With the popularization of vision-based robots and video camera applications, object tracking became one of the major fields in computer vision system. While the other two major fields, recognition and detection, basically operate on one image frame, tracking algorithms deal with a set of consecutive frames that information from previous frames are also taken into account. Changes in object directions, scales and rotations between frames, computation time and occlusions are major difficulties in object tracking and one of the popular methods robust to these problems is Mean-shift tracking. In this thesis, tracking procedure was divided into two different modes of Target tracking and Target searching. Tracking was processed with color-based Mean-shift tracker with Target-adjusted color model and new window adjusting schemes. Searching process was processed with SIFT features matching. A new Mean-shift tracking strategy robust to unexpected movements of target objects or viewers was proposed. While reducing the probability of falling into erroneous states, it still maintains its advantages-a small number of computations by focusing on local information around the target and tracking of non-rigid objects. Target searching process is executed when the similarity between the current region and the previously saved target region is low, that is when the initial state for the Mean-shift is not yet proper. The new initial location of the tracking window is computed from the SIFT features matching result. Note that this searching is also done in a local region, the size of the region being chosen according to the value of a similarity coefficient. The purpose of this thesis is to propose and implement a new tracking method especially robust to abrupt motions or scale changes. To satisfy this, using color-based tracking and feature-based searching was proposed, a new window adjusting schemes was proposed and the Target-adjusted color model was used. The usefulness of this method was proved to be effective through experiments.
최근 비전 기반 서비스 로봇 및 비디오 카메라 기반의 다양한 어플리케이션이 주목을 받으면서, 강인하면서도 빠른 물체 추적 알고리즘의 필요성이 대두되었다. 실시간 영상 처리에 널리 쓰이고 있는 평균 이동 알고리즘 기반의 물체 추적은 모델의 가정 및 그 모델의 파라미터를 구하는 과정이 없는 비교적 가벼운 연산에도 불구하고 높은 성능을 보인다. 이러한 장점 덕분에 비전 기반 모바일 로봇의 물체 추적 및 기타 이동 물체 추적에 널리 쓰이고 있고, 최근에도 관련 연구가 다양한 방식으로 진행중이다. 본 학위논문에서는 평균 이동 알고리즘 기반의 물체 추적 및 관련 연구에 대해 고찰하고, 기존의 방법에서 추적 실패가 일어나는 상황을 극복할 수 있는 강인한 물체추적 방법을 제안하였다. 첫번째로, 대상 물체의 색 정보를 고려한 효율적인 color bin을 사용하여 불필요한 연산을 없애는 동시에, 대상 물체가 갖는 색 분포에 집중하였다. 두번째로, 특징점 추출 알고리즘에 기반한 매칭 이론을 사용하여 기존 방법이 추적에 실패하게 되는 급격한 이동이 일어나는 상황에도 효과적인 대처가 가능케 하였다. 세번째로, 대상 모델과 후보 영역 모델 간의 유사도 값을 이용하여 추척 창 및 검색 창의 크기와 방향을 효율적으로 변환할 수 있는 방법을 제안하였다. 실험 결과를 통해 제안된 방법이 효율적인 color bin의 사용을 통해 계산량을 감소시키고, 지역 검색 방법의 도입으로 기존의 추적 방식에서 나타나는 추적실패 상황에 효과적으로 대응하는 것을 확인할 수 있었다.