본 논문에서는 PTZ 네트워크 카메라 환경에 적합한 적응적 배경 모델링을 기반으로 한 실시간 액티브 객체 추적 기법을 제안한다. 제안 기법은 적응적 미디어 필터링 배경 차분 기법과 모션 히스토리를 기반으로 한 2레벨 배경 갱신 기법을 수행함으로써 적응적 배경 모델링에서 발생할 수 있는 고스트를 제거하고 정지객체 추적이 유지될 수 있도록 하였다. 또한 제안기법은 PTZ 카메라의 Panning, Tilting, Zooming을 통하여 카메라의 FOV를 변경시키면서 관심객체를 지속적으로 추적하기 위하여 객체의 위치 및 움직임 속도, 네트워크 지연 및 PTZ 카메라 제어 지연 시간을 고려한 카메라 이동 위치 예측 알고리즘을 적용하였고, 관심객체를 카메라 FOV의 중심에 확대하기 위한 적정한 Zooming 파라미터 지정 방법을 제안하였다. 실험을 통하여 제안 기법이 고스트 제거와 정지객체에 대한 지속적 추적에 효율적임을 확인할 수 있었고, 이를 기반으로 PTZ 카메라의 Panning, Tilting, Zooming 이벤트 후에도 실시간으로 관심객체를 안정적으로 추적할 수 있음을 확인하였다.
In this paper, we propose a real-time active tracking method based on an adaptive background modeling for an environment to use PTZ network cameras. The proposed method effectively removes a ghost object and robustly tracks a stopped object by applying a 2-level background updating scheme based on the adaptive media filtering background subtraction and motion history analysis. For robust active tracking to a target object, we apply an estimation algorithm of the camera FOV change position which considers the position and velocity of a target moving object, delay times in networking and PTZ camera control. Furthermore, we also present a method to control zooming parameter of the PTZ camera in order to magnify the target object in the center of camera FOV. In the experiment, we show that the propose method is effective in ghost removing and tracking of a stopped object, and prove that a target object can be robustly tracked after Panning/Tilting/Zooming events in real-time.
