The tracking and pose estimation of people in video made challenging problem due to the variability
of human appearance. In this thesis, we research on articulated 3D human motion and pose estimation.
However the human posture recognition has many dicult problems to be solved, because the human
body model is deformable object, besides we have to process the complexity of natural scenes and the
high dimensionality of articulated body models. Also the several problems such as texture of clothes,
lighting change, illumination, various colors made the problem harder.
Recent approaches to estimating and tracking human posture exploit articulated human body models
in which the body is viewed as a kinematic tree. Since the particle lter has been proven as very successful
algorithm for non-linear and non-gaussian estimation problem, the particle ltering was alternative
method for human body tracking. Our goal is to develop a modi ed particle lter which is shown to
be e ective at searching the high-dimensional con guration spaces (40 dimensions) by using time series
prediction. Our results was suggested in constrained laboratory environments and showed our methods
perform quite well than others. Multiple cameras and background subtraction, however, are required to
achieve reliable tracking performance. In this thesis, we proposed the admix vector and time series vector
(TSV) particle lter. The proposed likelihood which is admix vector can reduce the computation time
and solve the asymmetric problem at the same time. To solve the problem of the robust tracking of fast
moving object, the time series prediction was employed to predict states following regression information
of RBF neural network.
사람 포즈 추정(Human pose estimation) 이란 사람의 포즈나 동작을 비디오영상으로부터 인식하고 추적하는 것을 말합니다.
비디오 영상으로 부터 얻어진 사람의 이미지로 부터 포즈를 측정하고 추적하는 문제는 항상 어려운 문제 였습니다.사람의 바디는 변형가능한(deformable) 물체 이고 저희는 노이즈 데이타로 볼수 있는 복잡한 환경에서 높은 차원의 바디 모델을 계산 하고 처리해야 합니다. 게다가 옷의 텍스쳐, 빛 과 조명의 변화, 다양한 칼라등 이 이미지 데이타로 부터 저희가 원하는 정보를 얻는것에 방해를 줌으로써 사람의 바디 추적 문제를 더 어렵게 만들었습니다. 이 논문 에서, 저희는 관절로 구분되어진(articulated) 3차원 사람의 움직임이나 포즈의 추정에 관한 연구를 하였습니다.
최근의 이 문제에 대한 접근 방법으로는 관절로 된 바디를 키네마틱 트리(kinematic tree) 로 모델링 하여 문제를 좀더 단순화 하여 풀고 있습니다. 파티클 필터는 비선형 또는 비 가우시안 확률 모델 추정 문제에서 매우 효과적인 알고리즘으로 제시 되었습니다. 휴먼바디 포즈 추적은 비디오 데이터로부터의 타겟모델의 파라미터를 연속적으로 추정하는 과정입니다.
그래서 최근에는 파티클 필터가 사람의 포즈 추정에 많이 사용되게 되었습니다.
하지만 지금 현재 추정하고 있는 바디 모델의 상태(state) 의 차원(dimension)은 너무 커서 지역 극대점(local maxima)이 매우 많이 존재 합니다.
저의 제안된 아이디어로는 벡터화 방법을 이용해서 계산 시간을 줄이고, 시 연속 예측 방법과 회기 방법(regression method)들을 활용해서 해의 유효 공간을 줄이도록 파티클 필터를 계선 하므로써 정확도를 올릴 수 있었습니다. 그리고 빠르게 움직이는 물체에 대한 인식률도 높힐수 있었습니다.
