Earticle

레이저 포인터를 검출하는 과정은 포인터의 위치를 검출하는 과정과 입력된 레이저 포인터의 좌표를 모니터의 좌표로 변환하는 과정이 있다. 기존의 Mean-Shift 알고리즘의 경우에는 계산량이 많아서 실시간으로 입력되는 동영상에는 부적합하다. 본 논문에서는 상황 기반의 실시간 레이저 포인터 검출과 추적을 제안하였다. 제안하는 방법은 배경이 복잡한 형태이거나 배경이 동적으로 움직일 때에도 강건한 결과를 얻을 수 있다. 또한, 실환경에 적용한 결과 검출하고자 하는 물체가 예측 영역을 넘나들거나 다른 불확실한 변화에도 안정적으로 반응함을 알 수 있었다. 제안하는 방법을 개발하여 논리적 타당성과 유효성을 검증하기 위해 실험적인 적용을 시도하고자 한다. 따라서 서베일런스 시스템에서 영상인식의 정확도와 질을 향상시켰다

There are two kinks of processes could detect the laser pointer. One is the process which detects the location of the pointer. the other one is a possibility of dividing with the process which converts the coordinate of the laser pointer which is input in coordinate of the monitor. The previous Mean-Shift algorithm is not appropriately for real-time video image to calculate many quantity. In this paper, we proposed the context driven real-time laser pointer detection and tracking. The proposed method is a possibility of getting the result which is fixed from the situation which the background and the background which are complicated dynamically move. In the actual environment, we can get to give constant results when the object come in, when going out at forecast boundary. Ultimately, this paper suggests empirical application to verify the adequacy and the validity with the proposed method. Accordingly, the accuracy and the quality of image recognition will be improved the surveillance system.

레이저 포인터를 검출하는 과정은 포인터의 위치를 검출하는 과정과 입력된 레이저 포인터의 좌표를 모니터의 좌표로 변환하는 과정으로 나눌 수 있다. 레이저 포인터의 추적에 있어서 다변하는 환경의 영향으로 강건성의 확보가 어렵다. 기존의 추적 방식인 Mean-Shift 알고리즘의 경우에는 계산량이 많아서 실시간으로 입력되는 동영상에는 부적합하다. 반면에 CamShift 알고리즘은 빠른 수행이 가능하여 비디오 영상 및 실시간 영상에 적용하기에 적합하고 배경 변화의 영향을 적게 받는다. 또한 검출하려는 색과 같은 색에 의해서 간섭 받는 현상을 방지할 수 있다. 배경이 복잡한 형태이거나 배경이 동적으로 움직일 때에도 강건한 결과를 얻을 수 있다. 제안된 알고리즘을 실환경에 적용한 결과 검출하고자 하는 물체가 예측 영역을 넘나들거나 또는 화면으로부터 지나치게 멀어지거나 가까워져서 상대적인 크기가 변화할 수 있는 불확실한 변화에도 안정적으로 반응함을 알 수 있었다.

레이저 포인터를 검출하는 과정은 포인터의 위치를 검출하는 과정과 입력된 레이저 포인터의 좌표를 모니터의 좌표로 변환하는 과정으로 나눌 수 있다. 레이저 포인터의 추적에 있어서 다변하는 환경의 영향으로 강건성의 확보가 어렵다. 기존의 추적 방식인 Mean-Shift 알고리즘의 경우에는 계산량이 많아서 실시간으로 입력되는 동영상에는 부적합하다. 반면에 CamShift 알고리즘은 빠른 수행이 가능하여 비디오 영상 및 실시간 영상에 적용하기에 적합하고 배경 변화의 영향을 적게 받는다. 또한 검출하려는 색과 같은 색에 의해서 간섭 받는 현상을 방지할 수 있다. 배경이 복잡한 형태이거나 배경이 동적으로 움직일 때에도 강건한 결과를 얻을 수 있다. 제안된 알고리즘을 실환경에 적용한 결과 검출하고자 하는 물체가 예측 영역을 넘나들거나 또는 화면으로부터 지나치게 멀어지거나 가까워져서 상대적인 크기가 변화할 수 있는 불확실한 변화에도 안정적으로 반응함을 알 수 있었다.