Others/Development (8) 썸네일형 리스트형 [People Detection and Tracking] Tracking by Detection Approaches 실시간으로 여러 사람을 검출하고 추적해야 할 필요성이 있어서 1080 ti single GPU 환경에서, 적어도 fps 20 이상의 실시간성이 보장되는 접근들의 조합을 이용해서 단순한 테스트를 해보았다. tracking by detection의 접근을 이용하였으며, 사용한 알고리즘들은 아래와 같다. Object Detection YOLOv4: Optimal Speed and Accuracy of Object Detection: 리뷰 링크 Multiple Object Tracking SORT(Simple Online and Realtime Tracking): 리뷰 링크 DeepSORT(Simple Online and Realtime Tracking with a Deep Association Metric):.. [Robot Vision Application] Blind Detection System 강아지 로봇 주행 시 가려짐 회피를 위해 만들었던 가려짐 검출 시스템 결과 영상(동영상 링크: blog.naver.com/neverabandon/100101963795) [CV based AR Application] Nature Feature Tracking 기반 AR Markerless 기반 AR을 이용한 PC Application 결과 영상(동영상 링크: blog.naver.com/neverabandon/100117389387) [Natural Feature Tracking] Random Ferns + Template-based Tracking "Random Ferns + Template-based Tracking" 의 조합으로 Object Recogntion을 해봤다. Classfication 기반 Object Recognition이 Descriptor 기반 Object Recognition과 비교하여 충분히 견줄 수 있다는 것을 확인하였다. 결과 영상(동영상 링크: blog.naver.com/neverabandon/100119693233) [Natural Feature Tracking] contrast 및 brightness의 변화에도 강건한 객체 인식 실시간으로 카메라에서 들어오는 영상 내 물체를 인식 할 때 가장 문제가 되는 것이 다양한 외부 조건들에 의해서 발생하는 contrast 및 brightness의 변화라고 생각을 한다. 이를 보상하기 위해서 몇가지 전처리 알고리즘을 테스트 하고 가장 좋은 알고리즘을 선정하여 적용해봤다. 생각보다 만족스럽다. 아래 동영상에서 보듯이 contrast가 상당히 낮고, brightness가 상당히 높은 상황에서도 비교적 인식이 잘 되는 것을 보여준다. 결과 영상(동영상 링크: blog.naver.com/neverabandon/100117049590) [Natural Feature Tracking] Random Ferns를 이용한 다중 객체 인식 기존의 "Image Retrieval"를 위해서 "Randomized Forest"를 사용하는 논문의 아이디어와 Classfication 기반으로 하나의 물체 인식을 하기 위해서 Randoized Ferns를 사용하는 논문의 아이디어를 결합해서 동시에 여러개의 물체를 인식하는 방법을 고안해봤다. 결과 1(동영상 링크: blog.naver.com/neverabandon/100122290066) 결과 2(동영상 링크: blog.naver.com/neverabandon/100122290066) [ADAS] 주간 및 야간 장면 구분 결과 ADAS 알고리즘 개발 시 장면 이해를 통해 각 장면에 대해 최적의 알고리즘을 적용하는 것은 좋은 접근법이라고 생각한다. 아래는 상용화에 성공한 결과들이다. 주간 장면 인식 결과(동영상 링크: blog.naver.com/neverabandon/220818790834) 야간 장면 인식 결과(동영상 링크: blog.naver.com/neverabandon/220818790834) [ADAS] 날씨에 따른 정상 및 열화 판단 결과 ADAS 알고리즘 개발 시 장면 이해를 통해 각 장면에 대해 최적의 알고리즘을 적용하는 것은 좋은 접근법이라고 생각한다. 아래는 상용화에는 실패했지만 나름대로 가능성을 봤던 결과들이다. 맑은 날씨: 정상 판단 비오는 날씨: 열화로 판단 안개 낀 날씨: 열화로 판단 이전 1 다음
