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
- 2018
- 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
비트스트림 상에서 객체 추적을 위한 기존 방법들은 움직임 벡터(Motion Vector, MV)의 시공간적 특징을 반영한 ST-MRF(Spatio-Temporal Markov Random Field) 모델을 기반으로 한다. 그러나 ST-MRF 모델은 객체와 배경의 MV간 특성의 유사도 증가에 따른 과분할 및 오류 전파 현상이 발생한다. 본 논문에서는 이러한 문제를 해결하기 위하여 비트스트림 상에서 MV 기반 파티클 필터(Motion Vector-based Particle Filter: MVPF)를 사용하여 객체를 추적하는 방법을 제안한다. 이 방법은 추적 결과의 과분할 현상을 막기위한 관측 모델과 파티클 필터의 병목현상을 해결하기 위한 전이 모델로 구성된다. 제안하는 객체 추적 방법의 성능 평가를 위해서 다양한 객체 및 카메라 움직임을 가지는 MPEG 표준 영상과 VOT 영상을 HEVC 포맷으로 압축한 비트스트림을 실험에 사용한다. 제안하는 방법을 적용 하였을 경우 가장 최신의 ST- MRF 기반 추적 기법보다 평균 재현율은 약 11%감소하지만 평균 정확도, F-Measure, IOU(Intersection Of Union)가 각각 약 30%, 17%, 17% 증가하고, 평균 CER(Center Error Rate)과 OR(Overlap Rate)은 각각 28%, 27% 향상된다. 주관적 성능을 평가하기 위하여 실험 영상에서 추적 대상을 박스 형태로 표현한다. 기존 방법들과 비교할 때 제안하는 방법이 가장 강건하게 물체를 추적한다.
목차
제 1 장 서론 1제 2 장 파티클 필터 52.1 베이지안 필터 52.2 주표본 기법 62.3 SIR 기법 8제 3 장 Motion Vector-based Particle 103.1 움직임 벡터 필드 생성 113.2 움직임 벡터 역투영 113.3 예측 123.4 특징 143.5 우도 163.5.1 움직임 벡터 163.5.2 공간적 특징점 173.5.3 시공간 거리 183.5.4 가중치 갱신 203.5.5 시간적 특징점 20제 4 장 실험 결과 23제 5 장 결론 31참고문헌 33
최근 본 자료
댓글(0)
0