UAVs have been powerful tools for intelligent, surveillance and reconnaissance (ISR) mission. Essential step of ISR mission is object recognition. In general, object recognition al-gorithms have heavy computational load. Therefore, they are hard to be implemented for real-time applications. The aim of this article is to address ground target recognition on aerial im-ages from UAV. In this research, two techniques to reduce the computational load will be pre-sented. First, boosted classifier with cascade structure is utilized in candidate detection proce-dure. Weak classifiers are boosted with ada-boosting algorithm. With boosting procedure, classifies are trained to extract objects correctly. Cascade structure is constructed with boosted classifiers. With cascade structure, computation time can be reduced about 10 times than the time that only boosted classifiers are utilized. Second, scale selection technique is utilized. Searching scale can be estimated with state measurements of UAV. Classification with support vector machine (SVM) is utilized for object recognition. Simulations are conducted to confirm the performance of proposed methods.
본 논문은 무인항공기를 이용한 지상 목표물 인식기법에 대한 연구이다. 인식은 교육기반 분류 기법 중 하나인 서포트벡터머신 (Support Vector Machine) 기법을 통해 이루어진다. 분류에 사용되는 특징은 BOW (Bag Of Words) representation을 통해 얻어지는 Visual Words이고, 입력영상은 Visual Words의 히스토그램으로 표현된다. 이렇게 히스토그램으로 표현하게 되면 특징의 위치 정보를 확인할 수 없는데, 이를 보완하기 위해서 입력 영상을 특정 크기의 격자 형태로 그 영역을 나누어 각 영역에 대한 Visual Words의 히스토그램으로 표현하는 Spatial histo-gram 기법을 사용한다.
인식 시간을 개선하기 위해 다음과 같은 두 가지 기법을 추가하는 것을 제안한다. 첫 번째는 캐스캐이드 구조를 갖는 목표물 검출기를 사용하는 것이다. Viola Jones classifier라고도 불리는 이 검출기는 Haar 특징을 기반으로 하며, 간단한 특징들을 검출 하는 Weak classifier들의 집합으로 구성되어 있다. 기존의 목표물 검출기에 대한 연구가 Weak classifier를 Boosting 기법을 통해서 검출률이 높은 검출기를 만들어 내는 것에 주목된 연구였다면, Viola Jones classi-fier는 Boosting을 통해서 검출률이 낮은 것부터 높은 것까지 단계별로 검출기를 만들어 내고, 이 검출기들을 캐스캐이드 구조로 구성 함으로서 검출률은 기존과 비슷하지만 검출 속도를 기존의 약 10배 가량 향상시킨 기법이다. 이 기법을 통하여 서포트벡터머신으로 분류할 목표물의 후보들을 1차적으로 검출 함으로서 계산속도 향상 효과를 확인 한다. 두 번째는 무인항공기의 현재 상태 값을 이용하는 것이다. 영상 내에 촬영될 목표물의 크기를 예측할 수 있다면, 목표물을 검출과정에서 계산 속도를 크게 줄일 수 있다. 영상 내 목표물의 크기 예측에는 목표물의 좌표를 추정하는 기법에서 사용되는 영상 깊이 값을 계산하여 이용 한다. 무인항공기의 고도, 자세정보, 카메라의 장착위치 및 각도, 카메라 특성 파라미터 등을 이용하면 촬영 영상 내의 목표물의 크기를 예측할 수 있는데, 이를 통한 계산속도 향상 효과를 확인 한다.
영상 내 목표물의 형태는 항공영상을 촬영하는 카메라의 방향에 따라 다르다. 그리고 여러 개의 목표물들이 똑같은 방향으로 정렬되어 있으리란 보장도 없다. 하지만, 교육 기반 인식기법을 이용한 목표물 인식을 위해서는 목표물 샘플들간의 공통적인 특징이 발견되어야 한다. 만약 목표물이 정렬되어 있지 않다면, 공통적인 특징을 발견되지 않을 것이고 따라서 목표물 인식기를 교육시킬 수 없게 된다. 그렇기 때문에 목표물 인식기 교육에는 특정 방향으로 정렬된 샘플들이 이용될 수 밖에 없다. 이렇게 교육된 인식기를 이용하여 회전된 목표물을 인식하게 하기 위하여 영상 변환을 이용하여 입력 영상을 회전시키는 것을 제안한다. 영상 변환 기법을 이용 다양한 각도로 입력 영상을 회전 시킨 뒤, 이를 목표물을 인식에 이용하고 그 효과를 확인 한다.
