KR100921821B1 - 특성 공간 궤적 데이터베이스 구축 방법 및 이를 이용한다중 각도 표적 식별 방법 - Google Patents

특성 공간 궤적 데이터베이스 구축 방법 및 이를 이용한다중 각도 표적 식별 방법 Download PDF

Info

Publication number
KR100921821B1
KR100921821B1 KR1020070126852A KR20070126852A KR100921821B1 KR 100921821 B1 KR100921821 B1 KR 100921821B1 KR 1020070126852 A KR1020070126852 A KR 1020070126852A KR 20070126852 A KR20070126852 A KR 20070126852A KR 100921821 B1 KR100921821 B1 KR 100921821B1
Authority
KR
South Korea
Prior art keywords
database
characteristic
space trajectory
angle
characteristic space
Prior art date
Application number
KR1020070126852A
Other languages
English (en)
Other versions
KR20090059803A (ko
Inventor
김경태
Original Assignee
영남대학교 산학협력단
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 영남대학교 산학협력단 filed Critical 영남대학교 산학협력단
Priority to KR1020070126852A priority Critical patent/KR100921821B1/ko
Publication of KR20090059803A publication Critical patent/KR20090059803A/ko
Application granted granted Critical
Publication of KR100921821B1 publication Critical patent/KR100921821B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F13/00—Interconnection of, or transfer of information or other signals between, memories, input/output devices or central processing units
    • G06F13/38—Information transfer, e.g. on bus
    • G06F13/40—Bus structure
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/20—Image signal generators
    • H04N13/282—Image signal generators for generating image signals corresponding to three or more geometrical viewpoints, e.g. multi-view systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Computer Hardware Design (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 센서를 이용하여 물체를 인식하기 위한 패턴 인식 방법에 관한 것으로서, 특히, 표적과 센서 사이의 여러 각도에서 얻어진 영상 신호를 이용하여 표적을 식별하는데 사용되는 다중 각도 표적 식별 방법의 적용에 적합한 특성 공간 궤적 데이터베이스 구축 방법에 관한 것이다.
본 발명의 일 실시 예에 따른 특성 공간 궤적 데이터베이스 구축 방법은, 움직이는 물체에 대한 다중 각도 표적 식별 방법을 수행하기 위한 특성 공간 궤적 데이터베이스 구축 방법에 있어서, 상기 물체가 움직임에 따라 서로 다른 각도에서 얻어진 상기 물체에 대한 영상 신호로부터, 각도에 따른 복수 개의 특성 벡터들을 추출하는 단계; 및 상기 각도의 방향을 바탕으로 상기 특성 벡터들을 연결한 특성 공간 궤적을 데이터베이스에 저장하는 단계를 포함하는 것을 특징으로 한다.
이로 인해, 본 발명에 따른 특성 공간 궤적 데이터베이스의 구축 방법은, 물체와 센서 사이의 상대적인 각도 변화를 바탕으로 특성 공간 궤적 데이터베이스를 구축함으로써 주로 방위각 또는 고각 방향으로 움직이는 물체에 대한 인식 성능을 향상시킬 수 있는 효과가 있다.
방위각, 고각, 구분기, 패턴 인식, 특성 추출, 다중 각도

Description

특성 공간 궤적 데이터베이스 구축 방법 및 이를 이용한 다중 각도 표적 식별 방법{Method for building up feature space trajectory database and method for identifying a multi-aspect target}
본 발명은 센서를 이용하여 물체를 인식하기 위한 패턴 인식 방법에 관한 것으로서, 특히, 표적과 센서 사이의 여러 각도에서 얻어진 영상 신호를 이용하여 표적을 식별하는데 사용되는 다중 각도 표적 식별 방법의 적용에 적합한 특성 공간 궤적 구분기의 데이터베이스 구축 방법에 관한 것이다.
특히, 본 발명은 광학 영상 센서, 레이더 센서, 적외선 센서, 레이저 레이더 센서 등을 이용하여 움직이는 물체를 식별하는 패턴 인식 분야에 주로 사용될 수 있으며, 국방 분야에서 레이더 및 적외선을 이용한 표적 식별 기술인 NCTR(Non-Cooperative Target Recognition) 또는 ATR(Automatic Target Recognition)에 적용될 수 있다.
영상 처리와 컴퓨터 비전 분야에서 사용되는 패턴 인식은 입력 영상의 패턴에 대한 특징과 데이터베이스에 저장된 패턴인 클래스에 대한 특징의 비교를 통하여 이루어지는데, 패턴 인식을 위해서는 입력 영상으로부터 패턴 인식에 효율적인 특성을 추출하고, 구분기의 데이터베이스에 저장된 클래스의 특성과 비교하는 과정을 거쳐야 한다. 상기 특성 공간 궤적은 특성 벡터들을 직선으로 근사화하여 연결함으로써 형성된 궤적을 의미한다.
한편, 미지의 물체에 대한 특성 공간 궤적을 데이터베이스에 저장된 다른 특성 공간 궤적과 비교하는 과정은 구분기(classifier)에 의해 수행되는데, 종래에는 Carnegiemellon 대학에서 개발된 특성 공간 궤적 구분기가 일반적으로 사용되었다. 특성 공간 궤적 구분기는 특성 공간 내에서 점과 직선 사이의 거리를 이용하여 물체에 대한 구분을 실시한다는 점에서, 이전에 사용되던 가장 근접한 이웃(Nearest Neighbor) 구분기에 비해 훨씬 우수한 성능을 갖는다.
그러나, 상기 특성 공간 궤적 구분기는, 미지의 움직이는 표적을 식별하기 위해 표적과 센서 사이의 여러 각도에서 얻어진 영상 신호를 이용하여 표적을 식별하는 기법인 다중 각도(Multi-Aspect) 표적 식별 방법을 적용하는데 많은 어려움을 갖는다. 왜냐하면, 상기 특성 공간 궤적 구분기는 표적과 센서 사이의 여러 위치에서 얻어진 정보들을 동시에 이용할 수 있는 정보 융합(Information Fusion)을 효율적으로 수행할 수 없기 때문이다.
이러한 문제점을 해결하기 위해 새로운 거리 메트릭을 갖는 특성 공간 궤적 구분기가 개발되었다{참조 : K-T.Kim, "Application of feature space trajectory classifier to identification of multi-aspect signals", Pattern Recognition, vol. 38, no.11, pp. 2159-2173, 2005}. 상기 새롭게 개발된 구분기는, 특성 공간 내에서 직선과 직선 사이의 거리를 이용하여 미지의 움직이는 물체를 식별함으로 써, 기존의 특성 공간 궤적 구분기에 비해 우수한 성능을 갖는다.
그러나, 이러한 새로운 거리 메트릭을 갖는 특성 공간 궤적 구분기는, 구분하고자하는 물체와 센서 사이의 상대적인 각도 변화를 고려하지 않고, 단지 특성 추출 과정을 통해 영상 신호로부터 얻어진 특성 벡터들을 특별한 방향성이 없이 연결하여 특성 공간 궤적을 형성한 후 데이터베이스에 저장함으로써, 미지의 움직이는 물체에 대한 클래스를 결정함에 있어서 정확성 및 효율성이 떨어지는 문제점을 갖는다.
본 발명이 해결하고자 하는 기술적 과제는, 다중 각도 표적 식별 방법을 적용하기 위해 사용되는 새로운 거리 매트릭을 갖는 특성 공간 궤적 데이터베이스를 구축함에 있어서, 대상 물체가 움직이는 각도의 특징을 바탕으로 특성 공간 궤적 데이터베이스를 구축함으로써 패턴 인식의 효율성을 높일 수 있는 특성 공간 궤적 데이터베이스 구축 방법 및 다중 각도 표적 식별 방법을 제공하는 데 있다.
상기 기술적 과제를 해결하기 위한 본 발명의 일 실시 예에 따른 특성 공간 궤적 데이터베이스 구축 방법은,
움직이는 물체에 대한 다중 각도 표적 식별 방법을 수행하기 위한 특성 공간 궤적 데이터베이스 구축 방법에 있어서, 상기 물체가 움직임에 따라 서로 다른 각도에서 얻어진 물체에 대한 영상 신호로부터, 각도에 따른 복수 개의 특성 벡터들을 추출하는 단계, 및 상기 각도의 방향을 바탕으로 상기 특성 벡터들을 연결한 특성 공간 궤적을 데이터베이스에 저장하는 단계를 포함하는 것을 특징으로 한다.
바람직하게는, 상기 데이터베이스에 저장하는 단계는, 상기 특성 벡터들을 방위각 방향으로 연결한 특성 공간 궤적을 상기 데이터베이스에 저장하는 단계이다.
바람직하게는, 상기 데이터베이스에 저장하는 단계는, 상기 특성 벡터들을 고각 방향으로 연결한 특성 공간 궤적을 상기 데이터베이스에 저장하는 단계이다.
바람직하게는, 상기 데이터베이스에 저장하는 단계는, 상기 각도의 변화량이 큰 경우, 상기 특성 벡터들을 연결한 복수 개의 특성 공간 궤적들을 상기 데이터베이스에 저장하는 단계이다.
상기 기술적 과제를 해결하기 위한 본 발명의 일 실시 예에 따른 다중 각도 표적 식별 방법은,
움직이는 물체에 대한 다중 각도 표적 식별 방법에 있어서, 상기 물체가 움직임에 따라 서로 다른 각도에서 얻어진 물체에 대한 영상 신호로부터, 각도에 따른 복수 개의 특성 벡터들을 추출하는 단계, 상기 각도의 방향을 바탕으로 상기 특성 벡터들을 연결한 특성 공간 궤적을 데이터베이스에 저장하는 단계, 및 상기 데이터베이스에 저장된 특성 공간 궤적을 이용하여 미지의 움직이는 물체에 대한 특성 공간 궤적을 의미하는 클래스를 결정하는 단계를 포함하는 것을 특징으로 한다.
바람직하게는, 상기 물체에 대한 클래스를 결정하는 단계는, 서로 다른 특성 공간 궤적들을 구성하는 선과 선 사이의 거리를 이용하는 단계이다.
상기와 같은 구성으로 인해, 본 발명에 따른 특성 공간 궤적 데이터베이스의 구축 방법은, 물체와 센서 사이의 상대적인 각도 변화를 바탕으로 특성 공간 궤적 데이터베이스를 구축함으로써 주로 방위각 또는 고각 방향으로 움직이는 물체에 대한 인식 성능을 향상시킬 수 있는 효과가 있다.
특히, 본 발명에 따른 특성 공간 궤적 데이터베이스 구축 방법은, 데이터베이스에 저장될 하나의 물체에 대한 특성 공간 궤적을 일정한 크기의 방위각 또는 고각을 기준으로 복수 개 형성함으로써 움직이는 미지의 움직이는 물체에 대한 인식 성능을 더욱 향상시킬 수 있는 효과가 있다.
본 발명과 본 발명의 동작상의 이점 및 본 발명의 실시에 의하여 달성되는 목적을 충분히 이해하기 위해서는, 본 발명의 바람직한 실시 예를 나타내는 첨부 도면 및 도면에 기재된 내용을 참조하여야 한다. 이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시 예를 상세히 설명한다. 본 발명을 설명함에 있어, 관련된 공지의 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다.
도 1은 새로운 거리 메트릭을 갖는 특성 공간 궤적 구분기의 물체 식별 방식을 설명하기 위한 도면이다.
도 1을 참조하면, 물체의 움직임에 따라 여러 각도로부터 입력되는 미지의 영상 신호의 패턴을 식별하기 위해, 데이터베이스에 저장된 두 개의 물체에 대한 특성 공간 궤적들과의 직선 거리를 비교하는 과정이 도시되어 있다. 여기서, 중심에 존재하는 객체(Object)를 기준으로 왼쪽과 오른쪽에 각각 존재하는 복수 개의 점들과 이들을 연결하는 직선들로 이루어진 곡선이 이미 데이터베이스에 저장된 각각의 물체에 대한 특성 공간 궤적이다.
일반적으로 물체의 움직임이 정해져 있는 경우, 물체의 움직임에 따라 입력된 영상 신호를 샘플링하고, 샘플링된 영상 데이터를 이용하여 특성 벡터들을 산출한 후, 산출된 특성 벡터들을 점선으로 연결하여 특성 공간 궤적을 구해 데이터베이스에 저장한다. 즉, 클래스 1과 클래스 2는 데이터베이스에 저장된 서로 다른 물체에 대한 특성 공간 궤적들을 나타내며, 이들을 구성하는 직선들 사이의 점들은 특성 공간 내의 특성 벡터를 나타낸다.
한편, 도 1의 중앙에 있는 객체는 미지의 움직이는 물체에 대한 특성 공간 궤적을 나타내며, 새로운 거리 메트릭을 갖는 특성 공간 궤적 구분기는, 데이터베이스에 저장되어 있고 상기 객체의 좌측과 우측에 존재하는 두 개의 특성 공간 궤적들을 이용하여 미지의 객체에 대한 특성 공간 궤적이 어떤 물체로부터 기인하는 것인지를 구분한다. 특히, 상기 구분기는 중앙에 있는 미지의 물체에 대한 클래스를 다음과 같은 과정을 통해 결정한다.
중앙에 있는 특성 공간 궤적(이하, '시험 특성 공간 궤적'이라 함) 위에 있는
Figure 112007088234297-pat00001
과
Figure 112007088234297-pat00002
을 연결한 직선과 데이터베이스에 저장되어 있는 k번째 물체에 대 한 특성 공간 궤적 위에 있는
Figure 112007088234297-pat00003
과
Figure 112007088234297-pat00004
을 연결한 직선에 직각으로 교차하는 직선 방정식은 각각
Figure 112007088234297-pat00005
과
Figure 112007088234297-pat00006
로 표시할 수 있다. 여기서,
Figure 112007088234297-pat00007
이고,
Figure 112007088234297-pat00008
이고,
Figure 112007088234297-pat00009
이고,
Figure 112007088234297-pat00010
이다.
따라서, 다음과 같은 수학 공식을 통해 미지의 물체에 대한 클래스(이하, '
Figure 112007088234297-pat00011
'라 함)를 결정할 수 있다. 하기 수식에서, M은 데이터베이스에 저장되어 있는 각 물체당 샘플 수를 나타내고, L은 구분하고자 하는 물체에 대한 시험 특성 공간 궤적의 수를 나타내고, C는 데이터베이스에 저장되어 있는 구분하고자 하는 물체의 수를 나타낸다.
Figure 112007088234297-pat00012
Figure 112007088234297-pat00013
위의 수식에서
Figure 112007088234297-pat00014
은 데이터베이스에 저장되어 있는 k번째 물체에 대한 특성 공간 궤적 상에 있는 i번째 직선과 시험 특허 공간 궤적 상에 있는 l번째 직선 사이의 거리를 나타낸다. 위의 수식을 이용하여 새로운 거리 메트릭을 갖는 특 성 공간 궤적 구분기는 미지의 물체를 식별하기 위해서 (M-1)*(N-1)*C 개의 거리 중에서 최소 거리에 있는 특성 공간 궤적을 갖는 클래스를 찾는다.
도 2는 본 발명에 따른 미지의 움직이는 물체에 대한 패턴 인식 방법을 나타내는 상세 흐름도이다.
레이더 센서를 이용하여 움직이는 물체에 레이더 신호를 발사하고 상기 물체로부터 반사되는 레이더 신호를 획득한다(210). 상기 획득한 레이더 신호는 움직이는 물체에 대한 영상 신호이다. 데이터베이스를 구축하기 위해서는 다수의 움직이는 물체에 대한 영상 정보가 필요하므로, 상기 210 단계는 복수 개의 물체들에 대해 수행되며, 물체가 움직이는 동안 지속적으로 수행된다.
한편, 움직이는 물체는 3차원 공간상에서 임의의 방향으로 움직일 수 있으므로, 연속적으로 획득한 레이더 신호는 상기 레이더 센서를 기준으로 서로 다른 방위각과 고각을 갖는 물체에 대한 영상 신호이다. 즉, 각각의 영상 신호에 대한 각도는 달라진다. 여기서, 상기 레이더 센서 대신에 광학 영상 센서, 적외선 센서, 레이저 레이더 센서 등이 사용될 수도 있다.
상기 획득한 영상 신호를 샘플링 및 양자화하여 디지털 영상 데이터로 변환하고 디지털 영상 데이터로부터 특성 벡터를 추출한다(220). 상기 특성 벡터는 특성 공간에서의 점에 대응되며, 영상 데이터에 다양한 특성 추출 기법을 적용하여 추출할 수 있다. 이와 같이 특성 벡터를 추출하여 데이터베이스를 구축함으로써 인식률 향상 및 데이터 압축 효과를 얻을 수 있다.
복수 개의 물체에 대해 여러 상대 각도에서 얻어진 특성 벡터들을 이용하여 복수 개의 클래스들로 이루어진 특성 공간 궤적 데이터베이스를 구축한다(230). 특히, 본 발명에 따른 특성 공간 궤적 데이터베이스 구축방법은, 센서와 물체와의 상대 각도 변화를 바탕으로 추출한 특성 벡터들을 연결하여 특성 공간 궤적을 형성한 후 데이터베이스에 저장하는 것을 특징으로 한다.
예를 들어, 물체와 센서 사이의 상대적인 각도가 방위각 위주로 변화하는 경우, 추출한 특성 벡터들을 방위각 방향으로 연결하여 특성 공간 궤적을 형성하고, 고각 위조로 변화하는 경우, 추출한 특성 벡터들을 고각 방향으로 연결하여 특성 공간 궤적을 형성한다. 다만, 이동하는 물체가 임의의 방향으로 이동할 때에는, 추출한 특성 벡터들을 임의의 방향으로 연결하여 특성 공간 궤적을 형성한다.
원칙적으로 하나의 물체에 대한 특성 공간 궤적은 하나가 할당되지만, 센서와 물체의 상대 각도 변화가 큰 경우에는, 하나의 물체에 대한 복수 개의 특성 공간 궤적을 할당할 수 있다. 즉, 하나의 물체에 대한 복수 개의 특성 공간 궤적 저장 영역들을 형성하여 각 저장 영역에 특성 공간 궤적을 형성할 수 있다. 이 경우에도 데이터베이스는 물체의 상대 각도 방향에 따라 구축된다.
상기와 같이 특성 벡터를 센서와 물체와의 상대 각도 변화를 바탕으로 저장함으로써, 구분 대상이 되는 미지의 물체가 센서를 기준으로 주로 방위각 또는 고각 방향으로 움직이는 경우에 상기 미지의 물체를 효율적으로 구분할 수 있다. 또한, 하나의 물체로부터 얻어진 특성 벡터들을 복수의 저장 영역에 분리 저장함으로써 구분 성능을 향상시킬 수 있다.
미지의 이동 물체에 대한 영상 신호를 획득한 후, 이로부터 특성 벡터들을 추출하고, 인접하는 특성 벡터들을 직선으로 연결하여 시험 특성 공간 궤적을 형성한다(240). 상기 시험 특성 공간 궤적과 데이터베이스에 저장된 특성 공간 궤적 사이의 거리를 계산하여 최소 거리를 갖는 클래스를 미지의 물체에 대한 클래스로 결정한다. 상기 거리는 유클리드 거리 또는 해밍 거리가 될 수 있다.
도 3은 이동 물체의 특성 벡터를 저장하기 위한 데이터베이스를 나타낸다.
도 3을 참조하면, 다중 각도 표적 식별 방법을 수행하기 위해 특성 공간 궤적이 저장되는 데이터베이스가 도시되어 있다. 상기 데이터베이스는 복수 개의 단위 저장 영역들로 구성되며, 각각의 단위 저장 영역은 방위각 영역(△φ)과 고각 영역(△θ)을 갖는 지평 좌표계로 이루어진 영역이다. 이와 같이 형태의 데이터베이스에 특성 공간 궤적을 형성함으로써 물체 구분의 효율성을 높일 수 있다.
도 4는 본 발명의 제1 실시 예에 따른 특성 공간 궤적 데이터베이스 구축 방법을 설명하기 위한 도면이다.
도 4를 참조하면, 물체가 움직이는 각도가 작고, 물체가 센서를 기준으로 방위각 방향으로 주로 움직일 때, 물체로부터 획득한 영상에서 특성 벡터들을 추출하고, 추출된 특성 벡터들을 방위각 방향으로 연결하여 특성 공간 궤적을 형성한 후, 상기 방위각 방향을 갖는 특성 공간 궤적을 저장한 데이터베이스가 도시되어 있다. 여기서, 하나의 물체에 대한 특성 공간 궤적은 하나가 할당된다. 따라서, 하나의 단위 저장 영역에 저장된다.
도 5는 본 발명의 제2 실시 예에 따른 특성 공간 궤적 데이터베이스 구축 방법을 설명하기 위한 도면이다.
도 5를 참조하면, 물체가 움직이는 각도가 작고, 물체가 센서를 기준으로 고각 방향으로 주로 움직일 때, 물체로부터 획득한 영상에서 특성 벡터들을 추출하고, 추출된 특성 벡터들을 고각 방향으로 연결하여 특성 공간 궤적을 형성한 후, 상기 고각 방향을 갖는 특성 공간 궤적을 저장한 데이터베이스가 도시되어 있다. 여기서, 하나의 물체에 대한 특성 공간 궤적은 하나가 할당된다. 따라서, 하나의 단위 저장 영역에 저장된다.
도 6은 본 발명의 제3 실시 예에 따른 특성 공간 궤적 데이터베이스 구축 방법을 설명하기 위한 도면이다.
도 6을 참조하면, 물체가 움직이는 각도가 작고, 물체가 센서를 기준으로 임의의 방향으로 움직일 때, 물체로부터 획득한 영상에서 특성 벡터들을 추출하고, 추출된 특성 벡터들을 임의의 방향으로 연결하여 특성 공간 궤적을 형성한 후, 상기 임의의 방향성을 갖는 특성 공간 궤적을 저장한 데이터베이스가 도시되어 있다. 여기서, 하나의 물체에 대한 특성 공간 궤적은 하나가 할당된다. 따라서, 하나의 단위 저장 영역에 저장된다.
도 7은 본 발명의 제4 실시 예에 따른 특성 공간 궤적 데이터베이스 구축 방법을 설명하기 위한 도면이다.
도 7을 참조하면, 물체가 움직이는 각도가 크고, 물체가 센서를 기준으로 방위각 방향으로 주로 움직일 때, 물체로부터 획득한 영상에서 특성 벡터들을 추출하고, 추출된 특성 벡터들을 방위각 방향으로 연결하여 복수 개의 특성 공간 궤적들을 형성한 후, 상기 방위각 방향을 갖는 복수 개의 특성 공간 궤적들을 저장한 데 이터베이스가 도시되어 있다. 여기서, 하나의 물체에 대한 특성 공간 궤적은 복수 개가 할당된다. 따라서, 복수 개의 단위 저장 영역들에 저장된다.
도 8은 본 발명의 제5 실시 예에 따른 특성 공간 궤적 데이터베이스 구축 방법을 설명하기 위한 도면이다.
도 8을 참조하면, 물체가 움직이는 각도가 크고, 물체가 센서를 기준으로 고각 방향으로 주로 움직일 때, 물체로부터 획득한 영상에서 특성 벡터들을 추출하고, 추출된 특성 벡터들을 고각 방향으로 연결하여 복수 개의 특성 공간 궤적들을 형성한 후, 상기 고각 방향을 갖는 복수 개의 특성 공간 궤적들을 저장한 데이터베이스가 도시되어 있다. 여기서, 하나의 물체에 대한 특성 공간 궤적은 복수 개가 할당된다. 따라서, 복수 개의 단위 저장 영역들에 저장된다.
도 9는 본 발명의 제6 실시 예에 따른 특성 공간 궤적 데이터베이스 구축 방법을 설명하기 위한 도면이다.
도 9를 참조하면, 물체가 움직이는 각도가 크고, 물체가 센서를 기준으로 임의의 방향으로 주로 움직일 때, 물체로부터 획득한 영상에서 특성 벡터들을 추출하고, 추출된 특성 벡터들을 임의의 방향으로 연결하여 복수 개의 특성 공간 궤적들을 형성한 후, 상기 임의의 방향을 갖는 복수 개의 특성 공간 궤적들을 저장한 데이터베이스가 도시되어 있다. 여기서, 하나의 물체에 대한 특성 공간 궤적은 복수 개가 할당된다. 따라서, 복수 개의 단위 저장 영역들에 저장된다.
이상 도면과 명세서에서 최적 실시 예가 개시되었다. 여기서 특정한 용어들이 사용되었으나, 이는 단지 본 발명을 설명하기 위한 목적으로 사용된 것이지 의 미 한정이나 특허 청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다.
그러므로 본 기술 분야에서 통상의 지식을 가지는 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 진정한 기술적 보호 범위는 첨부된 특허 청구범위의 기술적 사상에 의해 정해져야 할 것이다.
도 1은 새로운 거리 메트릭을 갖는 특성 공간 궤적 구분기의 물체 식별 방식을 설명하기 위한 도면이다.
도 2는 본 발명에 따른 미지의 움직이는 물체에 대한 패턴 인식 방법을 나타내는 상세 흐름도이다.
도 3은 이동 물체의 특성 벡터를 저장하기 위한 데이터베이스를 나타낸다.
도 4는 본 발명의 제1 실시 예에 따른 특성 공간 궤적 데이터베이스 구축 방법을 설명하기 위한 도면이다.
도 5는 본 발명의 제2 실시 예에 따른 특성 공간 궤적 데이터베이스 구축 방법을 설명하기 위한 도면이다.
도 6은 본 발명의 제3 실시 예에 따른 특성 공간 궤적 데이터베이스 구축 방법을 설명하기 위한 도면이다.
도 7은 본 발명의 제4 실시 예에 따른 특성 공간 궤적 데이터베이스 구축 방법을 설명하기 위한 도면이다.
도 8은 본 발명의 제5 실시 예에 따른 특성 공간 궤적 데이터베이스 구축 방법을 설명하기 위한 도면이다.
도 9는 본 발명의 제6 실시 예에 따른 특성 공간 궤적 데이터베이스 구축 방법을 설명하기 위한 도면이다.

Claims (6)

  1. 움직이는 물체에 대한 다중 각도 표적 식별 방법을 수행하기 위한 특성 공간 궤적 데이터베이스 구축 방법에 있어서,
    상기 물체가 움직임에 따라 서로 다른 각도에서 얻어진 상기 물체에 대한 영상 신호로부터, 각도에 따른 복수 개의 특성 벡터들을 추출하는 단계; 및
    상기 각도의 방향을 바탕으로 상기 특성 벡터들을 연결한 특성 공간 궤적을 데이터베이스에 저장하는 단계를 포함하는 것을 특징으로 하는 특성 공간 궤적 데이터베이스 구축 방법.
  2. 제1항에 있어서, 상기 데이터베이스에 저장하는 단계는,
    상기 특성 벡터들을 방위각 방향으로 연결한 특성 공간 궤적을 상기 데이터베이스에 저장하는 단계인 것을 특징으로 하는 특성 공간 궤적 데이터베이스 구축 방법.
  3. 제1항에 있어서, 상기 데이터베이스에 저장하는 단계는,
    상기 특성 벡터들을 고각 방향으로 연결한 특성 공간 궤적을 상기 데이터베이스에 저장하는 단계인 것을 특징으로 하는 특성 공간 궤적 데이터베이스 구축 방법.
  4. 제1항 및 제2항 중 어느 한 항에 있어서, 상기 데이터베이스에 저장하는 단계는,
    상기 각도의 변화량이 큰 경우, 상기 특성 벡터들을 연결한 복수 개의 특성 공간 궤적을 상기 데이터베이스에 저장하는 단계인 것을 특징으로 하는 특성 공간 궤적 데이터베이스 구축 방법.
  5. 움직이는 물체에 대한 다중 각도 표적 식별 방법에 있어서,
    상기 물체가 움직임에 따라 서로 다른 각도에서 얻어진 상기 물체에 대한 영상 신호로부터, 각도에 따른 복수 개의 특성 벡터들을 추출하는 단계;
    상기 각도의 방향을 바탕으로 상기 특성 벡터들을 연결한 특성 공간 궤적을 데이터베이스에 저장하는 단계; 및
    상기 데이터베이스에 저장된 특성 공간 궤적을 이용하여 미지의 움직이는 물체에 대한 특성 공간 궤적을 의미하는 클래스를 결정하는 단계를 포함하는 것을 특징으로 하는 다중 각도 표적 식별 방법
  6. 제5항에 있어서, 상기 물체에 대한 클래스를 결정하는 단계는,
    서로 다른 특성 공간 궤적들을 구성하는 선과 선 사이의 거리를 이용하는 단계인 것을 특징으로 하는 다중 각도 표적 식별 방법.
KR1020070126852A 2007-12-07 2007-12-07 특성 공간 궤적 데이터베이스 구축 방법 및 이를 이용한다중 각도 표적 식별 방법 KR100921821B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020070126852A KR100921821B1 (ko) 2007-12-07 2007-12-07 특성 공간 궤적 데이터베이스 구축 방법 및 이를 이용한다중 각도 표적 식별 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020070126852A KR100921821B1 (ko) 2007-12-07 2007-12-07 특성 공간 궤적 데이터베이스 구축 방법 및 이를 이용한다중 각도 표적 식별 방법

Publications (2)

Publication Number Publication Date
KR20090059803A KR20090059803A (ko) 2009-06-11
KR100921821B1 true KR100921821B1 (ko) 2009-10-16

Family

ID=40989851

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020070126852A KR100921821B1 (ko) 2007-12-07 2007-12-07 특성 공간 궤적 데이터베이스 구축 방법 및 이를 이용한다중 각도 표적 식별 방법

Country Status (1)

Country Link
KR (1) KR100921821B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR970002967B1 (ko) * 1993-04-09 1997-03-13 대우전자 주식회사 영역 분류패턴을 이용한 움직임벡터 검출장치
JP2004207786A (ja) 2002-12-20 2004-07-22 Foundation For The Promotion Of Industrial Science 画像における移動物体の追跡方法及び装置
KR20060053348A (ko) * 2004-11-15 2006-05-22 한국과학기술원 손모양 데이터베이스 구축장치 및 방법과, 손모양인식장치 및 방법과, 기록매체
KR20060097400A (ko) * 2005-03-09 2006-09-14 전남대학교산학협력단 가상의 격자형 평면을 이용한 동작 인식 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR970002967B1 (ko) * 1993-04-09 1997-03-13 대우전자 주식회사 영역 분류패턴을 이용한 움직임벡터 검출장치
JP2004207786A (ja) 2002-12-20 2004-07-22 Foundation For The Promotion Of Industrial Science 画像における移動物体の追跡方法及び装置
KR20060053348A (ko) * 2004-11-15 2006-05-22 한국과학기술원 손모양 데이터베이스 구축장치 및 방법과, 손모양인식장치 및 방법과, 기록매체
KR20060097400A (ko) * 2005-03-09 2006-09-14 전남대학교산학협력단 가상의 격자형 평면을 이용한 동작 인식 방법

Also Published As

Publication number Publication date
KR20090059803A (ko) 2009-06-11

Similar Documents

Publication Publication Date Title
Jörgensen et al. Monocular 3d object detection and box fitting trained end-to-end using intersection-over-union loss
US9483839B1 (en) Occlusion-robust visual object fingerprinting using fusion of multiple sub-region signatures
CN108765458B (zh) 基于相关滤波的高海况无人艇海面目标尺度自适应跟踪方法
CN110807350B (zh) 用于面向扫描匹配的视觉slam的系统和方法
WO2021072710A1 (zh) 移动物体的点云融合方法、系统及计算机存储介质
US8498472B2 (en) Image-based localization feature point registration apparatus, method and computer-readable medium
KR101652395B1 (ko) 기동표적에 대한 isar 영상의 수직거리 스케일링 기법
US20130080111A1 (en) Systems and methods for evaluating plane similarity
US11227374B2 (en) Method and apparatus for realtime object detection in unmanned aerial vehicle image
Qu et al. Evaluation of SIFT and SURF for vision based localization
JP2020507767A (ja) 車両レーダシステム用の逆合成開口レーダ
JP5735673B2 (ja) 目標追尾装置及び目標追尾方法
Qian et al. 3D object recognition by geometric context and Gaussian-mixture-model-based plane classification
Callmer et al. Tree of words for visual loop closure detection in urban SLAM
Jang et al. Raplace: Place recognition for imaging radar using radon transform and mutable threshold
WO2021087751A1 (zh) 距离检测方法、距离检测设备、自主移动平台和存储介质
US10753708B2 (en) Missile targeting
CN117347996A (zh) 一种连续雷达区域的目标接力方法、系统及设备
JP2013069045A (ja) 画像認識装置、画像認識方法および画像認識プログラム
KR100921821B1 (ko) 특성 공간 궤적 데이터베이스 구축 방법 및 이를 이용한다중 각도 표적 식별 방법
CN116681730A (zh) 一种目标物追踪方法、装置、计算机设备和存储介质
KR102259151B1 (ko) 카메라와 라이다를 활용한 객체 감지 트래킹 시스템
Ren et al. SAR image matching method based on improved SIFT for navigation system
KR20100047599A (ko) 이동 표적에 관한 데이터베이스 구축 방법 및 이를 이용한 패턴 인식 방법
Subash Automatic road extraction from satellite images using extended Kalman filtering and efficient particle filtering

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: 20120928

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20130930

Year of fee payment: 5

LAPS Lapse due to unpaid annual fee