다중 관측 모델을 적용한 입자 필터 기반 물체 추적

Abstract

본 논문에서는 CONDENSATION 알고리즘을 이용하여 입자 필터(particle filter)에 기반 한 물체 추적 알고리즘을 제안한다. 입자 필터는 조건 확률 전파 모델(Conditional Density Propagation)인 베이지안(Bayesian) 추론 규칙을 적용하는 추적구조를 갖고 있기 때문에 다른 어떤 종류의 추적 알고리즘보다 뛰어난 성능을 보인다. 논문에서는 실험 결과를 통해, 외곽(contour) 추적 입자 필터가 복잡한 환경 속에서 강인한 추적 성능을 나타냄을 증명한다. We investigate a visual object tracking algorithm based upon particle filters, namely CONDENSATION, in order to combine multiple observation models such as active contours of digitally subtracted image and the particle measurement of object color. The former is applied to matching the contour of the moving target and the latter is used to independently enhance the likelihood of tracking a particular color of the object. Particle filters are more efficient than any other tracking algorithms because the tracking mechanism follows Bayesian inference rule of conditional probability propagation. In the experimental results, it is demonstrated that the suggested contour tracking particle filters prove to be robust in the cluttered environment of robot vision.