움직임 벡터 기반 파티클 필터를 이용한 비트스트림 상에서의 객체 추적 = Object tracking in bitstreams with a motion vector-based particle filter

국문 초록 (Abstract)

비트스트림 상에서 객체 추적을 위한 기존 방법들은 움직임 벡터(Motion Vector, MV)의 시공간적 특징을 반영한 ST-MRF(Spatio-Temporal Markov Random Field) 모델을 기반으로 한다. 그러나 ST-MRF 모델은 객체와 배경의 MV간 특성의 유사도 증가에 따른 과분할 및 오류 전파 현상이 발생한다. 본 논문에서는 이러한 문제를 해결하기 위하여 비트스트림 상에서 MV 기반 파티클 필터(Motion Vector-based Particle Filter: MVPF)를 사용하여 객체를 추적하는 방법을 제안한다. 이 방법은 추적 결과의 과분할 현상을 막기위한 관측 모델과 파티클 필터의 병목현상을 해결하기 위한 전이 모델로 구성된다. 제안하는 객체 추적 방법의 성능 평가를 위해서 다양한 객체 및 카메라 움직임을 가지는 MPEG 표준 영상과 VOT 영상을 HEVC 포맷으로 압축한 비트스트림을 실험에 사용한다. 제안하는 방법을 적용 하였을 경우 가장 최신의 ST- MRF 기반 추적 기법보다 평균 재현율은 약 11%감소하지만 평균 정확도, F-Measure, IOU(Intersection Of Union)가 각각 약 30%, 17%, 17% 증가하고, 평균 CER(Center Error Rate)과 OR(Overlap Rate)은 각각 28%, 27% 향상된다. 주관적 성능을 평가하기 위하여 실험 영상에서 추적 대상을 박스 형태로 표현한다. 기존 방법들과 비교할 때 제안하는 방법이 가장 강건하게 물체를 추적한다.

다국어 초록 (Multilingual Abstract)

Previous works for object tracking on a bitstream have been based on the ST-MRF(Spatio-Temporal Markov Random Field) model, which reflects both temporal and spatial characteristics of the motion vectors. However, the ST-MRF model has some problems such as over- segmentation and error propagation due to the similarity between the motion vector of the object and the background. Thus, we propose an object tracking method using MVPF(Motion Vector-based Particle Filter) on bitstream in this thesis to solve those problems. The proposed method consists of two models to solve the over-segmentation phenomenon as well as bottleneck of the particle filter: an observation model and a transition model. In order to evaluate the performance of the proposed method, we use as experimental sequences MPEG standard and VOT sequences with various objects under camera motion. Those experimental sequences are compressed by an HEVC encoder. In experimental results, the proposed method increases the mean accuracy, F-measure, and IOU(Intersection Of Union) by about 30%, 17%, and 17%, respectively, over a state-of-the-art method but reducing the average recall by about 11%. Furthermore, the average CER (Center Error Rate) and the average OR (Overlap Rate) are improved by about 28% and 27%, respectively. The tracking results are expressed in box form to show the subjective performance. When compared with conventional methods, the proposed method can track the moving object most robustly.

목차 (Table of Contents)

• 제 1 장 서론 1
• 제 2 장 파티클 필터 5
• 2.1 베이지안 필터 5
• 2.2 주표본 기법 6
• 2.3 SIR 기법 8
• 제 3 장 Motion Vector-based Particle 10
• 3.1 움직임 벡터 필드 생성 11
• 3.2 움직임 벡터 역투영 11
• 3.3 예측 12
• 3.4 특징 14
• 3.5 우도 16
• 3.5.1 움직임 벡터 16
• 3.5.2 공간적 특징점 17
• 3.5.3 시공간 거리 18
• 3.5.4 가중치 갱신 20
• 3.5.5 시간적 특징점 20
• 제 4 장 실험 결과 23
• 제 5 장 결론 31
• 참고문헌 33