영상으로부터 관심 영역을 추출하는 작업은 비젼을 이용한 응용 분야에서 첫 번째 단계로 이후 처리 단계에 영향을 미치는 중요한 작업이다. 하지만 관심 영역추출은 조명이나 카메라 등의 주변 환경에 민감하여 일반적으로 문제에 관련된 지식이나 후처리를 도입하여 추출된 영역을 보정하고 있다. 이 논문에서는 환경에 민감하지 않으며 이후 처리 과정에 독립적인 관심 영역 추출을 위한 프레임워크를 제안한다. 제안하는 프레임워크는 차영상과 색상 분포를 이용하여 관심 영역을 추출하며 색상 분포를 학습함으로써 환경의 변화에 적응할 수 있다. 또한 프레임워크의 각 구성 요소들이 독립적으로 동작하는 유연한 구조를 가지므로 확장성이 뛰어나다. 제안하는 프레임워크의 유용성은 동영상에서 손 영역 추출을 통해 확인할 수 있다.
Extraction of regions of interest (ROIs) is the first and important step for the applications in computer vision and affects the rest of the application process. However, ROI extraction can be easily affected by the environment such as illumination, camera, etc. Many applications adopt problem-specific knowledge and/or post-processing to correct the error occurred in ROI extraction. In this paper, proposed is a robust framework that could overcome the environmental change and is independent from the rest of the process. The proposed framework uses a differential image and a color distribution to extract ROIs. The color distribution can be learned on-line, which make the framework to be robust to environmental change. Even more, the components of the framework are independent each other, which makes the framework flexible and extensible. The usefulness of the proposed framework is demonstrated with the application of hand region extraction in an image sequence.
