Recently, sparse representation model is developed in the computer vision, and is applied widely to many issues. With this framework, many hard problems such as occlusion, corruption, and illumination changes are handled by introducing a sparse representation model with sparse error. Also, the sparse solution can be easily achieved by solving l1 minimization. In this paper, we extend a sparse representation model to the robust visual tracking, and three main methods are proposed to handle the visual tracking system. 1) We use a sparse representation classifier model to track a target model, and A matrix of sparse representation model consists of the positive templates and negative templates from around the target model. With this A matrix, we can solve the tracking problem as a classifier problem, and protect the templates not to update in the negative area. 2) Positive and negative templates are consecutively updated. Furthermore, templates are multiply updated using positive and negative bags to represent the model of the target. 3) Finally, a dynamic appearance change of the object is handled by a mean-shift based spatial voting using sparse representation image-patch matching. A target is divided into several patches, and these patches are matched by using sparse representation equation. With these patches, we find the center point by mean-shift algorithm. With the advantages of these proposes tracking system, we will demonstrate the experiment result with the challenging visual tracking sequence in comparison with the state-of-art trackers. These challenging sequences are 1) OneLeaveShopReenter2cor sequence which has occlusion of a target model, 2) car4 sequence which shows illumination changes due to the shadow effect, 3) animal sequence in which a target moves dynamically, 4) singer1 sequence in which a target is corrupted by a light effect, and a scales is gradually changed, 5) skating1 sequence where an appearance of a target is dynamically changed in the sequence, and 6) david sequence which has total challenging issues which are mentioned above. With challenging issues such as occlusion, noise effect, scale variance, illumination change, and changing appearance of the target is successfully handled in the proposed tracking system.
최근 희소성 표현 모델은 컴퓨터 비젼 분야에서 연구되어지며, 많은 문제로 적용되고 있다. 오차 모델을 합친 희소성 표현 모델은 가림 현상, 왜곡, 그리고 조명 변화 같은 어려운 문제를 쉽게 해결할 수 있는 강점이 있다. 또한, 희소성 표현 모델은 L1 최소화로 쉽게 풀릴 수가 있다. 이 논문에서는, 희소성 표현 모델을 물체 추적에 적용하였고, 이로 인한 3가지의 새로운 방법을 제시하였다. 1) 파지티브와 네거티브 템플릿으로 구성한 희소성 표현 모델의 행렬 A를 구성하여, 물체 추적 물체를 분류 문제로 사용하여 전경 부분에서만 외형 모델을 업데이트할 수 있게 하였다. 2) 외형 모델을 표현할 수 있는 파지티브와 네거치브의 템플릿이 여러 개가 동시에 업데이트 될 수 있는 전략을 제시하였다. 3) 그리고, 외형이 동적으로 변하는 타겟을 추적할 수 있게 평균 이동 기반 영상 분할 정합과 공간 투표 추적을 보였다. 여기서 타겟은 여러 분할 영상으로 나뉘어져 희소성 표현 모델을 이용하여 정합이 되었다. 이러한 추적 시스템의 우수성을 입증하기 위해 다른 추적기와의 비교 분석으로 여섯 영상 세트에 대해 실험을 하였다. 이러한 영상 세트로는 가림 현상이 있는 OneLeaveShopReenter2cor 영상 세트, 그림자로 인해 타겟의 조명 변화가 심한 car4 영상 세트, 타겟이 동적으로 많이 움직이는 animal 영상 세트, 빛에 의해 타겟이 가려지고, 크기 변화가 심한 singer1 영상 세트, 타겟의 외형 변화가 심한 skating1 영상 세트, 그리고 마지막으로 물체 추적의 문제가 복합적으로 나오는 david 영상 세트에 대해 실험하였다.
