KR101116279B1 - 센서를 이용한 사람/사물 식별 장치 - Google Patents

센서를 이용한 사람/사물 식별 장치 Download PDF

Info

Publication number
KR101116279B1
KR101116279B1 KR1020110120675A KR20110120675A KR101116279B1 KR 101116279 B1 KR101116279 B1 KR 101116279B1 KR 1020110120675 A KR1020110120675 A KR 1020110120675A KR 20110120675 A KR20110120675 A KR 20110120675A KR 101116279 B1 KR101116279 B1 KR 101116279B1
Authority
KR
South Korea
Prior art keywords
feature vector
person
signal
module
vector set
Prior art date
Application number
KR1020110120675A
Other languages
English (en)
Inventor
이승의
고인환
이종현
Original Assignee
삼성탈레스 주식회사
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 삼성탈레스 주식회사 filed Critical 삼성탈레스 주식회사
Priority to KR1020110120675A priority Critical patent/KR101116279B1/ko
Application granted granted Critical
Publication of KR101116279B1 publication Critical patent/KR101116279B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/04—Systems determining presence of a target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/411—Identification of targets based on measurements of radar reflectivity

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

레이더 신호를 수집하는 레이더 센서 모듈과, 상기 수집된 레이더 신호에서 경계점 추출을 통해 표적 신호를 검출하는 표적 검출 모듈과, 기 선별되어 등록된 특징 벡터 세트를 참조하여 상기 검출된 표적 신호의 유효 특징 벡터 세트를 추출하는 특징 벡터 추출 모듈과, 상기 추출된 유효 특징 벡터에 대하여 기 등록된 SVM 임계치를 기준으로 SVM 프로세스를 수행하여 사람과 사물을 식별하는 사람/사물 식별 모듈을 구성한다. 상기와 같은 레이더 탐지를 이용한 사람/사물 식별 장치에 의하면, 경계 검출을 통해 유효 신호 구간을 검출하고 미리 등록된 유효 특징 벡터 세트를 참조하여 연산함으로써, 연산량을 줄이고 연산 속도를 높이는 효과가 있다. 또한, 미리 정해진 SVM 기법에 따라 사람/사물을 식별함으로써, 식별의 정확도가 높아지고 연산 속도도 빨라지는 효과가 있다. 그리고 연산량의 감소에 연산 속도의 감소에 따라 메모리 요구량이 줄어들고 시스템 요구 사양이 낮아지므로, 비용을 절감하고 소형화할 수 있는 효과가 있다.

Description

센서를 이용한 사람/사물 식별 장치{APPARATUS FOR DISCRIMINATING MAN FROM OBJECT USING SENSOR}
본 발명은 사람/사물 식별 장치에 관한 것으로서, 좀 더 구체적으로는 레이더 탐지를 이용한 사람/사물 식별 장치에 관한 것이다.
종래 레이더 센서를 이용한 사람/사물 식별 프로세스는 복잡한 연산량과 장시간의 연산 시간을 요하는 경우가 많다.
종래의 방식을 좀 더 설명하면 다음과 같다. 먼저 레이더 센서로 신호를 감지하고, 감지된 신호를 중첩하여 일정 구간으로 나눈 후 쇼트 타임 푸리에 변환(short time fourier transform)을 수행한다. 그리고 멜 켑스트럼(Mel Cepstrum) 계수를 특징 벡터 세트로 추출하고, 이를 기반으로 사람/사물의 행동을 분류한다.
이러한 종래의 방식에서는 감지된 신호 전구간을 처리하기 때문에 많은 계산량이 소요된다는 문제점이 있다. 또한, 멜 켑스트럼 계수 역시 계산량이 방대하고 많은 시간이 소요된다. 한편, 추출된 특징 벡터 세트들은 그 변별력에 대한 검증 과정이 없기 때문에 연산이 비효율적으로 반복되는 문제점도 존재한다.
본 발명의 목적은 레이더 탐지를 이용한 사람/사물 식별 장치를 제공하는 데 있다.
상술한 본 발명의 목적에 따른 레이더 탐지를 이용한 사람/사물 식별 장치 는, 레이더 신호를 수집하는 레이더 센서 모듈과, 상기 수집된 레이더 신호에서 경계점 추출을 통해 표적 신호를 검출하는 표적 검출 모듈과, 기 선별되어 등록된 특징 벡터 세트를 참조하여 상기 검출된 표적 신호의 유효 특징 벡터 세트를 추출하는 특징 벡터 추출 모듈과, 상기 추출된 유효 특징 벡터에 대하여 기 등록된 SVM 임계치를 기준으로 SVM 프로세스를 수행하여 사람과 사물을 식별하는 사람/사물 식별 모듈을 포함하도록 구성될 수 있다. 여기에서, 상기 표적 검출 모듈은, 소정의 전력 임계치(threshold)를 기준으로 경계점 추출을 수행하여 표적을 검출하도록 구성될 수 있다. 그리고 상기 표적 검출 모듈은, 상기 수집된 레이더 신호에 해당하는 전체 구간에서 상기 검출된 표적에 해당하는 유효 신호 구간의 신호를 추출하여 상기 특징 벡터 추출 모듈로 출력하도록 구성될 수 있다. 한편, 상기 특징 벡터 추출 모듈은, 상기 표적 검출 모듈에서 출력된 유효 신호 구간의 신호로부터 특징 벡터 세트를 추출하도록 구성될 수 있다. 그리고 상기 특징 벡터 추출 모듈은, 다음 수학식에 따라 LPC 계수로 구성되는 특징 벡터 세트를 추출하고, [수학식]
Figure 112011091245478-pat00001
, 여기에서,
Figure 112011091245478-pat00002
은 유효 신호 구간의 신호, ak는 LPC 계수, p는 차수인 것으로 구성될 수 있다. 이때, 상기 특징 벡터 추출 모듈은, 다음 수학식에 따라 LPC 기반 켑스트랄(Cepstral) 계수로 구성되는 특징 벡터 세트를 추출하고, [수학식]
Figure 112011091245478-pat00003
, 여기에서, ck는 LPC 기반 켑스트랄 계수인 것으로 구성될 수 있다. 그리고 상기 특징 벡터 추출 모듈은, 다음 수학식에 따라 LPC 기반 1차 템포럴 켑스트랄 도함수(first temporal cepstral derivatives)로 구성되는 특징 벡터 세트를 추출하고, [수학식]
Figure 112011091245478-pat00004
, 여기에서,
Figure 112011091245478-pat00005
는 1차 템포럴 켑스트랄 도함수,
Figure 112011091245478-pat00006
, 2M+1은 슬라이딩 윈도우 크기인 것으로 구성될 수 있다. 그리고 상기 특징 벡터 추출 모듈은, 다음 수학식에 따라 LPC 기반 2차 템포럴 켑스트랄 도함수(first temporal cepstral derivatives)로 구성되는 특징 벡터 세트를 추출하고, [수학식]
Figure 112011091245478-pat00007
인 것으로 구성될 수 있다. 여기에서, 상기 특징 벡터 추출 모듈은, 다음 수학식에 따라 소정의 클래스에 대한 유효 특징 벡터 세트 미리 산출하여 특징 벡터 셋트 DB에 등록하고, [수학식]
Figure 112011091245478-pat00008
, 여기에서,
Figure 112011091245478-pat00009
,
Figure 112011091245478-pat00010
,
Figure 112011091245478-pat00011
, Di는 미리 결정된 클래스 Di의 신호인 것으로 구성될 수 있다.
상기와 같은 레이더 탐지를 이용한 사람/사물 식별 장치에 의하면, 경계 검출을 통해 유효 신호 구간을 검출하고 미리 등록된 유효 특징 벡터 세트를 참조하여 연산함으로써, 연산량을 줄이고 연산 속도를 높이는 효과가 있다. 또한, 미리 정해진 SVM 기법에 따라 사람/사물을 식별함으로써, 식별의 정확도가 높아지고 연산 속도도 빨라지는 효과가 있다. 그리고 연산량의 감소에 연산 속도의 감소에 따라 메모리 요구량이 줄어들고 시스템 요구 사양이 낮아지므로, 비용을 절감하고 소형화할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 레이더 탐지를 이용한 사람/사물 식별 장치의 블록 구성도이다.
도 2는 본 발명에 따라 수집된 전구간의 레이더 센서 신호 및 스펙트럼을 나타내는 그래프이다.
도 3은 본 발명에 따른 경계 검출에 의한 유효 신호 구간의 레이더 센서 신호 및 스펙트럼을 나타내는 그래프이다.
도 4는 본 발명에 따른 클래스 1 신호의 SVM 식별 결과를 나타내는 그래프이다.
도 5의 (A)는 종래 기술에 따른 FFT 길이 및 계산량을 나타내는 그래프이고, (B)는 본 발명에 따른 LPC 차수 및 계산량을 나타내는 그래프이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 레이더 탐지를 이용한 사람/사물 식별 장치의 블록 구성도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 레이더 탐지를 이용한 사람/사물 식별 장치(100)(이하, '사람/사물 식별 장치'라 함)는 레이더 센서 모듈(110), 표적 검출 모듈(120), 특징 벡터 추출 모듈(130), 특징 벡터 세트 DB(142), 사람/사물 식별 모듈(140), SVM(support vector machine) 기반 임계치 DB(152)를 포함하도록 구성될 수 있다.
사람/사물 식별 장치(100)는 표적 검출 모듈(120)이 경계 검출을 통해 유효 신호 구간을 검출함으로써, 신호의 크기를 줄여 연산량을 줄이고 연산 속도를 높인다. 또한, 특징 벡터 추출 모듈(130)이 특징 벡터 세트 DB(142)에 기 저장된 각 클래스의 특징 벡터 세트를 참조하여 유효 특징 벡터 세트를 추출함으로써, 연산량을 줄이고 연산의 정확도를 높인다. 또한, 사람/사물 식별 모듈(140)이 SVM 기반 임계치 DB(152)에 기 저장된 각 클래스의 SVM 기반 임계치를 참조하여 사람/사물의 행동을 분류함으로써, 식별 정확도를 높이고 보다 효율적으로 연산을 수행한다. 이하, 세부적인 구성에 대하여 설명한다.
레이더 센서 모듈(110)은 레이더 신호를 수집하도록 구성된다. 여기에서, 레이더 센서 모듈(110)은 도플러 센서나 UWB(ultrawide band) 센서 등으로 구성될 수 있다.
표적 검출 모듈(120)은 레이더 센서 모듈(110)에서 수집된 레이더 신호에서 경계점 추출을 통해 표적 신호를 검출하도록 구성될 수 있다. 좀 더 구체적으로는, 표적 검출 모듈(120)은 소정의 전력 임계치(threshold)를 기준으로 경계점 추출을 수행하여 표적을 검출할 수 있다. 이때, 표적 검출 모듈(120)은 레이더 센서 모듈(110)에서 수집된 레이더 신호에 해당하는 전체 구간에서 앞서 검출된 표적에 해당하는 유효 신호 구간의 신호를 추출한다. 기존에는 레이더 센서 모듈(110)에서 수집한 신호 전구간이 연산 대상이 되었으나, 본 발명에서는 경계점 추출을 통해 표적 신호의 구간만 검출함으로써, 신호의 크기 자체를 줄인다. 종래에는 구간 신호들에 대한 변별력 검증 기능이 없었으나 본 발명에서는 변별력 검증을 통해 비효율적인 연산의 반복을 피할 수 있다.
특징 벡터 추출 모듈(130)은 기 선별되어 특징 벡터 세트 DB(142)에 등록된 특징 벡터 세트를 참조하여 앞서 검출된 표적 신호의 유효 특징 벡터 세트를 추출하도록 구성될 수 있다. 여기에서, 특징 벡터 세트 DB(142)에는 미리 선별적으로 각 클래스(class)의 특징 벡터 세트가 추출되어 등록된다. 여기에서, 클래스는 표적을 구별하는 분류로서, 예를 들어 클래스 1은 사람 클래스 2는 개, 클래스 3은 차량으로 분류되도록 구성될 수 있다. 이와 같이, 특징 벡터 세트 DB(142)에는 미리 특징 벡터 추출 프로세스를 통해 각 클래스의 특징 벡터 세트가 등록되기 때문에, 특징 벡터 추출 모듈(130)이 이를 참조하여 보다 효율적으로 특징 벡터를 추출할 수 있다.
그리고 특징 벡터 추출 모듈(130) 표적 검출 모듈(120)에서 출력된 유효 신호 구간의 신호로부터 특징 벡터 세트를 추출하도록 구성될 수 있다. 여기에서, 특징 벡터 추출 모듈(130)은 기존의 STFT(shot time fourier transform)을 이용하지 않고, AR(auto regressive) 모델링을 통한 LPC(linear predictive coefficients) 기반의 특징 벡터 추출 방식을 이용함으로써, 연산량을 현저하게 감소시킨다. 여기에서, 피셔 스코어(Fisher Score) 방식에 의해 다양한 종류의 특징 벡터 세트에 대한 변별력 검증 과정을 거친다. 이에, 전체 계산량이 감소하고 메모리 요구량도 줄어든다. 피셔 스코어 방식의 예로는 LPC 계수, LPC 기반 켑스트랑 계수(cepstral coefficients), LPC 기반 1차 템포럴 켑스트랄 도함수(first temporal cepstral derivatives), LPC 기반 2차 템포럴 켑스트랄 도함수(second temporal cepstral derivatives) 등이 있다. 이하, 구체적으로 설명한다.
특징 벡터 추출 모듈(130)은 다음 수학식 1에 따라 LPC 계수로 구성되는 특징 벡터 세트를 추출하도록 구성될 수 있다.
Figure 112011091245478-pat00012
여기에서,
Figure 112011091245478-pat00013
은 유효 신호 구간의 신호, ak는 LPC 계수, p는 차수이다.
다른 피셔 스코어 방식으서, 특징 벡터 추출 모듈(130)은 다음 수학식 2에 따라 LPC 기반 켑스트랄(Cepstral) 계수로 구성되는 특징 벡터 세트를 추출하도록 구성될 수 있다.
Figure 112011091245478-pat00014
여기에서, ck는 LPC 기반 켑스트랄 계수이다.
또한, 특징 벡터 추출 모듈(130)은 다음 수학식 3에 따라 LPC 기반 1차 템포럴 켑스트랄 도함수(first temporal cepstral derivatives)로 구성되는 특징 벡터 세트를 추출하도록 구성될 수도 있다.
Figure 112011091245478-pat00015
여기에서,
Figure 112011091245478-pat00016
는 1차 템포럴 켑스트랄 도함수,
Figure 112011091245478-pat00017
이다. 그리고 슬라이딩 윈도우 크기는 2M+1이다.
다른 방식으로서 특징 벡터 추출 모듈(130)은 다음 수학식 4에 따라 LPC 기반 2차 템포럴 켑스트랄 도함수(first temporal cepstral derivatives)로 구성되는 특징 벡터 세트를 추출하도록 구성될 수도 있다.
Figure 112011091245478-pat00018
한편, 특징 벡터 세트 DB(142)에 미리 선별적으로 등록되는 유효 특징 벡터 세트는 다음 수학식 5의 훈련 과정을 통해 선별되어 미리 등록될 수 있다.
Figure 112011091245478-pat00019
여기에서,
Figure 112011091245478-pat00020
,
Figure 112011091245478-pat00021
,
Figure 112011091245478-pat00022
, Di는 미리 결정된 클래스 Di의 신호이다.
즉, 수학식 5와 같은 훈련 방식으로 각 클래스의 피셔 스코어가 산출되어 미리 선별 등록될 수 있다. 이와 같이 기 등록된 각 클래스의 유효 특징 벡터 세트를 이용하여 특징 벡터 세트(140)는 보다 효율적으로 연산을 수행하여 표적을 식별할 수 있다. 즉, 유효 특징 벡터만을 식별 과정에 이용할 수 있다. 이는 연산량의 감소와 더불어 실시간 동작을 가능케 한다.
사람/사물 식별 모듈(140)은 특징 벡터 추출 모듈(130)에서 추출된 유효 특징 벡터에 대하여 SVM 기반 임계치 DB(152)에 기 등록된 SVM 임계치를 기준으로 SVM 프로세스를 수행하여 사람과 사물을 식별하도록 구성될 수 있다. 여기서, 먼저 SVM 기반 임계치 DB(152)에는 SVM 훈련 과정을 통해 미리 산출된 특정 클래스의 특징 벡터 세트에 대한 SVM 임계치가 저장되도록 구성될 수 있다. 즉, 사람/사물 식별 모듈(140)이 SVM 기반 임계치 DB(152)에 기 저장된 SVM 임계치를 이용하여 특징 벡터 세트를 분류만 함으로써, 표적 신호가 클래스 1의 사람인지 클래스 2의 개인지 클래스 3의 차량인지 판단할 수 있다. 이러한 SVM 프로세스 역시 미리 SVM 훈련 프로세스를 통해 각 클래스의 유효 임계치가 경험적으로 도출되어 SVM 기반 임계치 DB(152)에 저장되도록 함으로써 가능해진다.
도 2는 본 발명에 따라 수집된 전구간의 레이더 센서 신호 및 스펙트럼을 나타내는 그래프이다.
도 2를 참조하면, 레이더 센서 신호에 표적이 포착되어 있음을 그 크기와 스펙트럼을 통해 알 수 있다. 여기에서, 레이더 센서 모듈(110)은 전 시간 구간에 대하여 정찰 내지는 모니터링을 수행한다.
도 3은 본 발명에 따른 경계 검출에 의한 유효 신호 구간의 레이더 센서 신호 및 스펙트럼을 나타내는 그래프이다.
도 3을 참조하면, 표적 검출 모듈(120)은 레이더 센서 모듈(110)에서 수집된 전 시간구간의 레이더 신호에 대하여 표적이 있는 시간 구간 즉 유효 구간만을 감지하여 추출한다. 이는 다음 프로세스 단계에서 처리해야 할 신호의 크기를 줄임으로써, 연산량을 줄일 수 있음을 의미한다.
도 4는 본 발명에 따른 클래스 1 신호의 SVM 식별 결과를 나타내는 그래프이다.
도 4를 참조하면, 사람/사물 식별 모듈(140)이 추출된 특징 벡터 세트에 대하여 SVM 분류 기법을 적용한 예를 나타낸다. 여기에서, SVM 분류 기법이 적용된 값들이 모두 0보다 큰 것을 알 수 있는데, 이는 첫번째 SVM 분류 기준에 따른 임계치 이상의 값을 의미하며, 클래스 1 즉, 사람으로 분류되는 표적 신호임을 의미한다. 이때, 임계치 0보다 낮은 특징 벡터 신호들은 다시 두번째 SVM 분류 기준을 적용할 수 있고, 그 특징 벡터 신호들 중에서 임계치 0 이상을 갖는 특징 벡터 세트는 개로 분류될 수 있다. 그리고 두번째 SVM 분류 기준 상으로도 임계치 0 이하인 특징 벡터 신호들 중에서 세번째 SVM 분류 기준 상으로 임계치 0 이상으로 분류된 특징 벡터 세트는 차량으로 분류될 수 있다. 여기에서, 세번째 SVM 분류 기준 상으로도 임계치 0 이하로 분류된 특징 벡터 신호들은 기타 다른 사물로 분류될 수 있다.
이와 같이 본 발명에서는 사람, 개, 차량, 그 외 다양한 개체에 대하여 유효 특징 벡터 세트를 추출하여 등록하고 해당 SVM 훈련 프로세스를 거쳐 임계치를 찾아냄으로써, 움직이는 수많은 표적의 종류를 빠르고 정확하게 식별할 수 있다.
도 5의 (A)는 종래 기술에 따른 FFT 길이 및 계산량을 나타내는 그래프이고, (B)는 본 발명에 따른 LPC 차수 및 계산량을 나타내는 그래프이다.
도 5의 (A)를 참조하면, 종래에는 STFT를 적용함으로써 적용해야 할 데이터 길이에 따른 복잡도 높고 계산량도 많아짐을 나타낸다. 반면, 도 5의 (B)를 참조하면, 본 발명에서는 LPC 기반의 연산을 통해 처리해야할 데이터의 LPC 차수에 따른 복잡도가 낮고 계산량이 적음을 알 수 있다.
이상 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

Claims (9)

  1. 레이더 신호를 수집하는 레이더 센서 모듈;
    상기 수집된 레이더 신호에서 경계점 추출을 통해 표적 신호를 검출하는 표적 검출 모듈;
    기 선별되어 등록된 특징 벡터 세트를 참조하여 상기 검출된 표적 신호의 유효 특징 벡터 세트를 추출하는 특징 벡터 추출 모듈;
    상기 추출된 유효 특징 벡터에 대하여 기 등록된 SVM 임계치를 기준으로 SVM 프로세스를 수행하여 사람과 사물을 식별하는 사람/사물 식별 모듈을 포함하는 센서를 이용한 사람/사물 식별 장치.
  2. 제1항에 있어서, 상기 표적 검출 모듈은,
    소정의 전력 임계치(threshold)를 기준으로 경계점 추출을 수행하여 표적을 검출하는 것을 특징으로 하는 센서를 이용한 사람/사물 식별 장치.
  3. 제2항에 있어서, 상기 표적 검출 모듈은,
    상기 수집된 레이더 신호에 해당하는 전체 구간에서 상기 검출된 표적에 해당하는 유효 신호 구간의 신호를 추출하여 상기 특징 벡터 추출 모듈로 출력하는 것을 특징으로 하는 센서를 이용한 사람/사물 식별 장치.
  4. 제3항에 있어서, 상기 특징 벡터 추출 모듈은,
    상기 표적 검출 모듈에서 출력된 유효 신호 구간의 신호로부터 특징 벡터 세트를 추출하는 것을 특징으로 하는 센서를 이용한 사람/사물 식별 장치.
  5. 제4항에 있어서, 상기 특징 벡터 추출 모듈은,
    다음 수학식에 따라 LPC 계수로 구성되는 특징 벡터 세트를 추출하고,
    [수학식]
    Figure 112011095517968-pat00023
    ,
    여기에서,
    Figure 112011095517968-pat00024
    은 유효 신호 구간의 신호, ak는 LPC 계수, p는 차수인 것을 특징으로 하는 센서를 이용한 사람/사물 식별 장치.
  6. 제5항에 있어서, 상기 특징 벡터 추출 모듈은,
    다음 수학식에 따라 LPC 기반 켑스트랄(Cepstral) 계수로 구성되는 특징 벡터 세트를 추출하고,
    [수학식]
    Figure 112011095517968-pat00025
    ,
    여기에서, ck는 LPC 기반 켑스트랄 계수인 것을 특징으로 하는 센서를 이용한 사람/사물 식별 장치.
  7. 제6항에 있어서, 상기 특징 벡터 추출 모듈은,
    다음 수학식에 따라 LPC 기반 1차 템포럴 켑스트랄 도함수(first temporal cepstral derivatives)로 구성되는 특징 벡터 세트를 추출하고,
    [수학식]
    Figure 112011095517968-pat00026
    ,
    여기에서,
    Figure 112011095517968-pat00027
    는 1차 템포럴 켑스트랄 도함수,
    Figure 112011095517968-pat00028
    , 2M+1은 슬라이딩 윈도우 크기인 것을 특징으로 하는 센서를 이용한 사람/사물 식별 장치.
  8. 제7항에 있어서, 상기 특징 벡터 추출 모듈은,
    다음 수학식에 따라 LPC 기반 2차 템포럴 켑스트랄 도함수(first temporal cepstral derivatives)로 구성되는 특징 벡터 세트를 추출하고,
    [수학식]
    Figure 112011095517968-pat00029


    인 것을 특징으로 하는 센서를 이용한 사람/사물 식별 장치.
  9. 제5항 내지 제8항 중 어느 한 항에 있어서, 상기 특징 벡터 추출 모듈은,
    다음 수학식에 따라 소정의 클래스에 대한 유효 특징 벡터 세트 미리 산출하여 특징 벡터 셋트 DB에 등록하고,
    [수학식]
    Figure 112011095517968-pat00030
    ,
    여기에서,
    Figure 112011095517968-pat00031
    ,
    Figure 112011095517968-pat00032
    ,
    Figure 112011095517968-pat00033
    , Di는 미리 결정된 클래스 Di의 신호인 것을 특징으로 하는 센서를 이용한 사람/사물 식별 장치.
KR1020110120675A 2011-11-18 2011-11-18 센서를 이용한 사람/사물 식별 장치 KR101116279B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020110120675A KR101116279B1 (ko) 2011-11-18 2011-11-18 센서를 이용한 사람/사물 식별 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110120675A KR101116279B1 (ko) 2011-11-18 2011-11-18 센서를 이용한 사람/사물 식별 장치

Publications (1)

Publication Number Publication Date
KR101116279B1 true KR101116279B1 (ko) 2012-03-13

Family

ID=46141096

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110120675A KR101116279B1 (ko) 2011-11-18 2011-11-18 센서를 이용한 사람/사물 식별 장치

Country Status (1)

Country Link
KR (1) KR101116279B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9672463B2 (en) 2013-11-07 2017-06-06 Hanwha Techwin Co., Ltd. People counting method and apparatus
CN107064894A (zh) * 2017-01-11 2017-08-18 南京御达电信息技术有限公司 一种基于深度学习的杂波抑制方法
KR20200093183A (ko) * 2019-01-28 2020-08-05 재단법인대구경북과학기술원 투톤 레이더 방식을 이용한 휴먼 상태 모니터링 시스템 및 그 방법
CN113759356A (zh) * 2021-09-02 2021-12-07 中国人民解放军海军航空大学 基于角域特征优化的雷达目标hrrp识别方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010021751A (ko) * 1997-07-11 2001-03-15 푸루치 야코브 침입자 탐지 시스템
KR100879266B1 (ko) 2008-04-25 2009-01-16 이상석 유형별 인식에 의한 사물 추적 및 침입감지 시스템
KR20090081452A (ko) * 2008-01-24 2009-07-29 서정수 레이더 모듈 내장형 조명등

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010021751A (ko) * 1997-07-11 2001-03-15 푸루치 야코브 침입자 탐지 시스템
KR20090081452A (ko) * 2008-01-24 2009-07-29 서정수 레이더 모듈 내장형 조명등
KR100879266B1 (ko) 2008-04-25 2009-01-16 이상석 유형별 인식에 의한 사물 추적 및 침입감지 시스템

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9672463B2 (en) 2013-11-07 2017-06-06 Hanwha Techwin Co., Ltd. People counting method and apparatus
CN107064894A (zh) * 2017-01-11 2017-08-18 南京御达电信息技术有限公司 一种基于深度学习的杂波抑制方法
KR20200093183A (ko) * 2019-01-28 2020-08-05 재단법인대구경북과학기술원 투톤 레이더 방식을 이용한 휴먼 상태 모니터링 시스템 및 그 방법
KR102200409B1 (ko) * 2019-01-28 2021-01-08 재단법인대구경북과학기술원 투톤 레이더 방식을 이용한 휴먼 상태 모니터링 시스템 및 그 방법
CN113759356A (zh) * 2021-09-02 2021-12-07 中国人民解放军海军航空大学 基于角域特征优化的雷达目标hrrp识别方法
CN113759356B (zh) * 2021-09-02 2023-10-20 中国人民解放军海军航空大学 基于角域特征优化的雷达目标hrrp识别方法

Similar Documents

Publication Publication Date Title
George et al. Vehicle detection and classification from acoustic signal using ANN and KNN
Mohan Speech recognition using MFCC and DTW
EP2538034B1 (en) MFCC and CELP to detect turbine engine faults
CN110135492B (zh) 基于多高斯模型的设备故障诊断与异常检测方法及系统
EP2759998A1 (en) Pedestrian action prediction device and pedestrian action prediction method
Eryildirim et al. Pulse Doppler radar target recognition using a two-stage SVM procedure
CN113380272A (zh) 基于音频的紧急车辆检测与追踪
KR101116279B1 (ko) 센서를 이용한 사람/사물 식별 장치
EP3522156A1 (en) Blind signal separation method and structure, voice control system, and electrical appliance assembly
EP3147902B1 (en) Sound processing apparatus, sound processing method, and computer program
WO2021041144A1 (en) Sequence models for audio scene recognition
CN110852158B (zh) 一种基于模型融合的雷达人体运动状态分类算法及系统
CN111816185A (zh) 一种对混合语音中说话人的识别方法及装置
JP2010197998A (ja) 音声信号処理システムおよび該システムを備えた自律ロボット
US20180188104A1 (en) Signal detection device, signal detection method, and recording medium
CN112529177A (zh) 一种车辆碰撞检测方法及装置
Dennis et al. Analysis of spectrogram image methods for sound event classification
CN112418173A (zh) 异常声音识别方法、装置及电子设备
KR101671305B1 (ko) 입력 신호의 특징 파라미터 추출 장치 및 그를 이용한 화자 인식 장치
KR101491911B1 (ko) 소음이 발생되는 환경에서 소음을 제거하는 사운드 획득 시스템
KR20130141747A (ko) 사람／사물 식별이 가능한 레이더를 이용한 신호등 제어 장치 및 제어 방법
CN115310477A (zh) 基于分形特征和捕食者算法的泵机设备故障声音检测方法及其系统
Astapov et al. A method of real-time mobile vehicle identification by means of acoustic noise analysis implemented on an embedded device
CN109473112B (zh) 一种脉冲声纹识别方法、装置、电子设备及存储介质
Look et al. Building Robust Classifiers with Generative Adversarial Networks for Detecting Cavitation in Hydraulic Turbines.

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20150130

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20160128

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20170201

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20180126

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20200203

Year of fee payment: 9