파티클 스웜 최적화에서의 가중치 조절에 기반한 강인한 객체 추적 알고리즘
Robust Object Tracking based on Weight Control in Particle Swarm Optimization
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
본 논문에서는 기존 티클 스웜 최화를 기반으로 추 상 객체의 이동 궤을 이용하는 객체 추기에서 시간 정보 활용의 문제을 개선한 강인한 객체 추 알고리즘을 제안한다. 제안하는 알고리즘은 추 상 객체와 유사 한 특징을 가지는 변들의 집합에 한 치들의 온라인 업데이트와 추을 가능하게 한다. 객체들의 첩을 검출 하고 추 상의 치를 결정하기 해 궤 정보와 변들의 집합을 기반으로 응 라미터를 사용하는 규칙 기반 근을 사용한다. 기존 알고리즘들과 비교해보면 제안하는 근법은 가용한 정보를 복합으로 사용함으로써 각종 임계값에 한 응 조정을 가능하게 한다. 한, 티클 스웜 최화에서 발산에 의한 손실과 불완한 수 렴의 문제를 해결하기 해 효율인 가치 조 함수를 제안하고 있다. 제안하는 가치 조 함수는 티클들이 최의 해에 수렴하기 이에 체 임 역에서 탐색할 수 있도록 한다. 유사한 특징 조합을 가지는 다 객체 가 존재하는 환경에서 제안 알고리즘을 테스트한 결과, 기존 스웜 최화 기반의 객체 추기들에 비해 기존 유사 변들에 한 잘못된 추을 히 이는 것을 확인할 수 있었다.
Abstract
This paper proposes an enhanced object tracking algorithm to compensate the lack of temporal information in existing particle swarm optimization based object trackers using the trajectory of the target object. The proposed scheme also enables the tracking and documentation of the location of an online updated set of distractions. Based on the trajectories information and the distraction set, a rule based approach with adaptive parameters is utilized for occlusion detection and determination of the target position. Compare to existing algorithms, the proposed approach provides more comprehensive use of available information and does not require manual adjustment of threshold values. Moreover, an effective weight adjustment function is proposed to alleviate the diversity loss and pre-mature convergence problem in particle swarm optimization. The proposed weight function ensures particles to search thoroughly in the frame before convergence to an optimum solution. In the existence of multiple objects with similar feature composition, this algorithm is tested to significantly reduce convergence to nearby distractions compared to the other existing swarm intelligence based object trackers.
참고문헌 (20)
- 박소령, "다중로봇의 정보융합을 통한 다중표적의 유형 및 위치 추정", 한국차세대컴퓨팅학회 논문지, 9(1), pp.38~50 (2013), 한국차세대컴퓨팅학회
- 최재인, "특징점 기반 카메라 트래킹을 이용한 손 움직임 보정 기법", 한국차세대컴퓨팅학회 논문지, 11(2), pp.6~13 (2015), 한국차세대컴퓨팅학회
- 성동수, "CCTV 카메라 공유를 통한 안심 귀가 서비스의 개선", 한국차세대컴퓨팅학회 논문지, 13(1), pp.65~73 (2017), 한국차세대컴퓨팅학회
- A. Yilmaz, "Object Tracking : A Survey", Acm computing surveys (CSUR), 38(13) (2006)
- C. Chang, "Multiple Object Tracking with Kernel Particle Filter", presented at the IEEE Conference on Computer Vision and Pattern Recognition (2005)
- S. Weng, "Video Object Tracking Using Adaptive Kalman Filter", Journal of Visual Communication and Image Representation, 17(6), pp.1190~1208 (2006)
- Jeong A Cho, "Moving-Target Tracking Based on Particle Filter with TDOA", FDOA Measurements, 2012, pp.34(2), 260~263[DOI]
- Mustafa Eren Yildirim, "Direction-Based Modified Particle Filter for Vehicle Tracking", ETRI Journal, 38(2), pp.356~365 (2016), 한국전자통신연구원[DOI]
- Hendro Baskoro, "Mean-Shift Object Tracking with Discrete and Real AdaBoost Techniques", ETRI Journal, 31(3), pp.282~291 (2009), 한국전자통신연구원
- M. Danelljan, "Convolutional Features for Correlation Filter Based Visual Tracking", presented at the IEEE International Conference on Computer Vision Workshops (2015)
- S. Kodagoda, "Simultaneous People Tracking and Motion Pattern Learning", Expert Systems with Applications, 41(16), pp.7272~7280 (2014)
- R. Eberhart, "A New Optimizer Using Particle Swarm Theory", presented at the Sixth International Symposium on Micro Machine and Human Science (1995)
- Y. Shi, "Empirical Study of Particle Swarm Optimization", presented at the 1999 Congress in Evolutionary Computation (1999)
- J. Zhao, "Particle Filter Based On Particle Swarm Optimization Resampling for Vision Tracking", Expert Systems with Applications, 37(12), pp.8910~8914 (2010)
- I. Gosciniak, "A New Approach to Particle Swarm Optimization Algorithm", Expert Systems with Applications, 42(2), pp.844~854 (2015)
- F. Sha, "A Categorized Particle Swarm Optimization for Object Tracking", presented at the 2015 IEEE Congress on Evolutionary Computation (CEC) (2015)
- F. Sha, "A Probability-Dynamic Particle Swarm Optimization for Object Tracking", presented at the 2015 International Joint Conference in Neural Networks (2015)
- C. Bae, "A New Simplified Swarm Optimization (SSO) Using Exchange Local Search Scheme", International Journal of Innovative Computing, Information and Control, 8(6), pp.4391~4406 (2012)
- C. Bae, "A Novel Real Time Video Tracking Framework Using Adaptive Discrete Swarm Optimization", Expert Systems with Applications, 64, pp.385~399 (2016)
- Y. Wu, "Online Object Tracking: A Benchmark", presented at the IEEE conference on computer vision and pattern recognition (2013)