Real-time Moving Object Detection via Adaptive Block Learning Background Subtraction with Expectation Value
연구 내용
Expectation value에 적합한 적응 블록 학습을 통해 배경 차분을 빠르게 수행하고, 실시간 이동 객체 검출을 안정화하는 연구
본 연구는 실시간 이동 객체 검출에서 배경 차분의 계산 지연과 적응성 문제를 완화하는 데 초점을 둡니다. 프레임 간 픽셀 변화에 대해 적응 블록 학습을 수행하고, expectation value에 적합한 형태로 배경 모델 갱신과 차분 결정을 구성하여 처리량을 확보합니다. 이를 통해 연속 영상에서 움직임을 빠르게 분리하고, 객체 후보를 생성해 후속 인식 단계에 전달할 수 있는 실시간 컴퓨터 비전 절차를 제안합니다.
관련 연구 성과
관련 논문
1편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
연구는 2021년 초에 배경 차분을 실시간으로 수행하기 위한 계산 구조를 먼저 정리하는 데서 출발했습니다. 이후 적응 블록 학습을 적용해 영상 장면 변화에 대한 갱신 규칙을 정하고, expectation value에 적합한 배경 추정과 차분 판정을 결합하는 방향으로 구체화했습니다. 최종적으로 이동 객체를 지연 없이 검출할 수 있는 실시간 처리 흐름을 검증하는 단계로 이어졌습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Fast background subtraction with adaptive block learning using expectation value suitable for real-time moving object detection