Object tracking has been popular for various robot applications such as RoboCup and surveillance system. Mean-shift algorithm has known to be suitable for object tracking because of the fast performance with the simple implementation. By measuring the similarity of the color distribution, mean-shift algorithm tracks the target object. The stability in mean-shift algorithm, however, is unreliable when other objects having similar color distribution with the target object appear nearby. Such algorithms using color distribution for object tracking can easily converge to the false target, so called local maxima.
In this thesis, we present a noble real-time tracking algorithm which incorporates with local image features and color histogram simultaneously. Introducing local image features makes mean-shift algorithm not drift to local maxima. As a local feature, SURF (Speed Up Robust Feature) is used because fast computation with accuracy is important factor for real-time applications. SURF has shown a comparable performance to SIFT(Scale invariant Feature Transform) in the accuracy while outperforming in the computation complexity. Our algorithm first searches the target object over entire image by SUFR matching, and computes the weight from matched local features. The target object is then tracked by combining the weights from SURF and color histogram in mean-shift framework. Our approach is fast enough to be used in real-time, and robust to drift and occlusion.
We demonstrate the performance of our approach using a new tiny humanoid robot ‘DARwIn-OP’ which is developed by Robotis.,Inc. in Korea. Our system shows a reasonable performance in the accuracy and computation time in the robot soccer environment.
물체 추적은 로보컵이나 감시 시스템과 같은 다양한 로봇 응용에 적용된다. 평균 이동 방법은 빠른 성능과 간단한 구현 때문에 물체 추적에 적절한 것으로 알려져 있다. 평균 이동 방법은 색 분포의 유사도를 측정하여 목표 물체를 추적한다. 하지만, 평균 이동 방법의 안정성은 비슷한 색 분포를 가진 다른 물체가 목표 물체 가까이 있는 경우 신뢰성이 떨어진다. 물체 추적을 위해 색 분포를 이용하는 방법들은 잘못된 목표, 즉 지역 최대값으로 수렴하기 쉽다.
이 논문에서, 우리는 지역 영상 특징들과 색 히스토그램을 동시에 사용하는 새로운 방법을 제시한다. 지역적 영상 특징을 도입함으로써 평균 이동 방법은 지역 최대값으로 표류하지 않게 된다. 실시간 응용에 있어서 정확하고 빠른 연산은 중요한 요소이기 때문에, 지역 특징으로써 SURF(Speed Up Robust Feature)가 이용되었다. SURF는 계산 복잡도에서 훨씬 빠른 반면에, 정확도 측면에서 SIFT(Scale invariant Feature Transform)에 필적하는 성능을 보인다. 우리의 방법은 SURF 매칭에 의해 전체 영상에서 목표 물체를 찾고, 매칭된 지역 특징점들로부터 가중치를 계산한다. 그리고서, 목표 물체는 평균 이동 프레임웍 하에서 SURF와 색 히스토그램으로부터 나온 가중치를 결합하여 추적된다. 우리의 접근 방법은 실시간으로 사용하기에 충분할 만큼 빠르고, 표류와 가림에 대해 강인한 성능을 보여 준다.
우리는 한국의 로보티즈에 의해 개발된 `DARwIn-OP`라는 새로운 작은 휴머노이드 로봇을 이용하여 우리 접근 방법의 성능을 입증하였다. 우리 시스템은 로봇 축구 환경에서 정확도와 계산 시간의 측면에서 적당한 성능을 보여준다.
