KR101249374B1 - 영상에서의 목표형상 검출장치 및 방법 - Google Patents

영상에서의 목표형상 검출장치 및 방법 Download PDF

Info

Publication number
KR101249374B1
KR101249374B1 KR1020110051989A KR20110051989A KR101249374B1 KR 101249374 B1 KR101249374 B1 KR 101249374B1 KR 1020110051989 A KR1020110051989 A KR 1020110051989A KR 20110051989 A KR20110051989 A KR 20110051989A KR 101249374 B1 KR101249374 B1 KR 101249374B1
Authority
KR
South Korea
Prior art keywords
candidate
shape
point
target shape
image
Prior art date
Application number
KR1020110051989A
Other languages
English (en)
Other versions
KR20120133352A (ko
Inventor
김성락
박영수
주란희
남시병
김종익
Original Assignee
주식회사 리미트정보통신
관동대학교산학협력단
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 리미트정보통신, 관동대학교산학협력단 filed Critical 주식회사 리미트정보통신
Priority to KR1020110051989A priority Critical patent/KR101249374B1/ko
Publication of KR20120133352A publication Critical patent/KR20120133352A/ko
Application granted granted Critical
Publication of KR101249374B1 publication Critical patent/KR101249374B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/64—Analysis of geometric attributes of convexity or concavity

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

영상에서의 목표형상 검출장치 및 방법이 개시된다. 전처리부는 입력영상을 구성하는 각 화소의 화소값의 크기에 따라 사전에 설정된 색상값을 부여하고, 각 화소에 부여된 색상값을 기초로 입력영상을 이진화하여 전처리 영상을 생성한다. 레이블링부는 전처리 영상을 서로 다른 레이블이 각각 부여된 복수의 영역으로 분할하여 목표형상을 검출하기 위한 후보영역을 추출한다. 형상 검출부는 후보영역의 외곽선 형상으로부터 추출된 특징이 사전에 설정된 견본형상의 특징과 일치하면 후보영역을 목표형상으로 결정하여 출력한다. 본 발명에 따르면, 입력영상에 의사컬러 변환을 수행하여 목표형상을 검출하기 위한 식별력을 향상시키고, 레이블링에 의해 추출된 후보영역의 외곽선 특징을 기초로 목표형상에 해당하는지 여부 및 종류를 용이하게 판별할 수 있다.

Description

영상에서의 목표형상 검출장치 및 방법{Apparatus and method for detecting target shape from image}
본 발명은 영상에서의 목표형상 검출장치 및 방법에 관한 것으로, 보다 상세하게는, 촬영된 영상을 처리하여 원하는 물체의 형상과 일치하는 형상을 검출하는 장치 및 방법에 관한 것이다.
최근 무인감시 시스템 등에서 사람에 의한 판단과정 없이 카메라에 의해 촬영된 영상에서 사람 등의 목표형상을 검출하는 방법이 사용되고 있다. 이러한 객체 검출기법은 건물의 무인감시 외에도 다양한 분야에 적용될 수 있는데, 일 예로서 수중에서 촬영된 영상으로부터 불가사리와 같은 목표 객체의 형상을 검출하기 위해 사용될 수 있다.
수중에서 유해한 불가사리를 포획하기 위해 기존에는 잠수부가 직접 불가사리를 포획하거나 배에 연결된 불가사리 제거용 망이 바닥에 끌리도록 하여 제거하는 방법이 사용되었다. 그러나 사람이 직접 유해한 불가사리를 잡도록 하는 것은 위험성이 높으며, 정확한 지점을 파악하지 못한 채 무작위로 바닥을 탐색하는 방법은 비효율적이다. 따라서 수중로봇을 이용하여 수중 영상을 촬영한 후 영상에서 불가사리의 형상을 검출함으로써 수중 불가사리의 분포를 파악하고, 불가사리의 분포도가 상대적으로 높은 지역에서 그물을 이용하여 집중적으로 불가사리를 포획하도록 하는 방법이 효과적이다.
수중로봇을 이용한 불가사리 분포 탐색에 있어서 가장 중요한 부분이 영상으로부터 불가사리의 형상을 검출하는 기술이다. 그러나 수중에서 촬영한 영상은 일반적인 실내 영상과는 달리 많은 잡음이 포함되어 있으며, 배경과 객체를 분리하는 것이 용이하지 않고, 환경에 따라 객체의 색상과 외형이 변화하기 때문에 목표 객체인 불가사리의 형상을 검출하는 것이 쉽지 않다. 또한 불가사리가 수중의 다른 물체에 가려져 전체 형상을 검출할 수 없는 경우에 해당 객체가 불가사리인지 여부를 확실히 구별할 수 있는 방법이 필요하다.
본 발명이 이루고자 하는 기술적 과제는, 잡음 및 객체가 많이 포함된 영상으로부터 목표하는 객체의 형상만을 정확하게 검출할 수 있는 영상에서의 목표형상 검출장치 및 방법을 제공하는 데 있다.
본 발명이 이루고자 하는 다른 기술적 과제는, 잡음 및 객체가 많이 포함된 영상으로부터 목표하는 객체의 형상만을 정확하게 검출할 수 있는 영상에서의 목표형상 검출방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공하는 데 있다.
상기의 기술적 과제를 달성하기 위한, 본 발명에 따른 영상에서의 목표형상 검출장치는, 입력영상을 구성하는 각 화소의 화소값의 크기에 따라 사전에 설정된 색상값을 부여하고, 상기 각 화소에 부여된 색상값을 기초로 상기 입력영상을 이진화하여 전처리 영상을 생성하는 전처리부; 상기 전처리 영상을 서로 다른 레이블이 각각 부여된 복수의 영역으로 분할하여 목표형상을 검출하기 위한 후보영역을 추출하는 레이블링부; 및 상기 후보영역의 외곽선 형상으로부터 추출된 특징이 사전에 설정된 견본형상의 특징과 일치하면 상기 후보영역을 상기 목표형상으로 결정하여 출력하는 형상 검출부;를 구비한다.
상기의 다른 기술적 과제를 달성하기 위한, 본 발명에 따른 영상에서의 목표형상 검출방법은, 입력영상을 구성하는 각 화소의 화소값의 크기에 따라 사전에 설정된 색상값을 부여하고, 상기 각 화소에 부여된 색상값을 기초로 상기 입력영상을 이진화하여 전처리 영상을 생성하는 전처리단계; 상기 전처리 영상을 서로 다른 레이블이 각각 부여된 복수의 영역으로 분할하여 목표형상을 검출하기 위한 후보영역을 추출하는 레이블링단계; 및 상기 후보영역의 외곽선 형상으로부터 추출된 특징이 사전에 설정된 견본형상의 특징과 일치하면 상기 후보영역을 상기 목표형상으로 결정하여 출력하는 형상 검출단계;를 갖는다.
본 발명에 따른 영상에서의 목표형상 검출장치 및 방법에 의하면, 입력영상에 의사컬러 변환을 수행하여 목표형상을 검출하기 위한 식별력을 향상시키고, 레이블링에 의해 추출된 후보영역의 외곽선 특징을 기초로 목표형상에 해당하는지 여부 및 종류를 용이하게 판별할 수 있다.
도 1은 본 발명에 따른 영상에서의 목표형상 검출장치에 대한 바람직한 실시예의 구성을 도시한 블록도,
도 2는 입력영상에 대하여 의사컬러 변환을 수행하는 일 예를 도시한 도면,
도 3은 입력영상에 의사컬러 변환이 수행된 결과를 나타낸 도면,
도 4는 레이블링부에 의한 영역 분할 과정을 나타낸 도면,
도 5는 전처리 영상으로부터 분할된 후보영역의 다양한 형태를 나타낸 도면,
도 6은 8가지의 서로 다른 스캔 방향을 도시한 도면,
도 7은 후보 볼록점들 중에서 볼록 특징점이 결정되는 일 실시예를 도시한 도면,
도 8은 볼록 특징점에 의해 외곽선이 분할된 후보영역을 도시한 도면,
도 9는 후보영역에 대하여 중심 결정부, 볼록 특징 추출부 및 오목 특징 추출부에 의해 각각 결정된 중심점, 볼록 특징점 및 오목 특징점을 도시한 도면,
도 10은 도 5의 후보영역들 각각에 대하여 견본형상의 특징과 일치하는지 여부를 판단한 결과를 나타낸 도면,
도 11은 입력영상으로부터 추출된 복수의 후보영역의 종류를 판별하는 예를 도시한 도면, 그리고,
도 12는 본 발명에 따른 영상에서의 목표형상 검출방법에 대한 바람직한 실시예의 수행과정을 도시한 흐름도이다.
이하에서 첨부된 도면들을 참조하여 본 발명에 따른 영상에서의 목표형상 검출장치 및 방법의 바람직한 실시예에 대해 상세하게 설명한다.
도 1은 본 발명에 따른 영상에서의 목표형상 검출장치에 대한 바람직한 실시예의 구성을 도시한 블록도이다.
도 1을 참조하면, 본 발명에 따른 목표형상 검출장치는 전처리부(110), 레이블링부(120) 및 형상 검출부(130)를 구비한다. 또한 본 발명의 대표적인 실시예로서, 본 발명에 따른 목표형상 검출장치는 수중에서 촬영된 영상으로부터 불가사리의 형상을 검출하기 위해 사용될 수 있다. 이하에서는 수중 영상으로부터 목표로 하는 불가사리의 형상을 검출하는 경우에 본 발명에 따른 목표형상 검출장치의 구성 및 동작에 대하여 상세하게 설명한다.
이때 사전에 설정된 견본형상은 검출하고자 하는 불가사리의 표본을 다수 수집하여 표본 불가사리들의 공통적인 특징을 나타내도록 만들어진 형상에 해당하며, 본 발명에 따른 목표형상 검출장치는 수중에서 촬영된 입력영상으로부터 목표형상으로 검출될 수 있는 후보영역을 결정하고, 후보영역의 특징을 추출하여 견본형상과 대비함으로써 목표형상에 해당하는지 여부를 판단한다.
먼저 목표형상의 정확한 검출을 위하여 전처리부(110)에 의한 입력영상의 전처리 과정이 수행될 수 있다. 전처리부(110)는 입력영상을 구성하는 각 화소의 화소값의 크기에 따라 사전에 설정된 색상값을 부여함으로써 입력영상에 대응하는 컬러영상을 생성하고, 컬러영상의 각 화소에 부여된 색상값을 기초로 입력영상을 이진화하여 전처리 영상을 생성한다.
입력영상으로부터 컬러영상을 생성하는 과정은 의사컬러 변환 알고리즘에 의해 수행된다. 인간의 눈은 256 단계의 그레이스케일 레벨 중에서 20~30 단계만을 육안으로 구분할 수 있는 반면, 컬러는 수천 가지 이상을 분별할 수 있다. 이러한 생리학적 특성을 고려하면, 후보영역을 결정하기 위해 입력영상을 이진화하기 이전에 의사컬러 변환을 수행하여 식별력을 높일 수 있다.
의사컬러 변환은 입력영상의 각 화소에 대하여 해당 화소의 화소값을 기초로 사전에 설정된 색상값을 부여함으로써 수행된다. 이때 색상값을 부여하는 과정은 컬러 룩업 테이블(color lookup table)을 참조하여 수행된다. 도 2는 입력영상에 대하여 의사컬러 변환을 수행하는 일 예를 도시한 도면으로, 57의 화소값에 대응하여 컬러 룩업 테이블에 (9,86,7)의 RGB 색상값이 저장되어 있다. 따라서 전처리부(110)는 입력영상에서 화소값이 57인 화소에 대하여 (9,86,7)의 색상값을 부여한다.
도 3은 입력영상에 의사컬러 변환이 수행된 결과를 나타낸 도면이다. 도 3의 (a)의 입력영상에 대하여 의사컬러 변환이 수행되면 도 3의 (b)와 같은 컬러영상이 얻어진다. 도 3의 (b)를 참조하면, 의사컬러 변환에 의해 검출하고자 하는 목표형상, 즉 불가사리의 형상에 대한 식별력이 높아짐을 확인할 수 있다.
입력영상의 모든 화소에 대해 색상값이 부여되어 컬러영상이 생성되면, 전처리부(110)는 컬러영상의 각 화소의 색상값을 기초로 입력영상을 이진화하여 전처리 영상을 생성한다. 컬러영상을 이진화할 때에는 기존에 일반적으로 사용되는 알고리즘이 사용될 수 있으므로, 상세한 설명은 생략한다.
다음으로 레이블링부(120)는 전처리 영상을 고유의 레이블이 각각 부여된 복수의 영역으로 분할하여 목표형상을 검출하기 위한 후보영역을 추출한다. 레이블링부(120)에 의한 후보영역의 추출은 기존의 레이블링 알고리즘에 의해 수행된다.
구체적으로, 후보영역의 추출 과정은 두 가지 단계로 이루어진다. 첫 번째 단계로서, 기존의 레이블링 알고리즘에 따라 전처리 영상의 전체 화소를 위에서 아래로, 그리고 왼쪽에서 오른쪽으로 순차적으로 스캔하면서 레이블을 부여한다. 이때 주변 화소들 중에서 이미 레이블이 부여된 화소가 있으면 해당 화소의 레이블을 따르며, 주변의 둘 이상의 화소에 서로 다른 레이블이 부여되어 있으면 더 작은 값의 레이블을 부여하고, 등가 테이블을 생성하여 이후 주변 화소들의 레이블 값이 동일하게 되도록 수정한다. 도 4는 레이블링부(120)에 의한 영역 분할 과정을 나타낸 도면이다.
수중 환경의 특성상 수중에서 촬영된 입력영상에는 검출의 목표가 되는 불가사리 외에도 이물질이 많이 포함되어 있다. 따라서 레이블링부(120)는 전처리 영상의 각 영역에 대한 레이블링 과정이 종료되면 사전에 설정된 임계치 이상의 화소수를 가지는 영역만 목표형상을 검출하기 위한 후보영역으로 결정하고, 나머지 영역은 잡음으로 간주하여 제거한다.
한편, 후보영역 추출의 두 번째 단계로서, 레이블링부(120)는 첫 번째 단계에서 결정된 후보영역들을 각각 스캔하여 영역의 너비 및 높이를 산출하고, 전처리 영상으로부터 분할한다. 도 5는 전처리 영상으로부터 분할된 후보영역의 다양한 형태를 나타낸 도면이다. 도 5에 도시된 것과 같은 다양한 후보영역들 중에서 견본형상의 형태와 유사한 후보영역이 목표형상으로서 검출된다.
형상 검출부(130)는 후보영역의 외곽선 형상으로부터 추출된 특징이 사전에 설정된 견본형상의 특징과 일치하면 후보영역을 목표형상으로 결정하여 출력한다. 이를 위해 형상 검출부(130)는 중심 결정부(132), 볼록 특징 추출부(134), 오목 특징 추출부(136) 및 형상 인식부(138)를 구비할 수 있다.
중심 결정부(132)는 후보영역을 구성하는 화소들의 좌표정보를 기초로 후보영역의 중심점을 산출한다. 즉, 후보영역을 구성하는 각 화소의 입력영상 또는 전처리 영상에서의 x좌표 및 y좌표의 값들을 각각 더하고 후보영역의 화소수로 나누면 중심점의 좌표정보가 얻어진다.
다음으로 볼록 특징 추출부(134)는 후보영역의 외곽선을 추적하여 목표형상의 중심으로부터 외부를 향해 돌출된 지점에 대응하는 복수의 볼록 특징점을 추출한다. 구체적으로, 볼록 특징 추출부(134)는 후보 영역을 포함하는 최소 크기의 사각형인 외곽선 추적 영역을 최대 8가지의 서로 다른 스캔 방향으로 스캔하여 후보 블록점을 결정하고, 각각의 후보 블록점으로부터 후보영역의 중심점까지의 거리를 산출한다. 도 6은 8가지의 서로 다른 스캔 방향을 도시한 도면이다.
다음으로 볼록 특징 추출부(134)는 서로 인접한 후보 블록점들, 즉 사전에 설정된 기준값 이하의 거리 내에 위치하는 후보 블록점들이 동일한 후보군에 속하도록 후보 블록점들을 분류한다. 마지막으로 각각의 후보군에 대하여 후보 블록점들 중에서 중심점으로부터의 거리가 최대인 후보 블록점을 해당 후보군의 볼록 특징점으로 결정한다. 따라서 하나의 후보영역으로부터 후보군의 개수에 대응하는 개수의 볼록 특징점이 얻어지게 된다.
다음의 표 1은 도 6에 도시된 8가지의 스캔 방향에 의해 얻어진 후보 볼록점들의 좌표를 나타낸 것이다.

방향		 후보 볼록점 좌표
x y
상(top-down) 방향 181 16
하(bottom-up) 방향 200 240
좌(left-right) 방향 8 137
우(right-left) 방향 248 128
우-하향(right-down) 대각선 방향 44 43
좌-하향(left-down) 대각선 방향 190 17
좌-상향(left-up) 대각선 방향 14 145
우-상향(right-up) 대각선 방향 206 236
볼록 특징 추출부(134)는 표 1과 같은 후보 볼록점들로부터 후보영역의 중심까지의 거리를 기초로 다음의 표 2와 같은 5개의 볼록 특징점을 결정한다.

구분		 볼록 특징점의 좌표
x y
① 190 17
② 248 128
③ 200 240
④ 8 137
⑤ 44 43
도 7은 후보 볼록점들 중에서 볼록 특징점이 결정되는 일 실시예를 도시한 도면으로, 도 7의 (a)에서 원으로 표시된 8개의 지점들이 표 1의 후보 볼록점들이고, (b)의 ① 내지 ⑤의 지점들이 표 2의 볼록 특징점들이다. 도 7의 (a)에 도시된 바와 같이 서로 인접한 두 개의 후보 볼록점 중에서 하나가 볼록 특징점으로 결정된다.
다음으로 오목 특징 추출부(136)는 볼록 특징 추출부(134)에 의해 결정된 볼록 특징점들을 기초로 후보영역의 외곽선을 분할한다. 도 8은 볼록 특징점에 의해 외곽선이 분할된 후보영역을 도시한 도면으로, 5개의 볼록 특징점과 후보영역의 중심점을 각각 연결하는 선에 의해 후보영역의 외곽선이 5개의 부분 외곽선이 얻어진다.
오목 특징 추출부(136)는 각각의 부분 외곽선을 구성하는 화소들 중에서 후보영역의 중심점으로부터의 거리가 최소인 화소를 후보 오목점으로 결정하고, 이들 중에서 오목 특징점을 결정한다. 이를 위해 후보영역의 중심점으로부터 각 볼록 특징점까지의 거리의 평균(장선의 평균) 및 후보영역의 중심점으로부터 각각의 오목 특징점까지의 거리(단선의 길이)를 산출한다. 오목 특징 추출부(136)는 후보 오목점들 중에서 장선의 평균에 대한 단선의 길이의 비가 사전에 설정된 기준비율, 예를 들면 0.6보다 작은 후보 오목점을 오목 특징점으로 결정한다.
다음의 표 3은 이상에서 설명한 오목 특징점의 결정 과정을 나타낸 것이다.
구
분		 최종 볼록점 장선의
길이		 후보 오목점 단선의
길이		 단선의 길이
/장선의 평균		 오목
특징점
x y x y
1 190 17 111.0180 171 80 48.7954 0.3989 ○
2 248 128 112.8716 167 131 35.3553 0.2890 ○
3 200 240 141.3223 120 135 26.4007 0.2158 ○
4 8 137 130.0499 85 93 55.1543 0.4509 ○
5 44 43 116.2110 142 64 50.3587 0.4117 ○
장선의 평균 122.2946
표 3에는 5개의 후보 오목점의 좌표가 표시되어 있고, 후보 오목점의 좌표를 기초로 산출된 단선의 길이가 장선의 평균에 대하여 기준비율 이하의 비를 가지므로 5개의 후보 오목점이 모두 오목 특징점으로 결정된다.
도 9는 후보영역에 대하여 중심 결정부(132), 볼록 특징 추출부(134) 및 오목 특징 추출부(136)에 의해 각각 결정된 중심점, 볼록 특징점 및 오목 특징점을 도시한 도면이다. 각 지점들은 목표형상을 추출할 때 견본형상과 대비하기 위한 후보영역의 특징으로 사용될 수 있다.
형상 인식부(138)는 볼록 특징점 및 오목 특징점의 개수가 견본형상과 일치하면 후보영역을 목표형상으로 결정하여 출력한다.
도 10은 도 5의 후보영역들 각각에 대하여 견본형상의 특징과 일치하는지 여부를 판단한 결과를 나타낸 도면이다. 도 10을 참조하면, 목표형상으로 결정할 수 있는지 여부를 판단하는 기준으로 볼록 특징점 및 오목 특징점의 개수가 사용된다. 또한 볼록 특징점 및 오목 특징점의 개수를 통해 후보영역이 목표형상에 해당하는지 여부뿐만 아니라 구체적인 종류까지도 판별할 수 있다.
예를 들면, 목표형상이 불가사리일 때 볼록 특징점 및 오목 특징점의 개수를 기초로 후보영역이 단일 개체, 변형 개체 및 다중 개체 중 어떠한 개체에 해당하는지를 판별할 수 있다. 이와 같이 구체적인 개체의 종류를 판별하기 위해 다양한 형태의 견본형상이 사전에 저장되어 사용될 수 있다.
도 11은 입력영상으로부터 추출된 복수의 후보영역의 종류를 판별하는 예를 도시한 도면이다. 도 11의 (a)는 도 3의 (a)의 입력영상으로부터 분할된 후보영역들을 나타낸 도면이고, (b)는 단일 개체로 판별된 후보영역, (c)는 다중 개체로 판별된 후보영역, (d)는 변형 개체로 판별된 후보영역, (e)는 불가사리가 아닌 것으로 판별된 후보영역, 그리고 (f)는 (a)의 후보영역들 중에서 결정된 목표형상을 나타낸 것이다.
다음의 표 4는 다양한 영상에 대하여 목표형상인 불가사리의 검출을 수행한 결과를 나타낸 것이다.

 직접 센
개체수		 후보
개체수		 인식된 불가사리 불가사리
아님
단일개체 다중개체 변형개체
영상
A
15
27		 5(1) 1(0) 10(5)
11
16(6)
영상
B
38
39		 9(0) 3(1) 14(3)
13
26(4)
영상
C
50
16		 14(0) 2(1) 0
0
16(1)
영상
D
36
25		 7(0) 1(0) 8(0)
9
16(0)
위 표 4에서 영상 A는 복잡한 배경과 수초 등에 의해 불가사리 개체의 형태가 변형된 영상, B는 불가사리 개체가 군집을 이룬 영상, C는 불가사리가 주로 단일 개체로 분포되어 있으며 잡음이 적은 영상, 그리고 D는 영상 C와 동일한 조건이나 정면에서 촬영된 것이 아닌 영상이다. 또한 괄호 안의 숫자는 불가사리가 아님에도 불가사리인 것으로 잘못 인식된 개체의 수를 나타낸 것이다.
표 4로부터 본 발명에 따른 목표형상 검출장치는 촬영된 영상을 수동으로 분석하지 않아도 이상에서 설명한 영상처리 과정을 통하여 자동으로 수중의 불가사리 분포 및 위치를 획득할 수 있음을 확인할 수 있다.
도 12는 본 발명에 따른 영상에서의 목표형상 검출방법에 대한 바람직한 실시예의 수행과정을 도시한 흐름도이다.
도 12를 참조하면, 전처리부(110)는 입력영상을 구성하는 각 화소의 화소값의 크기에 따라 사전에 설정된 색상값을 부여하여 컬러영상을 생성하고, 컬러영상의 각 화소의 색상값을 기초로 입력영상을 이진화하여 전처리 영상을 생성한다(S1010). 다음으로 레이블링부(120)는 전처리 영상을 서로 다른 레이블이 각각 부여된 복수의 영역으로 분할하여 목표형상을 검출하기 위한 후보영역을 추출한다(S1020).
중심 결정부(132)는 후보영역을 구성하는 화소들의 좌표정보를 기초로 후보영역의 중심점을 산출한다(S1030). 볼록 특징 추출부(134)는 후보영역의 외곽선을 추적하여 목표형상의 중심으로부터 외부를 향해 돌출된 지점에 대응하는 복수의 볼록 특징점을 추출한다(S1040). 또한 오목 특징 추출부(136)는 볼록 특징점들을 기초로 후보영역의 외곽선을 분할하여 목표형상의 중심을 향해 함몰된 지점에 대응하는 복수의 오목 특징점을 추출한다(S1050).
마지막으로 형상 인식부(138)는 볼록 특징점 및 오목 특징점의 개수가 견본형상과 일치하면 후보영역을 목표형상으로 결정하여 출력한다(S1060).
본 발명은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이상에서 본 발명의 바람직한 실시예에 대해 도시하고 설명하였으나, 본 발명은 상술한 특정의 바람직한 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 실시가 가능한 것은 물론이고, 그와 같은 변경은 청구범위 기재의 범위 내에 있게 된다.
110 - 전처리부
120 - 레이블링부
130 - 형상 검출부
132 - 중심 결정부
134 - 볼록 특징 추출부
136 - 오목 특징 추출부
138 - 형상 인식부

Claims (15)

  1. 입력영상을 구성하는 각 화소의 화소값의 크기에 따라 사전에 설정된 색상값을 부여하고, 상기 각 화소에 부여된 색상값을 기초로 상기 입력영상을 이진화하여 전처리 영상을 생성하는 전처리부;
    상기 전처리 영상을 서로 다른 레이블이 각각 부여된 복수의 영역으로 분할하여 목표형상을 검출하기 위한 후보영역을 추출하는 레이블링부; 및
    상기 후보영역의 외곽선 형상으로부터 추출된 특징점이 사전에 설정된 견본형상의 특징과 일치하면 상기 후보영역을 상기 목표형상으로 결정하여 출력하는 형상 검출부;를 포함하는 것을 특징으로 하는 목표형상 검출장치.
  2. 제 1항에 있어서,
    상기 레이블링부는 상기 복수의 영역 중에서 사전에 설정된 임계치 이상의 화소수를 가지는 영역을 상기 후보영역으로 결정하는 것을 특징으로 하는 목표형상 검출장치.
  3. 제 1항에 있어서,
    상기 레이블링부는 상기 전처리 영상의 각 화소를 스캔하여 서로 다른 레이블이 부여된 각각의 후보영역의 너비 및 높이를 산출하고 상기 전처리 영상으로부터 분할하는 것을 특징으로 하는 목표형상 검출장치.
  4. 제 1항 내지 제 3항 중 어느 한 항에 있어서,
    상기 입력영상은 수중에서 촬영된 영상이며, 상기 후보영역 및 상기 목표형상은 불가사리의 형상인 것을 특징으로 하는 목표형상 검출장치.
  5. 제 4항에 있어서,
    상기 형상 검출부는,
    상기 후보영역을 구성하는 화소들의 좌표정보를 기초로 상기 후보영역의 중심점을 산출하는 중심 결정부;
    상기 후보영역의 외곽선을 추적하여 상기 목표형상의 중심으로부터 외부를 향해 돌출된 지점에 대응하는 복수의 볼록 특징점을 추출하는 볼록 특징 추출부;
    상기 볼록 특징점들을 기초로 상기 후보영역의 외곽선을 분할하여 상기 목표형상의 중심을 향해 함몰된 지점에 대응하는 복수의 오목 특징점을 추출하는 오목 특징 추출부; 및
    상기 볼록 특징점 및 상기 오목 특징점의 개수가 상기 견본형상과 일치하면 상기 후보영역을 상기 목표형상으로 결정하여 출력하는 형상 인식부;를 포함하는 것을 특징으로 하는 목표형상 검출장치.
  6. 제 5항에 있어서,
    상기 볼록 특징 추출부는 상기 후보영역을 포함하는 최소 크기의 영역인 외곽선 추적 영역을 구성하는 화소들을 순차적으로 스캔하여 얻어진 후보 블록점들을 서로 인접한 정도에 따라 복수의 후보군으로 분류하고, 각각의 후보군에 속하는 상기 후보 블록점 중에서 상기 후보영역의 중심점으로부터의 거리가 최대인 후보 블록점을 상기 후보군의 볼록 특징점으로 결정하는 것을 특징으로 하는 목표형상 검출장치.
  7. 제 5항에 있어서,
    상기 오목 특징 추출부는 상기 볼록 특징점들을 기초로 상기 후보영역의 외곽선을 분할하여 얻어진 복수의 부분 외곽선 각각에 대하여 상기 중심점으로부터의 거리가 최소인 화소를 후보 오목점으로 결정하고, 상기 중심점으로부터 상기 각각의 볼록 특징점까지의 거리의 평균에 대한 상기 중심점으로부터 상기 후보 오목점까지의 거리의 비가 사전에 설정된 기준비율보다 작으면 상기 후보 오목점을 상기 오목 특징점으로 결정하는 것을 특징으로 하는 목표형상 검출장치.
  8. 입력영상을 구성하는 각 화소의 화소값의 크기에 따라 사전에 설정된 색상값을 부여하고, 상기 각 화소에 부여된 색상값을 기초로 상기 입력영상을 이진화하여 전처리 영상을 생성하는 전처리단계;
    상기 전처리 영상을 서로 다른 레이블이 각각 부여된 복수의 영역으로 분할하여 목표형상을 검출하기 위한 후보영역을 추출하는 레이블링단계; 및
    상기 후보영역의 외곽선 형상으로부터 추출된 특징점이 사전에 설정된 견본형상의 특징과 일치하면 상기 후보영역을 상기 목표형상으로 결정하여 출력하는 형상 검출단계;를 포함하는 것을 특징으로 하는 목표형상 검출방법.
  9. 제 8항에 있어서,
    상기 레이블링단계에서, 상기 복수의 영역 중에서 사전에 설정된 임계치 이상의 화소수를 가지는 영역을 상기 후보영역으로 결정하는 것을 특징으로 하는 목표형상 검출방법.
  10. 제 8항에 있어서,
    상기 레이블링단계에서, 상기 전처리 영상의 각 화소를 스캔하여 서로 다른 레이블이 부여된 각각의 후보영역의 너비 및 높이를 산출하고 상기 전처리 영상으로부터 분할하는 것을 특징으로 하는 목표형상 검출방법.
  11. 제 8항 내지 제 10항 중 어느 한 항에 있어서,
    상기 입력영상은 수중에서 촬영된 영상이며, 상기 후보영역 및 상기 목표형상은 불가사리의 형상인 것을 특징으로 하는 목표형상 검출방법.
  12. 제 11항에 있어서,
    상기 형상 검출단계는,
    상기 후보영역을 구성하는 화소들의 좌표정보를 기초로 상기 후보영역의 중심점을 산출하는 중심 결정단계;
    상기 후보영역의 외곽선을 추적하여 상기 목표형상의 중심으로부터 외부를 향해 돌출된 지점에 대응하는 복수의 볼록 특징점을 추출하는 볼록 특징 추출단계;
    상기 볼록 특징점들을 기초로 상기 후보영역의 외곽선을 분할하여 상기 목표형상의 중심을 향해 함몰된 지점에 대응하는 복수의 오목 특징점을 추출하는 오목 특징 추출단계; 및
    상기 볼록 특징점 및 상기 오목 특징점의 개수가 상기 견본형상과 일치하면 상기 후보영역을 상기 목표형상으로 결정하여 출력하는 형상 인식단계;를 포함하는 것을 특징으로 하는 목표형상 검출방법.
  13. 제 12항에 있어서,
    상기 볼록 특징 추출단계에서, 상기 후보영역을 포함하는 최소 크기의 영역인 외곽선 추적 영역을 구성하는 화소들을 순차적으로 스캔하여 얻어진 후보 블록점들을 서로 인접한 정도에 따라 복수의 후보군으로 분류하고, 각각의 후보군에 속하는 상기 후보 블록점 중에서 상기 후보영역의 중심점으로부터의 거리가 최대인 후보 블록점을 상기 후보군의 볼록 특징점으로 결정하는 것을 특징으로 하는 목표형상 검출방법.
  14. 제 12항에 있어서,
    상기 오목 특징 추출단계에서, 상기 볼록 특징점들을 기초로 상기 후보영역의 외곽선을 분할하여 얻어진 복수의 부분 외곽선 각각에 대하여 상기 중심점으로부터의 거리가 최소인 화소를 후보 오목점으로 결정하고, 상기 중심점으로부터 상기 각각의 볼록 특징점까지의 거리의 평균에 대한 상기 중심점으로부터 상기 후보 오목점까지의 거리의 비가 사전에 설정된 기준비율보다 작으면 상기 후보 오목점을 상기 오목 특징점으로 결정하는 것을 특징으로 하는 목표형상 검출방법.
  15. 제 8항 내지 제 10항 중 어느 한 항에 기재된 목표형상 검출방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
KR1020110051989A 2011-05-31 2011-05-31 영상에서의 목표형상 검출장치 및 방법 KR101249374B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020110051989A KR101249374B1 (ko) 2011-05-31 2011-05-31 영상에서의 목표형상 검출장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110051989A KR101249374B1 (ko) 2011-05-31 2011-05-31 영상에서의 목표형상 검출장치 및 방법

Publications (2)

Publication Number Publication Date
KR20120133352A KR20120133352A (ko) 2012-12-10
KR101249374B1 true KR101249374B1 (ko) 2013-04-01

Family

ID=47516751

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110051989A KR101249374B1 (ko) 2011-05-31 2011-05-31 영상에서의 목표형상 검출장치 및 방법

Country Status (1)

Country Link
KR (1) KR101249374B1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101584310B1 (ko) * 2014-01-22 2016-01-11 한국해양과학기술원 데이터 매칭방법 및 장치
KR102134811B1 (ko) * 2018-11-12 2020-07-16 재단법인대구경북과학기술원 영상 내 단일 세그먼트의 복수의 최저점 검출 방법 및 시스템
CN111667496B (zh) * 2020-05-18 2023-11-21 中国农业大学 粘连鱼体图像分割方法及装置
CN117408998B (zh) * 2023-12-13 2024-03-12 真健康(广东横琴)医疗科技有限公司 一种体表定位标记物的分割方法及设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002034051A (ja) * 2000-07-14 2002-01-31 Sanyo Electric Co Ltd ディジタルカメラ
KR20050098211A (ko) * 2004-04-06 2005-10-11 (주)브이에스테크 경사 배치된 카메라를 이용한 형상 검사 시스템
KR20090027550A (ko) * 2007-10-24 2009-03-17 주식회사 코아로직 영상 오브젝트 검출장치와 방법 및 그 기록매체
JP2010283785A (ja) * 2009-06-08 2010-12-16 Casio Computer Co Ltd 画像処理装置、画像処理方法及び画像処理プログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002034051A (ja) * 2000-07-14 2002-01-31 Sanyo Electric Co Ltd ディジタルカメラ
KR20050098211A (ko) * 2004-04-06 2005-10-11 (주)브이에스테크 경사 배치된 카메라를 이용한 형상 검사 시스템
KR20090027550A (ko) * 2007-10-24 2009-03-17 주식회사 코아로직 영상 오브젝트 검출장치와 방법 및 그 기록매체
JP2010283785A (ja) * 2009-06-08 2010-12-16 Casio Computer Co Ltd 画像処理装置、画像処理方法及び画像処理プログラム

Also Published As

Publication number Publication date
KR20120133352A (ko) 2012-12-10

Similar Documents

Publication Publication Date Title
US11789545B2 (en) Information processing device and method, program and recording medium for identifying a gesture of a person from captured image data
CN113658132B (zh) 基于计算机视觉的结构件焊缝检测方法
RU2302656C2 (ru) Система идентификации изображений
KR101035768B1 (ko) 립 리딩을 위한 입술 영역 설정 방법 및 장치
KR101687175B1 (ko) 타겟 분석 장치 및 방법
Shabanzade et al. Combination of local descriptors and global features for leaf recognition
CN106991370B (zh) 基于颜色和深度的行人检索方法
Kluger et al. Region-based cycle-consistent data augmentation for object detection
KR101249374B1 (ko) 영상에서의 목표형상 검출장치 및 방법
Palou et al. Occlusion-based depth ordering on monocular images with binary partition tree
CN111915509A (zh) 基于图像处理去阴影优化的保护压板状态辨识方法
CN112818983B (zh) 一种利用图片相识度判断字符倒置的方法
CN113920585A (zh) 行为识别方法及装置、设备和存储介质
KR100543706B1 (ko) 비젼기반 사람 검출방법 및 장치
KR100606404B1 (ko) 컬러코드 이미지 검출 방법 및 장치
CN114220142B (zh) 一种深度学习算法的人脸特征识别方法
KR101357581B1 (ko) 깊이 정보 기반 사람의 피부 영역 검출 방법
CN115497097A (zh) 一种倾斜汉字点选验证码识别方法
KR20140140953A (ko) 얼굴 검출 방법 및 그 장치
KR101032581B1 (ko) 유해영상 자동 판별 방법
Sirmacek Graph theory and mean shift segmentation based classification of building facades
TWI417796B (zh) Method of recognizing objects in images
JP2008158904A (ja) 線状図形の解析方法
Jenila et al. Threshold Based Human Face Detection
KR20120002001A (ko) 영상에서의 목표형상 검출장치 및 방법

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: 20160422

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20170419

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20180306

Year of fee payment: 6

LAPS Lapse due to unpaid annual fee