객체 경계의 질감 특성을 이용한 손 추적 스네이크

Abstract

본 논문에서는 복잡한 배경 환경에서 손의 모양이 변하는 경우에도 손의 모양을 정확하게 추적할 수 있는 스네이크 알고리즘을 제안한다. 배경 변화에 강건한 손 모양 추적을 위해 손 경계의 영역을 손 영역과 배경 영역으로 구분한다. 윤곽선이 배경 영역의 에지에 수렴하지 않고 손 영역의 경계에 수렴하기 위해 손 영역의 질감 정보만을 비교한다. 또한 윤곽선이 빠르게 수렴할 수 있도록 스네이크 에너지 함수에 손 경계 방향 정보에 대한 항을 추가하였다. 제안하는 알고리즘은 크게 네 단계로 이루어진다. 첫 번째 단계에서는 손 경계 영역의 질감 정보를 획득한다. 두 번째 단계에서는 획득한 영역을 손 영역과 배경 영역으로 구분한다. 세 번째 단계에서는 윤곽선이 배경 영역의 에지에 수렴하는 것이 아니라 객체의 에지에 수렴되도록 하기 위해서 손 내부 영역의 질감 정보를 나타내는 질감 계수를 구하고, 윤곽선의 수렴 속도를 빠르게 하기 위해서 스넥셀의 위치에서 손 경계로 향하는 방향을 나타내는 방향 계수를 구한다. 마지막 단계에서는 기존 스네이크 에너지 함수에 질감 계수와 방향 계수를 적용한 새로운 스네이크 에너지 함수를 정의하고, 새로운 함수를 이용하여 윤곽선을 수렴시킨다. 실험 결과를 통해 제안하는 알고리즘은 기존 방법에 비해 평균 0.2초의 시간이 더 소요되나 복잡한 배경에서도 손 모양을 정확하게 추적하는 것을 확인하였다.; In this thesis, a snake algorithm which considers texture around object boundaries is proposed for tracking deformable object in video sequences with complex backgrounds. To accurately track a shape of moving object against background variation, we classify texture region into object region and background region. For contours does not converge to background but object boundaries, only texture information of object region is compared to previous one. Additionally, new directional term is add to snake energy function for contours converge more faster. The proposed algorithm consists of four steps. In the first step, texture information around snaxels on the object boundaries are extracted. In the second step, each region with texture information are classified into object region and background region by inner directional vector and curvature vector. In the third step, texture coefficients implying the corresponding texture information of object region are calculated. Then directional coefficient representing direction toward object boundaries from current snaxel is calculated. In the final step, we redefine new snake energy function applying texture coefficient and directional coefficient. By new snake energy function, contours move to place which minimizes snake energy. As a result, experiments have verified that the proposed method tracks the accurate shape of moving object in video sequences with complex background and non-rigid object. For evaluating a quantitative performance, the execution time for object tracking have been analyzed. Even though the execution time is increased by 0.2 second per frame over existing methods, the proposed method more accurately tracks the shape of moving object against existing ones.