비디오 추적

Video tracking
카메라 추적과 혼동하지 마십시오.

비디오 트래킹은 카메라를 사용하여 시간 경과에 따라 움직이는 물체(또는 여러 물체)를 찾는 과정입니다.인간-컴퓨터 상호 작용, 보안 및 감시, 비디오 통신 및 압축, 증강 현실, 교통 제어, 의료[1] 이미징 및 비디오 [2][3]편집 등 다양한 용도로 사용됩니다.비디오 트래킹은 비디오에 포함되는 데이터의 양 때문에 시간이 걸리는 프로세스입니다.복잡성을 더하는 것은 추적에 객체 인식 기술을 사용해야 하는 가능성인데, 그 자체로 어려운 문제입니다.

객관적으로

고속 화상 처리 [4][5]시스템에 의해 처리되는 시각적 피드백에 의한 물체 추적에 의해 로봇 손이 공을 잡기 위한 시각적 서보링의 예.

비디오 트래킹의 목적은 연속된 비디오프레임으로 타깃오브젝트를 연관짓는 것입니다.프레임 레이트에 비해 오브젝트가 빠르게 이동하는 경우에는 특히 어소시에이션이 어려울 수 있습니다.문제의 복잡성을 높이는 또 다른 상황은 추적 대상 객체가 시간이 지남에 따라 방향을 변경하는 것입니다.이러한 상황에서 비디오 추적 시스템은 일반적으로 대상의 이미지가 물체의 다른 가능한 움직임에 대해 어떻게 변할 수 있는지를 설명하는 모션 모델을 사용합니다.

단순 모션 모델의 예는 다음과 같습니다.

  • 평면 객체를 추적할 때 모션 모델은 객체의 이미지(예: 초기 프레임)의 2D 변환(아핀 변환 또는 호모그래피)입니다.
  • 대상이 견고한 3D 객체인 경우 모션 모델은 3D 위치와 방향에 따라 해당 측면을 정의합니다.
  • 비디오 압축의 경우 키 프레임은 매크로 블록으로 분할됩니다.모션 모델은 키 프레임을 중단하는 것으로, 각 매크로 블록은 모션 파라미터에 의해 주어진 모션 벡터에 의해 변환됩니다.
  • 변형 가능한 물체의 이미지는 메시로 덮을 수 있으며, 물체의 움직임은 메시의 노드 위치에 의해 정의됩니다.

알고리즘

비디오 프레임 내의 오브젝트 공동 세그먼트화

비디오 추적을 수행하기 위해 알고리즘은 순차 비디오 프레임을 분석하여 프레임 간의 타깃 이동을 출력합니다.다양한 알고리즘이 있으며 각각 장단점이 있습니다.사용할 알고리즘을 선택할 때 의도한 용도를 고려하는 것이 중요합니다.시각적 추적 시스템에는 두 가지 주요 구성 요소가 있습니다. 대상 표현 및 현지화, 필터링 및 데이터 연결입니다.

타깃 표현과 현지화는 대부분 상향식 프로세스입니다.이 방법들은 움직이는 물체를 식별하기 위한 다양한 도구를 제공합니다.대상 개체를 성공적으로 찾고 추적하는 것은 알고리즘에 따라 달라집니다.예를 들어, 사람의 프로파일이 동적으로 [6]변경되기 때문에 BLOB 추적을 사용하면 사람의 움직임을 식별하는 데 유용합니다.일반적으로 이러한 알고리즘의 계산 복잡도는 낮습니다.다음으로 일반적인 타깃 표현 및 현지화 알고리즘을 몇 가지 나타냅니다.

  • 커널 기반 추적(평균 이동 추적[7]): 유사성 측정(Bhattacharya 계수)의 최대화에 기초한 반복 위치 결정 절차.
  • 등고선 추적: 객체 경계 탐지(예: 활성 등고선 또는 응축 알고리즘).윤곽 추적 방법은 이전 프레임에서 초기화된 초기 윤곽을 현재 프레임의 새 위치로 반복적으로 진화시킨다.등고선 추적에 대한 이 접근방식은 경사 강하를 사용하여 등고선 에너지를 최소화하여 등고선을 직접 진화시킨다.

필터링 및 데이터 연결은 대부분 하향식 프로세스로, 장면 또는 객체에 대한 사전 정보를 통합하고, 객체 역학을 다루며, 다른 가설의 평가를 포함합니다.이러한 방법을 사용하면 장애물 [8]뒤에서 이동하는 개체 추적과 같이 복잡한 개체 상호 작용과 함께 복잡한 개체를 추적할 수 있습니다.또한 비디오 트래커(TV 트래커 또는 대상 트래커라고도 함)가 단단한 기초(육지)에 장착되지 않고 움직이는 선박(해외)에 장착되면 복잡성이 증가합니다. 여기서 일반적으로 관성 측정 시스템은 비디오 트래커를 사전 안정시켜 카메라 [9]시스템의 필요한 역학 및 대역폭을 감소시키기 위해 사용됩니다.이러한 알고리즘의 계산 복잡도는 보통 훨씬 더 높습니다.일반적인 필터링 알고리즘은 다음과 같습니다.

  • Kalman 필터: 가우스 노이즈의 영향을 받는 선형 함수를 위한 최적의 재귀 베이지안 필터.이 알고리즘은 노이즈(랜덤 변동) 및 기타 부정확성을 포함하여 시간이 지남에 따라 관측된 일련의 측정을 사용하고 단일 측정만을 [10]기반으로 하는 것보다 더 정확한 경향이 있는 알려지지 않은 변수의 추정치를 생성하는 알고리즘입니다.
  • 파티클 필터: 비선형 [11][12][13]및 비가우스 프로세스의 기본 상태 공간 분포를 샘플링하는 데 유용합니다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ Peter Mountney, Danail Stoyanov & Guang-Zhong Yang (2010). "Three-Dimensional Tissue Deformation Recovery and Tracking: Introducing techniques based on laparoscopic or endoscopic images." IEEE Signal Processing Magazine. 2010 July. Volume: 27" (PDF). IEEE Signal Processing Magazine. 27 (4): 14–24. doi:10.1109/MSP.2010.936728. hdl:10044/1/53740.
  2. ^ Lyudmila Mihaylova, Paul Brasnett, Nishan Canagarajan and David Bull (2007). Object Tracking by Particle Filtering Techniques in Video Sequences; In: Advances and Challenges in Multisensor Data and Information. NATO Security Through Science Series, 8. Netherlands: IOS Press. pp. 260–268. CiteSeerX 10.1.1.60.8510. ISBN 978-1-58603-727-7.{{cite book}}: CS1 maint: 여러 이름: 작성자 목록(링크)
  3. ^ Kato, H.; Billinghurst, M. (1999). "Marker tracking and HMD calibration for a video-based augmented reality conferencing system" (PDF). Proceedings 2nd IEEE and ACM International Workshop on Augmented Reality (IWAR'99). pp. 85–94. doi:10.1109/IWAR.1999.803809. ISBN 0-7695-0359-4.
  4. ^ "High-speed Catching System (exhibited in National Museum of Emerging Science and Innovation since 2005)". Ishikawa Watanabe Laboratory, University of Tokyo. Retrieved 12 February 2015.
  5. ^ "Basic Concept and Technical Terms". Ishikawa Watanabe Laboratory, University of Tokyo. Retrieved 12 February 2015.
  6. ^ S. Kang; J. Paik; A. Koschan; B. Abidi & M. A. Abidi (2003). "Real-time video tracking using PTZ cameras". Proc. SPIE. Sixth International Conference on Quality Control by Artificial Vision. 5132: 103–111. Bibcode:2003SPIE.5132..103K. CiteSeerX 10.1.1.101.4242. doi:10.1117/12.514945.
  7. ^ Comaniciu, D.; Ramesh, V.; Meer, P., "평균 시프트를 사용한 비강성 객체의 실시간 추적", Computer Vision and Pattern Recognition, 2000.의사진행동.IEEE Conference on, vol.2, no., 페이지 142, 149 vol.2, 2000
  8. ^ Black, James, Tim Ellis, and Paul Rosin (2003). "A Novel Method for Video Tracking Performance Evaluation". Joint IEEE Int. Workshop on Visual Surveillance and Performance Evaluation of Tracking and Surveillance: 125–132. CiteSeerX 10.1.1.10.3365.{{cite journal}}: CS1 maint: 여러 이름: 작성자 목록(링크)
  9. ^ 해상 설치를 위한 자이로 안정화 표적 추적기
  10. ^ M. Arulampalam; S. Maskell; N. Gordon & T. Clapp (2002). "A Tutorial on Particle Filters for Online Nonlinear/Non-Gaussian Bayesian Tracking". IEEE Transactions on Signal Processing. 50 (2): 174. Bibcode:2002ITSP...50..174A. CiteSeerX 10.1.1.117.1144. doi:10.1109/78.978374.
  11. ^ Emilio Maggio; Andrea Cavallaro (2010). Video Tracking: Theory and Practice. Vol. 1. ISBN 9780132702348. Video Tracking provides a comprehensive treatment of the fundamental aspects of algorithm and application development for the task of estimating, over time.
  12. ^ Karthik Chandrasekaran (2010). Parametric & Non-parametric Background Subtraction Model with Object Tracking for VENUS. Vol. 1. ISBN 9780549524892. Background subtraction is the process by which we segment moving regions in image sequences.
  13. ^ J. 마르티네즈-델-린콘, D.마크리스, C오라이트-우루누엘라와 J.-C.Nebel (2010)"칼만과 인체 생체역학에 의해 구속된 입자 필터를 사용하여 인간의 위치와 하체 부위를 추적합니다."시스템맨과 사이버네틱스에 관한 IEEE 트랜잭션– Part B', 40(4)

외부 링크