강인한 채널 신뢰도 추정 및 공간 정규화를 이용한 상관필터 추적 방법
Robust Correlation Tracking with Enhanced Channel Reliability and Spatial Regularization
- 주제(키워드) 물체추적 , 객체추적 , 컴퓨터비전 , 상관관계필터 , 채널신뢰도 , 공간신뢰도 , 공간정규화 , visual tracking , object tracking , computer vision , correlation filter , channel reliability , spatial reliability , spatial regularization
- 발행기관 서강대학교 일반대학원
- 지도교수 김경환
- 발행년도 2019
- 학위수여년월 2019. 2
- 학위명 석사
- 학과 및 전공 일반대학원 전자공학과
- 실제URI http://www.dcollection.net/handler/sogang/000000064037
- UCI I804:11029-000000064037
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권보호를 받습니다.
초록/요약
최근 영상 기반의 객체 추적 분야에서 discriminative correlation filter(DCF) 기반의 추적 방법이 높은 성능을 보이며 활발한 연구가 진행되고 있다. 특히, 필터의 채널별 가중치를 나타내는 채널 신뢰도와 물체의 형태정보를 나타내는 공간 신뢰도를 이용한 DCF 추적 방법(CSRDCF)이 최근 높은 성능을 보이고 있다. 본 논문에서는 CSRDCF 추적 방법에 기반하여, 강인한 추적 성능을 위해 개선된 채널 신뢰도 추정 방법과 공간 정규화와 공간 신뢰도를 이용한 필터의 학습 방법을 제안한다. 필터의 각 채널을 동일 가중치로 사용하는 일반적인 DCF 기법들과 달리, 채널 신뢰도는 채널마다 가중치를 두어 필터를 효과적으로 이용한다. 본 논문에서는 기존의 채널 신뢰도 추정 방법을 리모델링하여 채널 신뢰도의 효과를 극대화하고 성능 향상을 도모한다. 공간 신뢰도는 물체의 형태정보를 반영하여 물체가 있을법한 영역을 가리키지만, 물체의 회전이나 occlusion과 같은 다양한 변수가 있는 추적 과정에서 정확한 형태정보를 추정하기는 어렵다. 본 논문에서는 관심 영역의 경계 부근에 잘못 추정된 공간 신뢰도의 영향을 감소시키기 위해 spatial regularization window를 이용한 학습 방법을 제안한다. VOT2017와 OTB-100데이터셋에 대한 비교실험을 통해, 제안하는 방법이 물체의 회전 및 occlusion과 같은 다양한 상황에서도 얼마나 강건하게 객체를 추적하는지 검증하고, 최신 추적 방법들에 준하는 성능을 가짐을 확인하였다.
more