Scale-adaptive tracking with structured output
Jung-Hyun Byun, Seungho Chae, Hee Seung Choi, Tak Don Han · 2016
컴퓨터 비전 연구에서 객체 추적은 활발히 연구되는 주제 중 하나이다. 기존의 객체 추적 연구는 이미지 매칭 기반으로 대상을 추적하는 방식이 많이 이용하기 때문에 주로 정형 객체 추적(rigid tracking) 에 집중한다. 이와 달리 tracking-by-detection 방법은 추적 문제를 분류기를 이용한 검출 문제처럼 다루기 때문에 비정형 객체 추적(non-rigid tracking)을 수행하는데 효과적이다. 본 논문에서는 이러한 tracking-by-detection 방법 중 하나로 structured output Support Vector Machine(SVM) 을 활용하는 Struck [1]의 분석하고 보완하는 연구를 진행하였다.BR Struck 은 일반적인 상황에서는 우수한 추적 성능을 보여주지만 크기 변화에 대응할 수 없고, 가림 현상이 일어나 추적 대상이 화면에 보이지 않을 때도 무조건 학습을 진행한다. 따라서 background clutter 와 잘못된 학습으로 인해 추적과 학습에 drift 가 일어날 수 있다. 본 연구에서는 이러한 Struck 의 단점을 보완하기 위해 추적 대상의 크기에 맞춰 추적 상자의 크기를 조절해 background clutter 를 방지하고 크기변화에 대응하는 scale-adaptive tracking 방법을 제안한다. 후속 연구로는 SVM 의 평가 함수 점수의 임계값을 이용하는 F score with threshold 방법을 이용하여 대상이 가려졌는지 여부를 확인해 잘못된 학습을 방지할 수 있다는 것을 보여준다. 또한 이러한 비정형 객체 추적을 활용할 수 있는 응용분야를 제시하고자 한다.