본문 바로가기 주메뉴 바로가기
국회도서관 홈으로 정보검색 소장정보 검색

목차보기

표제지

목차

국문초록 10

ABSTRACT 11

제1장 서론 12

1.1. 연구 배경 및 필요성 12

1.2. 연구 동향 14

1.3. 연구 내용 및 구성 14

제2장 제안하는 시스템 16

2.1. 하우스 영역의 검출 18

2.2. 컬링 스톤 영역의 검출 21

2.3. 컬링 스톤 분류기 22

2.4. 컬링 스톤 추적기 23

2.4-1. 특징 공간 구성 23

2.4-2. 스톤 추적을 위한 최적 색상 추출 방법 24

2.4-3. 스톤 추적 정보의 유지 및 보정 방법 27

2.5. 검출 정보의 표현 29

제3장 실험 및 결과 30

3.1. 실험 설계와 환경 30

3.2. 하우스 영역의 검출 32

3.3. 검출 정보의 표현 33

3.4. 컬링 스톤의 추적 34

3.4-1. Mean-shift 알고리즘을 이용한 스톤 추적 35

3.4-2. 최적 색상 정보 추출 36

3.4-3. 스톤 추적 정보의 유지 및 보정 43

제4장 결론 및 향후 연구방향 45

참고문헌 47

표목차

[표 3-1] 실험 환경에 사용된 장비의 제원 31

[표 3-2] 제안된 허프 원 변환의 성능 비교 32

[표 3-3] 실험에 사용된 시퀀스 이미지 세트 34

[표 3-4] 일반적인 Mean-shift 알고리즘을 적용한 결과 35

[표 3-5] 불균등 히스토그램을 특징벡터로 하는 Mean-shift 추적 결과 37

[표 3-6] 평균 기울기 값보다 큰 구간 특징으로 할당한 Mean-shift 추적 결과 39

[표 3-7] 균등 할당 히스토그램과 제안하는 방법의 Mean-shift 추적 결과 비교 40

[표 3-8] R채널 8bin, G채널 4bin, B채널 4bin으로 할당한 Mean-shift 추적 결과 41

[표 3-9] 실험 결과 값의 비교 42

[표 3-10] 칼만 예측 정보를 ROI로 이용한 Mean-shift 추적 결과 43

[표 3-11] 허프 원 변환을 이용한 스톤 추적 정보의 보정 44

그림목차

[그림 2-1] 제안하는 시스템의 전체 흐름도 16

[그림 2-2] 하우스 내 좌표계 설정 18

[그림 2-3] 하우스 내 각 세부 명칭 19

[그림 2-4] 외곽선 이미지(좌)에서 수평선, 수직선 정보를 제거(우) 19

[그림 2-5] ROI의 설정 20

[그림 2-6] 차연산을 통한 스톤영역의 검출 및 모폴로지 연산 21

[그림 2-7] 검출된 스톤 영역을 레이블링 21

[그림 2-8] Hue 정보를 이용한 스톤 색상의 분류 22

[그림 2-9] 1차원 특징벡터(X)의 확률밀도함수 24

[그림 2-10] 컬링 스톤의 RGB 채널별 히스토그램의 확률분포함수와 누적분포함수 25

[그림 2-11] 최적 색상 추출 기법을 이용한 히스토그램 특징벡터 생성의 예 26

[그림 2-12] 칼만 필터를 이용한 컬링 스톤 추적 정보의 유지 및 보정 27

[그림 2-13] 칼만 필터 요소 28

[그림 2-14] 컬링 경기 기록을 위한 하우스 이미지 29

[그림 3-1] 컬링 실험 환경의 제작 30

[그림 3-2] 상황별 시퀀스 이미지 31

[그림 3-3] 기존의 허프 원 변환(좌), 제안된 방법(우) 32

[그림 3-4] 검출된 스톤의 좌표를 새로운 하우스 이미지에 표현 33

[그림 3-5] 적색 원 구간에서 레드 스톤 추적 35

[그림 3-6] 채널별 16개 bin으로 구성된 불균등 히스토그램(Set_1) 36

[그림 3-7] 채널별 16개 bin으로 구성된 불균등 히스토그램(Set_3) 37

[그림 3-8] 평균 기울기 값보다 큰 구간 중 연속적인 구간을 특징으로 할당 38

[그림 3-9] 제안한 방법으로 색상을 추출한 결과 39

[그림 3-10] RGB 컬러 모델 40

[그림 3-11] 칼만 예측 정보를 이용하기 위한 Threshold 43

[그림 4-1] 향구 연구 방향 46

초록보기

 스포츠 경기 기록 분야의 경우 ICT 기술의 발달로 좀 더 다양한 경기정보를 신속하고 정확하게 전달할 수 있게 되었다. 특히 컬링은 '빙판 위의 체스'라고 불릴 만큼 그 전략이 다양하여 경기 분석과 관련된 ICT 기술 및 소프트웨어의 적용이 적합한 종목이라 할 수 있다. 이에 이 논문은 컬링 경기 기록을 위해 컬링 영상에서 스톤을 검출하고 추적할 수 있는 방법에 대해 제안하고자 한다. 핵심 알고리즘이라 할 수 있는 스톤추적 알고리즘은 Mean-Shift알고리즘을 사용한다. 이 알고리즘은 스톤의 검출 및 추적의 속도 개선과 정확성을 위해 최적 색상정보를 추출하여 생성한 특징 벡터를 사용한다. 또한, 컬링 경기 중 발생할 수 있는 다양한 변인에 의해 스톤 추적 중 추적 정보를 잃거나 잘 못 추적했을 경우에 이를 보정해줄 수 있는 방법으로 칼만 필터를 함께 적용한 Mean-Shift알고리즘을 제안한다.