Robust Visual Tracking with Uncertainty Analysis of Probabilistic Models

Abstract

본 학위 논문에서는 실제 환경에서 강인하게 동작하는 여러 개의 물체 추적 기법들을 제안한다. 물체 추적기는 외양 모델, 움직임 모델, 상태 모델, 그리고 관측 모델의 4개의 중요한 요소로 이루워져 있다. 이 요소들은 확률 분포들로 나타내어진다. 이 확률 분포들이 모여 하나의 사후 확률 분포가 만들어지고 물체 추적의 목적은 관측값이 주어졌을 때 사후 확률을 최대로 하는 물체의 상태를 찾는 것이다. 그렇지만 실제로 많은 경우에 위 요소들에 대한 정보 부족으로 인하여 위의 분포들을 정확하게 디자인할 수 없기 때문에 하나로 만들어진 사후 확률 분포는 필연적으로 오류를 포함할 수 밖에 없다. 따라서 우리는 사후 확률에 대한 모호성이 있다는 것을 문제로 삼고 매우 어려운 물체 추적 환경에서도 정확하게 물체를 추적하는 새로운 기법들을 제안한다. 사후 확률에 대한 모호성을 해결하기 위해 두가지 방법 즉 베이시안 모델 평균화 기법과 구간 분석 기법을 이용한다. 두가지 방법의 핵심은 사후 확률의 모호성 때문에 사후 확률 분포가 하나로 유일하게 정해지지 않으며 사후 확률 분포을 표현하기 위해서는 여러개의 사후 확률 후보 분포들로 표현되어야 한다는 것이다. 모호성을 해결하는 방법과 모호성을 고려한 요소에 따라 WLMC, BHMC, VTS, MUG, SBB, 그리고 IT로 불리는 6개의 서로 다른 물체 추적 기법들을 제안한다. 먼저 베이시안 모델 평균화 기법을 이용하여 WLMC 물체 추적기는 느린 움직임과 빠른 움직임을 동시에 추적할 수 있도록 움직임 모델을 평군화하여 모호성을 줄인다. BHMC 물체 추적기는 여러개의 상태 모델을 평균화 한다. 여러개의 상태 모델을 이용하면 시간에 따라 물체의 기하학적 외양이 심하게 변할때에도 물체를 잘 묘사할 수 있다. VTS 물체 추적기는 여러개의 외양 모델와 움직임 모델과 더불어 여러개의 관측 모델과 상태 모델도 평균화 한다. 각각의 외양 모델와 움직임 모델은 물체가 가지는 서로 다른 종류의 외양과 움직임을 표현할 수 있다. 각각의 관측 모델과 상태 모델은 노이즈는 움직임 블러 현상이 일어나는 경우에서 물체 추적기가 강인하게 동작할 수 있도록 도와준다. 구간 분석 기법을 이용하여 MUG 물체 추적기는 우도의 최저값과 최고값 사이의 구간을 얻고 이 구간을 최소화 시킴으로써 우도 예측 오류를 줄인다. SBB 물체 추적기는 상태의 최조값과 최고값 사이의 구간을 얻고 이 구간을 이용하여 비강체 물체를 효율적으로 표현하다. IT 물체 추적기는 우도의 최저값과 최고값 사이의 구간과 상태의 최저값과 최고값 사이의 구간을 모두 얻고 M4 예측 기법을 통해 사후 확률을 최대로 하면서 사후 확률의 예측 오류를 줄이는 물체의 최적 상태를 얻는다. 베이시안 모델 평균화 기법은 다음과 같은 구간 분석 기법의 두가지 이점 때문에 구간 분석 기법에 포함된다고 할 수 있다. 첫번째 이점은 베이시안 모델 평균화 기법이 유한한 갯수의 모델 후보들을 사용함에 반해 구간 분석 기법은 무한한 갯수의 모델 후보를 사용한다는 점이다. 두번째 이점은 베이시안 모델 평균화 기법이 여러개의 모델에 대해 평균화만 수행할 수 있음에 반해 구간 분석 기법은 여러개의 모델에 대해 어떤 작업도 할 수 있다는 점이다. WLMC, BHMC, VTS, MUG, SBB, 그리고 IT 물체 추적기들은 보다 더 어려운 물체 추적환경에서 물체 추적을 강인하게 할 수 있도록 개발되었다. 이때 IT 추적기는 WLMC, BHMC, 그리고 VTS 추적기들과 결합될 수 있는데 이 경우 기존 물체 추적기의 물체 추적 성능은 개선된다. 그리고 IT 추적기는 MUG 추적기가 사용하는 우도 구간과 SBB 추적기가 사용하는 상태 구간을 모두 고려하기 때문에 이들 추적기의 상위 추적기라고 할 수 있다. 실험 결과에서 제안하는 물체 추적 기법들은 앞서 제기한 사후 확률의 모호성 을 효과적으로 해결하고 있다. 여러개의 실제 비디오에서 제안하는 물체 추적 기법들은 물체 추적 환경이 시간이 지남에 따라 매우 심하게 변함에도 불구하고 물체를 정확하고 강인하게 추적한다. 그리고 제안하는 기법들은 최근의 아주 좋은 물 체 추적 기법들 보다 더 좋은 성능을 보인다.