Occluded Object Reconstruction and Recognition with Computational Integral Imaging

본 논문에서는 집적 영상의 획득과 복원을 통하여 장애물에 가려진 물체를 인식하는 기술은 제안하고 구현하였다. 집적 영상의 복원은 해당되는 화소 세기의1차 확률적 특성인 평균으로 구한다. 복원평면까지의 거리는 2차 확률적 특성인 표준 편차를 이용하여 구하고3차원 물체의 경계(edge)를 검출한다. 표준 편차의 합을 최소로 하는 거리에서 복원된 영상을 표적인식에 이용한다. 표적인식은 주성분 분석(principle component analysis, PCA) 분류기를 복원된 영상에 적용하였다. 표적 분류에 대한 판정은 분류기에 의해서 투영된 클래스의 평균 특징 벡터와 테스트 특징 벡터간의 유클리드 거리(Euclidean distance)를 이용한다. 실험 및 시뮬레이션을 통하여 가려진 표적을 본 논문에서 제안한 방법을 통하여 오차 없이 분류하였다. This paper addresses occluded object reconstruction and recognition with computational integral imaging (II). Integral imaging acquires and reconstructs target information in the three-dimensional (3D) space. The reconstruction is performed by averaging the intensities of the corresponding pixels. The distance to the object is estimated by minimizing the sum of the standard deviation of the pixels. We adopt principal component analysis (PCA) to classify occluded objects in the reconstruction space. The Euclidean distance is employed as a metric for decision making. Experimental and simulation results show that occluded targets are successfully classified by the proposed method.