본 논문에서는 보다 정확한 물체 인식을 위하여 물체의 특징점 검출 시스템을 제안한다. 물체의 특징점 검출 시스템은 학습 단계와 검출 단계로 구분된다. 학습 단계에서는 각 특징점의 탐색영역을 설정하기 위한 관심영역모델과 탐색영역에서 특징점을 검출하기 위한 각 특징점별 검출기를 생성한다. 검출 단계에서는 학습 단계에서 생성했던 관심영역모델을 이용하여 입력 영상에서 각각의 특징점의 탐색영역을 설정한다. 시스템에서 검출하고자 하는 특징점 검출 방법은 고속 푸리에 변환을 이용하기 때문에 검출 속도가 빠르며 물체의 추적 시 실패하는 확률이 낮아진다. 제안하는 방법을 개발하여 실험 영상에 적용한 결과 추적하고자 하는 물체가 불규칙적인 속도로 움직일 때에도 안정적으로 추적함을 알 수 있었다. 실험 결과는 기존의 방법들에서 사용되었던 다양한 데이터 집합에 적용하였을 때 우수한 성능을 보여준다.
In this paper, we propose a landmark-detection system of object for more accurate object recognition. The landmark-detection system of object becomes divided into a learning stage and a detection stage. A learning stage is created an interest-region model to set up a search region of each landmark as pre-information necessary for a detection stage and is created a detector by each landmark to detect a landmark in a search region. A detection stage sets up a search region of each landmark in an input image with an interest-region model created in the learning stage. The proposed system uses Fast Fourier Transform to detect landmark, because the landmark-detection is fast. In addition, the system fails to track objects less likely. After we developed the proposed method was applied to environment video. As a result, the system that you want to track objects moving at an irregular rate, even if it was found that stable tracking. The experimental results show that the proposed approach can achieve superior performance using various data sets to previously methods.
