Improved Mean-Shift Tracking using Adoptive Mixture of Hue and Saturation
Han-dong Park, Jeong-Su Oh · The Journal of the Korean Institute of Information and Communication Engineering · 2015
색상을 이용한 Mean-Shift 추적 알고리즘은 배경이 객체와 유사한 색상을 가질 때 객체 추적을 실패하는 문제가 있다. 본 논문은 색상 대신 새로운 조합 데이터 이용해 개선된 Mean-Shift 추적 알고리즘을 제안하고 있다. 새로운 데이터는 서로의 상관도가 낮은 색상과 채도의 적응적인 조합으로 생성된다. 즉, 제안된 알고리즘은 객체와 배경을 잘 구분되는 주 색요소와 그렇지 않은 부 색요소 선택하고, 주 색요소와 부 색요소의 상위 4 비트를 각각 조합 데이터의 상위 4비트와 하위 4 비트에 할당한다. 제안된 알고리즘은 배경이 객체와 유사한 색상을 갖는 추적 환경에서도 채도를 주 색요소로 선택함에 의해 추적 오차를 최대 2.0~4.2 화소, 평균 0.49~1.82 화소를 유지하면서 적절하게 객체를 추적한다. Mean-Shift tracking using hue has a problem that it fail in the object tracking when background has similar hue to the object. This paper proposes an improved Mean-Shift tracking algorithm using new data instead of a hue. The new data is generated by adaptive mixture of hue and saturation which have low interrelationship . That is, the proposed algorithm selects a main attribute of color that is able to distinguish the object and background well and a secondary one which don't, and places their upper 4 bits on upper 4 bits and lower 4 bits on the mixture data, respectively. The proposed algorithm properly tracks the object, keeping tracking error maximum 2.0~4.2 pixel and average 0.49~1.82 pixel, by selecting the saturation as the main attribute of color under tracking environment that background has similar hue to the object.