Detection & Tracking

1 분 소요

Detection(검출)

Training stage
- 많은 양의 object images와 non-object images를 수집
  - # of non-object images > # of object images
- object를 적절하게 잘 표현하는 features를 찾음
- feature에 기반하여 물체를 구분할 수 있는 classifier(or threshold)를 디자인
Test stage
- 입력 영상으로 부터 features 추출 (training stage에서 사용한 feature와 동일)
- trained classifier를 사용해서 물체의 존재 유무를 판단

Feature
- Harr-like feature(openCV)
  - 영상의 특정 영역에 해당하는 픽셀들의 값을 더하고 더한 두 영역의 차로 해당영역을 표현
  - 다양한 형태, 크기, 위치로 존재
Training
- 생성된 많은 features 중 얼굴을 구분하는 good features를 선택
  - -> Adaboost(Adaptive Boosting)을 사용(openCV)
- Boosting: 여러 개의 weak-learner의 집합으로 strong learner를 생성
- Adaptive: 각각의 weak-lerner에 weight를 다르게 조절
Cascade classifier
- many weak learners -> strong lerner
- 여러 개의 strong lerners로 직렬 연결
  - 각각의 strong lerner를 구성하는 weak lerner의 수는 다름
  - 영상은 첫번째 strong lerner부터 순서대로 넘어감 (판별 정확성 강화)
  - 뒤에 있는 strong lerner가 weak lerner가 많은 이유
    : 연산량이 많아서 앞에 두면 알고리즘의 속도가 느려짐
  - non-face regions를 쉽게 제거
Integral image
- openCV 구현이 되있는 face detection algorithm은 integral algorithm을 활용
- 좌상단~해당하는 픽셀 위치까지 사각형을 정의하고 사각형 내부에 들어가는 값들을 전부 더함
- 연산량이 줄음

어떠한 점들의 밀도가 최대가 되는 위치로 이동시켜주는 algorithm
iterative method
Histogram back-projection
- roi영역에 해당하는 pixel들의 밝기값은 크다.
- 밝기값이 높은 픽셀들의 밀도가 가장 높은 곳으로 기존에 설정됐던 roi를 이동시켜주는 방식
- EX)
- Model image(ROI) -> Hue-Saturation histogram
  -> Back projection -> Target image -> Probability of each pixel being part of mode image
initialization
- initial detection -> object model (histogram)
histogram back projection
- input image (next frame) -> backprojection image -> mean-shift localization

the apparent motion of brightness patterns in the image
밝은 물체의 움직임
KLT alogirthm
- Assumption
  - Intensity of objects are not changed over consecutive frames
  - 어떠한 물체의 밝기값은 인접한 프레임에서는 변하지 않는다.
  - Movement of pixels are similar to that of adjacent pixels
  - 어떠한 픽셀의 움직임은 인접한 픽셀의 움직임과 유사
  - I(x,y,t) = I(x+𝝙x, y+𝝙y, t+𝝙t)
- By applying Taylor series
- Extract features first and track the extracted features
- 특정한 features를 영상 내에서 추출하고 feature의 그 다음 시점의 위치를 위 식을 만족시키는 𝝙x, 𝝙y를 구함
KLT algorithm with pyramids
- 큰 움직임에도 추적이 가능하게 설계
- Original KLT algorithm cannot