크기 변화에 적응적인 비정형 객체 추적을 위한 연구 = Scale-adaptive tracking with structured output
저자
변정현(Byun, Jung-Hyun) ; 채승호(Chae, Seung-Ho) ; 최희승(Choi, Hee-seung) ; 한탁돈(Han, Tak-Don) 연구자관계분석
발행기관
학술지명
권호사항
발행연도
2016
작성언어
Korean
주제어
자료형태
학술저널
수록면
430-435(6쪽)
제공처
컴퓨터 비전 연구에서 객체 추적은 활발히 연구되는 주제 중 하나이다. 기존의 객체 추적 연구는 이미지 매칭 기반으로 대상을 추적하는 방식이 많이 이용하기 때문에 주로 정형 객체 추적(rigid tracking) 에 집중한다. 이와 달리 tracking-by-detection 방법은 추적 문제를 분류기를 이용한 검출 문제처럼 다루기 때문에 비정형 객체 추적(non-rigid tracking)을 수행하는데 효과적이다. 본 논문에서는 이러한 tracking-by-detection 방법 중 하나로 structured output Support Vector Machine(SVM) 을 활용하는 Struck [1]의 분석하고 보완하는 연구를 진행하였다.
Struck 은 일반적인 상황에서는 우수한 추적 성능을 보여주지만 크기 변화에 대응할 수 없고, 가림 현상이 일어나 추적 대상이 화면에 보이지 않을 때도 무조건 학습을 진행한다. 따라서 background clutter 와 잘못된 학습으로 인해 추적과 학습에 drift 가 일어날 수 있다. 본 연구에서는 이러한 Struck 의 단점을 보완하기 위해 추적 대상의 크기에 맞춰 추적 상자의 크기를 조절해 background clutter 를 방지하고 크기변화에 대응하는 scale-adaptive tracking 방법을 제안한다. 후속 연구로는 SVM 의 평가 함수 점수의 임계값을 이용하는 F score with threshold 방법을 이용하여 대상이 가려졌는지 여부를 확인해 잘못된 학습을 방지할 수 있다는 것을 보여준다. 또한 이러한 비정형 객체 추적을 활용할 수 있는 응용분야를 제시하고자 한다.
Object tracking is one of many popular topics in computer vision literature. Previous object tracking studies mainly utilized image-matching based tracking method so that they focus on rigid tracking. Tracking-by-detection on the other hand treats a tracking problem as a detection problem using a classifier making it more suitable for non-rigid tracking. In this paper, we conducted the study analyzing and complementing Struck [1], a tracking-by-detection method that utilizes the structured output SVM. Struck shows good tracking performance in normal occasions; however, it can suffer drift from background clutter since it cannot cope with scale change and from occlusion since it forces learning even though there is no object presence in the scene. In this paper, to solve these issues for Struck, we propose “scale-adaptive tracking” method that automatically adjusts the size of the bounding box according to that of the object. As a future work, we propose “F score with threshold” method that can detect occlusion and prevents SVM from false-positive learning. Also, we propose various applications for non-rigid tracking.
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)