배경 분리를 이용한 칼만 필터 기반의 다중 물체 추적 : A Kalman filter-based multi-object tracking method using background subtraction
- 발행기관 서강대학교 대학원
- 지도교수 김경환
- 발행년도 2006
- 학위수여년월 200608
- 학위명 석사
- 학과 및 전공 전자공학
- 식별자(기타) 000000103167
- 본문언어 한국어
초록/요약
본 논문에서는 배경 분리 기법(background subtraction method)과 칼만 필터(Kalman filter)를 이용하여 다양한 환경에서 강건하게 실시간으로 동작하는 물체 추적 시스템을 제안한다. 제안하는 시스템은 배경 분리, 물체 추출, 물체 추적의 세 단계로 구성된다. 배경 분리 단계에서는 실외 환경에 대해 적응적인 확률적 배경 추정을 기반으로 개선된 가우시안 혼합 모델(Gaussian mixture model)을 제안한다. 사용자가 배경과 전경을 구분하는 임계값을 정하는 기존의 방법과 달리 배경과 전경을 확률적 관점에서 모델링하고 시공간 MRF(spatio-temporal Markov random fields) 기반의 MAP(maximum a posteriori) 추정 방법을 사용하였다. 또한 제안하는 시스템은 이전 물체 추출 결과를 다음 배경 추출에 반영하는 feedback 구조로 배경 분리를 강건하게 한다. 이러한 feedback 구조는 MRF가 갖는 문제점을 보완할 수 있으며, 처음부터 고정되어 있던 배경의 움직임에 적응적이다. 확률 기반의 배경 추출이 갖는 느린 처리 속도를 보완하기 위해서 영상 피라미드 구조를 사용하여 실시간 처리가 가능하도록 하였다. 물체 추출 단계에서는 연결 성분 레이블링과 인접 레이블들 간의 병합 과정을 거쳐서 관심 물체를 추출한다. 추출된 물체는 영상 시퀀스 사이의 추출 빈도로 최종 추적 대상 물체로 결정한다. 최종 추정 대상 물체로부터 위치, 크기, 속도, 채도 히스토그램, 명도 히스토그램 등의 특징 정보를 얻는다. 물체 추적 단계에서는 칼만 필터를 통해 예측된 위치 정보를 사용하여 추적의 정확성을 높였다. 또한 물체가 배경에 의해 일부 또는 전체가 가려지거나 다른 물체와 교차되는 경우에도 제안한 규칙에 따라 물체의 특징 정보를 사용하여 강건한 물체 추적이 가능하도록 하였다.
more초록/요약
This thesis proposes a robust and real-time object tracking system in various cases using background subtraction and the Kalman filter. The proposed method includes three stages: 1) background subtraction; 2) object extraction; and 3) object tracking. In the background subtraction stage, the statistical background estimation devised in order to make adaptive to the outdoor environment is presented and it is based on Gaussian mixture model. In the conventional method, the user determines a threshold classifying pixels as foreground or background. Compared to the conventional method, the proposed method is an approach to modelling in the probabilistic framework and uses an spatio-temporal MRF(markov random fields)-based MAP(maximum a posteriori) estimation scheme. The proposed background subtraction system employs feedback constituted by results of the object extraction in order to maximize its stability. The feedback make up for the weak points of MRF and adapt to persistent scene appearance changes. Moreover, the image pyramid structure is to complement lack of computational efficiency caused by the background estimation based on probability. In the object extraction stage, connected component labelling is conducted and each label located closely is combined. With this process, the object is extracted. The ultimate semantic object should be validated in accordance with the frequency of the object extraction in the image sequences. The features including its position, size, velocity, color histogram, and intensity histogram are extracted from the final object. In a final stage, the object tracking, the tracking system devised with the Kalman filter is applied to reinforce its robustness. Also the propose rules enable the system to track the object in spite of occlusion and overlapping.
more