최근 카메라를 장착한 하드웨어 기기의 보급으로 영상에서의 객체 인식을 기반으로 한 응용이 늘어나고 있다. 매칭 기반 객체 인식 방법인 SIFT(Scale Invariant Feature Transform)의 경우 1:1 매칭 기반의 방법으로써 비교하고자 하는 대상이 완전히 같은 것이 아닐 경우에 객체의 인식률이 현저히 나빠지는 단점이 존재한다. 이를 해결하기 위해서 해당 객체를 대표하는 템플릿 피쳐를 준비한다면 객체의 인식률이 좋아질 것이다. 이러한 템플릿 피쳐를 제공하기 위하여 샘플 이미지의 피쳐를 클러스터링하여 대표 클러스터를 템플릿 피쳐로 선정한다. 이 때 정확도를 높이기 위하여 TF/IDF 방법을 적용하였으며 인식을 위한 Adaptive Threshold를 적용한 방법을 제안하였다. 실험을 통하여 단순한 SIFT 매칭 방법이나 BoVW방법에 비하여 interclass similarity가 낮은 객체들의 경우 성능이 높게 나옴을 알 수 있었다.
Object recognition-based applications have been more required because widespread use of mobile devices equipped with camera has rapidly grown. Object recognition rate of SIFT(Scale Invariant Feature Transform) matching has disadvantage when detecting same objects but slightly different in detail except for scale and rotation because SIFT is one-to-one matching-based object recognition. To solve this problem, we propose SIFT template feature which represents features extracted from an object in many pictures. We perform clustering in order to make SIFT template feature then each centroid of clusters is selected as template features. We conduct TF/IDF likely manner while clustering and Adaptive Threshold matching to elevate recognition accuracy. Experimental results using SIFT template based matching show that object recognition rate of proposed method is more higher than original SIFT matching and BoVW(Bag of Visual Word) using SIFT in such case objects, which has low interclass similarity like brand logo and road sign, are recognized.
