본 논문은 하나의 움직이는 카메라와 수시로 바뀌는 배경을 가진 환경 하에서 파라미터를 사용하지 않는 외곽선을 사용한 움직이는 물체의 외곽을 추적하고, 추적된 물체의 외곽을 다른 장면에서 가져온 배경으로 대체하여 추적물체를 제거하는 기법을 제안한다. 먼저 캐니 에지 이미지(map)를 수정하여 만들어 내고, 이들 에지들의 강도에 대한 정보를 LOD (Level-of-Detail)로 만든 결과 LOD 캐니 에지 이미지(map)을 생성한다. 이들 LOD 캐니 에지 이미지 화소에 대해 그래프를 사용한 경로 설정 방법을 사용한다. 이 작업으로 결정되는 외곽선을 이용하여 추적대상이 되는 물체를 다른 이미지에서부터 얻은 배경이미지로 대체함으로써 제거한다. 우리의 물체 추적을 위한 방법은 LOD 수정된 캐니에지 이미지를 위주로 이루어진다. 추가 에지 정보를 얻기 위해 LOD 계층에 따라서 자세한 외곽선 정보를 얻는다. 우리의 경로 설정 방법은 보다 강한 이미지 차에서 만들어진 에지 화소를 선호하는 것이다. 이 방법은 이전 외곽선 정보를 최소한으로 참고하기 때문에, 이전 외곽선 정보를 새로운 외곽선을 생성하는데 있어서 가중치를 사용 이전 외곽선을 포함시키는 방법에 비해 탁월하다. 외곽선 추적 후 추적 물체를 배경으로 대체하는데, 첫 이미지 배경은 이후에 나타나는 이미지로부터 추적 물체에 대해 가려진 배경정보를 가져오는 카메라 운동법이라 부르는 방법에 의하여 계산되어진다. 첫 프레임을 위한 배경 계산이 완료되면, 다음 이미지의 배경 계산은 첫 프레임의 배경에 의존한다. 본 논문에서 제시된 방법을 사용할 경우, 추적 물체의 형상 변화가 극심하지 않고, 카메라의 움직임이 매우 빠르지 않을 경우 성공적으로 추적할 수 있었다. 구체적으로 보면 의사 22균주(22.4%), 간호사 13균주(43.3%), 보호자 24균주(24.2%), 환자 31균주(41.9%), 일반인에서 13균주(18.1%)가 분리되었다. 따라서 의료 환경 내 의료인(의사, 간호사)에서는 비강보다 손에서 MRSA가 높은 비율로 검출되었으며 의사보다 간호사에서 MRSA가 많이 분리되었다. 비 의료인(보호자, 환자, 일반인)의 경우 일반인 보다 의료 환경 내에 있는 보호자와 환자에게서, 보호자보다는 환자에게서 MRSA가 많이 분리되었다. 이번에 실시한 의료 환경 중에서는 MRSA 152균주(24.3%)가 분리되어 축산이나 수산환경에서 보다 높은 분리율을 보였는데 이는 축산과 수산 환경에서보다 직접적으로 항생제를 많이 사용하고 또 항생제에 많이 노출되어 있기 때문이라고 사료되었다. 전체적으로 의료인보다 비의료인 환자에서 보다 많은 MRSA가 분리되고 MIC는 대체적으로 비슷하거나 조금 더 높은 것으로 나타나 병실의 환경개선이 필요할 것으로 사료되었다.출 할 경우 5 mg/ml 농도에서 BHT 보다 높은 hydroxyl radical 소거활성을 나타내었으며, 10 mg/ml의 농도에서는 BHA 보다 높고 천연항산화제인 ${alpha}-tocopherol$과 유사한 hydroxyl radical 소거활성을 나타내었다. 특히 20 mg/ml에서는 천연 항산화제인 ${alpha}-tocopherol$ 보다 훨씬 높은 hydroxyl radical 소거활성을 나타내는 것을 볼 수가 있었다., 통증정도는 우울과 불편감 그리고 신체간호 횟수와 상관관계가 있었고, 우울과 마약성 진통제 사용이 통증 예측인자로 나타났다. 그러므로 말기 암환자의 통증을
We propose a simple method for tracking a nonparameterized subject contour in a single video stream with a moving camera and changing background. Then we present a method to eliminate the tracked contour object by replacing with the background scene we get from other frame. First we track the object using LOD (Level-of-Detail) canny edge maps, then we generate background of each image frame and replace the tracked object in a scene by a background image from other frame that is not occluded by the tracked object. Our tracking method is based on level-of-detail (LOD) modified Canny edge maps and graph-based routing operations on the LOD maps. We get more edge pixels along LOD hierarchy. Our accurate tracking is based on reducing effects from irrelevant edges by selecting the stronger edge pixels, thereby relying on the current frame edge pixel as much as possible. The first frame background scene is determined by camera motion, camera movement between two image frames, and other background scenes are computed from the previous background scenes. The computed background scenes are used to eliminate the tracked object from the scene. In order to remove the tracked object, we generate approximated background for the first frame. Background images for subsequent frames are based on the first frame background or previous frame images. This approach is based on computing camera motion. Our experimental results show that our method works nice for moderate camera movement with small object shape changes.
