[컴퓨터비전] 7. 매칭
7.1 매칭의 기초
- •
매칭: 두 영상에서 추출한 특징을 비교하여 동일한 객체를 찾는 과정
- •
보통 특징 기술자 간의 거리(유클리디안 거리, 해밍 거리 등)를 비교해 가장 가까운 특징쌍을 찾음
- •
KNN 매칭: 최근접 이웃 K개를 찾는 방법. 일반적으로 k=2로 설정하고, 1위와 2위 거리 비율(예: 0.8 이하) 조건을 걸어 신뢰도 높은 매칭만 선택
- •
RANSAC과 조합: 잘못된 매칭(외란)을 걸러내는 데 사용됨
7.2 빠른 최근접 이웃 탐색
- •
고차원 벡터에서 빠르게 최근접 이웃을 찾기 위한 알고리즘 필요
- •
브루트 포스 방식은 정확하지만 속도가 느림
- •
KD-트리
- ◦
공간을 분할하여 탐색 속도 향상
- ◦
고차원에서는 성능 저하
- •
FLANN
- ◦
자동으로 최적의 알고리즘 선택
- ◦
정확도와 속도 간의 균형을 맞춤
- ◦
대용량 데이터에 적합
7.3 기하 정렬과 변환 추정
- •
매칭된 점들을 기반으로 기하학적 정합성 검증 필요
- •
Homography: 두 영상 간의 평면 변환 모델
- ◦
예: 평면 상의 포스터를 다른 시점에서 촬영한 이미지 간의 대응
- •
RANSAC
- ◦
outlier를 제거하면서 모델 추정
- ◦
반복적으로 랜덤 샘플을 추출해 가장 많은 inlier를 포함하는 모델 선택
- •
변환 행렬 추정: 회전, 이동, 스케일 등의 기하 변환 파라미터 계산
- ◦
예) 영상 정렬, 파노라마 구성 등에서 사용됨
7.4 웹과 모바일 응용
- •
실시간 객체 인식 및 추적에 사용됨
- ◦
예) AR(증강현실) 앱에서 포스터 인식 후 정보 제공
- •
모바일 환경 고려사항
- ◦
연산 속도 및 전력 소비가 중요
- ◦
이진 기술자 사용으로 속도 향상
- •
서버-클라이언트 구조
- ◦
모바일에서는 특징 추출만 수행하고, 서버에서 매칭 및 인식 수행
- ◦
서버에 있는 대용량 데이터베이스와 비교해 정확도 확보
- •
웹 기반 서비스
- ◦
클라우드 비전 API, 이미지 검색 엔진 등에서 매칭 기술 활용됨