Object Orientation

 

영상에서 전경 물체가 어떤 방향으로 정렬이 되어있는가를 찾는 문제는 다양한 영상 인식 알고리즘에서 나타난다. 예를 들면, 영상에서 사람의 머리가 어떤 자세를 취하고 있는가를 묻는 것에 대한 답이나, 손바닥 인식에서 손이 가리키는 방향에 대한 정보를 제공한다.

물체의 정렬 방향(orientation)의 의미는 영상에서 물체 영역의 픽셀에서 정렬 방향을 정의하는 직선까지 거리의 합이 최소인 직선의 방향(기울기)을 의미한다. 이 직선은 물체 영역의 질량중심 $(x_c,y_c)$을 지나야 한다.

물체 영역의 중심을 지나고 각도가 $\theta$ 만큼 기울어진 직선이 있을 때, 픽셀 $(i,j)$에서 직선까지 거리는

$$\text{distance}=|-(i-x_c)\sin \theta +(j-y_c)\cos \theta |$$

로 주어진다. (직선에 수직한 단위 벡터 $(-\sin \theta ,\cos \theta )$에 대한 $(i-x_c,j-y_c)$의 정사영임을 생각하면 쉽게 이해할 수 있다) 

 

따라서, 최소자승법의 의미에서 orientation은 전경 픽셀에 대해 직선까지 거리 제곱을 다 더한 양을 최소화시키는 $\theta$를 구하는 걸로 귀결된다.

$$\begin{gathered} S(\theta )=\sum _{(i,j)\in \\ \text{object}}|-(i-x_c)\sin \theta +(j-y_c)\cos \theta {|}^2 \end{gathered}$$

$$⟶{\theta }^{\ast }=\text{argmin}[S(\theta )].$$

$S(\theta )$를 $\theta$에 대해서 미분을 한 후에 정리하면,

$$\begin{array}{r}\sum _{ij}[(i-x_c{)}^2-(j-y_c{)}^2]\sin \theta \cos \theta -\sum _{ij}(i-x_c)(j-y_c)({\cos }^2\theta -{\sin }^2\theta )=0\end{array}$$

$$\therefore \tan 2{\theta }^{\ast }=\frac{2{\mu }_{11}}{{\mu }_{20}-{\mu }_{02}}$$

로 주어짐을 알 수 있다. ${\mu }_{pq}$ 는 영상의 $p+q$ 차원 central moment에 해당한다. $\tan {\theta }^{\ast }$을 구해보면

$$\tan {\theta }^{\ast }=\frac{({\mu }_{20}-{\mu }_{02})\pm \sqrt{({\mu }_{20}-{\mu }_{02}{)}^2+4{\mu }_{11}^2}}{2{\mu }_{11}}$$로 구해지는데 $S^{″}({\theta }^{\ast })=\pm \sqrt{({\mu }_{20}-{\mu }_{02}{)}^2+4{\mu }_{11}^2}$이므로 최소조건($S^{″}({\theta }^{\ast })\ge 0$)을 만족하려면 윗쪽 부호를 선택해야 한다.  따라서 ${\mu }_{11}>0$이면 $0\le {\theta }^{\ast }\le \pi /2$이고, ${\mu }_{11}<0$이면 $\pi /2<{\theta }^{\ast }<\pi$의 범위를 가진다.

물론, 이들 central moment을 이용해서 만든 공분산 행렬(covariance matrix) 

$$\mathrm{\Sigma }=\left(\begin{array}{cc}{\mu }_{20}& {\mu }_{11}\\ {\mu }_{11}& {\mu }_{02}\end{array}\right)$$의 두 eigenvalue 중 큰 값에 해당하는 eigenvector가 물체의 정렬 방향을 알려준다.