Object Detection이란?
Object Detection은 컴퓨터비전(Computer Vision), 영상처리(Image Processing)와 관계가 깊은 컴퓨터기술이다.
Computer Vision 대회에서 주로 다루는 Task 들의 Category를 확인해보면 크게 다음과 같이 3가지로 구분 될 수 있다.
- Classification
- Single Classification & Localization & Detection
- Multiple Object Detection & Localization & Classification
Computer Vision에서는 객체 검출(Object detection), 객체 인식(Object Recognition), 객체 추적(Object Tracking) 3가지 용어가 혼재 되어 사용된다.
Recognition
- Object 가 어떤 것인지 구분한다.
Object Detection
- Recognition보다 작은 범위로, Object의 존재 유무만 판단한다.
Object Recognition을 하기 위해서는 해당 image 또는 video에 object가 있고, 그것이 어떤 것인지를 알아내는 문제기 때문에, Object detection이 선행 되어야 함.
일반적으로 Object Detection 알고리즘은 찾고자 하는 Object의 특징(feature)를 사전에 추출하고 주어진 video 내에서 해당 특징을 검출(detection)하는 접근을 주로 사용함.
전통적으로 영상처리에서 사용했던 Object detection 알고리즘은 Feature Engineering 기법을 통하여 수학적으로 혹은 실용적으로 검증된 특징을 추출(Feature Extraction)하여 특징들의 분포(Distribution)에서 경계 결정(Boundary Decision)을 찾는 방법을 주로 사용했다. 전통적인 특징 추출(Feature Extraction) 방법은 Haar-like feature, HOG(Histogram of Oriented Gradients), SIFT(Scale Invariant Feature Transform), LBP(Local Binary Pattern), MCT(Modified Census Transform) 등이 있다.
특징 추출(Feature Extraction) 후, 특징들의 분포(Distribution)에서 경계 결정(Boundary Decision)하는 알고리즘은 SVM(Support Vector Machine), Adaboost 등의 같은 검출 알고리즘(Classifier)을 사용하여 어떤 특징(Feature)의 분포가 객체(Object)를 표현하는지 그렇지 않은지를 구분하는 것을 통해서 객체(Object)를 검출하였다.
결론적으로 Object Detection Algorithms은 Video에서 전처리 등을 통해서 노이즈를 제거하거나, Image를 선명하게 만든 후에 해당 image에서 feature를 추출하고 이 feature를 이용하여 Object detection에 대해 분류(Classifier)하는 pipe line을 따른다.
Object Detection Algorithms에 대해서 대략적으로 요약하면 다음과 같이 작동한다.
- 전처리(Pre-Processing)
- 특징 추출(Feature Extraction)
- 분류 (Classifier)
최근에는 딥러닝 중 CNN을 기반으로 한 다양한 Detection 및 Recognition 알고리즘이 발전되어왔다. 최근의 Object detection algorithms은 Object Detection과 Recognition을 통합하여 처리하고 있다.
