서 론
특정인을 추적하는 기술은 인간처럼 행동하는 로봇기술에서 가장 많이 등장하는 기술이다. 이 기술은 세 가지 영역에서 접근하고 있는데 첫째가 특정인의 의상 색상이고 두 번째가 특정인의 얼굴과 그 표정이며 세 번째가 특정인의 제스처나 머리의 움직임이다. 그러나 로봇은 센서를 통해 색상이나 제스처를 감지할 수 있기 때문에 폐쇄회로 카메라를 통해 획득한 영상만으로 특정인을 추적하는 것과는 매우 다른 상황이다. 가장 큰 문제점은 시스템 속도인데 입력된 영상에서 다시 계산에 의해 필요한 목적을 이루기위해서는 계산수를 줄여야한다. 이 글에서는 시스템 속도를 높이기 위해 기존의 방법이라 할지라고 속도가 빠른 것을 선택하거나 계산식을 변경하여 추적에 활용하고자 한다.
먼저 특정인의 의상을 기준으로 색상을 추적하는 방법을 살펴보자. 색감을 인식하는 감성인식 방법은 이미 오래전부터 연구되어 잘 알려진 사실이지만 특정 의상을 입은 사람을 다른 사람과 빠른 시간 내에 구별하기위해서는 빠른 비교 방법이 필요하다. 이를 위해 계산이 빠른 통계치를 구하고 임계값을 찾아 비교하는 방법을 사용하기로 한다.
두 번째는 특정인의 얼굴과 그 표정을 인식하여 추적하는 것인데 표정이 바뀌거나 조명이 바뀌어도 잘 변하지 않으면서 속도가 빠른 알고리즘이 요구된다. 이 글에서는 고유 얼굴을 찾아 특정인을 추적하는 방법을 사용한다. 고유 얼굴은 계산수가 적고 속도가 빠르며 조명의 변화에 강하고 얼굴이 정면상이 아니어도 추적범위가 넓기 때문이다. 얼굴인식(face recogni tion)에 대한 기술은 두 가지로 나누어 생각해야 하는데 먼저 얼굴이라고 생각되는 얼굴 영역인식이고, 그 다음은 얼굴의 패턴을 인식하는 것이다. 얼굴의 패턴을 인식하는 방법으로는 부분인식과 고유 얼굴 인식이 있다. 또한 얼굴의 색상을 구별하여 추적하는 시스템이 소개된바있으며, 3차원 형상을 획득하여 이용하는 방법도 있다. 특히 3차원 형상은 특정인이 얼굴을 돌려서 다른 데를 본다든지 또는 뒷모습만 보일 때도 추적하기위한 방법이다. 이 중에서 부분인식은 각 영역을 인식하기 위해 계산수가 늘어나며 얼굴색상인식은 환경변수에 너무 크게 영향을 받고 3차원 형상을 획득하여 이용하는 경우는 많은 시간을 요한다.
세 번째는 특정인의 제스처나 머리의 움직임을 인식하여 추적하는 방법이다. 센서를 사용하지 않고 폐쇄회로 카메라를 통해 전송된 영상에서 움직임을 감지하는 시스템으로는 차량추적시스템을 예로 들 수 있으나 이 시스템은 고정식으로 검지영역을 설정하여 그 영역에서만 추적하므로 전 영역으로 확장 시 속도가 매우 느려진다. 또한 선택된 개별 물체의 이동을 추적하는 알고리즘[2]은 움직임 물체수가 많아지면 구별이 어려운 단점을 보인다. Javier-Ruiz-del-Solar 외 2인이 발표한 논문에서는 모션분석을 위해 State-of-the-art methodologies를 사용했으나 얼굴인식에 집중되어 있어서 얼굴영역이 확실치 않으면 추적이 어렵다. 최근에 발표된 논문중 형상 정보와 모션 정보 융합을 통한 물체인식이 있다. 보통의 경우 배경영상이 고정적일 때 움직임을 통해서 형상을 찾아내는 것은 어려운 일이 아니다(그림 1). 그러나 움직이는 개체가 혼재해 있을 때는 영상 겹침이 많아 이 논문에서 제시하는 방법으로는 특정인을 추적하기에는 어려움이 많다. 더구나 이 논문에서 제시한 방법은  학습을 시켜야 할뿐 아니라 입력된 영상의 전체 영역에서 움직이는 물체를 모두 찾아야 하므로 속도가 느리다. 뿐만 아니라 찾은 형상 속에서 특정인을 다시 구별해 내야 하는 문제가 생기며 많은 사람이 통행하는 광장에서 폐쇄회로 카메라로 전송된 영상에서는 적용이 어렵다. 

이 글에서는 얼굴인식에서 이미 찾아진 얼굴 영역을 이용하여 필요한 모션만 분석하며 계산수가 적고 인식에 변별력이 있는 운동에너지를 구하여 특정인을 추적하고자 한다.  대개의 경우 폐쇄회로 카메라는 통행인의 위쪽에 설치되므로 움직이는 개체가 겹쳐도 얼굴영역이 겹치는 경우는 더 적어진다. 또한 많은 사람들이 고개를 움직이는 모션이 특징적이어서 특정인을 구별해 내기가 쉬어진다. 모션정보와 얼굴인식을 통해 다수의 사람을 추적하는 방법을 제안한 논문으로 Girondel et al[12]이 제안한 방법을 들 수 있다. 색상인식을 제외하고는 이 글에서 제안한 방법과 비슷한 점이 많으나 특정인을 주목하여 추적한다는 점에서는 매우 다르다. 더구나 이 논문에서는 영상 겹침을 해결하기위해 Kalman 필터링을 사용하는 것을 주제로 다루고 있다. 이 글에서는 얼굴부분에서 일어나는 영상 겹침이 대부분 오래 지속하지 않는 점을 고려하여 LDA를 통해 특정인을 구분하여 다시 추적해 나가는 방법을 제안한다. 

이 글에서 제안하는 알고리즘의 순서는 다음과 같다. 먼저 의상을 기준으로 색상을 인식하며 다수의 동일색상이 나타나면 얼굴인식을 시도하고 동일 얼굴이 두 개 이상 나타나면 모션인식을 하여 특정인을 추적한다(그림 2). 이때 특정인에 대한 정보는 미리 알고 추적하는 것을 원칙으로 한다.            

2절에서는 색상인식을 위해 계산이 적은 통계량과 임계값을 계산하는 식을 새우고 3절에서는 얼굴인식과 LDA를 소개한다. 4절에서는 모션분석을 위해 얼굴영역의 운동에너지를 소개한다. 차영상을 구하는 과정은 논문의 방법으로 접근하나 필터 값은 확률변수를 사용하여 조정한 다음 이 글에서 제안하는 방법이 특정인을 인식하는데 변별력이 있음을 보인다. 5절에서는 본 기사가 중요시 여기는 속도에 대한 실험결과를 제시하며 특히 비교분석을 위해 같은 동영상에서 Girondel, V.가 제시한 방법과 비교한다. 

본기사의 내용중 다수의 수식표현등을 고려하여 전문을 한글문서로 제공합니다. 
한글문서 다운로드