Journal of the Institute of Electronics Engineers of Korea SP (대한전자공학회논문지SP)

The Institute of Electronics and Information Engineers (대한전자공학회)
권호 표지

Combined Active Contour Model and Motion Estimation for Real-Time Object Tracking

능동윤곽모델과 움직임 추정을 결합한 실시간 객체 추적 기술

  • Kim, Dae-Hee (Dept. of Image Engineering, Graduate School of Advanced Imaging Science, Multimedia, and Film, Chung-Ang University) ;
  • Lee, Dong-Eun (Dept. of Image Engineering, Graduate School of Advanced Imaging Science, Multimedia, and Film, Chung-Ang University) ;
  • Paik, Joon-Ki (Dept. of Image Engineering, Graduate School of Advanced Imaging Science, Multimedia, and Film, Chung-Ang University)
  • 김대희 (중앙대학교 첨단영상대학원 영상공학과) ;
  • 이동은 (중앙대학교 첨단영상대학원 영상공학과) ;
  • 백준기 (중앙대학교 첨단영상대학원 영상공학과)
  • Published : 2007.09.25
Download PDF
⟨ Previous Next ⟩

Abstract

In this paper we proposed a combined active contour model and motion estimation-based object tracking technique. After assigning the initial contour, we find the object's boundary and update the initial contour by using object's motion information. In the following frames, similar snake algorithm is repeated to make continuously estimated object's region. The snake algerian plays a role in separating the object from background, while motion estimation provides object's moving direction and displacement. The proposed algorithm provides equivalently stable, robust, tracking performance with significantly reduced amount of computation, compared with the existing shape model-based algorithms.

본 논문에서는 능동윤곽모델에 기반을 둔 스네이크 알고리듬을 움직임 추정과 결합하여 안정적인 객체 추적 기술을 제안하였다. 초기 영상에서 목표 객체의 초기 윤곽을 지정한 후 스네이크 알고리듬을 사용하여 객체의 경계 영역을 찾아내고, 동시에 움직임 추정 기술을 사용하여 객체의 이동 방향과 거리를 예측하여 초기값을 갱신한다. 연속되는 다음 영상에서는 스네이크 알고리듬을 같은 방법을 사용하여 객체 영역을 추정한다. 스네이크 알고리듬은 배경과 객체를 구분하는 역할을 수행하고, 움직임 추정 알고리듬은 객체의 이동 방향과 변위를 찾아낸다. 제안된 기술은 기존의 형태모델에 기반을 둔 추적 기술에 비해 상당히 계산량이 줄기 때문에 실시간 객체 추적이 가능하며 복잡한 배경에서도 추적의 정확도를 유지하는 장점이 있다.

Keywords

References

  1. Y. Boykov, D.P. Huttenlocher, 'Adaptive Bayesian recognition in tracking rigid objects,' Computer Vision and Pattern Recognition, vol.2, pp.697-704, 2000
  2. I. Haritaoglu, D. Hartwood, and L. S. Davis, 'Real-time surveillance of people and their activities,' IEEE Trans. PAMI, vol. 22, pp.809-830, 2000 https://doi.org/10.1109/34.868683
  3. S. J. Mckenna, Y. Raja, S. Gong, 'Tracking color objects using adaptive mixture models,' Image and Vision Computing, vol. 17, pp.225-231, 1999 https://doi.org/10.1016/S0262-8856(98)00104-8
  4. R. Plankers, P. Fua, 'Tracking and modeling people in video sequences,' Comp. Vision and Image Understanding, vol. 81, pp. 285-302, 2001 https://doi.org/10.1006/cviu.2000.0891
  5. M. Kass, A. Witkin, and D. Terzopoulos, 'Snake: Active contour models,' International Journal of Computer Vision, pp.321-331, 1998
  6. A. A. Amini, T. E. Weymouth, and R. C. Jain, 'Using dynamic programming for solving variational problems in vision,' IEEE Trans. Patt. Anal. Machine. Intell., pp.855-867, 1990
  7. S. Tanimoto and T. Pavlidis, 'A hierarchical data structure for picture processing,' Comput. Graphics Image Process. vol. 4, pp. 104-119, 1996 https://doi.org/10.1016/S0146-664X(75)80003-7
  8. D. J. Williams, Mubarak Shah, 'A fast algorithm for active contours and curvature estimation,' CVGIP: Image Understanding, vol. 55, no. 1, pp. 14-26, 1992 https://doi.org/10.1016/1049-9660(92)90003-L
  9. L. D. Cohen, 'On active contour models and balloons,' CVGIP: Image Understanding, vol. 53, no. 2, pp. 211-218, March 1991 https://doi.org/10.1016/1049-9660(91)90028-N
  10. S. Kim, J. Kang, J. Shin, S. Lee, J. Paik, S. Kang, B. Abidi, and M. Abidi, 'Optical flow-based tracking of deformable object using a non-prior training active feature model,' Proc. PCM 2004, LNCS, vol. 3333, pp. 69-78, December 2004