In this thesis, we focus on developing a novel visual target tracking system (TRACTOR)
which enables long-term target tracking in realistic tracking scenarios. Although much
progress has been made in the eld of visual target tracking, there are still challenging scenarios where even state-of-the-art trackers do not operate reliably. For instance, most trackers are prone to drift if a target moves abruptly in unexpected directions, or reappears after being fully occluded by the clutters or disappeared from the eld of view of a camera. To cope with these scenarios e ectively, the proposed tracking system subdivides the task of visual target tracking into two sub-tasks, i.e., tracking and detection. i) For target-visible frames, the tracker builds a collaborative framework with the proposed appearance, observation, and motion models thereby achieving robust performance against unexpected motions and appearance changes of a target. ii) For target-invisible frames, the detector veri es continuously whether a target candidate is the lost target or clutter thereby reducing the false target alarms e ectively. iii) Once the detector nds the target, the detector resumes the operation of the tracker from the detected state. In extensive quantitative experiments, the proposed tracking system shows very promising performance in comparison with state-of-the-art tracking methods.
본 학위 논문은 다양한 표적 추적 영상에서 장기간 표적 추적이 가능한 새로운 시각적 표적 추적 시스템을 제안하고자 한다. 시각적 표적 추적 기술은 가상 현실, 로봇 비젼, 감시 영상 등 다양한 어플리케이션에서 활용가능한 최신 기술분야중 하나로서, 이러한 어플리케이션에 성공적으로 적용되기 위해서는 실제 추적 상활과 유사한 장기간의 추적 시나리오에서 그 성능이 사전 검증되어야 한다. 그러나, 현재까지 많은 발전을 거듭해 온 최신의 표적 추적 시스템들 조차도 이러한 추적 시나리오들에서 여전히 미흡한 동작 특성을 보이고 있다. 예를 들어, 표적이 예상치 못한 방향으로 갑자기 움직이거나 카메라가 심하게 흔들리는 경우, 표적의 형상이 심하게 변화하는 경우, 표적이 다른 물체에 의해 가려지거나 카메라 화각 밖으로 사라졌다가 다시 나타나는 경우 등에서 표적 추적에 실패하는 경우들이 종종 발생한다. 따라서, 본 학위 논문에서는 이러한 문제들에 효과적으로 대처하고자, 크게 `추적기`와 `검출기`로 구성된 새로운 표적 추적 시스템을 제안하다. 먼저, 추적기는 재귀적 베이시안 추정이론(파티클 필터링)을 바탕으로 새로운 표적 형상 모델, 관측 모델, 움직임 모델로 구성되어, 표적이 존재하는 영상들에서 효과적으로 표적의 위치를 추적한다. 표적 형상 모델은 조명 변화에 강건하며 타겟 적응적인 특성 벡터를 생성하도록 고안된 적응적 코드 패턴 디스크립터를 이용해 구성되고, 관측 모델은 타겟의 위치를 결정하는 기본적인 기능 이외에 타겟의 부분적 가려짐 여부와 파티클의 수를 타겟의 움직임을 통해 추정하여 조정하는 새로운 기능을 포함한다. 움직임 모델은 표적의 이동을 효과적으로 예측하기 위하여 옵티컬 플로우 기술에 기반한 광역적 추정과 국부적 추정을 순차적으로 수행한다. 다음으로, 검출기는 표적이 보이지 않는 영상들에서 표적 후보 영역이 표적인지 여부를 지속적으로 판단하여, 표적이 다시 나타났을 경우 이를 검출하고 추적기의 동작을 재개시킨다.
