《첨단과학기술분야에서 세계적경쟁력을 가진 기술들을 개발하기 위한 투쟁을 힘있게 벌려야 합니다. 정보기술, 나노기술, 생물공학을 비롯한 핵심기초기술과 새 재료기술, 새 에네르기기술, 우주기술, 핵기술과 같은 중심적이고 견인력이 강한 과학기술분야를 주타격방향으로 정하고 힘을 집중하여야 합니다.》
지금 세계적으로 인공지능기술을 사회의 발전을 추동하는 핵심기술중의 하나로 보고 이 분야에서 패권을 쥐기 위한 사업에 인적 및 물적자원을 집중하고있다. 실제적으로 인공지능기술의 분야들인 음성처리기술, 화상처리기술, 기계번역기술 등은 연구와 소규모적인 실험단계를 지나 실제적인 응용단계에 있고 이것은 경제와 군사, 교육과 보건 등 여러 분야에서 사람의 역할을 대신하고있으며 그 정확성과 효과성도 나날이 개선되고있다.
인공지능기술의 한 분야인 대상추적기술은 동화상감시, 로보트공학과 화상 및 동화상해석과 같은 여러가지 응용들을 가능하게 하는것으로 하여 매우 중요하다.
대상추적체계는 배경운동의 간섭에도 불구하고 목표를 추적할수 있어야 한다.
우리는 이 문제를 해결하기 위하여 립자려파에서 스플라인재표본화의 개념을 도입하여 높은 정확도를 가진 표본쇠약의 처리방법을 제안하였다.
립자려파는 통계적신호처리와 대상추적 등 많은 분야에서 리용되고있다.
립자려파의 가장 중요한 요소는 재표본화이다. 재표본화는 립자무게에 대한 선형변환에 의존하므로 려파정확도에 영향을 미친다. 표본쇠약은 립자려파의 응용에서 가장 중요하게 제기되는 문제이며 이를 위한 여러가지 재표본화알고리듬들이 제안되였다.
그러나 종전의 재표본화방법들은 선형함수들을 기초로 한것이므로 시각추적정확도는 그리 높지 못하였다.
따라서 추적된 대상에서 높은 무게를 가진 립자들을 위주로 추적실패률을 줄이고 성능을 개선해야 할것이 필요하다.
제안한 스플라인재표본화는 무게들에 대한 스플라인변환과 상태들에 대한 확산변환의 2가지 부분으로 구성된다.
무게들에 대한 스플라인변환은 정확한 립자려파를 얻기 위한 립자무게들의 스플라인변환에 기초하고있고 상태들에 대한 확산변환은 재표본화이후 표본쇠약를 방지하기 위하여 립자상태들에서의 확산변환에 기초하고있다.
무게스플라인변환에서 특징적인것은 비선형함수에 기초한 재표본화를 도입한것이다. 목표는 추적된 대상에서 높은 무게를 가진 립자들을 위주로 하면서 립자들의 개수를 점차적으로 줄여 가장 좋은 추적결과를 얻자는것이다.
우리는 또한 대상의 실지위치와 예측위치사이의 오차를 감소시킬 목적으로 대역변환모형을 제안하여 카메라이동에 의하여 나타나는 배경변화를 처리할수 있게 하였다.
실험은 4가지 단계로 진행되는데 첫 단계는 제안한 무게스플라인변환을 종전의 재표본화방법들인 SR(Systematic Resampling), MC(Monte Carlo), RPF(Regularisation PF), ER(Exquisite Resampling)와 비교하였으며 둘째 단계에서는 상태확산변환을 우의 4가지 재표본화방법들과 비교하였다. 셋째 단계에서는 대역변환모형을 가진 립자려파의 성능평가를 진행하였으며 넷째 단계에서는 스플라인재표본화와 대역변환모형을 모두 고려한 립자려파의 성능을 평가하였다.
실험에서는 추적결과를 평가하기 위하여 상태벡토르의 평균2차뿌리오차(RMSE: Root Mean Squared Error)를 성능평가척도로 리용하였다.
실험결과 제안방법을 리용하였을 때 실지 동화상렬에 대한 높은 처리성능을 보여주었을뿐아니라 배경변화에 관계없이 대상추적에서의 오차(RMSE)값이 종전의 방법들에 비하여 현저히 작아졌다는것을 알수 있었다.
이상의 내용은 잡지《IET Computer Vision》(2015, Vol.9(2), pp.184-197) 《Particle filter with spline resampling and global transition model》(https://doi.org/10.1049/iet-cvi.2014.0106) 의 제목으로 출판되였다.
