 있다.

탐지의 유효 범위에 속하는 않는 경우 즉 후보 셀의 개수가 최대개수인

보다 큰 경우는 화면 가림 및 화면 떨림 현상 여부를 검사할 필요가 있고, 후보 셀의 개수가 최소개수인

보다 작은 경우는 검출된 셀의 노이즈 여부를 검사하고 화면중심으로부터 에너지 거리를 검사할 필요가 있다.

S235단계에 대해 도 6을 참조하여 예를 들어 설명 한다. 도 6은 도 2의 S235단계에서 사용되는 셀(cell)의 형상을 나타내는 도면으로, 화면의 떨림을 고려하면서 원거리의 표적을 탐지해야 하므로 일반적으로 사용되는 셀(cell) 보다는 상대적으로 작을 수 있다.

도 6을 참조하면, S230단계의 그리드 탐색(Grid Search) 결과는 셀(cell)의 상태정보로서, 도 6의 (a)와 같이 가로세로의 크기가 4

4 픽셀이고, 임계치 이상의 임계치 이상의 평균 픽셀 값을 가지는 셀을 후보 셀로 지정한다.

셀의 평균 픽셀값이 높다 것은 높은 gray-level을 갖는 차영상을 많이 포함하는 것으로 해석될 수 있다. 후보 셀들은 도 6의 (b)와 같이 인접한 셀끼리 셀 집합을 형성하여 객체의 대략적인 크기와 이동량을 반영한다.

위의 수학식 "

< 후보 셀의 개수 <

"에 의해 셀 집합들 중에 표적이 속한 집합을 선정하는 것은 최초 선택한 표적이 화면 중심으로부터 가까운 거리에 있다는 가정을 전제한다. 또한 화면의 떨림으로 발생한 PDOE의 영향을 줄이기 위해 검출된 셀 집합의 개수에 따라 탐지 유효성을 판단한다.

표적포착방법은 S235단계에 의해 S230단계의 탐지가 유효하지 않다고 판단되는 경우 S220단계로 돌아가며, 반면 S235단계에 의해 S230단계의 탐지가 유효하다고 판단되는 경우 S235단계에서 지정된 후보 셀들 각각의 gravity force를 측정하여 표적에 속한 셀을 선정한다(S240).

즉 본 실시예에 따른 표적포착방법은 최초 감시영역 내에서 영상추적기로부터 획득된 탐지 정보를 이용하여 표적을 중앙에 위치시키고 협시계로 전환하는 원리를 반영하면 gravity force의 기준은 도 7에 나타난 바와 같이 화면의 중앙 좌표가 되고 중앙좌표와 가깝고 소속된 셀의 화소값 합산이 큰 셀 집합이 선정된다. 도 7은 도 2의 S240단계에서 사용되는 gravity force을 설명하기 위한 도면으로, 후보 셀(cell)들의 경쟁을 나타낸다.

gravity force의 연산은 수학식 2와 같다.

는

번째 셀 집합(

)에 속한

번째 셀을 의미하고

와

는 화면의 중앙좌표를 의미한다.

이와 같이 본 실시예에 따른 표적포착방법은 Gravity force를 사용함으로서 시선 지향성 표적 선택을 수행할 수 있다.

마지막으로, 표적포착방법은 S240단계에 의해 선정된 표적에 속한 셀들의 집합의 히스토그램 분포를 이용하여 표적의 윤곽을 복원하고 디더링(Dithering)을 수행하여 추적창을 설정한다(S250).

이하에서는 도 8을 참조하여 본 발명의 또 다른 일 실시예에 따른 표적포착장치에 대해 설명한다. 도 8은 본 발명의 또 다른 일 실시예에 따른 표적포착장치의 기능 블록도이다. 표적포착장치는 표적의 영상정보를 획득하고 분석하여 표적의 궤적을 추적하는 영상추적기에 적용될 수 있다.

도 8에 도시된 바와 같이, 본 실시예에 따른 표적포착장치(1)는, 표적의 영상을 감지하기 위한 영상센서(10)와 전술한 표적포착방법을 수행하는 신호처리부(20)를 포함할 수 있다.

영상센서(10)는 표적의 영상을 촬영하고 촬영된 표적의 영상에 대응하는 신호를 신호처리부(20)로 전달한다.

신호처리부(20)는 영상센서(10)로부터 전달된 표적의 영상신호를 분석하여 표적을 포착하기 위해, 그레디언트(gradient) 윤곽 생성모듈(22), 누적 PDOE 영상 산출모듈(24), 그리드 탐색모듈(26), 표적의 셀 선정 모듈(28) 및 추적창 설정모듈(29)로 이루어 질 수 있다.

이러한 기능상 구분은 설명의 편의를 위한 것으로, 설계 조건에 따라 다양하게 구현될 수 있다.

그레디언트(gradient) 윤곽 생성모듈(22) 영상센서(10)로부터 전달된 입력영상을 가우시안 필터링(Gaussian Filtering)하고 휘도 기울기(Gradient Magnitude) 변환을 통해 표적의 그레디언트(gradient) 윤곽을 생성한다.

누적 PDOE 영상 산출모듈(24)은 프레임 간격 단위로 PDOE(Cumulative and Positive Difference of Edges)를 생성하고, 위에서 설명한 도 3에 도시된 바와 같이 생성된 PDOE 영상을 누적하여 누적 PDOE 영상을 산출한다.

그리드 탐색모듈(26)은 도 4에 도시된 바와 같은 하프-그리드 탐색(half-grid search)을 이용하여 표적의 움직임을 탐지한다. 즉 그리드 탐색모듈(26)은 셀 단위의 표적의 탐지를 위해 각각의 셀을 블록으로 가정한 BMA(Block Matching Algorithm)-MAD(Mean Absolute Distance) 원리를 반영하고 누적 PDOE를 사용하여 표적을 탐지한다.

BMA는 화상에서 픽셀의 변화량(pixel differencing)을 블록 단위 즉 셀 단위로 측정하여 움직이는 표적이 속한 블록인 셀을 탐지하기 위해 사용된다.

표적의 셀 선정 모듈(28)은 그리드 탐색모듈(26)에서 탐색된 셀이 사전에 정해진 가로세로의 크기가 n

n 픽셀이고 임계치 이상의 평균 픽셀 값을 가지는 경우 후보 셀로 지정한다.

그리고 표적의 셀 선정 모듈(28)은 이 지정된 후보 셀들의 개수가 사전에 정해진 유효 범위인 수학식 "

< 후보 셀의 개수 <

"의 범위 내에 존재하는 경우 탐지가 유효하다고 판단하고, 이 후보 셀들 각각의 gravity force를 측정하여 표적에 속한 셀을 선정한다.

추적창 설정모듈(29) 위에서 선정된 표적에 속한 셀들의 집합의 히스토그램 분포를 이용하여 표적의 윤곽을 복원하고 디더링(Dithering)을 수행하여 추적창을 설정한다.

이와 같이 본 실시예에 따른 표적포착방법은 비교적 신뢰성 높은 윤곽차영상을 사용하였으나 히스토그램 비교연산을 수정하여 차영상이 강하게 반영되는 XOR 영상을 사용하는 것도 가능하다.

즉, 본 발명은 표적포착에 적용하기 어려웠던 기존의 탐지알고리즘들을 적용할 수 있는 기틀을 마련함과 동시에 무인전투체계 및 민간기술로서 폭넓은 영역에 활용될 수 있다.

이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.

따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속함을 이해해야 할 것이다.

1: 표적포착장치
10: 영상센서
20: 신호처리부
22: 그레디언트(gradient) 윤곽 생성모듈
24: 누적 PDOE 영상 산출모듈
26: 그리드 탐색모듈
28: 표적의 셀 선정 모듈
29: 추적창 설정모듈

Claims

영상추적기를 위한 표적포착방법에 있어서,
(a) 입력영상을 가우시안 필터링(Gaussian Filtering)하고 휘도 기울기(Gradient Magnitude) 변환을 통해 표적의 그레디언트(gradient) 윤곽 영상을 생성하는 단계;
(b) 프레임 간격 단위로 PDOE(Cumulative and Positive Difference of Edges)를 생성하고, 이 생성된 PDOE 영상을 누적하여 누적 PDOE 영상을 산출하는 단계;
(c) 하프-그리드 탐색(half-grid search)을 이용하여 상기 누적 PDOE 영상에서 픽셀의 변화량을 셀 단위로 측정하여 표적이 속한 셀을 탐지하는 단계; 및
(d) 상기 탐지된 셀의 평균 픽셀 값이 사전에 정해진 임계치 이상인 경우 후보 셀로 지정하고, 이 후보 셀의 개수를 이용하여 상기 탐지된 셀의 유효성을 판단하는 단계를 포함하는 것을 특징으로 하는 표적포착방법.
제1항에 있어서,
상기 탐지된 셀이 유효하다고 판단된 경우 상기 지정된 후보 셀 각각의 gravity force를 측정하여 표적에 속한 셀을 선정하는 단계를 더 포함하는 것을 특징으로 하는 표적포착방법.
제2항에 있어서,
상기 선정된 표적에 속한 셀들의 집합의 히스토그램 분포를 이용하여 표적의 윤곽을 복원하고 디더링을 수행하여 추적창을 설정하는 단계를 더 포함하는 것을 특징으로 하는 표적포착방법.
제1항에 있어서,
상기 (b)단계에서, 상기 누적 PDOE는, 표적의 이동패턴을 반영하기 위해, 상기 표적의 그레디언트(gradient) 윤곽 영상의 차영상을 누적하는 것을 특징으로 하는 표적포착방법.
제1항에 있어서,
상기 (d)단계에서, 상기 후보 셀의 개수가 셀의 노이즈 여부를 검사하기 위해 사전에 정해진 최소개수인
보다 크고 화면 가림 및 화면 떨림 현상 여부를 검사하기 위해 사전에 정해진 최대개수인
보다 작은 경우 상기 탐지된 셀이 유효하다고 판단하는 것을 특징으로 하는 표적포착방법.
영상추적기를 위한 표적포착장치에 있어서,
표적의 영상을 촬영하고 촬영된 표적의 영상에 대응하는 신호를 전달하는 영상센서; 및
상기 영상센서로부터 전달된 입력영상을 가우시안 필터링(Gaussian Filtering)하고 휘도 기울기(Gradient Magnitude) 변환을 통해 표적의 그레디언트(gradient) 윤곽 영상을 생성하는 그레디언트(gradient) 윤곽 생성모듈과, 프레임 간격 단위로 PDOE(Cumulative and Positive Difference of Edges)를 생성하고 이 생성된 PDOE 영상을 누적하여 누적 PDOE 영상을 산출하는 누적 PDOE 영상 산출모듈과, 하프-그리드 탐색(half-grid search)과 상기 누적 PDOE를 사용하여 픽셀의 변화량(pixel differencing)을 셀 단위로 측정하여 표적이 속한 셀을 탐지하는 그리드 탐색모듈과, 상기 탐지된 셀의 평균 픽셀 값이 사전에 정해진 임계치 이상인 경우 후보 셀로 지정하고 이 후보 셀의 개수를 이용하여 상기 탐지된 셀의 유효성을 판단하며 상기 탐지된 셀이 유효하다고 판단된 경우 상기 지정된 후보 셀 각각의 gravity force를 측정하여 표적에 속한 셀을 선정하는 표적의 셀 선정 모듈과, 상기 선정된 표적에 속한 셀들의 집합의 히스토그램 분포를 이용하여 표적의 윤곽을 복원하고 디더링(Dithering)을 수행하여 추적창을 설정하는 추적창 설정모듈을 구비하는 신호처리부를 포함하는 것을 특징으로 하는 표적포착장치.