Object tracking and background subtraction are important tasks within the field of computer vision. In object tracking, most existing algorithms such as particle filter based, mean shift based and feature based methods can track objects well in controlled environments. However, they have limitations on significant appearance and illumination changes since they have the fixed appearance models of the target. In back-ground subtraction, a method based on Mixture of Gaussians has good performance while its computational cost is expensive.
On-line learning based tracking methods are adaptive to appearance changes while they require long training time for good performance. In addition, on-line learning based background subtraction methods have good performance for dynamic scene while they cannot be feasibly performed in real time.
This thesis presents a novel on-line boosting method for background subtraction and object tracking. This method exploits classifier pools and each classifier pool consists of many weak classifiers. The method selects good classifiers in each classifier pool and uses them to classify. Bad classifiers in each classifier pool are replaced by randomly selected weak classifiers. The performance of the proposed method is better than those of previous on-line boosting methods using a smaller number of classifiers and reduced training time.
This thesis also presents a block based approach for real-time background subtraction. We introduce a block based opponent color local binary pattern for the boosting method. The proposed method can cope with the moving background i.e. waving leaves and fluttering flags in real time.
We analyze the proposed method through various experiments. The algorithm shows good results in both object tracking and background subtraction under dynamic environments.
물체 추적 및 전배경 분리는 컴퓨터 비전 분야에서 중요한 요소이다. 물체 추적에 있어서, 입자 필터 기반, 평균값 이동 기반, 특징점 기반 방법등 대부분의 알고리즘들은 통제된 환경에서 매우 잘 추적한다. 하지만, 고정된 외형 모델을 이용하게 때문에 급격한 외형과 조명변화에는 제한이 있다. 전배경 분리에서는 가우시안 혼합 모델 기반의 방법이 성능이 매우 좋지만, 계산량이 많다는 단점이 있다. 실시간 학습 기반의 물체 추적 방법은 외형 변화를 잘 수용할 수 있지만, 좋을 성능을 내기위한 학습 시간이 길다는 단점이 있다.
또한, 실시간 학습 기반의 전배경 분리 방법은 움직임이 많은 배경에 좋은 성능을 나타내지만 실시간으로 이용하기엔 부적절하다. 본 논문에서는 전배경 분리 및 물체추적을 위한 새로운 온라인 부스팅 방법을 제시한다.
이 방법은 여러개의 분류기 집합을 사용하며, 각각의 분류기 집합에는 여러개의 분류기가 들어있고, 각각의 분류기 집합에서 좋은 성능을 내는 여러개의 분류기를 선택해서 분류하는데 사용한다. 각각의 분류기 집합에 있는 성능이 안좋은 분류기들은 무작위로 선택한 다른 분류기와 교체를 한다.
제안된 방법은 더 적은 수의 분류기를 사용하며 학습시간도 짧지만, 성능은 기존의 방법보다 좋다. 본 논문은 영역 기반의 실시간 전배경 분리 방법을 제시한다. 우리는 영역 기반 상대 컬러 지역 이진 패턴을 제시 하였다.
본 논문에서 제안한 방법은 움직이는 나뭇잎이나 펄럭이는 깃발이 있는 영상에도 실시간으로 전배경 분리를 하였다. 본 논문에서는 다양한 실험을 하였는데, 물체 추적과 전배경 분리에서 좋은 결과를 나타내었다.
