지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 오승준
- 발행연도
- 2016
- 저작권
- 광운대학교 논문은 저작권에 의해 보호받습니다.
이용수1
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
동영상에서의 객체 추적은 보안, 색인 및 검색, 감시, 통신, 압축 등 다양한 분야에서 중요하다. 본 논문은 Markov Random Fields (MRF) 를 이용한 압축영역 상에서의 객체 추적 방법을 제안한다. 복호화를 수행하지 않고, 비트스트림 상에 존재하는 움직임 벡터(MV : Motion Vector)와 부호화 모드 및 크기, DCT(Discrete Cosine Transform) 계수 정보를 Discrete Cosine Transform Markov Random Fields (DCT-MRF) 모델에 적용해 객체 형태의 특성과 객체 움직임의 공간적 및 시간적 특성을 반영한다. 기존 Spatio-Temporal Markov Random Fields (ST-MRF) 모델 기반 객체 추적방법에서 나타나는 과분할에 의한 오차전파 문제를 해결해 추적성능을 높이고 추가적인 고속화를 수행한다. 제안하는 방법의 추적성능은 정확도 88.21%, 재현율 77.65%, F-measure 80.84%로 기존방법 대비 평균 F-measure는 약 3.5% 향상하지만 기존방법에서 과분할 및 오차전파가 두드러지는 영상에 대해서는 최대 28% 정도의 성능향상을 보인다. 전체 수행시간은 프레임 당 평균 60.3ms이다.
목차
제 1장 서론 1제 2장 기존 객체 추적 방법 5제 3장 제안하는 객체 추적 방법 83.1 화면 내 예측 블록에 대한 움직임 벡터 추정 103.2 관심영역 기반 전역 움직임 보상 123.3 객체의 움직임 확인 163.4 DCT 계수 아웃라이어 제거 173.5 DCT-MRF 기반 추적 모델 19제 4장 실험 및 결과 244.1 실험 환경 244.2 실험 결과 25제 5장 결론 35참고문헌 37
최근 본 자료
댓글(0)
0