동적필터링 기법을 이용한 클러터 환경에서의 영상표적 자동 탐지 및 추적에 관한 연구

Abstract

본 논문에서는 클러터가 존재하는 환경에서 영상 탐색기를 통해 들어오는 영상정보를 이용한 표적의 자동탐지 및 추적기법 알고리듬을 제안하고 기존의 연구내용을 설명, 비교하여 그 성능을 분석한다. 영상 센서는 IR 센서, CCD 센서, UV 센서등 다양한 종류의 센서들이 존재하고 각각의 센서들의 특성이 다르므로 어떤 영상 센서를 사용하는가에 따라 획득되는 영상정보의 형태가 달라지는데, 본 연구에서는 IR센서를 이용하여 획득되는 영상정보를 사용하여 영상에 존재하는 표적을 자동으로 탐지하고 (auto-detecting) 탐지된 표적을 추적(tracking)하는 알고리듬을 개발하고자 하였다. IR 영상 탐색기를 사용하는 유도탄이나 IRST(Infra-Red Search and Tracker) 시스템에는 원거리 또는 근거리의 표적을 자동탐지 하고 탐지된 표적을 강인하게 추적하는 알고리듬이 필요하며 실제 전장 환경에서는 표적 정보 이외에 클러터 및 노이즈가 존재하는 환경이기 때문에 센서에서 들어오는 측정치 중에서 클러터와 표적을 구분하는 자료결합 방식이 결합된 동적 필터링 알고리듬을 사용하는 것이 효과적이다. 자료결합이 결합된 동적 필터링 알고리듬으로는 NNF(Nearest Neighbor Filter), SNF(Strongest Neighbor Filter), PNNF(Probabilistic NNF), PSNF(Probabilistic SNF), PNNF-m(Probabilistic NNF with m-measurements), PSNF-m(Probabilistic SNF with m-measurements), PDAF(Probabilistic Data Association Filter), MPDAF(Most Probable Data Assciation Filter), HPDAF(Highest Probability Data Association) 등의 알고리듬이 존재하는데 이러한 방법 중 시스템에 적절한 알고리듬을 선택하여 적용하는 것이 중요하다. 본 논문에서는 지대지 유도탄의 표적 탐색 및 추적 기법으로 템플릿 매칭과 PSNF-m 알고리듬이 결합된 형태의 알고리듬을 제안하고 그 성능을 분석하였고 IRST 시스템의 표적 탐색 및 추적 기법으로 HPDAF를 이용한 기법의 성능을 분석하였다. 영상정보를 이용하여 표적을 탐지하는 경우 한 개의 프레임을 처리한 결과를 가지고는 표적이라 확정지을 수 없기 때문에 여러 프레임의 축적된 영상처리 결과를 통해 표적임을 확인하는 과정이 필요하다. 본 논문에서는 시간에 따라 입수되는 영상정보를 순차적으로 처리하여 탐지에 소요되는 계산량과 시간이 비교적 적게 걸리는 방식인 Track Before Detect (TBD) 알고리듬을 적용하여 표적에 대한 트랙을 초기화하는 정보로 활용하였다. 영상 정보에는 표적뿐만 아니라 표적 주위의 배경 정보도 포함되어 있으므로 표적을 탐색하기 위해서는 적절한 배경 제거 기법을 사용하여 영상에서 표적만을 추출해 내야 한다. 이러한 배경 제거기법으로 공간필터(spatial filter)를 사용하여 화면에서 배경을 제거하는 기법을 제안하고 그 성능을 비교, 분석하였다. 동적 필터링 알고리듬에 사용되는 측정치는 점표적에 대한 측정치를 사용하지만 영상 정보속의 표적은 점표적이 아닌 일정 영역을 차지하는 영역정보로 얻어지므로 하나의 물체로부터 얻어지는 측정치들을 클러스터링(clustering) 기법을 이용하여 그 물체를 대표하는 하나의 대푯값으로 표현해야 동적 필터링 알고리듬의 측정치로 사용이 가능하다. 그러나 클러스터링 과정에 소요되는 연산 시간이 오래 걸려서는 전체 표적 탐지 및 추적 시스템의 실시간 구현에 어려움이 발생하므로 적절한 연산량을 갖는 클러스터링 기법을 적용하여야 한다. 본 논문에서는 2-D Rectangular clustering 방법을 이용하여 영상정보와 동적필터링 알고리듬을 연결하고 표적 탐색 및 추적 성능을 살펴보았다.; In this paper, we propose several image target auto-detection and tracking algorithms with input data from image sensors in a cluttered environment and demonstrate the performance of the proposed algorithms in comparison with existing algorithms. It is absolutely necessary for guided missile systems with imaging seekers or IRST(Infrared Search and Track) systems which use IR systems to develop the robust algorithms to detect. Since there are clutters and noises generated by environments, it is imperative to apply a dynamic filter algorithm combined with a data association algorithm to assign measurements to the track. There are some dynamic filter algorithms combined with data association algorithms such as the NNF(Nearest Neighbor Filter), the SNF(Strongest Neighbor Filter), the PNNF(Probabilistic NNF), the PSNF(Probabilistic SNF), the PNNF-m(Probabilistic the NNF with m-measurements), the PSNF-m(Probabilistic SNF with m-measurements), the PDAF(Probabilistic Data Association Filter), the MPDAF(Most Probable Data Assciation Filter), and the HPDAF(Highest Probability Data Association). It is important to select a proper algorithm among those for the system. We propose a PSNF-m algorithm combined with the template matching method to detect long-distance targets and track them robustly in clutter even for short range as a target detection and tracking algorithm of a ground-to-ground guided missile. The template matching method is used as a simple method to track object or pattern that we want to search in the input image data from image sensors. It recognizes a segment with the highest correlation as a target. The concept of this method is similar to the SNF(Strongest Neighbor Filter) that regards the measurement with the highest signal intensity as target-originated among other measurements. The SNF assumes that the strongest neighbor(SN) measurement in the validation gate is originated from the target of interest and the SNF utilizes the SN in the update step of a standard Kalman filter(SKF). The SNF is widely used along with the nearest neighbor filter(NNF), due to computational simplicity in spite of its inconsistency of handling the SN as if it is the true target. Probabilistic strongest neighbor filter with m validated measurements (PSNF-m) accounts for the probability that the SN in the validation gate is originated from the target while the SNF assumes at any time that the SN measurement is target-originated. It is known that the PSNF-m is superior to the SNF in performance at a cost of increased computational load. Also a method to detect and track targets for the IRST system by using the HPDAF algorithm is proposed in this paper. Because there are not only target signal but also background information in the image information, we must get rid of background information to extract the target information by using an appropriate method. We suggest, as the background removal method, by using a spatial filter and verify the performance of the suggested method. Though the dynamic filter utilizes a point measurement to update the state estimate and the covariance matrix, image target is represented by not a point but an area comprised of a few pixel. Therefore, we have to cluster this area information as a representative point value and use it as a target measurement of dynamic filter. For this purpose, we suggest a 2-D rectangular clustering algorithm and verify the performance by adapting it to the tracking system. Because it is difficult to confirm whether the track is target-originated by processing one frame, it is needed to utilize accumulated results from several frames. In this paper, we use a TBD(Track Before Detect) algorithm that processes the image information sequentially to initiate the track. It is known that the computational load of the TBD algorithm is lighter and the processing speed is faster than other methods.