KR20140061266A - 다중 경로 궤적 분석을 이용한 영상 객체 추적 방법 및 장치 - Google Patents

다중 경로 궤적 분석을 이용한 영상 객체 추적 방법 및 장치 Download PDF

Info

Publication number
KR20140061266A
KR20140061266A KR1020130136549A KR20130136549A KR20140061266A KR 20140061266 A KR20140061266 A KR 20140061266A KR 1020130136549 A KR1020130136549 A KR 1020130136549A KR 20130136549 A KR20130136549 A KR 20130136549A KR 20140061266 A KR20140061266 A KR 20140061266A
Authority
KR
South Korea
Prior art keywords
tracking mode
sum
marked
tracking
frame
Prior art date
Application number
KR1020130136549A
Other languages
English (en)
Inventor
프로세드 도그라 데비
타지 사우라브
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Publication of KR20140061266A publication Critical patent/KR20140061266A/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/222—Studio circuitry; Studio devices; Studio equipment
    • H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/223—Analysis of motion using block-matching
    • G06T7/238—Analysis of motion using block-matching using non-full search, e.g. three-step search
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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
    • G06T2207/20072—Graph-based image processing
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory

Landscapes

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

Abstract

본 발명의 다양한 실시예예는 다중 경로 추적 모드를 이용하여 객체의 궤적을 획득하는 방법 및 장치를 제공한다. 본 발명의 다양한 실시예에 따른 영상 객체 추적 방법은 영상의 프레임에 포함된 객체의 일 부분을 마킹하는 단계, 객체의 일 부분이 마킹된 영상의 연속적인 프레임을 획득하는 단계,연속적인 프레임에서 절대 차의 합을 추정하여 객체의 마킹된 부분을 추적하는 단계; 추정된 절대 차의 합을 임계값의 합과 비교하는 단계, 비교 결과에 따라 다중 경로 추적 모드 및 단일 경로 추적 모드 중 하나에서 다른 하나로 전환하는 단계, 및 단일 경로 추적 모드 및 다중 경로 추적 모드 중 적어도 하나를 이용하여 상기 일 부분이 마킹된 객체의 궤적을 획득하는 단계를 포함할 수 있다.

Description

다중 경로 궤적 분석을 이용한 영상 객체 추적 방법 및 장치 {APPARARTUS AND METHOD FOR VIDEO OBJECT TRACKING USING MULTI-PATH TRAJECTORY ANALYSIS}
본 발명은 다중 경로 궤적 분석을 이용한 영상 객체 추적 방법 및 장치에 관한 것이다.
영상 객체 추적은 보안, 모니터링, 스포츠, 교통, 의료 또는 임의의 다른 애플리케이션과 같이 여러 애플리케이션에 이용되는 잘 알려진 방법이다. 상이한 애플리케이션 각각은 영상 객체 추적에 대해 상이한 요구 사항을 갖는다. 예를 들면, 교통 모니터링 애플리케이션은 고속 도로에서 이동하는 차량을 추적하기 위해, 빠르게 이동하는 직사각형 형상의 객체를 분석하는 것을 필요로 한다. 반면에, 스포츠 관련 어플리케이션에서는 축구, 테니스 공, 농구, 또는 임의의 다른 객체와 같은 운동 도구 객체와 선수(player)를 추적하는 것이 종종 필요하다. 감시 애플리케이션의 경우 객체는 알려져 있지 않은 형상이며, 객체의 움직임에 대한 제한이 적용되지 않을 수 있다. 이러한 경우에, 추적 방법은 환경 소음에 대해 강력할 필요가 있다.
상술한 영상 객체 추적 방법에서, 객체의 부분은 제 1 프레임에 표시되고, 표시된 부분은 연속적인 프레임을 통해 추적된다. 연속적인 프레임 내에서 제 1 프레임의 표시된 부분과 정합(match)되는 지점은 정합 기준(matching criteria)에 따라 정합 거리를 최소화하여 결정된다. 정합 기준은 절대 차의 합(SAD; sum of absolute differences) 또는 제곱 차의 합(sum of squared difference) 또는 임의의 다른 애플리케이션 특정 정보와 같은 정보를 이용하여 결정될 수 있다.
이와 같이, 단일 경로를 이용한 블록 기반 객체 추적 방법에서, 객체를 나타내는 블록은 제 1 프레임에서 표시되거나 검출된다. 다음 제2 프레임의 표시된 부분의 정합 지점은 최소 SAD 기준에 따라 선택된다. 마찬가지로, 각각의 연속적인 프레임에서, 표시된 부분의 최상의 정합 지점이 선택되고, 블록의 궤적은 최소 SAD 기준에 따라 획득된다. 단일 경로 추적 방법은 최소 SAD 기준을 이용하여 각각의 매 프레임마다 최상의 블록을 검출하는 동안 오류가 발생될 수 있다. 한다는 것이다. 이러한 오류는 프레임 내에 존재하는 이웃 블록의 유사한 색상 및 픽셀 강도 때문에 발생한다. 오류는 객체의 궤적을 검출하는 동안에 누적 추가될 수 있다. 이로 인해 단일 경로를 이용한 블록 기반 객체 추적에서 매 연속적인 프레임에서 최상의 블록을 선택한다 하더라도, 최적의 솔루션을 달성하기 어렵다. 블록 선택은 SAD 또는 임의의 다른 측정 기반 프레임간 점 대응 기술(measure based inter-frame point correspondence technique)의 성공 여부에 의존한다는 사실 때문이다. 따라서, 단일 경로 추적 방법은 항상 추적되는 객체의 최적 궤적을 달성하지 못할 수 있다.
위의 논의에 비추어, 영상 스트림의 객체의 최적 궤적을 획득하기 위해 단일 경로 추적(최상의 정합 기준)에서 최소 SAD를 검출하는 동안에 오류를 감소시키는 영상 객체 추적 방법이 요구되고 있다.
본 발명의 다양한 실시예에 따르면, 영상 스트림에서 객체를 추적하기 위해 다중 경로 궤적 분석을 제공하는 방법 및 시스템을 제공하는 것을 그 목적으로 한다.
본 발명의 다양한 실시예에 따르면, 영상 스트림에서 객체를 추적하기 위해 단일 경로 추적 모드와 다중 경로 추적 모드 사이를 전환하는 방법 및 시스템을 제공하는 것을 그 목적으로 한다.
본 발명의 다양한 실시예에 따른 영상 객체 추적 방법은 영상의 프레임에 포함된 객체의 일 부분을 마킹하는 단계, 객체의 일 부분이 마킹된 영상의 연속적인 프레임을 획득하는 단계, 연속적인 프레임에서 절대 차의 합을 추정하여 객체의 마킹된 부분을 추적하는 단계, 추정된 절대 차의 합을 절대 차 임계값의 합과 비교하는 단계, 비교 결과에 따라 상기 다중 경로 추적 모드 및 단일 경로 추적 모드 중 하나에서 다른 하나로 전환하는 단계, 및 단일 경로 추적 모드 및 다중 경로 추적 모드 중 하나를 이용하여 마킹된 객체의 궤적을 획득하는 단계를 포함할 수 있다.
본 발명의 다양한 실시예에 따른 영상 객체 추적 방법 및 장치는 SAD값이 임계값(T)보다 작으면, 단일 경로 추적 모드를 실행하고, SAD값이 임계값(T)보다 크면, 다중 경로 추적 모드로 자동으로 전환할 수 있다. 최대 허용 가능한 레벨(Lmax) 및 SAD 임계값(T)은 정의되고, 추적 요구 사항에 따라 사용자에 의해 맞춤화(customize)될 수 있다.
본 발명의 다양한 실시예에 따른 영상 객체 추적 방법 및 장치는 다양한 모바일 기반 애플리케이션에 이용될 수 있다. 예를 들면, 영상 객체 추적 방법 및 장치는 움직임 기반 분석이 이동하는 객체의 데이터를 인출(fetch)하는데 필요한 증강 현실 애플리케이션(augmented reality application)에 적용될 수 있다. 마찬가지로, 영상 객체 추적 방법 및 장치는 의사 및 내과 의사가 흥미로운 객체의 움직임을 추적하기 위해 효율적인 추적 방법을 이용할 수 있는 모바일 헬스케어에 적용될 수 있다. 모바일 장치를 이용하는 원격 또는 가정 감시에서도, 빠르고 정확한 이러한 추적 방법이 이용될 수 있다.
본 발명은 첨부한 도면에 예시되며, 이러한 도면에서 유사한 참조 문자는 다양한 도면에 있는 대응하는 부품을 나타낸다. 실시예는 이러한 도면을 참조하여 다음과 같은 설명으로부터 더 잘 이해될 것이다.
도 1은 상이한 블록 및 표시된 특징점(feature point)에 객체가 걸쳐진 영상 프레임을 도시한다.
도 2는 객체가 알려지지 않은 속도 및 가속도로 이동하는 경우의 상이한 프레임에서의 이동하는 객체의 위치를 도시한다.
도 3은 최소 SAD 기준을 이용한 특징점 선택 및 객체 추적을 도시한다.
도 4는 SAD 및 프레임간 블록 관련의 추정을 도시한다.
도 5는 단일 경로 추적 방법을 도시한다.
도 6은 본 발명의 다양한 실시예에 따라 다중 경로 추적을 이용하여 객체를 추적하는 방법을 설명하는 흐름도를 도시한다.
도 7은 본 발명의 다양한 실시예에 따른 다중 경로 추적 방법을 설명하는 흐름도를 도시한다.
도 8은 본 발명의 다양한 실시예에 따른 객체 추적의 트리 표현(tree representation)을 도시한다.
도 9는 본 발명의 다양한 실시예에 따라 애플리케이션을 구현하는 컴퓨팅 환경을 도시한다.
본 발명의 다양한 실시예의 이러한 양상 및 다른 양상은 다음과 같은 설명 및 첨부된 도면과 함께 고려될 때 더 잘 인식되고 이해될 것이다. 그러나, 다음과 같은 설명은 바람직한 실시예 및 이의 수많은 특정 상세 사항을 나타내지만, 제한이 아니라 예시적으로서 제공되는 것으로 이해되어야 한다. 실시예의 사상으로부터 벗어나지 않고 실시예의 범위 내에서 많은 변경 및 변형이 행해질 수 있으며, 실시예는 여기서 이러한 모든 변형을 포함한다.
본 발명의 다양한 실시예에서, 영상 내의 특징점 예컨대, 표시(marked)된 점은 단일 경로 추적 및 다중 경로 추적 모드의 둘 모두를 이용하여 연속적인 프레임에서 추적될 수 있다. 한편, 본 발명에서 " 표시되는" " 마크되는"은 동일한 의미로 해석되며, 혼용되어 사용될 수 있다.
본 발명의 다양한 실시예에 따른 방법 및 장치는 객체의 궤적을 획득하면서 추적되는 특징점에 대해 다수의 이웃 블록을 고려할 수 있다. 영상 객체 추적 방법 및 장치는 절대 차의 합(SAD) 임계값(T)을 제공하고, 특징점을 나타내는 블록의 이웃 블록의 모두를 가진 SAD가 T보다 높을 때에 이웃 블록의 K 수만을 선택할 수 있다. 또한, 영상 객체 추적 방법 및 장치는 임계값(T)에 따라 단일 경로 추적 모드와 다중 경로 추적 모드 사이를 전환하는 단계를 포함할 수 있다.
영상 객체 추적 방법 및 장치는 임계값(T)에 따라 단일 경로 추적 모드로부터 다중 경로 추적 모드로 진입하는 단계를 포함할 수 있다. 영상 객체 추적 방법은 다중 경로 추적 모드의 최대 깊이를 정의할 레벨(L)을 지정할 수 있고, L이 최대 허용 가능한 레벨(Lmax)에 도달하거나 SAD 값이 임계값 (T) 미만으로 될 때 다중 경로 추적 모드를 종료할 수 있다. 영상 객체 추적 방법 및 장치는, 단일 경로 추적 모드 및 다중 경로 추적 모드 중 적어도 하나의 추적 결과를 조합하여 객체의 궤적을 획득할 수 있다.
도 1은 상이한 블록 및 표시된 특징점에 객체가 걸쳐진 영상 프레임을 도시한다.
도 1을 참조하면, 영상 프레임은 다수의 블록, 이동하는 객체, 및 추적할 수 있게 표시된 블록 M(예컨대, 특징점)을 포함할 수 있다. 여기서, 추적할 수 있게 표시된 블록 M은 연속적인 프레임에서 추적되는 특징점을 나타낸다. 이동하는 객체는 직사각형 크기의 다수의 블록에 걸쳐(span)질 수 있다. 예를 들면, 도 1에 도시된 바와 같이, 이동하는 객체는 N1, N2, N3, N4, M, N5, N6, N7, N8, N9, 및 N10과 같은 다수의 블록에 걸쳐질 수 있다.
도 2는 객체가 알려지지 않은 속도 및 가속도로 이동할 경우, 상이한 프레임에서의 이동하는 객체의 위치를 도시한다.
도 2를 참조하면, 현재 프레임은 표시된 블록 M (특징점)을 포함하는 움직이는 객체가 추적될 수 있다. 움직이는 객체는 다음 미래 프레임에서 고정된 크기라고 가정하여 추적될 수 있다. 추적할 수 있게 표시된(marked) 블록 M의 이웃 블록(예를 들어, N1, N2 ... N10)은 유사한 색상, 강도 및 텍스처(texture) 특성을 가지며, 이는 표시된 블록 M과 밀접하게 정합된다고 가정할 수 있다. 상술한 방법은 단일 경로 추적 모드를 이용하여 연속적인 프레임에서의 특징점(블록 M)의 움직임을 추적하는 것이 어려울 수 있다.
도 3은 최소 SAD 기준을 이용한 특징점 선택 및 객체 추적을 도시한다.
도 3을 참조하면, 객체 추적 방법에서, 객체의 부분을 나타내는 블록은 사용자에 의해 제 1 프레임에 표시될 수 있다. 한 실시예에 따르면, 다수의 블록 중 최상의 블록은 다음 프레임의 최소 SAD 기준에 따라 선택될 수 있다. . 마찬가지로, 각각의 연속적인 프레임에서, 다수의 블록 중 최상의 블록은 최소 SAD 기준에 따라 선택될 수 있다. 도 3에 도시된 바와 같이, 계층적 표현은 각각의 연속적인 프레임에 대한 최상의 블록의 선택 중에 형성되는 트리(tree)의 형태일 수 있다. 강조된 원은 제 1 프레임에서 사용자에 의해 선택되거나 추적할 수 있게 표시된 블록의 궤적을 나타낸다.
도 4는 SAD 및 프레임간 블록 관련의 추정을 도시한다.
도 4를 참조하면, 블록 B는 프레임 'i'에서 추적되는 객체를 나타낸다. SAD는 블록 B와 미리 정의된 윈도우 내부의 이웃 블록 사이에서 추정될 수 있다. SAD는 식(1)을 이용하여 계산되며, 여기서, X
Figure pat00001
{BLOCK1, BLOCK2.....BLOCKM}, 각 블록은 치수가 n1 X n2이다.
Figure pat00002
칼만 필터 기반의 궤적 세분화(refinement) 방법은 SAD의 측정 오류를 정정하기 위해 사전 정의된 움직임 모델을 이용할 수 있다. 각각의 연속적인 프레임에서, 추적되는 객체의 측정값은 필터를 이용하여 업데이트될 수 있다. . 칼만 필터 기반의 궤적 세분화(refinement) 방법은 일반적으로 단일 경로를 통해 탐색할 수 있다. 그러나, 칼만 필터 기반의 단일 경로 분석이 실패할 수 있는 상황이 발생될 수 있다. 예를 들면, 도 1에서 설명된 바와 같이, 이웃 블록이 유사한 통계를 포함하면, 단일 경로 분석은 최적의 궤적을 달성할 수 없다. 이러한 상황에서, 다음의 로컬 최대값 대신에, 글로벌 또는 세미-글로벌 최대값에 따른 더 양호한 추정이 제시될 수 있다.
도 5는 단일 경로 추적 방법을 도시한다.
도 5를 참조하면, 3개의 예시적인 연속 프레임, 즉 영상 스트림의 프레임 0, 프레임 1 및 프레임 2가 도시될 수 있다. 실시예에서, 사용자는 최소 SAD 기반 기준을 이용하여 다음의 연속적인 프레임에서 추적될 필요가 있는 프레임 0에 블록 B0을 표시한다. 단일 경로 추적 방법은 도 5에 도시된 바와 같이, 먼저 블록 B0에 대한 최상의 정합을 다음 프레임에서 검색한다. 일반적인 시나리오에서, 단일 경로 추적 방법은 최소 SAD 기준에 따른 최상의 선택으로서 블록 B1을 선택할 수 있으며, 블록 B2는 하나의 출력만이 고려될 때에 선택될 수 없다. 이 경우, 다음 프레임에서, 블록 B3 및 B0 사이에서 추정된 SAD는 모든 것 중 최저로 될 수 있다. 그러나, B2가 이전의 프레임에서 무시될 때, 최종 경로의 계산에서 B3을 고려하지 않는다. 이 경우, B0가 글로벌 최적의 SAD를 포함하지 않지만, B4는 B1을 통해 링크될 때에 선택된다. 더욱이, 블록 B3은 객체의 빠른 움직임으로 인해 검색 윈도우 밖으로 이동할 수 있다. 이러한 상황에서, 제 2 프레임에서 블록 B1과 B3 사이의 SAD를 계산할 여지가 없다. 따라서, 최상의 정합 기준은 항상 최적의 궤적을 달성하지는 않을 수 있다.
도 6은 본 발명의 다양한 실시예에 따라 다중 경로 추적을 이용하여 객체를 추적하는 방법(600)을 설명하는 흐름도를 도시한다.
도 6을 참조하면, 단계(602)에서, 장치는 사용자에 의해 영상 스트림을 획득할 수 있다. 한 실시예에서, 설명된 영상 스트림은 하나 이상의 객체를 가진 다수의 이미지 프레임을 포함할 수 있다. 객체는 영상 스트림의 이미지 프레임의 각각에 나타날 수 있다. 객체는 각각의 이미지 프레임에서 상이한 스케일 및/또는 배향을 포함할 수 있다. 영상 스트림의 이미지 프레임은 영상 카메라를 이용하여 획득될 수 있고, 이러한 이미지 프레임은 객체의 분석 및 추적을 위해 저장될 수 있다.
단계(604)에서, 장치는 영상 스트림의 제 1 프레임을 추출하고, 객체를 식별할 수 있다. 한 실시예에서, 객체는 사용자에 의해 수동으로 식별될 수 있다. 다른 실시예에서, 객체는 객체 검출 기술을 이용하여 자동으로 식별될 수 있다.
영상 스트림의 제 1 프레임에서 식별된 객체의 부분은 추척할 수 있게 표시된다. 이러한 표시된 부분은 영상 스트림의 연속적인 프레임에서 추적되는 특징점으로 간주될 수 있다.
단계(606)에서, 장치는 표시된 영역 또는 객체의 부분을 동일한 크기의 사각형 블록으로 분할할 수 있다. 식별된 객체의 표시된 부분은 객체 세그먼트로 분할될 수 있다. 예를 들면, 식별된 객체는 인접한 객체 세그먼트 사이의 일관성을 유지하기 위해 중복 객체 세그먼트로 분할될 수 있다.
단계(608)에서, 장치는 각각의 독립 블록의 궤적을 다중 경로 추적 기술을 이용하여 추적할 수 있다. 단계(610)에서, 장치는 추적된 각각의 개별 블록의 결과를 영상 스트림의 제 1 프레임에서 표시된 부분의 궤적을 획득하기 위해 조합할 수 있다.
한편, 도 6에 대해 설명된 다양한 단계는 제시된 순서로, 상이한 순서로 또는 동시에 수행될 수 있다. 더욱이, 일부 실시예에서, 도 6에 나열된 일부 단계는 본 발명의 범위에서 벗어나지 않고 생략되거나 추가될 수 있다.
도 7은 본 발명의 다양한 실시예에 따라 다중 경로 추적 방법(700)을 설명하는 흐름도를 도시한다.
도 7을 참조하면, 본 발명의 다양한 실시예에서, 점 P는 영상의 제 1 프레임에서 추적될 객체의 표시된 부분을 나타내는 블록의 중심을 나타내고, Lmax는 다중 경로 추적 모드(MPT)의 최대 허용 가능한 레벨을 나타낸다.
단계(702)에서, 장치는 영상 스트림의 연속적인 프레임에서 추적되는 객체의 점(P)을 선택할 수 있다. 단계(704)에서, 장치는 영상 스트림의 연속적인 프레임을 획득할 수 있고, 이웃 블록(Q)의 모두와 점(P)을 비교하여 SAD를 추정할 수 있다.
단계(706)에서, 장치는 연속적인 프레임에서 표시된 부분(P)의 이웃 블록의 모두에 대해 SAD (P, Q)값이 임계값(T) 보다 작은지 여부를 판단할 수 있다. 여기서, 장치는 SAD가 영상 스트림의 연속적인 프레임에서 이웃 블록의 모두에 대한 임계값(T)보다 작다고 판단함에 응답하여, 단계(708)에서, 단일 경로 추적을 이용하여 연속적인 프레임에서 최소 SAD를 가진 최상의 이웃 블록(Q)을 선택할 수 있다.
단계(710)에서, 장치는 SAD (P, Q)값이 임계값(T)보다 크면, 다중 경로(MPT) 모드로 진입하기 전에 (노드의 이웃 노드인) K 최상의 블록을 선택할 수 있다. . 더욱이, MPT 레벨(L)은 MPT 모드의 초기 단계에서 제로로 지정되며, 이는 MPT 모드 내부에서 트리의 현재의 깊이를 나타낸다.
단계(712)에서, 장치는 MPT 모드 실행 동안, 영상 스트림의 연속적인 프레임을 획득할 수 있고, 모든 K*K 블록을 선택하고 레벨(L)을 증가시킬 수 있다. 더욱이, 단계(714)에서, 장치는 임의의 K*K 블록에 대해 SAD값이 임계값(T)보다 작은지를 판단할 수 있다. 임의의 K*K 블록에 대해 SAD값이 임계값(T)보다 작다고 판단한 것에 응답하여, 장치는 단계(716)에서 보여준 최소 SAD값에 따라 최상의 블록을 선택할 수 있다. 모든 K*K 블록에 대해 SAD값이 임계값(T)보다 크면, 다중 경로(MPT) 모드는 레벨(L)을 증가시켜 반복될 수 있다. 더욱이, 단계(718)에서, 장치는 다중 경로(MPT)의 레벨(L)의 수가 최대 허용 가능한 레벨(Lmax)에 도달하였는지를 판단할 수 있다. 여기서, 레벨 (L)이 사용자에 의해 정의된 임계값(Lmax)보다 작으면, 다중 경로(MPT) 모드는 반복될 수 있다.
단계(722)에서, 장치는 K*K 블록으로부터 최소 SAD값에 따라 K 최상의 블록을 선택할 수 있다. 더욱이, 장치는 다중 경로 추적 모드에서 계속하는 단계(712)를 반복할 수 있다. 레벨(L)이 최대 허용 가능한 레벨(Lmax)에 도달하면, 장치는 단일 점 추적 모드로 전환하고, 단계(720)에서 보여준 최소 SAD값에 따라 최상의 블록을 선택할 수 있다.
한편, 도 7에 대해 설명된 다양한 단계는 제시된 순서로, 상이한 순서로 또는 동시에 수행될 수 있다. 더욱이, 일부 실시예에서, 도 7에 나열된 단계의 일부는 본 발명의 범위에서 벗어나지 않고 생략되거나 추가될 수 있다.
다중 경로(MPT) 모드에서, 시스템 및 방법은 초기 레벨(L)을 제로로 지정하고, 연속적인 프레임에서 레벨(L)을 증가시킬 수 있다.
다중 경로 추적 방법의 실행을 설명하면 다음과 같다.
구체적으로, 장치는 영상 스트림의 연속적인 프레임에서 추적을 위해 사용자에 의해 표시되는 중심 P를 가진 객체를 고려할 수 있다. Lmax는 다중 경로 추적 모드에서 최고 허용 가능한 레벨을 나타낸다. 먼저, 장치는, 영상 스트림의 다음 프레임을 획득할 수 있고, 객체의 주변 윈도우를 가능성 있는 정합(probable matching)을 위해 검색할 수 있다. 더욱이, 장치는 이웃 블록(Q)을 가진 블록 P의 SAD값이 임계값 (T) 미만인지를 판단할 수 있다. 이러한 임계값(T)은 경험적으로 사용자에 의해 정의될 수 있으나, 이에 한정하는 것은 아니다. 장치는 SAD값이 임계값 (T)보다 작으면, SAD값 기준에 의해 Q 블록 중 최상의 이웃 블록을 단일 경로 추적을 이용하여 획득할 수 있다.
한 실시예에서, SAD 기준은 블록 사이에서 SAD값을 발견하고, 조건(예, SAD 값< 임계값)이 참(true)을 유지할 때까지 동일한 단계를 반복하는 것과 동일할 수 있다. 장치는 조건(예, SAD값 < 임계값)이 참이 아니다는 것을 발견하면, 객체의 궤적을 획득하기 위해 다중 경로 추적 모드로 진입할 수 있다.
한 실시예에서, 다중 경로 추적 모드는 레벨(L)이 0으로 지정되고, 최상의 가능한 정합을 획득하기 위해 검색될 노드의 수를 나타내는 매개 변수 "K"가 정의되며, 이러한 "K" 노드는 단일 경로 추적 모드에 도달된 노드의 이웃 노드를 나타낸다. S = {S1, S2 ... SK}는 단일 경로 추적 모드에 도달되는 노드의 이웃 노드인 K 최상의 가능한 노드의 집합을 나타낸다.
장치는 영상 스트림의 다음 프레임을 획득하고, S의 블록에 대응하는 K 위치 주변에서 검색을 초기화할 수 있다. 장치는 집합 S의 모든 요소에 대해, K 최상의 가능성을 네스트 노드(nested node)의 리스트로부터 선택할 수 있다. 예를 들면, K2 가능한 위치의 집합이 발견될 수 있으며, 이러한 집합은 Mij= [{M11, M12.., M1K}, {M21, M22,..M2K},...{MK1, MK2,...MKK}으로 나타낼 수 있다.
그 다음, 장치는 임의의 1 = i < k 및 1 < j < K에 대해 SAD값 (Si, Mij)이 임계값(T) 미만인지를 판단한다. 장치는 임의의 1 = i < k 및 1 < j < K에 대해 SAD값 (Si, Mij)이 임계값(T) 미만인 조건이 참이면, 페런트(parent) Si를 가진 최소 SAD를 포함하고 단일 경로 추적으로 전환하는 Mij를 선택할 수 있다.
더욱이, 장치는 레벨(L)이 최대 허용 가능한 레벨(Lmax)미만이면, 리스트 Mij로부터 (최소 SAD 기준에 따라) K 최상의 블록을 선택하고, 다중 경로 추적 모드를 반복하기 위해 "L" 값을 증가시킬 수 있다. 장치는 레벨(L)이 최대 허용 가능한 레벨(Lmax)에 도달하면, 단일 점 추적 모드로 전환할 수 있다.
도 8은 본 발명의 다양한 실시예에 따른 객체 추적의 트리 표현을 도시한다.
도 8을 참조하면, 객체의 움직임은 영상 스트림의 연속적인 프레임에서 객체의 궤적을 획득하기 위해 단일 경로 추적 모드 및 다중 경로 추적 모드의 둘 모두를 이용하여 추적될 수 있다.도 8에서 프레임 0 내지 프레임 8은 객체의 궤적을 의미한다. 객체의 궤적은 단일 경로 추적 모드 및 다중 경로 추적 모드를 이용하여 프레임 0에서 프레임 8까지 객체의 움직임을 추적하여 획득될 수 있다.
장치는 SAD값이 사용자에 의해 정의되는 임계값(T)보다 작으면,는 단일 경로 추적 모드를 이용하여 객체를 추적할 수 있다.장치는 SAD값이 임계값(T)보다 크면,다중 경로 추적 모드로 진입하고, 이에 따라 객체의 궤적을 획득하기 위해 레벨(L)을 증가시킬 수 있다. 장치는 매개 변수에 따라 이러한 두 모드 사이를 전환할 수 있다. 이러한 매개 변수는 최대 허용 가능한 레벨(Lmax) 및 SAD 임계값(T)일 수 있다.
장치는 다중 경로 추적(MPT) 모드에서 최대 허용 가능한 레벨(Lmax)이 도달되면, 단일 경로 추적 모드로 자동으로 다시 전환할 수 있다. 예컨대, 장치는 SAD값이 임계값(T)보다 작으면, 단일 경로 추적 모드를 실행하고, SAD값이 임계값(T)보다 크면, 다중 경로 추적 모드로 자동으로 전환할 수 있다. 최대 허용 가능한 레벨(Lmax) 및 SAD 임계값(T)은 정의되고, 추적 요구 사항에 따라 사용자에 의해 맞춤화(customize)될 수 있다.
본 발명의 다양한 실시예에서, 다중 경로 추적 방법은 다양한 모바일 기반 애플리케이션에 이용될 수 있다. 예를 들면, 다중 경로 추적 방법은 움직임 기반 분석이 이동하는 객체의 데이터를 인출(fetch)하는데 필요한 증강 현실 애플리케이션(augmented reality application)에 적용될 수 있다. 마찬가지로, 다중 경로 추적 방법은 의사 및 내과 의사가 흥미로운 객체의 움직임을 추적하기 위해 효율적인 추적 방법을 이용할 수 있는 모바일 헬스케어에 적용될 수 있다. 모바일 장치를 이용하는 원격 또는 가정 감시에서도, 빠르고 정확한 이러한 추적 방법이 이용될 수 있다.
이하, 다중 경로 추적 방법의 계산 성능에 대해 설명하기로 한다. 예를 들면, 영상 스트림은 프레임의 N 수를 포함하고, 다중 경로 추적(MPT)의 레벨은 Lmax라고 가정한다. 최악의 경우의 시나리오에서, 객체 추적 방법은 영상 스트림의 전체 기간 동안 MPT 모드에서 실행될 수 있다. 이 경우, MPT 기능에 대한 호출(call)의 최대의 N/Lmax (N >> Lmax) 수가 있을 수 있다. MPT의 각각이 이러한 시나리오에서 최대 레벨 Lmax까지 탐색된다고 가정하면, 처리되는 노드의 총 수는 N/Lmax * (KLmax-1-1)/ (K-1)인 것으로 추정될 수 있으며, 이는 O (NKLmax -1) 시간에 실행될 수 있다. 여기서 K는 MPT 내부에서 탐색되는 경로의 수이다. 장치에서 객체 추적 방법이 영상 스트림의 전체 기간 동안에 단일 경로 추적 모드에서 실행되면, 노드의 N 수만이 처리될 필요가 있다.
도 9는 여기에서 실시예에 개시된 바와 같이 애플리케이션을 구현하는 컴퓨팅 환경을 도시한다.
도 9를 참조하면, 컴퓨팅 환경(900)은 제어 유닛(911) 및 산술 논리 유닛(912) (ALU; arithmetic logic unit)이 장착된 적어도 하나의 처리 유닛(910), 메모리(920), 저장 유닛(930), 복수의 네트워킹 장치(940), 및 복수의 입출력(I/O) 장치(950)를 포함할 수 있다. 처리 유닛(910)은 알고리즘의 명령어를 처리할 수 있다. 처리 유닛(910)은 프로세싱을 수행하기 위해 제어 유닛(911)로부터 명령을 수신할 수 있다. 산술 논리 유닛(912)은 명령어의 실행에 관련된 임의의 논리 및 산술 연산을 계산할 수 있다. 처리 유닛(910)는 둘 이상의 스레드(thread)를 지원할 수 있다.
전체의 컴퓨팅 환경은 다수의 균질 및/또는 비균질 코어, 상이한 종류의 다수의 CPU, 특정 매체 및 다른 가속기로 구성될 수 있다. 처리 유닛(910)은 알고리즘의 명령어를 처리할 수 있다. 처리 유닛(910)은 프로세싱을 수행하기 위해 제어 유닛(911)으로부터 명령을 수신할 수 있다. 더욱이, 명령어의 실행에 관련된 임의의 논리 및 산술 연산은 산술 논리 유닛(912)을 통해 계산될 수 있다. 복수의 처리 유닛(910)은 단일 칩 또는 다수의 칩 상에 위치될 수 있다.
구현에 필요한 명령어 및 코드는 메모리(920) 또는 저장(storage) 유닛(930) 또는 둘 모두에 저장될 수 있다. 컴퓨팅 환경은 메모리(920) 및/또는 저장 유닛(930)로부터 명령어가 인출되고, 인출된 명령어에 대응하는 기능이 처리 유닛(910)에 의해 실행될 수 있다.
임의의 하드웨어 구현의 경우에, 다양한 네트워킹 장치 또는 외부 I/O 장치는 컴퓨팅 환경의 네트워킹 장치(940) 및 I/O 장치(950)를 통해 구현을 지원하기 위해 컴퓨팅 환경에 연결될 수 있다.
본 발명의 다양한 실시예는 적어도 하나의 하드웨어 장치 상에서 실행되고, 요소를 제어하기 위해 네트워크 관리 기능을 수행하는 적어도 하나의 소프트웨어 프로그램을 통해 구현될 수 있다. 도 9에 도시된 요소는 하드웨어 장치, 또는 하드웨어 장치 및 소프트웨어 모듈의 조합 중 적어도 하나일 수 있는 블록을 포함할 수 있다. 특정 실시예에 대한 상술한 설명은 여기서 실시예의 일반적인 본질을 충분히 나타내었기 때문에 당업자가 현재의 지식을 적용하여 일반적인 개념에서 벗어나지 않고 이러한 특정 실시예를 다양한 적용을 위해 쉽게 변형 및/또는 적응시킬 수 있으며, 따라서, 이러한 적응 및 변형은 개시된 실시예의 균등물의 의미 및 범위 내에서 이해되어야 하고 이해되도록 의도된다. 여기에서 사용된 어법 또는 용어는 제한이 아니라 설명을 위한 것으로 이해되어야 한다. 그래서, 실시예가 여기서 바람직한 실시예의 측면에서 설명되었지만, 당업자는 여기서 실시예가 여기에 설명된 실시예의 사상 및 범위 내에서의 변형으로 실시될 수 있다는 것을 인식할 것이다.
910: 처리 유닛
920: 메모리
930: 저장유닛
940: 네트워킹 장치
950: 입출력(I/O 장치)

Claims (11)

  1. 다중 경로 추적 모드를 이용한 영상 객체 추적 방법에 있어서,
    영상의 프레임에 포함된 객체의 일 부분을 마킹하는 단계;
    상기 객체의 일 부분이 마킹된 영상의 연속적인 프레임을 획득하는 단계;
    상기 연속적인 프레임에서 절대 차의 합을 추정하여 상기 객체의 마킹된 부분을 추적하는 단계;
    상기 추정된 절대 차의 합을 기 정의된 임계값의 합과 비교하는 단계;
    상기 비교 결과에 따라, 다중 경로 추적 모드 및 단일 경로 추적 모드 중 하나에서 다른 하나로 전환하는 단계; 및
    상기 단일 경로 추적 모드 및 다중 경로 추적 모드 중 적어도 하나의 추적 결과를 조합하여 상기 일 부분이 마킹된 객체의 궤적을 획득하는 단계를 포함하는 영상 객체 추적 방법
  2. 제 1 항에 있어서,
    상기 마킹하는 단계는,
    상기 영상 프레임을 복수의 블록으로 분할하는 단계를 더 포함하는 영상 객체 추적 방법.
  3. 제 2 항에 있어서,
    상기 추적하는 단계는,
    상기 복수의 블록에 대한 절대 차의 합이 상기 임계값보다 작을 경우, 상기 영상의 연속적인 프레임에서 상기 마킹된 부분을 추적하는 것을 특징으로 하는 영상 객체 추적 방법.
  4. 제 1 항에 있어서,
    상기 추적하는 단계는,
    상기 단일 경로 추적 모드일 경우, 상기 복수의 블록 중에서 최상의 블록을 선택하는 단계를 더 포함하는 것을 특징으로 하는 영상 객체 추적 방법.
  5. 제 2 항에 있어서,
    상기 추적하는 단계는,
    상기 복수의 블록에 대한 상기 절대 차의 합이 상기 임계값보다 클 경우, 레벨을 지정하고, 상기 단일 경로 추적 모드로부터 상기 다중 경로 추적 모드로 전환하며 상기 다중 경로 추적 모드는 상기 레벨이 최대 레벨에 도달할 때에 상기 단일 경로 추적 모드로 다시 전환하여 종료하는 것을 특징으로 하는 영상 객체 추적 방법.
  6. 제 2 항에 있어서,
    상기 추적하는 단계는,
    상기 연속적인 프레임에서 분할된 상기 복수의 블록 중에서 상기 마킹된 부분에 대응하여 가능성 있는 블록을 선택하는 단계; 및
    상기 선택된 가능성 있는 블록과 상기 마킹된 부분 사이의 절대 차의 합을 추정하는 단계를 더 포함하는 영상 객체 추적 방법.
  7. 제 6 항에 있어서,
    상기 선택하는 단계는,
    절대 차 기준의 최소 합에 따라 상기 최상의 가능한 블록 중에서 상기 마킹된 부분에 대한 상기 최상의 블록을 선택하는 것을 특징으로 하는 영상 객체 추적 방법.
  8. 제 7 항에 있어서,
    상기 최상의 블록을 선택하는 단계는,
    상기 임계값 레벨보다 작은 상기 최상의 가능성 있는 블록의 상기 절대 차의 합을 결정하는 단계를 더 포함하는 영상 객체 추적 방법.
  9. 제 8 항에 있어서,
    상기 연속적인 프레임에서 상기 마킹된 부분에 대한 상기 최상의 블록을 선택한 후에 레벨을 증가시키는 것을 특징으로 하는 영상 객체 추적 방법.
  10. 제 1 항에 있어서,
    상기 궤적을 획득하는 단계는,
    상기 단일 경로 추적 모드 및 다중 경로 추적 모드 중 하나의 방법을 이용해 추적된 결과를 통해 획득하는 것을 특징으로 하는 영상 객체 추적 방법.
  11. 영상 객체 추적 장치에 있어서,
    제어 유닛 및 산술 논리 유닛을 포함하는 적어도 하나의 처리 유닛;
    저장 유닛;
    복수의 네트워킹 장치; 및
    복수의 입출력 장치를 포함하고,
    상기 처리 유닛은,
    영상의 프레임에 포함된 객체의 일 부분을 마킹하고, 상기 객체의 일 부분이 마킹된 영상의 연속적인 프레임을 획득하고, 연속적인 프레임에서 절대 차의 합을 추정하여 상기 객체의 마킹된 부분을 추적하고, 상기 추정된 절대 차의 합을 기 정의된 임계값의 합과 비교하고, 상기 비교 결과에 따라, 다중 경로 추적 모드 및 단일 경로 추적 모드 중 하나에서 다른 하나로 전환하고, 상기 단일 경로 추적 모드 및 다중 경로 추적 모드 중 하나를 이용하여 상기 일 부분이 마킹된 객체의 궤적을 획득하도록 처리하는 영상 객체 추적 장치.
KR1020130136549A 2012-11-11 2013-11-11 다중 경로 궤적 분석을 이용한 영상 객체 추적 방법 및 장치 KR20140061266A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
IN2845DE2012 2012-11-11
IN2845/DEL/2012 2012-11-11

Publications (1)

Publication Number Publication Date
KR20140061266A true KR20140061266A (ko) 2014-05-21

Family

ID=50681724

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130136549A KR20140061266A (ko) 2012-11-11 2013-11-11 다중 경로 궤적 분석을 이용한 영상 객체 추적 방법 및 장치

Country Status (2)

Country Link
US (1) US9147261B2 (ko)
KR (1) KR20140061266A (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150137698A (ko) * 2014-05-30 2015-12-09 고려대학교 산학협력단 농장에서의 움직임 개체의 이동 궤적 트래킹 방법 및 장치
KR20190124904A (ko) * 2018-04-27 2019-11-06 현대엠엔소프트 주식회사 항공 촬영 영상을 이용한 지도 정보 구축 방법
KR102042397B1 (ko) * 2018-07-30 2019-11-08 이노뎁 주식회사 압축영상에 대한 신택스 기반의 히트맵 생성 방법
US10762659B2 (en) 2017-07-10 2020-09-01 Electronics And Telecommunications Research Institute Real time multi-object tracking apparatus and method using global motion
KR20200126233A (ko) * 2019-04-29 2020-11-06 연세대학교 산학협력단 실시간 경로 영역 자기 학습 방법 및 장치
US10839531B2 (en) 2018-11-15 2020-11-17 Sony Corporation Object tracking based on a user-specified initialization point

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9836852B2 (en) * 2013-12-21 2017-12-05 Qualcomm Incorporated System and method to stabilize display of an object tracking box
CN107148798B (zh) * 2014-11-06 2020-08-04 夏普株式会社 单位移位寄存器电路、移位寄存器电路、单位移位寄存器电路的控制方法以及显示装置
US9984315B2 (en) 2015-05-05 2018-05-29 Condurent Business Services, LLC Online domain adaptation for multi-object tracking
WO2018078872A1 (ja) * 2016-10-31 2018-05-03 Eizo株式会社 画像処理装置、画像表示装置及びプログラム
CN107274431A (zh) * 2017-03-07 2017-10-20 阿里巴巴集团控股有限公司 视频内容增强方法及装置
CN107133969B (zh) * 2017-05-02 2018-03-06 中国人民解放军火箭军工程大学 一种基于背景反投影的移动平台运动目标检测方法
CN107333025B (zh) * 2017-06-30 2020-04-03 北京金山安全软件有限公司 一种图像数据处理方法、装置、电子设备以及存储介质
CN109359540A (zh) * 2018-09-17 2019-02-19 武汉中奥互联科技有限公司 一种基于终端的多传感器信息对体育动作进行分析的方法
CN111814361B (zh) * 2020-08-27 2021-03-02 国网江西省电力有限公司电力科学研究院 一种环网柜数字模型的建模方法及装置
CN117032068B (zh) * 2023-07-24 2024-02-27 苏州福斯特万电子科技有限公司 一种点胶机控制方法、装置、设备及存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7095786B1 (en) * 2003-01-11 2006-08-22 Neo Magic Corp. Object tracking using adaptive block-size matching along object boundary and frame-skipping when object motion is low
DE112005000929B4 (de) * 2004-04-28 2011-07-21 Chuo Electronics Co. Ltd., Tokyo Automatisches Abbildungsverfahren und Vorrichtung
JP4507129B2 (ja) * 2008-06-06 2010-07-21 ソニー株式会社 追尾点検出装置および方法、プログラム、並びに記録媒体
JP4709889B2 (ja) * 2008-11-20 2011-06-29 パナソニック株式会社 移動物体監視装置
GB2469679B (en) * 2009-04-23 2012-05-02 Imagination Tech Ltd Object tracking using momentum and acceleration vectors in a motion estimation system
US8984406B2 (en) * 2009-04-30 2015-03-17 Yahoo! Inc! Method and system for annotating video content

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150137698A (ko) * 2014-05-30 2015-12-09 고려대학교 산학협력단 농장에서의 움직임 개체의 이동 궤적 트래킹 방법 및 장치
US10762659B2 (en) 2017-07-10 2020-09-01 Electronics And Telecommunications Research Institute Real time multi-object tracking apparatus and method using global motion
KR20190124904A (ko) * 2018-04-27 2019-11-06 현대엠엔소프트 주식회사 항공 촬영 영상을 이용한 지도 정보 구축 방법
KR102042397B1 (ko) * 2018-07-30 2019-11-08 이노뎁 주식회사 압축영상에 대한 신택스 기반의 히트맵 생성 방법
US10839531B2 (en) 2018-11-15 2020-11-17 Sony Corporation Object tracking based on a user-specified initialization point
KR20200126233A (ko) * 2019-04-29 2020-11-06 연세대학교 산학협력단 실시간 경로 영역 자기 학습 방법 및 장치

Also Published As

Publication number Publication date
US9147261B2 (en) 2015-09-29
US20140133703A1 (en) 2014-05-15

Similar Documents

Publication Publication Date Title
KR20140061266A (ko) 다중 경로 궤적 분석을 이용한 영상 객체 추적 방법 및 장치
Shen et al. Multiobject tracking by submodular optimization
Tang et al. Subgraph decomposition for multi-target tracking
CN109035304B (zh) 目标跟踪方法、介质、计算设备和装置
US8213681B2 (en) Moving object detection method and moving object detection apparatus
KR101457313B1 (ko) 템플릿 스위칭 및 특징 적응을 이용한 오브젝트 추적을 제공하는 방법, 장치 및 컴퓨터 프로그램 제품
KR20180084085A (ko) 얼굴 위치 추적 방법, 장치 및 전자 디바이스
CN106663325B (zh) 图像处理装置及其图像处理方法
Gan et al. Online CNN-based multiple object tracking with enhanced model updates and identity association
CN111931720B (zh) 跟踪图像特征点的方法、装置、计算机设备和存储介质
CN111798487A (zh) 目标跟踪方法、装置和计算机可读存储介质
Meghana et al. Background-modelling techniques for foreground detection and Tracking using Gaussian Mixture Model
JP2007148663A (ja) オブジェクト追跡装置及びオブジェクト追跡方法、並びにプログラム
Hassan et al. An adaptive sample count particle filter
CN109086725A (zh) 手部跟踪方法及机器可读存储介质
CN104079798B (zh) 图像检测方法、装置及一种视频监控系统
JP2020504383A (ja) 画像前景の検出装置、検出方法及び電子機器
CN103679130B (zh) 手追踪方法、手追踪设备和手势识别系统
CN109508575A (zh) 人脸跟踪方法及装置、电子设备和计算机可读存储介质
US10839532B2 (en) Image processing method and information processing apparatus
Lee et al. Hierarchical active shape model with motion prediction for real-time tracking of non-rigid objects
CN113256683A (zh) 目标跟踪方法及相关设备
CN111652907B (zh) 一种基于数据关联的多目标跟踪方法、装置及电子设备
JP7334058B2 (ja) 幾何パラメータ推定装置、幾何パラメータ推定システム、幾何パラメータ推定方法及びコンピュータプログラム
Trifan et al. UAVision: A modular time-constrained vision library for soccer robots

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid