상호 반발 활성 막을 이용한 효율적인 다중 객체 추적

초록

본 논문은 개방형 활성 등고선 모델에 상호 반발 힘을 추가하여 고밀도 환경에서 개체들의 궤적을 정확히 추적하는 방법을 제시한다. 파리와 미소시균 두 가지 실험 시스템에 적용해 남성 파리의 보행 특성, 성별 혼합 군집의 사회적 상호작용, 그리고 미소시균의 활주 속도 분포를 정량화하였다. 제안된 ‘활성 막’ 알고리즘은 초당 파리당 5 × 10⁻⁶ 이하의 오류율을 달성한다.

상세 분석

이 연구는 기존의 활성 등고선(active contour) 모델을 시간 차원으로 확장한 ‘활성 막(active membrane)’ 개념을 도입함으로써, 연속적인 프레임 사이의 객체 위치를 3차원(2D 공간 + 시간) 구조로 취급한다. 핵심 아이디어는 각 객체를 열린 곡선 형태의 매끄러운 경계로 모델링하고, 인접한 곡선들 사이에 반발(repulsive) 포텐셜을 부여해 물리적 충돌을 방지한다는 점이다. 반발 힘은 거리 기반의 역제곱 혹은 가우시안 형태로 정의되어, 객체 간 겹침이 발생하면 에너지 함수가 급격히 증가하도록 설계되었다. 이렇게 하면 최적화 과정에서 곡선이 서로를 밀어내어 실제 물리적 충돌을 모사하면서도, 고밀도 상황에서도 개별 객체를 정확히 구분할 수 있다.

알고리즘은 크게 네 단계로 구성된다. 첫째, 초기 프레임에서 사용자가 지정한 몇 개의 시드 포인트를 기반으로 각 객체의 초기 등고선을 생성한다. 둘째, 매 프레임마다 내부 에너지(곡선의 매끄러움), 외부 에너지(이미지 그라디언트에 대한 적합도), 그리고 상호 반발 에너지를 합산한 총 에너지 함수를 최소화한다. 최소화는 변분법과 이산화된 라플라시안 연산자를 이용한 반복적인 스프링-질량 시스템 시뮬레이션으로 수행된다. 셋째, 최적화된 곡선은 시간 축을 따라 연장되어 ‘활성 막’ 형태로 저장되며, 이는 곧 객체의 궤적이 된다. 넷째, 추적이 종료된 객체는 에너지 기준과 길이 제한을 통해 자동으로 제거된다.

수학적으로는 곡선 (C_i(s,t))에 대해
\