Convolutional Neural Networks를 이용한 고속 야구 선수 검출 방법
저자
발행사항
구미 : 금오공과대학교, 2017
학위논문사항
학위논문(석사)-- 금오공과대학교 일반대학원 : 컴퓨터공학과 2017. 8
발행연도
2017
작성언어
-
주제어
KDC
004 판사항(5)
발행국(도시)
경상북도
형태사항
v, 34p. : 표, 삽화 ; 26 cm
일반주기명
지도교수: 최태영
소장기관
In this paper, we proposed a method of detecting baseball players’ location at high speed using Convolutional Neural Networks The proposed method can be used for continuously detecting baseball players of which location and poses are changed in Full HD baseball game images. Recently, sports broadcasts are transmitting various information generated during a game to viewers. The location of the players in the baseball game is one such information, but the service that shows the player’s location information is not yet properly supported. In order to display the baseball players’ location on the real-time baseball game relay screen, we needed a fast detecting algorithm. The existing sliding window based template matching method is slow because it moves the next search area to the most similar point by comparing the result of filter operation for each pixels within a certain range Also, the detection rate is deteriorated when object sizes are changed during fixed templates proceed. Therefore, in this paper, we developed an algorithm to detect the position of the baseball player quickly using Convolutional Neural Networks, which has excellent performance in the field of image recognition. We intentionally generated additional learning data to improve the performance of the proposed network. This preprocessing process generates multiple training images by relatively moving the position of the player in the training image. As a result of learning using the images generated by the above method, it is confirmed that the detection is performed by the same effect as learning that the position of the player is moved within the window. Also, we checked the feature map of each Convolution Layer and found that the position of the athlete is in cleary appeared the last layer. After Learning, When the image of 128 by 128 pixels is passed through the learned network, the position of the player is detected with the time complexity of O(1). As a result of experiments using images of 128 by 128 pixels, the proposed algorithm runs 10 times faster than the compared algorithms do. Also, according to the Intersection Over Union, the official standard of PASCAL VOC, a object detection contest, detection is judged to be more success if the rate is than 0.5, the proposed algorithm has more than 10% success rate than the existing algorithms.
더보기본 논문에서는 Full HD의 야구 경기 영상에서 크기와 위치가 변화하는 야구 선수를 검출해야하는 문제를 해결하기 위하여, Convolutional Neural Networks를 이용하여 고속으로 야구선수를 검출하는 방법을 제안한다. 최근 스포츠 방송들은 경기 중에 발생하는 다양한 정보들을 시청자에게 전달하고 있다. 야구 경기에서 선수들의 위치도 그러한 정보들 중 하나이지만 선수들의 위치 정보를 보여주는 서비스는 아직 제대로 지원되지 않는다. 실시간으로 이루어지고 있는 야구 경기의 중계 화면에서 선수의 위치를 표시하는 시스템에 적용하기 위해서 수행속도가 빠른 알고리즘이 필요하다. 기존의 슬라이딩 윈도우 기반 템플릿 매칭 방법은 일정 범위에 있는 각 픽셀에 대해서 필터 연산으로 만들어진 결과와 기존의 템플릿에 필터 연산으로 만들어진 결과를 비교하여 가장 유사한 점으로 다음 탐색 영역을 이동하기 때문에 속도가 느리며, 물체의 크기가 변화하는 경우에 고정된 템플릿과 비교를 진행하기 때문에 검출률도 떨어지게 되는 단점이 존재한다. 따라서 본 논문에서는 현재 영상 인식 분야에서 뛰어난 성능을 보이는 Convolutional Neural Networks를 이용하여 선수의 위치를 빠르게 검출하는 알고리즘을 만들었다. 제안하는 네트워크의 성능을 높이기 위하여 의도적으로 추가 학습 데이터를 생성하였다. 이 전처리 과정은 학습 영상에 나오는 선수의 위치를 상대적으로 이동하여 여러 개의 학습 영상을 생성하는 방식이다. 위의 방법으로 생성한 영상들을 이용하여 학습한 결과 윈도우 내부에서 선수의 위치가 이동한 것을 학습한 것과 같은 효과를 나타내어 검출이 잘 되는 것을 확인할 수 있다. 또한 제안한 네트워크의 각 Convolution Layer의 Feature Map들을 확인해 본 결과 마지막 층에서 선수의 위치를 파악하고 있는 것을 알 수 있다. 이후 학습이 완료된 네트워크에 선수의 위치가 존재하는 가로 128, 세로 128 픽셀의 영상을 학습된 네트워크로 통과시키면 O(1)의 시간 복잡도로 선수의 위치를 검출하게 된다. 가로 128, 세로 128 픽셀의 영상을 이용하여 실험을 한 결과, 제안하는 알고리즘이 비교한 알고리즘들에 비해서 10배 이상 빨랐다. 또한 물체 검출 대회인 PASCAL VOC의 공식 기준인 Intersection Over Union이 0.5보다 큰 경우를 검출 성공이라고 판단했을 때, 제안하는 알고리즘이 기존의 알고리즘들 보다 성공률이 10%이상 높았다.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)