# tracking

13개의 포스트

[졸업작품] 03. Tracking Algorithm

Overview 이전에 사용하기로 정한 모델인 YOLO와 함께 인식한 물체를 추적하며 구분할 수 있는 알고리즘을 선정하고자 하였다. 1. Tracking Algorithm 1-1. Tracking Algorith이란? 물체의 위치 기록을 기반으로 여러 움직이는 물체의 미래 위치를 예측하는 알고리즘이라고 생각하면 이해하기 쉽다. 이것을 이전에 작성했던 주제인 Object Detection Model과 연결하면 영상 속에서 특정 물체를 찾아내서 그 물체의 이동경로를 따라 그대로 추적하는 기능이 가능해진다. 단 추적할 때 여러 객체들을 추적해야하는데 이것을 다중 객체 추적(Multi-Object Tracking, MOT)라고 부른다. MOT는 탐지를 동일한 클래스이더라도 ID를 부여하여 같은 클래스라도 분류해서 인식할 수 있게 된다. 이러한 MOT 방식은 은 2가지로 구분되는데 배치 트래킹 방식 과 온라인 트래킹 방식이 있다. ![](htt

2023년 4월 10일
·
0개의 댓글
·
post-thumbnail

detection - tracking

물체인식 트레이닝 스테이지 많은 이미지 --> 특징 추출 --> classfier(threshold) 생성 테스트 스테이지 인풋 이미지 특징 추출 classfier 이용하여 이미지 decect 얼굴 인식 harr-like feature 트레이닝 다양한 크기와 위치 변화 --> 얼굴 특징 선택 Adaboost 사용(opencv) boosting: 약한 learner --> 강한 learner 만듬

2022년 12월 6일
·
0개의 댓글
·
post-thumbnail

[iOS] KVO 구현하기

블로그 이사 갔어요! 이 글을 보고 싶으시면 아래 링크로 가면 볼 수 있어요! 새 블로그 가서 KVO 구현하기 글 읽기

2022년 3월 17일
·
0개의 댓글
·
post-thumbnail

Object Tracking이 구현된 파이썬 코드 공부하기

전체 코드 코드 출처 : 파이썬으로 만드는 OpenCV 프로젝트(이세우 저) 코드 실행 Object Tr

2022년 3월 16일
·
0개의 댓글
·

논문읽기 - SORT

논문의 제목은 "SIMPLE ONLINE AND REALTIME TRACKING", 줄여서 SORT로 트래킹 알고리즘중 하나이다. ABSTRACT 본 논문은 온라인과 실시간 application을 위해 객체를 효과적으로 연결하는 것이 focus인 multiple object tracking에 대한 실용적인 접근 방식을 탐구한다. 이를 위해 detection quality는 tracking performance를 위한 핵심 요소로 여겨지며, detector를 변경하면 tracking performance를 최대 18.9%까지 향상할 수 있다. 칼만 필터(Kalman Filter)와 헝가리안 알고리즘(Hungarian algorithm)같은 친숙한 기술의 조합만 사용함에도 불구하고, 이 접근은 SOTA(state-of-the-art)에 버금가는 정확도를 달성했다. 뿐만 아니라, 우리의 tracking method는 간단하기 때문에 다른 SOTA tracker보다 20배 이상 빠

2022년 2월 15일
·
0개의 댓글
·

논문읽기 - A Survey on Moving Object Detection and Tracking Methods

오늘 읽어볼 논문은 바로 "A Survey on Moving Object Detection and Tracking Methods"라는 이름의 논문이다. "움직이는 물체 감지와 추적 방법에 대한 조사"라고 볼 수 있겠다. 이번 논문으로 Object Tracking에 대해 알아가볼 예정이다. 그리고 끝으로는 축구공 tracking뿐아니라 경기장안에서 선수의 움직임, 이런 데이터를 다뤄볼 수 있는 프로젝트를 진행해볼예정이다. Abstract 객체 추적(Object Tracking) 알고리즘에는 많은 것이 있는데, 이 알고리즘들의 목적은 비디오에서 영역을 분할(Segmentation)하고 그 움직임과 위치, 맞물림(Occlusion)을 추적하는 것이다. 보통 이미지에서 객체를 추적하기 위한 선행 작업은 객체 감지(Object Detection)과 객체 분류(Object Classification)이다. 일단 영상에 찾고자하는 객체가 존재하는지, 객체가 어디에 있는지에 대해 객체 감

2022년 2월 11일
·
0개의 댓글
·
post-thumbnail

App 기초 내용 정리

앱 트래킹 솔루션 : 모바일 앱 이용자의 데이터를 수집해 유입 경로, 내부 활동을 분석 할 수 있는 Tool. 트래킹 솔루션 업체에서 제공하는 SDK(Software Development Kit)를 통해 데이터 수집. SDK는 레퍼러, 광고 ID, 핑거프린트 3가지를 통해 데이터를 수집하여 유저를 식별한다. 레퍼러 : 구글 플레이스토어 앱 URL 뒤 추가 가능한 정보(안드로이드만 가능) 광고 ID : AOS(안드로이드) - GAID, IOS(애플) - IDFA, 모바일 디바이스에 임의로 부여되는 정보 핑거프린트 : 광고 클릭 시, 확인되는 디바이스, OS, IP 주소 등의 정보(정확도는 다소 떨어짐) **앱 트래킹 솔루션 분야(3가지) - 3rd Pa

2022년 1월 5일
·
0개의 댓글
·
post-thumbnail

[논문 리뷰] Tracktor: Tracking without bells and whistles

Abstract 기존의 tracking-by-detection 방식은 re-identification, motion prediction, dealing with occlusion의 task를 포함한다. 본 논문에서는 bounding box regression을 활용하여 기존의 불필요한 task들을 없애고자 한다. Tracktor는 tracking data에 대해 학습이나 최적화가 불필요하다. Introduction Tracking-by-detection에서는 1)각 프레임에서 독립적으로 객체의 위치를 탐지하고, 2)track을 상응하는 detection에 연결시켜주는 data association 과정을 거친다. 하지만 missing detection, occlusions 혹은 붐비는 환경에서의 타겟의 상호관계 등 때문에 MOT 분야는 지난 2년간 큰 발전을 이루지 못했다. 본 논문에서는 Faster-RCNN의 **r

2021년 9월 20일
·
0개의 댓글
·

모두를 위한 딥러닝 시즌 2 :: Object Detection , Tracking, Segmentation

Classification 지금까지 해왔던 학습 방법 ( 회귀를 확률함수를 통해 변형시켜서 분류하기 주어진 사진이 주어지면 그 사진이 어떤 사진인지 분류(예측)해내는 것 종류 : DenseNet, SENet, MobileNet, SqueezeNet, AutoML(NAS, NASNet) Detection 사진이 주어졌을 때 그 객체가 어디에 있는지 그 객체가 무엇인지까지 찾아내는 것 Google 을 통해 : Latest Object Detection을 검색 Tracking Object Tracking이란 영상에서 예를 들 수 있는데 영상을 기준으로 이전 프레임과 현재 프레임이 있고 각 프레임마다 Detection을 적용해서 객체를 찾아 냈다면 지금 프레임에 있는 객체가 이전 프레임에서는 어떤 객체였는가에 대한 각 프레임간의 연관 관계까지 찾아내는 것을 말함 논문 이름 : MDNet, GOTURN, CFNet, ROLO, Track

2021년 8월 2일
·
0개의 댓글
·
post-thumbnail

[논문 리뷰] SaimMask: Fast Online Object Tracking and Segmentation: A Unifying Approach

Introduction VOS(Visual Object Segmentation)는 픽셀 단위로 객체 포함 여부를 확인하여 속도가 느리므로 실시간 tracking에 적합하지 않다. 본 논문에서는 SiamMask를 통해 tracking과 segmentation 두 가지 문제를 동시에 해결한다. 이를 위해 Siamese nework는 3가지의 task를 훈련한다. > 1. 슬라이딩 윈도우 방식으로 대상 객체와 여러 후보 지역 사이의 유사성을 측정한다. output으로 dense response map가 나오며 object의 위치를 나타낸다. > 2. RPN(Region Proposal Network)을 사용한 bounding box regression 분석 > 3. Class와 관계 없는 binary segmentation 작업 ![](https://images.velog.io/images/kimkj38/post/46e5493e-a5d3-48f3-b6b4-1c01798

2021년 7월 11일
·
0개의 댓글
·
post-thumbnail

[논문리뷰] SiamRPN: High Performance Visual Tracking with Siamese Region Proposal Network

Introduction Siamese-RPN을 활용한 off-line trained 딥러닝 모델 Template branch와 Detection branch의 correlation feature map을 활용한다. Template branch는 RPN에서 커널로 이용되어 meta-learner라 칭해진다. Online tracking 시 첫번째 프레임으로부터 추출된 meta-learner를 고정된 커널로 사용하고 Detection branch만 들어오므로 one-shot detection이라 할 수 있다. Contributions > - 오프라인에서 큰 스케일의 이미지 쌍을 end-to-end로 학습하는 Siamse-RPN 활용 > - 온라인 tracking 시 one shot detection으로 구성 > - 160FPS의 속도를 보이며 정확도와 효율성에서 모두 좋은 성과 Siamese-RPN framework ![](https://i

2021년 7월 3일
·
0개의 댓글
·
post-thumbnail

[논문 리뷰] Deep SORT(Simple Online and Realtime Tracking with a Deep Association Metric)

DeepSORT SORT에서는 state estimation uncertainty가 낮을 때만 association metric이 정확하여 객체가 계속 스위칭 되는 현상이 있었다. 즉, occlusion에 취약했다. Deep SORT에서는 motion과 appearance를 결합한 mertric을 이용 Track Handling and State Estimation SORT와 동일하게 표준 칼만필터(등속 운동, 선형 관측)와 헝가리안 알고리즘을 사용하나 state space의 형태가 달라졌다. $u$, $v$는 bounding box의 center position, $γ$는 aspect ratio, $h$는 height 각 track k는 프레

2021년 6월 19일
·
0개의 댓글
·

[21.03.06] 서울 정상에 서서(feat. 북한산 백운대)

시작하기 앞서 최근 힘들어하는 친구녀석(여친이랑 싸워 맴도 아프고 직장으로 인해 ㅠ.ㅠ)과 서울 북한산 백운대로 가는게 어떻까? 생각이 들었어요. 누군가가 "평소에 산을 자주 가냐?"라고 물어본다면, 저는 최근 산행을 간적이 기억속에 가물가물하고, 친구 녀석은 산행을 간다면 오히려 학을 뗄 녀석입니다. 그래도 어찌어찌해서 즉흥적인 생각과 혹은 서울에 있으면서 나태해지는 마음과 내가 가진 목표를 이루고 싶다는 마음이 짬뽕이 되서 산행을 가기로 했습니다. 사실 속으로 "서울에서 가장 높은 산도 가보지 못하면서 무슨 일을 할 수 있겠나?!"라는 생각이 들었거든요. 아! 엄밀히 말하면 북한산은 서울에 있는 것은 아니에요.(경기도 고양시 덕양구 소속이더라구요.) 주말이 되면 아침 일찍 친구녀석과 주말마다 서울에 있는 산들은 모두 정복하고 싶은게 일단은 제 맴이네요. 코스 코스는 아래와 같은데요. ![](https://images.velog.io/image

2021년 3월 5일
·
0개의 댓글
·