KR100878190B1 - Object recognition method - Google Patents

Object recognition method Download PDF

Info

Publication number
KR100878190B1
KR100878190B1 KR1020020013008A KR20020013008A KR100878190B1 KR 100878190 B1 KR100878190 B1 KR 100878190B1 KR 1020020013008 A KR1020020013008 A KR 1020020013008A KR 20020013008 A KR20020013008 A KR 20020013008A KR 100878190 B1 KR100878190 B1 KR 100878190B1
Authority
KR
South Korea
Prior art keywords
color
model
target
method
step
Prior art date
Application number
KR1020020013008A
Other languages
Korean (ko)
Other versions
KR20030073448A (en
Inventor
나재호
Original Assignee
주식회사 엘지이아이
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 엘지이아이 filed Critical 주식회사 엘지이아이
Priority to KR1020020013008A priority Critical patent/KR100878190B1/en
Publication of KR20030073448A publication Critical patent/KR20030073448A/en
Application granted granted Critical
Publication of KR100878190B1 publication Critical patent/KR100878190B1/en

Links

Images

Abstract

본 발명은 객체 인식 방법에 관한 것으로, 화상처리를 이용한 물체 검지 및 인식시 인식 알고리즘의 주된 특징인 색 모델을 특정 물체 및 조명이나 배경의 변화에 맞게 자동으로 보정하여 물체 검지 및 인식율을 향상시키도록 한 것이다. The present invention to relates to a method object recognition, and the main characteristics of the color model of the recognition algorithm when the object detection and recognition using an image process automatically compensates for a specific object, and the light or change the background improve object detection and recognition rates one will. 이를 위하여 본 발명은 캡쳐된 화상 정보로부터 특정 목표물의 색을 정규화된 기준 색 모델을 이용하여 분리하는 제1 단계와; To this end the first step of the present invention is to separate the color using the normalized target model for a specific target from a captured image information; 상기 특정 목표물의 색을 상기 기준 색 모델과 비교하여 특정 목표물의 색 모델을 검출하는 제2 단계와; A second step of detecting a color model for a specific target and the color of the specific targets compared to the target model; 상기 검출된 특정 목표물의 색 모델을 이용하여 목표물을 트랙킹하는 제3 단계로 이루어진다. Using a color model for a specific target with the detected comprises a third step of tracking a target.

Description

객체 인식 방법{OBJECT RECOGNITION METHOD} Object recognition method {OBJECT RECOGNITION METHOD}

도1은 본 발명 객체 인식 방법에 대한 동작 흐름을 보인 개략도. 1 is a schematic diagram showing the operation flow of the present invention, an object recognition method.

도2는 도1에 있어서, 자동보정에 대한 동작 흐름을 보인 개략도. 2 is 1, a schematic view showing the operation flow for the auto-calibration.

도3은 도2에 있어서, 본 발명에 의한 색 모델의 확률 분포도. In Fig. 3 is a, the probability distribution of a color model according to the present invention.

본 발명은 객체 인식 방법에 관한 것으로, 특히 화상처리를 이용한 물체 검지 및 인식시 인식 알고리즘의 주된 특징인 색 모델을 특정 물체 및 조명이나 배경의 변화에 맞게 자동으로 보정하여 물체 검지 및 인식율을 향상시키도록 한 객체 인식 방법에 관한 것이다. The present invention to relates to a method object recognition, in particular, the main characteristic of the color model of the recognition algorithm when the object detection and recognition using image processing to automatically compensate for a specific object, and the light or change the background improve object detection and recognition rates It relates to an object recognition method to.

최근의 가정용 엔터테인먼트 로봇의 경우, 특정 물체나 사람 얼굴의 인식 기능이 포함되어 있는데, 이는 화상처리를 이용하여 수행된다. For the latest home entertainment robots, which contains a recognition of a particular object or person's face, which is performed using image processing.

종래의 기술로서, 예를 들면, 미국 특허 6263113에 나타난 바와 같이, 얼굴 검출시에 RGB 각각의 색의 절대값을 이용하여 기준색 모델을 설정한 후, 그 기준색 모델을 화상과 비교하여 얼굴이라고 판단되는 색을 그룹화함으로써 얼굴을 검출하는 동작을 수행한다. As a conventional technique, for example, U.S. Patent that, as shown in 6,263,113, and then at the time of face detection using the absolute value of RGB respective colors set the target model, as compared to the target model and the image face It performs an operation of detecting a face by grouping the determined colors.

상술한 방법은, 얼굴의 기준색 모델이 정해져 있고, 또한 상당히 넓은 색 영역을 포함하여 얼굴색과 비슷한 많은 물체를 얼굴로 오인하여 검지할 수 있고, 또한 RGB 각각의 색의 절대값을 이용한 기준색 모델을 사용하는 경우에, 조명 조건이 변하게 되면 동일한 얼굴이라도 색의 변화가 생겨 정확하게 검지 못하는 문제가 있다. The above-described method, and the target model of the face determined, also significantly, and can be detected by the mistaken for a number of objects similar to the complexion to the face including a wide color gamut, and target models using the absolute value of RGB respective colors If you are using, the same face, even if the problem can not accurately detect the change of color blossomed when the lighting conditions change.

본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로, 화상처리를 이용한 물체 검지 및 인식시 인식 알고리즘의 주된 특징인 색 모델을 특정 물체 및 조명이나 배경의 변화에 맞게 자동으로 보정하여 물체 검지 및 인식율을 향상시키도록 한 객체 인식 방법을 제공함에 그 목적이 있다. The present invention been made in view of the above problems, a main feature of the color model of the recognition algorithm when the object detection and recognition using image processing to automatically compensate for a specific object, and the light or change of the background object is detected, and to provide an object recognition method in order to improve the recognition rate it is an object.

상기와 같은 목적을 달성하기 위한 본 발명은, 캡쳐된 화상 정보로부터 특정 목표물의 색을 정규화된 기준 색 모델을 이용하여 분리하는 제1 단계와; A first step of separating, using the present invention for achieving the above object is, the normalized color of a particular target from a captured image information and the target model; 상기 특정 목표물의 색을 상기 기준 색 모델과 비교하여 특정 목표물의 색 모델을 검출하는 제2 단계와; A second step of detecting a color model for a specific target and the color of the specific targets compared to the target model; 상기 검출된 특정 목표물의 색 모델을 이용하여 목표물을 트랙킹하는 제3 단계를 포함하여 구성된 것을 특징으로 한다. Characterized in that configured to include a third step of tracking a target using a color model for a specific target with the detected.

이하, 본 발명에 의한 지능형 로봇의 객체 인식방법에 대한 작용 및 효과를 첨부한 도면을 참조하여 상세히 설명한다. With reference to the accompanying drawings, the advantages and effects of the object recognition of the intelligent robot process according to the present invention will be described in detail.

도1은 본 발명 객체 인식 방법에 대한 동작 흐름을 보인 개략도로서, 이에 도시한 바와 같이 화상 정보를 캡쳐하여, 그 화상정보로부터 특정 목표물의 색을 정규화된 색 모델을 이용하여 분리하는 제1 단계와; A schematic view Figure 1 illustrating the operation flow of the present invention, an object recognition method, a first step to capture the image information, as shown, separated by using the normalized color of a specific target color model from the image information thereto .; 상기 특정 목표물의 색을 상기 기준 색 모델과 비교하여 특정 목표물의 색 모델을 검출하는 제2 단계와; A second step of detecting a color model for a specific target and the color of the specific targets compared to the target model; 상기 특정 목표물의 색 모델이 검출되면, 상기 검출된 특정 목표물의 색 모델을 이용하여 목표물을 트랙킹하는 제3 단계와; When the color model is the detection of the specific target, a third step of tracking a target using a color model for a specific target with the detected; 조명 변화에 따른 상기 특정 목표물의 색 모델을 검출하여 상기 검출된 색 모델을 보정한 후, 상기 보정된 색 모델에 따라 상기 기준 색 모델을 업데이트시키는 제4 단계로 이루어지며, 이와 같은 본 발명의 동작을 사람의 얼굴색을 검출하는 것을 실시예로 하여 설명한다. After detecting the color model of a particular target according to the illumination change correction of the detected color model according to the corrected color model consists of a fourth step of updating the target model, this operation of the invention to be described with a embodiment to detect a person's complexion.

먼저, 화상 정보를 캡쳐하여, 그 화상정보로부터 특정 목표물의 색을 정규화된 기준색 모델을 이용하여 분리하는데, 기존의 절대값 색 모델을 사용하지 않고 하기의 수학식으로 이루어진 정규화된 색 모델을 사용한다. First, the captured image information, the separation using the Color a normalized target model of a particular target from the image information, using the normalized color model consists of equations to without the use of conventional absolute value color model do.

[수학식] Formula;

Figure 112002007061077-pat00001

Figure 112002007061077-pat00002

Figure 112002007061077-pat00003

여기서, 상기 정규화된 색 모델은 절대적인 값이 아닌 색 비율로써, 조명이 어두운 경우에도 그 비율은 거의 일정하게 유지된다. Here, the color model is the normalized ratio even if the color ratio as the non-absolute value, the low-light is held substantially constant.

즉, 빨간색의 경우 8비트로 정규화된 값을 기준으로 보면, R=255, G=0, B=0가 되는데, 조명이 어두운 경우에는, R값이 255보다 작은 값으로 된다. That is, for red see, based on the normalized value of 8 bits, R = 255, there is a G = 0, B = 0, if low-light, the R value is a value less than 255.

따라서, 상기와 같은 특성을 이용하여 조명 조건에 덜 둔감한 색 모델을 사용하다. Therefore, it is used the less the color model insensitive to the illumination conditions using the properties as described above.

이때, 상기 기준색 모델은, 초기에 특정 카테고리에 속하는 목적물의 색을 샘플링하여 통계적으로 구한 정규화된 색 모델로 설정하는데, 즉 상기 정규화된 색 모델을 기준으로, 초기에는 많은 사람, 다양한 종족의 사람 얼굴색을 샘플링하여 통계적으로 정규화된 기준 색 모델을 설정한다. In this case, the target model, to a sample of the desired product of a color belonging to a category in the initial configuration to a normalized color model statistically determined by, that on the basis of the normalized color model, initially many people, people of different ethnic It sets the target model statistically normalized samples the complexion.

그 다음, 상기 특정 목표물의 색을 기준 색 모델과 비교하여 특정 목표물의 색 모델을 검출하는데, 즉 적절한 검출 알고리즘을 사용하여 분리된 특정 목표물의 색이 기준 색 모델에 포함되면 이를 특정 목표물의 색 모델로 검출한다. Then, to detect the color model for a specific target as compared to the color of the particular target and target models, that is, when the specific target separated using an appropriate detection algorithm color is included in the target model, the color model for this particular target It detects a.

그 다음, 상기 특정 목표물의 색 모델을 기준으로 목표물을 트랙킹한다. Next, tracking the target, based on the color model of the specific target.

한편, 상기에서 검출된 특정 목표물의 색 모델은 자동보정과정을 거쳐 기준색 모델을 새로 설정하는데, 이를 도2를 참조하여 설명한다. On the other hand, in the color model of a particular target is detected in said through an automated calibration procedure to set a new target model, it will be described with reference to FIG 2.

우선, 상기에서 검지된 특정 목적물의 색을 다시 정규화한다. First, a normalization to the specific target product color measured at the back.

즉, 동일한 물체에서도 프레임간의 조명 변화에 대하여 색 절대값의 변화가 생기지만, 상기 정규화 과정을 통해 색값들(RGB)의 비율은 일정하게 유지하여 조명변화에 둔감한 특성을 가지도록 한다. In other words, even with the same object, only the absolute value of the color changes occur with respect to illumination changes between frames, the rate of the color values ​​(RGB) through the normalization process is to be kept constant so as to have a characteristic insensitive to illumination changes.

그 다음, 화상정보의 프레임간의 색차를 구하여 현재 프레임의 색 모델을 산출한다. Then, obtain the color difference between frames of the image information and calculates a color model for the current frame.

즉, 이전 프레임과 현재 프레임의 색차를 이용하여 현재 프레임의 목표물 색의 평균과 분산을 구한 후, 현재 색 모델의 가우시안 함수(g1)를 구하고, 현재 프레임과 기준 색 모델과의 색차를 이용하여 현재 색 모델의 가우시안 함수(g2)를 구한 후, 상기 가우시안 함수(g1,g2)를 승산하여 현재 색 모델의 가우시안 함수를 구하여 이를 현재 프레임의 색 모델로 산출하는데, 즉 도3과 같이 현재의 색 모델이 시프팅하게 되어, 일반적으로 구한 색 모델의 높은 확률 분포 내에서 변동을 하여 새로운 색 모델을 생성하게 된다. That is, the current using the previous frame and the latter to the current use of a color difference in frame calculated the mean and variance of the target color of the present frame, obtains a Gaussian function (g1) of the current color model and the color difference between the current frame and the reference color model after obtaining a Gaussian function (g2) of the color model, the Gaussian function (g1, g2) for multiplying by to obtain the Gaussian function of the current color model output it to the color model for the current frame, i.e. the current color model as shown in Figure 3 is the shifting, is generally creates a new color model to the variation in the high probability of the obtained color model.

그 다음, 상기에서 산출된 현재 프레임의 색 모델들을 누적하여 새로운 색 모델을 생성하고, 그 생성된 새로운 색 모델을 학습하여, 기준 색 모델을 업데이트한다. Next, create a new color model to accumulate the color model for the current frame calculated in the above, and to learn a new color models that create, to update the target model.

즉 상술한 고정을 반복 수행하여 매번 계산된 색 모델은 누적되고, 결과적으로 특정인의 얼굴색을 나타내는 가우시안 분포의 새로운 색 모델이 생성되는데, 이는 조명의 변화에도 적응가능한 새로운 색 모델이 된다. I.e., by performing the above-described fixing repeated each time the calculated color model are accumulated, there is as a result a new color model of the Gaussian distribution representing the person's complexion generated, which is a new color model can adapt to changes in illumination.

상기 새로운 색 모델은, 특정인의 얼굴색에 적응된 새로운 색 모델이 되어서, 이를 기초로 하면 특정인의 얼굴색 검출에 용이하고, 주변의 노이즈한 색들은 제거 가능한 색 모델이 된다. The new color model, being a new color model adapted to the person's complexion, when it is based on a person's complexion easily detected, and the color of the surrounding noise are a removable color model.

한편, 상기에서 산출된 현재 프레임의 색 모델을 트랙킹의 기준색 모델로 적용하여, 조명 변화에 따른 특정 목표물의 색 변화를 적응시킨다. On the other hand, by applying the color model for the current frame calculated by the model to the target of the tracking adapts a color change of a particular target according to the illumination changes.

상기 새로운 색 모델 학습방법은, 목표물을 감지한 후, 새롭게 생성되는 색 모델 중 빈도수가 높은 쪽으로 색 모델을 변경하는 첫 번째 방법과 특정 목표물을 계속적으로 검지시켜 새로운 색 모델을 만들어내는 두 번째 방법이 있다. The new color model training method, after detecting the target, by continuously detecting the first method of the newly created change the color model, color model towards a higher frequency of which is the specific target is a second way to create a new color models have.

상술한 학습방법에 의해, 일반적인 색 모델을 사용하여 얼굴 검지 및 인식시보다 인식율과 오동작의 가능성이 적어지는 등의 성능의 향상이 가능하며 다양한 인종의 얼굴색에도 적응하여 자동보정이 가능하도록 된다. Use, common color model, by the above-described learning method can improve the performance, such as where the possibility of the recognition rate and erroneous operation is less than a when the face detection and recognition, and is adapted to be automatically corrected on the complexion in a diverse population.

이러한, 자동 보정은 얼굴 인식뿐만 아니라 특정한 색의 검지시에도 동일하게 적용되며, 상기 첫 번째 학습방법을 예를 들면, 빨간색 공으로 초기화된 기준 색 모델을 빨간색,핑크,주홍,주황,노란,연두,녹색,진녹색,파랑 등으로 색 모델의 의도적인 변화가 가능하도록 해준다. This automatic calibration as well as face recognition is equally applicable when the detection of a specific color, the first learning method, for example, a standard color model initialization red balls in red, pink, scarlet, orange, yellow, light green, green, dark green, makes available to the intentional change of color models, such as blue.

상기 본 발명의 상세한 설명에서 행해진 구체적인 실시 양태 또는 실시예는 어디까지나 본 발명의 기술 내용을 명확하게 하기 위한 것으로 이러한 구체적 실시예에 한정해서 협의로 해석해서는 안되며, 본 발명의 정신과 다음에 기재된 특허 청구의 범위내에서 여러가지 변경 실시가 가능한 것이다. Should not be narrowly interpreted as limited to these specific Examples detailed embodiment is performed in the following detailed description of the present invention embodiments or examples are intended to clarify the technical contents of the present invention only, the claims set forth in the spirit and following of this invention it is possible for various modifications carried out in the range.

이상에서 상세히 설명한 바와 같이 본 발명은, 얼굴 검지시, 색 모델을 사용하는 경우에서 조명변화에 따른 목표물의 색 변화가 생겨도 자동검사가 가능하게 되어, 색 모델을 변경시키는 것이 가능하므로, 검지하고자 하는 목표물의 색상을 환경 변화에 적응하여 잘 검지할 수 있는 효과가 있다. The present invention, as apparent from the above description, the case of using the city face detection, color model even after the color change of the reference object according to the illumination changes in making it possible to automatically check, it is possible to change the color model, to be detected it is to the color of the target adaptation to changes in the environment effects can be well detected.

또한, 본 발명은 얼굴 검지 또는 특정색을 검지하는 분야에 적용하여, 하드웨어나 소프트웨어의 변경없이 사용자가 간단한 학습을 통하여 검출하고자 하는 색을 잘 검지할 수 있는 효과가 있다. The invention also applies to the field of detecting the face detection or a specific color, there is an effect capable of well detecting a color that the user wants to detect through a simple learning without changing the hardware or software.

Claims (9)

  1. 캡쳐된 화상 정보로부터 특정 목표물의 색을 정규화된 기준 색 모델을 이용하여 분리하는 제1 단계와; A first step of separating the color of a specific target using a normalized target model from the captured image information;
    상기 특정 목표물의 색을 상기 기준 색 모델과 비교하여 특정 목표물의 색 모델을 검출하는 제2 단계와; A second step of detecting a color model for a specific target and the color of the specific targets compared to the target model;
    상기 검출된 특정 목표물의 색 모델을 이용하여 목표물을 트랙킹하는 제3 단계를 포함하며, Using a color model for a specific target with the detected includes a third step of tracking a target comprising:
    상기 기준 색 모델은, 전체 색 중에서 특정 색이 차지하는 색의 비율을 색 모델로 설정한 것을 특징으로 하는 객체 인식 방법. The target model, the object to the ratio of the share of a particular color wherein the color is set to the color recognition method of the entire color model.
  2. 제1항에 있어서, 상기 기준 색 모델은, The method of claim 1, wherein the target model,
    하기의 수학식으로 구현되는 정규화된 RGB 색 모델을 사용하는 것을 특징으로 하는 객체 인식 방법. Object recognition method characterized by using a normalized RGB color model is implemented as a mathematical equation.
    [수학식] Formula;
    Figure 112008074535444-pat00004
    Figure 112008074535444-pat00005
    Figure 112008074535444-pat00006
  3. 제2항에 있어서, 상기 정규화된 RGB 색 모델은, The method of claim 2 wherein the normalized RGB color model,
    절대적인 값이 아닌 색의 비율로써, 조명이 어두운 경우에도 상기 색의 비율은 일정하게 유지되는 것을 특징으로 하는 객체 인식 방법. As a ratio of absolute value than the color, even when the low-light object recognition characterized in that the retention rate of the color is a constant way.
  4. 제1항에 있어서, 상기 기준 색 모델은, The method of claim 1, wherein the target model,
    특정 카테고리에 속하는 목적물의 색을 샘플링하여 통계적으로 구한 정규화된 색 모델을 초기 기준 색 모델로 설정하는 것을 특징으로 하는 객체 인식 방법. Object recognition method, characterized in that a sample of the desired product of a color belonging to a category to set the normalized color statistical model determined by the initial target model.
  5. 제1 항에 있어서, According to claim 1,
    조명 변화에 따른 상기 특정 목표물의 색을 보정하고, 상기 보정된 색을 근거로 상기 기준 색 모델을 업데이트시키는 제4 단계를 더 포함하여 이루어진 것을 특징으로 하는 객체 인식 방법. The correct color for a particular target, and the method on the basis of the corrected color object recognition, characterized in that further comprising a fourth step of updating the target model according to the illumination changes.
  6. 제5항에 있어서, 상기 제4 단계는, The method of claim 5, wherein the fourth step,
    검지된 특정 목적물의 색을 정규화하는 제1 과정과; A first step of normalizing the color of the detected particular target, and;
    화상 정보의 프레임간의 색차를 구하여 현재 프레임의 색 모델을 산출하는 제2 과정과; Obtaining the color difference between frames of the image information, a second step of calculating a color model for the current frame;
    상기 산출된 현재 프레임의 색 모델들을 누적하여 새로운 색 모델을 생성하는 제3 과정과; A third process of generating a new color model by accumulating the calculated color model for the current frame;
    상기 생성된 새로운 색 모델을 학습하여, 상기 기준 색 모델을 업데이트시키는 제4 과정을 포함하여 이루어진 것을 특징으로 하는 객체 인식 방법. Object recognition method, characterized in that the learning of new color models of the generation, made in a fourth process of updating the target model.
  7. 제6항에 있어서, 7. The method of claim 6,
    상기 산출된 현재 프레임의 색 모델을 트랙킹의 기준색 모델로 적용하여, 조명 변화에 따른 특정 목표물의 색 변화를 적응시키는 제5 과정을 더 포함하여 이루어진 것을 특징으로 하는 객체 인식 방법. Object recognition method, characterized in that made in the application of the color model for the current frame calculated by the target model of the tracking, and further comprising a fifth step for adapting the color change of a particular target according to the illumination changes.
  8. 제6항에 있어서, 제2 과정은, The method of claim 6, wherein the second process,
    이전 프레임과 현재 프레임의 색차를 이용하여 현재 프레임의 목표물 색의 평균과 분산을 구한 후, 현재 색 모델의 가우시안 함수(g1)를 구하는 과정과; After a previous frame and the current frame using the color difference of the calculated mean and variance of the target color of the current frame, the process of calculating a Gaussian function (g1) of the current color model;
    상기 현재 프레임과 상기 기준 색 모델과의 색차를 이용하여 현재 색 모델의 가우시안 함수(g2)를 구하는 과정과; The current used by the color difference between the frame and the target process model to obtain a Gaussian function (g2) of the current color model;
    상기 구한 2개의 가우시안 함수(g1 및, g2)를 승산하여 현재 색 모델의 가우시안 함수를 구하는 과정을 포함하여 이루어진 것을 특징으로 하는 객체 인식 방법. Object recognition method, characterized in that by multiplying the obtained two Gaussian functions (g1 and, g2) comprising the steps consisting in obtaining a Gaussian function of the current color model.
  9. 제6항에 있어서, 상기 제4 과정의 색 모델 학습은, The method of claim 6, wherein the color model study of the fourth process,
    목표물을 감지한 후, 새롭게 생성되는 색 모델 중 빈도수가 높은 쪽으로 색 모델을 바꾸는 방법 및, 특정 목표물을 계속 검지시켜 새로운 색 모델을 만들어내는 방법 중 어느 하나의 방법을 이용하는 것을 특징으로 하는 객체 인식 방법. After detecting the target, object recognition, characterized in that using the newly created methods to change the color model into a high frequency of the color model, and, The method as in any of the method was continued detecting a specific target to produce a new color model method .
KR1020020013008A 2002-03-11 2002-03-11 Object recognition method KR100878190B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020020013008A KR100878190B1 (en) 2002-03-11 2002-03-11 Object recognition method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020020013008A KR100878190B1 (en) 2002-03-11 2002-03-11 Object recognition method

Publications (2)

Publication Number Publication Date
KR20030073448A KR20030073448A (en) 2003-09-19
KR100878190B1 true KR100878190B1 (en) 2009-01-13

Family

ID=32224278

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020020013008A KR100878190B1 (en) 2002-03-11 2002-03-11 Object recognition method

Country Status (1)

Country Link
KR (1) KR100878190B1 (en)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5845009A (en) 1997-03-21 1998-12-01 Autodesk, Inc. Object tracking system using statistical modeling and geometric relationship
US5912980A (en) 1995-07-13 1999-06-15 Hunke; H. Martin Target acquisition and tracking
JP2000078563A (en) 1998-09-03 2000-03-14 Sony Corp Subject recognizing device and automatic tracking device

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5912980A (en) 1995-07-13 1999-06-15 Hunke; H. Martin Target acquisition and tracking
US5845009A (en) 1997-03-21 1998-12-01 Autodesk, Inc. Object tracking system using statistical modeling and geometric relationship
JP2000078563A (en) 1998-09-03 2000-03-14 Sony Corp Subject recognizing device and automatic tracking device

Also Published As

Publication number Publication date
KR20030073448A (en) 2003-09-19

Similar Documents

Publication Publication Date Title
Trahanias et al. Vector order statistics operators as color edge detectors
US8098276B2 (en) Stereo vision system and control method thereof
US7415165B2 (en) Red-eye detection device, red-eye detection method, and red-eye detection program
US20090080772A1 (en) Radiometric Calibration from a Single Image
US7016075B1 (en) Apparatus and method for automatic color correction and recording medium storing a control program therefor
US6792164B2 (en) Method and apparatus for indexing and retrieving images from an image database based on a color query
JP4251719B2 (en) Robust tracking system of a human face in the case where the plurality of persons exist
US7542077B2 (en) White balance adjustment device and color identification device
US20060035259A1 (en) Method and apparatus for detecting structural elements of subjects
JP4997252B2 (en) Method for identifying an illumination region in an image
Petrovic et al. Universal impulse noise filter based on genetic programming
US6873743B2 (en) Method and apparatus for the automatic real-time detection and correction of red-eye defects in batches of digital images or in handheld appliances
CN1875378B (en) Object detection in images
KR100959343B1 (en) White balance correction apparatus and method
US6535254B1 (en) Method and device for noise reduction
US20050018923A1 (en) Digital image processing method having an exposure correction based on recognition of areas corresponding to the skin of the photographed subject
EP0700218A2 (en) Image compensation system for video appliances and methods thereof
US7366330B2 (en) Method, apparatus, and program for detecting faces
JP4214154B2 (en) Video apparatus and the white balance adjustment method for automatically adjusting the white balance
US20020172419A1 (en) Image enhancement using face detection
US7974465B2 (en) Method for dominant color setting of video region and data structure and method of confidence measure extraction
US6954225B2 (en) Method for detecting moving objects by comparing video images
JP4081060B2 (en) Image quality correction device and the image quality correction method
Jung Efficient background subtraction and shadow removal for monochromatic video sequences
EP0294497A1 (en) Apparatus for identifying postage stamps

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20121227

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20131224

Year of fee payment: 6

LAPS Lapse due to unpaid annual fee