시각적 추적의 연구 의의

시각은 인간이 세계를 인식하는 중요한 방법 중 하나이며, 인간이 외부 정보를 얻는 8% 는 시각 시스템에서 나온다. 계산 시각은 인간의 시각에 대한 이해를 바탕으로 인간의 시각 기관 대신 이미징 시스템을 사용하고, 인간의 뇌 대신 계산급을 사용하여 입력 이미지에 대한 처리와 이해를 완성하는 것이다. 한편 정보기술과 지능과학이 발달하면서 컴퓨터 비전은 인공지능 분야에서 인기 있는 학과 중 하나이며 사물인터넷 인식층의 중요한 기술 중 하나이다. < P > 시각적 추적 기술은 컴퓨터 시각 분야에서 가장 인기 있는 과제 중 하나로 연속적인 이미지 시퀀스에 대한 이동 대상 감지, 추출 특징, 분류 인식, 추적 필터, 동작 인식을 통해 정확한 대상 동작 정보 매개변수 (예: 위치, 속도 등) 를 얻고 이에 따라 처리 분석을 수행하여 대상의 행동을 이해하는 것입니다. < P > 시각적 추적은 이미지 시퀀스에서 움직이는 대상을 감지, 추출, 인식 및 추적하고 위치, 속도, 가속도 및 모션 트랙과 같은 움직이는 대상의 모션 매개변수를 획득하여 다음 처리 및 분석을 수행하고 움직이는 목표의 동작 이해를 실현하여 더 높은 수준의 감지 작업을 수행하는 것을 의미합니다. < P > 외국은 동영상 목표 탐지 및 추적 분야의 연구가 일찍 시작되면서 미군과 미국 자연과학기금 위원회는 복잡한 환경에서 목표의 탐지, 추적 및 인식 알고리즘 연구 및 응용에 대해 매우 우려하고 있습니다. 1991 년 미국 국방고등연구프로젝트서 DARPA 는 카네메론 대학에 지원한 시각정보를 드론에 적용하는 연구를 진행했다. 1997 년 DARPA 는 여러 미국 고교를 비디오 감시 시스템 주요 프로젝트인 Vsam (Video Surveillance and Monitoring) 의 연구개발에 다시 초청했다. 미 국방부 DAPRA 및 JSG& CC 는 자동 인식 워크그룹 ATRWG 를 공동 설립했습니다. 이후 외국의 유명 대학과 연구기관도 비디오 대상의 감지 및 추적 알고리즘에 대해 심도 있게 연구하고, J.Davis 등은 인체 감지에 적합한 배경 감산 알고리즘을 제시했다. 먼저 기존 프레임 감산 알고리즘을 사용하여 관심 영역을 얻은 다음 그라데이션 정보를 통해 관심 영역에서 목표 윤곽을 찾고, 목표 윤곽을 통해 목표 위치를 결정하고, S.Huwer 등은 배경 모델 문제를 심도 있게 연구하고, 제시했다.

1999 년 이후 국내 일부 고교와 과학연구기관들도 영상목표감지와 추적에 대한 연구를 시작했다. 중과원 자동화소의 패턴 인식 국가 중점 실험실 이미지와 영상 분석 연구팀이 개발한 교통 행위 사건 분석 시스템. 21 년 칭화대가 개발한 야외 환경에 적합한 시각 조사 시스템. < P > 시각적 추적 발전이 비교적 성숙하여 여러 가지 방법이 등장했다. 처음에는 시각적 추적 연구가 칼만 예측 추적, 멘쉬프트 추적, 입자 필터 추적 등과 같은 대상 모션 모델 연구에 초점을 맞추었습니다. 시각적 추적은 목표 성과 모델 연구에 더 중점을 두고 있으며, Tracking by detection 은 Ensemble Tracking, Support vectortracking, incremental leaning for visual tracking 과 같이 시각적 추적이 많은 화제가 되고 있습니다