실시간 야구 중계를 위한 CNN 기반 고속 야구 선수 위치 검출 시스템 -

HOME > 공학 > 로봇 > 한국정보과학회 > 정보과학회 컴퓨팅의 실제 논문지

분야	공학 > 로봇
저자	김재준 최태영
발행기관	한국정보과학회
간행물정보	정보과학회 컴퓨팅의 실제 논문지 2019년, 정보과학회 컴퓨팅의 실제 논문지 제25권 제3호, 171page~178page(총8page)
파일형식	3673219 [다운로드 무료 PDF 뷰어]
판매가격	6,000원
적립금	180원 (구매자료 3% 적립)

이 자료를


논문의 미리보기 2페이지를 PDF파일로 제공합니다.

연관 논문

스포츠 경기 자동 중계를 위한 UAV 비디오 해석 및 추적 방법 -

Faster R-CNN을 이용한 영상 기반 신호등 인식 시스템 연구 -

Faster R-CNN 기반의 실시간 번호판 검출

RFID를 이용한 웹 기반의 실시간 위험물 모니터링 시스템 구축 사례 -

실시간 얼굴 검출을 위한 Cascade CNN의 CPU-FPGA 구조 연구 -

부제 : Fast Baseball Player Location Detection System using Convolutional Neural Networks for Real Time Broadcast
요약
Abstract
1. 서론
2. 관련 연구
3. 제안 시스템
4. 성능 평가
5. 결론
References

국문초록

본 논문에서는 야구 경기 영상에서 딥 러닝 기법들 중 영상 인식에 적합한 CNN을 사용하여 야구 선수의 위치를 검출하는 시스템을 제안한다. 객체의 위치 검출을 위한 기존의 영상 처리 기법들 중 다수는 영상 프레임 사이의 차영상이나 객체의 윤곽을 얻는 방법들을 사용해왔지만, 야구 중계와 같이 다양한 기후와 배경을 모두 고려하여 실용화하기에는 추가적인 검증 과정이 필요하다. 본 논문에서는 다양한 경우에 움직이는 객체의 위치를 빠르게 학습하고 검출하기 위해 이진 블록 영상을 적용하였고 학습 성능을 향상시키기 위해 학습 영상을 추가로 생성하는 데이터 증강 기법을 사용하였다. 선수 위치의 정확도 평가 척도는 목표 객체의 중심점과 지능망을 통해 검출된 확률 중심과의 거리를 평가 척도로 적용하였다. 실험 결과는 제안한 방법의 평균 거리가 2.92픽셀로 Faster R-CNN의 평균 거리인 3.35보다 0.43픽셀이 낮아 선수의 위치 검출 정확도가 높으며, 수행 속도도 제안한 방법이 Faster R-CNN보다 69.93배 빠름을 보여준다.

영문초록

The paper proposes a player location detection system in a baseball game broadcast. Location detection system uses CNN (convolutional neural network) suitable for image processing among diverse deep learning systems. To train the location of a player faster and accurately, we choose binary block labeling instead of the commonly used edge detection methods. Data augmentation method, which generates additional training images was applied to increase the degree of accuracy. The distance between the center position of the target and the output position by neural network was used to measure performance. Experimental results indicated that the average pixel distances between center of target position and one of output are 2.92 and 3.35 in the case of the proposed method and Faster R-CNN, respectively. In addition, the execution time of the proposed method was established to be 69.93 times faster than that of Faster R-CNN.