본문 바로가기
KERD
논문KCI 등재

적응적 파라미터 제어를 이용하는 스웜 기반의 강인한 객체 추적 알고리즘

Swarm Based Robust Object Tracking Algorithm Using Adaptive Parameter Control

Yuk Ying Chung|배창석
한국차세대컴퓨팅학회 (KINGComputing)|2017.10|한국차세대컴퓨팅학회 논문지 (The Journal of Korean Institute of Next Generation Computing)|제13권 제5호|pp. 39-50

0

조회

0

다운로드

2

인용

0

참고문헌

키워드

객체 추적Object tracking파티클 스웜 최적화particle swarm optimization적응적 파라미터 제어adaptive parameter control
주제분류컴퓨터학

초록

이동 객체에 대한 추적 기술은 최근 중요성이 강조되고 있는 동영상 이해에서 가장 핵심적인 기술의 하나라 할 수있다. 하지만, 동영상이 가지는 조명의 불안정, 객체의 크기나 형태 변화, 카메라 움직임, 그리고 중첩 등으로 인해동영상 내의 이동 객체 추적은 많은 어려움을 가지고 있다. 객체 추적의 가장 대표적인 종래의 방법인 칼만 필터와파티클 필터의 문제점을 개선하는 방법으로 스웜 기반의 방법이 제안되어 있으나 동적으로 변화하는 이동 객체의 특징을 반영하는 개선된 알고리즘이 요구된다. 본 논문에서는 이러한 특징을 반영하여 파티클 스웜 최적화 방법에서사용되는 파라미터 중 가중치 값을 동적으로 변화하는 적응적 파라미터 제어 방법을 제안한다. 각 파티클을 특성에따라 3가지 종류로 구분하고 각각 서로 다른 가중치 값을 부여하는 방식으로 객체 추적의 성능을 개선할 수 있다. 제안된 알고리즘의 적용 결과 중첩 또는 예측하기 어려운 움직임 등과 같은 객체의 비선형적인 움직임이 있는 동영상에 대해 기존 파티클 스웜 방식에 비해 현저한 성능 개선을 보이는 것을 확인할 수 있었다.

Abstract

Moving object tracking techniques can be considered as one of the most essential technique in the video understanding of which the importance is much more emphasized recently. However, irregularity of light condition in the video, variations in shape and size of object, camera motion, and occlusion make it difficult to tracking moving object in the video. Swarm based methods are developed to improve the performance of Kalman filter and particle filter which are known as the most representative conventional methods, but these methods also need to consider dynamic property of moving object. This paper proposes adaptive parameter control method which can dynamically change weight value among parameters in particle swarm optimization. The proposed method classifies each particle to 3 groups, and assigns different weight values to improve object tracking performance. Experimental results show that our scheme shows considerable improvement of performance in tracking objects which have nonlinear movements such as occlusion or unexpected movement.

참고문헌 (23)

  1. G. Welch, "An Introduction to Kalman Filter", SIGGRAPH 2001 (2001)
  2. Kalman Filter for Vision Tracking, "E. Cuevas", ~, pp.Technical Report B 05-12 (2005)
  3. Y. Huang, "Segmentation-based Object Tracking Using Image Warping and Kalman Filtering", IEEE ICIP, 3, pp.601~604 (2002)
  4. 김철표, "다수 레이더의 발사체 좌표 추정을 위한 실시간 비행시험자료 처리 기법", 한국차세대컴퓨팅학회 논문지, 12(2), pp.43~53 (2016), 한국차세대컴퓨팅학회
  5. S. Maskell, "A Tutorial on Particle Filters for On-line Nonlinear", Non-Gaussian Bayes’ Law Tracking, 2001
  6. C. Yang, "Fast Multiple Object Tracking via a Hierarchical Particle Filter", ICCV (2005)
  7. J. Cho, "A Real-Time Object Tracking System Using a Particle Filter", International Conference on Intelligent Robotics and Systems, pp.2822~2827 (2006)
  8. J. Kennedy, "Swarm intelligence" (2001), Morgan Kaufmann Publishers
  9. L. Anton-Canalis, "Particle Swarms as Video Sequence Inhabitants For Object Tracking in Computer Vision", 2, pp.604~609 (2006), ISDA
  10. "Particle Swarm Optimization" (2008)[URL]
  11. J. Kennedy, "Particle Swarm Optimization", Proc. of IEEE International Conference on Neural Networks, pp.1942~1948 (1995)
  12. J. Kennedy, "A Discrete Binary Version of the Particle Swarm Algorithm", Proc. of IEEE International Conference on Systems, Man, and Cybernetics, pp.4104~4108 (1997)
  13. R. C. Eberhart, "Particle Swarm Optimization : Developments, Application and Resources", Proceedings of the 2001 Congress on Evolutionary Computation, 1, pp.81~86 (2001)
  14. M. Song, "Research on Particle Swarm Optimization: A Review", Proc. of the Third International Conference on Machine Learning and Cybernetics (2004)
  15. D. Comaniciu, "Real-Time Tracking of Non-Rigid Objects using Mean Shift", CVPR 2000, 2, pp.142~149 (2000)
  16. 울라 아민, "Analyzing Pedestrian Parts using Deep Features for Person Re-Identification", 한국차세대컴퓨팅학회 논문지, 13(2), pp.82~92 (2017), 한국차세대컴퓨팅학회
  17. 최현석, "특징 결합과 블록단위 상관계수를 이용한 동작 기반 사용자 인증", 한국차세대컴퓨팅학회 논문지, 12(3), pp.85~93 (2016), 한국차세대컴퓨팅학회
  18. M. Richards, "Choosing a Starting Configuration for Particle Swarm Optimization", Proc. of IEEE International Joint Conference on Neural Networks, 3, pp.2309~2312 (2004)
  19. J. Kennedy, "Neighborhood Topologies in Fully-informed and Best-ofneighborhood Particle Swarms", Proc. of IEEE International Workshop on Soft Computing in Industrial Applications, pp.45~50 (2003)
  20. H. T. Nguyen, "Fast Occluded Object Tracking by a Robust Appearance Filter", IEEE Transactions on Pattern Analysis and Machine Intelligence, 26(8), pp.1099~1104 (2004)
  21. Y. Shi, "Book Fuzzy adaptive particle swarm optimization", IEEE, 2001, pp.101~106 (2001)
  22. M. Clerc, "The Particle Swarm-explosion, Stability, and Convergence in a Multidimensional Complex Space", IEEE Transactions on Evolutionary Computation, 6(1), pp.58~73 (2002)
  23. S. Yang, "Book A Quantum Particle Swarm Optimization", IEEE, 2004, pp.320~324 (2004)

관련 논문AI추천

파티클 스웜 최적화에서의 가중치 조절에 기반한 강인한 객체 추적 알고리즘강규창, 배창석, Yuk Ying Chung한국차세대컴퓨팅학회 · 한국차세대컴퓨팅학회 논문지2018 · 제14권 제6호복합 특징 공간에서의 스웜 최적화를 이용한 강인한 객체 추적 모델강규창, 배창석한국차세대컴퓨팅학회 · 한국차세대컴퓨팅학회 논문지2024 · 제20권 제1호적응적 관측 모델과 파티클 필터를 이용한 객체 추적김기상, 김효연, 최형일한국컴퓨터정보학회 · 한국컴퓨터정보학회논문지2017 · 제22권 제1호컬러 및 광류정보를 이용한 이동물체 추적김주현, 최한고한국융합신호처리학회 · 융합신호처리학회 논문지2014 · 제15권 제4호가변 탐색블록을 이용한 객체 추적에 관한 연구민병묵, 오해석한국정보처리학회 · 정보처리학회 논문지2006 · 제13권 제4호CamShift와 개선된 SURF 방법에 기반한 강인한 물체 탐지와 추적 알고리즘 연구신인경, 안효창한국컴퓨터정보학회 · 한국컴퓨터정보학회논문지2018 · 제23권 제1호

이 간행물의 다른 논문 (10건)

실시간 이슈 탐지를 위한 일반-급상승 단어사전 생성 및 매칭 기법이한주, 이원석, 최봉준, 용우석pp. 7-18분산처리서버에서의 멀티 쓰레드 방식을 적용한 원격얼굴인식 시스템김의선, 고일주pp. 19-28멀티미디어 콘텐츠 저작 시스템에서의 화면 밝기 조절을 통한 에너지 관리 기법송민석, 박진한, 이다영pp. 29-38A Probability Model based on Counting Method to Improve Broadcast Reliability over VANET이르반다 쿠르디아니 비르다우스, 강문수, 이충규, 최용훈, 신석주pp. 51-70A Study on the Framework of an Energy-Saving Management System for Green Data Centers최정열pp. 71-79
원문 보기