KR101362851B1 - 영상 데이터베이스 갱신 장치 - Google Patents

영상 데이터베이스 갱신 장치 Download PDF

Info

Publication number
KR101362851B1
KR101362851B1 KR1020130029320A KR20130029320A KR101362851B1 KR 101362851 B1 KR101362851 B1 KR 101362851B1 KR 1020130029320 A KR1020130029320 A KR 1020130029320A KR 20130029320 A KR20130029320 A KR 20130029320A KR 101362851 B1 KR101362851 B1 KR 101362851B1
Authority
KR
South Korea
Prior art keywords
image
interest
information
size
unit
Prior art date
Application number
KR1020130029320A
Other languages
English (en)
Inventor
윤동환
Original Assignee
엘아이지넥스원 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 엘아이지넥스원 주식회사 filed Critical 엘아이지넥스원 주식회사
Priority to KR1020130029320A priority Critical patent/KR101362851B1/ko
Application granted granted Critical
Publication of KR101362851B1 publication Critical patent/KR101362851B1/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

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Processing Or Creating Images (AREA)

Abstract

본 발명은 관심 객체에 대한 정보를 기초로 신규 영상 데이터와 관련성 있는 저장 영상 데이터를 연결시켜 저장하여 영상 데이터베이스를 갱신하는 장치를 제안한다. 제안된 장치는 신규 영상에서 관심 객체의 크기 정보와 색상 정보를 획득하는 관심 객체 정보 획득부; 및 영상들로 구축된 데이터베이스에 신규 영상을 관심 객체의 크기 정보와 색상 정보를 기초로 선택된 영상과 관련지어 저장하여 데이터베이스를 업데이트하는 DB 업데이트부를 포함한다. 본 발명에 따르면 영상 데이터베이스를 강화하여 영상에서 타겟을 검출하는 시스템의 성능을 향상시킬 수가 있다.

Description

영상 데이터베이스 갱신 장치 {Apparatus for updating video database}
본 발명은 영상 데이터베이스를 갱신하는 장치 및 방법에 관한 것이다. 보다 상세하게는, 신규 영상 데이터와 관련성이 있는 저장 영상 데이터를 연결시켜 저장하여 영상 데이터베이스를 갱신하는 장치 및 방법에 관한 것이다.
데이터베이스를 구축할 때 관련성 있는 데이터들이 연결되어 있으면 데이터베이스에 저장된 정보들의 검색 성능을 향상시킬 수가 있다. 영상 데이터베이스의 경우 관련성을 판단할 지표로 관심 객체에 대한 정보가 이용될 수 있다.
그런데 종래에는 관심 객체에 대한 정보로 크기 정보를 구할 때 LRF(Laser Range Finder)와 같은 거리 측정기가 필요하였다. 그래서 관심 객체에 대한 정보를 기초로 영상 데이터베이스를 구축할 경우 거리 측정기의 구비로 인해 데이터베이스를 구축하는 데에 소요되는 비용이 많아지는 문제점이 있다.
또한 종래에는 사용자의 피드백 없이 획일적으로 영상 데이터베이스를 구축하기 때문에 데이터 분류 성능이 떨어지는 문제점도 있다.
데이터베이스를 갱신하는 시스템에 대한 기술로 국내등록특허 제1,221,499호가 있다. 그런데 이 종래기술은 지리 정보를 이용하여 지도 데이터를 갱신하는 방법에 대해서 제안하고 있을 뿐, 영상 데이터를 갱신하는 방법에 대해서는 제안하고 있지 않다. 따라서 이 종래기술에 제안된 방법을 이용하더라도 상기한 문제점은 해결되지 않는다.
본 발명은 상기한 문제점을 해결하기 위해 안출된 것으로서, 관심 객체에 대한 정보를 기초로 신규 영상 데이터와 관련성 있는 저장 영상 데이터를 연결시켜 저장하여 영상 데이터베이스를 갱신하는 장치 및 방법을 제안함을 목적으로 한다.
그러나 본 발명의 목적은 상기에 언급된 사항으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명은 상기한 목적을 달성하기 위해 안출된 것으로서, 신규 영상에서 관심 객체의 크기 정보와 색상 정보를 획득하는 관심 객체 정보 획득부; 및 영상들로 구축된 데이터베이스에 상기 신규 영상을 상기 관심 객체의 크기 정보와 색상 정보를 기초로 선택된 영상과 관련지어 저장하여 상기 데이터베이스를 업데이트하는 DB 업데이트부를 포함하는 것을 특징으로 하는 영상 데이터베이스 갱신 장치를 제안한다.
바람직하게는, 상기 관심 객체 정보 획득부는, 참조 모델의 크기 정보를 이용하여 상기 관심 객체의 실물 크기 정보를 추정하는 크기 정보 추정부; 및 상기 신규 영상에서 픽셀 단위로 상기 관심 객체의 색상 정보를 획득하는 색상 정보 획득부를 포함한다.
바람직하게는, 상기 크기 정보 추정부는, 상기 신규 영상에 상기 참조 모델을 삽입하는 참조 모델 삽입부; 상기 참조 모델과 상기 관심 객체의 크기를 비교하는 크기 비교부; 상기 관심 객체에 매칭되게 상기 참조 모델의 크기를 변경하는 크기 변경부; 및 상기 참조 모델이 상기 관심 객체에 매칭되면 상기 신규 영상이 촬영된 위치 정보와 상기 참조 모델의 크기를 이용하여 상기 관심 객체의 실물 크기 정보를 추정하는 모델 크기 이용부를 포함한다.
바람직하게는, 상기 DB 업데이트부는, 상기 관심 객체의 크기 정보와 색상 정보를 기초로 상기 데이터베이스에서 상기 관심 객체와 관련된 후보 영상들을 추출하는 후보 영상 추출부; 및 상기 신규 영상, 상기 관심 객체의 크기 정보, 및 상기 관심 객체의 색상 정보를 추출된 후보 영상들 중에서 선택된 영상과 관련지어 저장하여 상기 데이터베이스를 업데이트하는 신규 영상 저장부를 포함한다.
바람직하게는, 상기 신규 영상 저장부는, 상기 신규 영상을 저장할 때 상기 신규 영상을 상기 관심 객체가 포함된 영상과 상기 관심 객체가 포함되지 않은 영상으로 분리하는 영상 분리부; 및 상기 관심 객체가 포함된 영상의 경우 원형이 유지되도록 하여 상기 관심 객체가 포함된 영상을 저장하며, 상기 관심 객체가 포함되지 않은 영상의 경우 압축률을 최대로 하여 상기 관심 객체가 포함되지 않은 영상을 저장하는 영상 저장부를 포함한다.
바람직하게는, 상기 영상 데이터베이스 갱신 장치는, 상기 추출된 후보 영상들 중 특정 후보 영상을 선택하는 것으로서, 상기 추출된 후보 영상들에 대한 정보를 디스플레이하는 디스플레이부, 및 상기 추출된 후보 영상들에 대한 정보를 확인한 사용자로부터 상기 특정 후보 영상을 입력받는 입력부를 포함하는 후보 영상 선택부를 더욱 포함한다.
바람직하게는, 상기 영상 데이터베이스 갱신 장치는 영상에서 타겟을 검출하는 시스템에 구비된다.
또한 본 발명은 신규 영상에서 관심 객체의 크기 정보와 색상 정보를 획득하는 관심 객체 정보 획득 단계; 영상들로 구축된 데이터베이스에 상기 신규 영상을 상기 관심 객체의 크기 정보와 색상 정보를 기초로 선택된 영상과 관련지어 저장하여 상기 데이터베이스를 업데이트하는 DB 업데이트 단계; 및 상기 데이터베이스가 업데이트된 사실과 업데이트 내용을 사용자에게 알리는 사용자 알림 단계를 포함하는 것을 특징으로 하는 영상 데이터베이스 갱신 방법을 제안한다.
바람직하게는, 상기 관심 객체 정보 획득 단계는, 참조 모델의 크기 정보를 이용하여 상기 관심 객체의 실물 크기 정보를 추정하는 크기 정보 추정 단계; 및 상기 신규 영상에서 픽셀 단위로 상기 관심 객체의 색상 정보를 획득하는 색상 정보 획득 단계를 포함한다.
바람직하게는, 상기 크기 정보 추정 단계는, 상기 신규 영상에 상기 참조 모델을 삽입하는 참조 모델 삽입 단계; 상기 참조 모델과 상기 관심 객체의 크기를 비교하는 크기 비교 단계; 상기 관심 객체에 매칭되게 상기 참조 모델의 크기를 변경하는 크기 변경 단계; 및 상기 참조 모델이 상기 관심 객체에 매칭되면 상기 신규 영상이 촬영된 위치 정보와 상기 참조 모델의 크기를 이용하여 상기 관심 객체의 실물 크기 정보를 추정하는 모델 크기 이용 단계를 포함한다.
바람직하게는, 상기 DB 업데이트 단계는, 상기 관심 객체의 크기 정보와 색상 정보를 기초로 상기 데이터베이스에서 상기 관심 객체와 관련된 후보 영상들을 추출하는 후보 영상 추출 단계; 및 상기 신규 영상, 상기 관심 객체의 크기 정보, 및 상기 관심 객체의 색상 정보를 추출된 후보 영상들 중에서 선택된 영상과 관련지어 저장하여 상기 데이터베이스를 업데이트하는 신규 영상 저장 단계를 포함한다.
바람직하게는, 상기 신규 영상 저장 단계는, 상기 신규 영상을 저장할 때 상기 신규 영상을 상기 관심 객체가 포함된 영상과 상기 관심 객체가 포함되지 않은 영상으로 분리하는 영상 분리 단계; 및 상기 관심 객체가 포함된 영상의 경우 원형이 유지되도록 하여 상기 관심 객체가 포함된 영상을 저장하며, 상기 관심 객체가 포함되지 않은 영상의 경우 압축률을 최대로 하여 상기 관심 객체가 포함되지 않은 영상을 저장하는 영상 저장 단계를 포함한다.
바람직하게는, 상기 영상 데이터베이스 갱신 방법은 상기 추출된 후보 영상들 중 특정 후보 영상을 선택하는 후보 영상 선택 단계를 더욱 포함하며, 상기 후보 영상 선택 단계는, 상기 추출된 후보 영상들에 대한 정보를 디스플레이하는 디스플레이 단계; 및 상기 추출된 후보 영상들에 대한 정보를 확인한 사용자로부터 상기 특정 후보 영상을 입력받는 입력 단계를 포함한다.
바람직하게는, 상기 영상 데이터베이스 갱신 방법은 영상에서 타겟을 검출할 때에 이용된다.
본 발명은 관심 객체에 대한 정보를 기초로 신규 영상 데이터와 관련성 있는 저장 영상 데이터를 연결시켜 저장하여 영상 데이터베이스를 갱신함으로써 다음 효과를 얻을 수 있다.
첫째, LRF(Laser Range Finder)와 같은 거리 측정기를 구비하지 않아도 되므로 영상 데이터베이스를 구축하는 데에 소요되는 비용을 절감할 수 있다. 둘째, 신규 영상 데이터를 기존 영상 데이터와 비교하여 검증하기 때문에 영상 데이터베이스의 왜곡을 방지할 수 있다. 셋째, 사용자의 피드백을 통해 영상 데이터베이스를 구축하기 때문에 데이터 분류 성능을 향상시킬 수 있으며 이에 따라 영상 데이터베이스를 강화하여 영상에서 타겟을 검출하는 시스템의 성능을 향상시킬 수가 있다.
도 1은 본 발명의 바람직한 실시예에 따른 영상 데이터베이스 갱신 장치를 개략적으로 도시한 블록도이다.
도 2는 도 1에 따른 영상 데이터베이스 갱신 장치의 내부 구성을 부연 설명하기 위한 블록도이다.
도 3은 본 발명의 일실시예에 따른 관심 객체 식별 및 학습 시스템의 내부 구성도이다.
도 4는 도 3에 따른 시스템의 운용 절차를 도시한 흐름도이다.
도 5는 본 발명의 바람직한 실시예에 따른 영상 데이터베이스 갱신 방법을 도시한 순서도이다.
이하, 본 발명의 바람직한 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 우선 각 도면의 구성요소들에 참조 부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다. 또한, 이하에서 본 발명의 바람직한 실시예를 설명할 것이나, 본 발명의 기술적 사상은 이에 한정하거나 제한되지 않고 당업자에 의해 변형되어 다양하게 실시될 수 있음은 물론이다.
도 1은 본 발명의 바람직한 실시예에 따른 영상 데이터베이스 갱신 장치를 개략적으로 도시한 블록도이다. 도 2는 도 1에 따른 영상 데이터베이스 갱신 장치의 내부 구성을 부연 설명하기 위한 블록도이다.
도 1에 따르면, 영상 데이터베이스 갱신 장치(100)는 관심 객체 정보 획득부(110), DB 업데이트부(120), 전원부(130) 및 주제어부(140)를 포함한다.
영상 데이터베이스 갱신 장치(100)는 관심 객체에 대한 정보를 기초로 신규 영상 데이터와 관련성 있는 저장 영상 데이터를 연결시켜 저장하여 영상 데이터베이스를 갱신하는 장치이다.
관심 객체 정보 획득부(110)는 신규 영상에서 관심 객체의 크기 정보와 색상 정보를 획득하는 기능을 수행한다.
관심 객체 정보 획득부(110)는 도 1에 도시된 바와 같이 크기 정보 추정부(111)와 색상 정보 획득부(112)를 포함한다. 크기 정보 추정부(111)는 참조 모델의 크기 정보를 이용하여 관심 객체의 실물 크기 정보를 추정하는 기능을 수행한다. 색상 정보 획득부(112)는 신규 영상에서 픽셀 단위로 관심 객체의 색상 정보를 획득하는 기능을 수행한다.
크기 정보 추정부(111)는 도 2의 (a)에 도시된 바와 같이 참조 모델 삽입부(201), 크기 비교부(202), 크기 변경부(203) 및 모델 크기 이용부(204)를 포함한다. 참조 모델 삽입부(201)는 신규 영상에 참조 모델을 삽입하는 기능을 수행한다. 크기 비교부(202)는 참조 모델과 관심 객체의 크기를 비교하는 기능을 수행한다. 크기 변경부(203)는 관심 객체에 매칭되게 참조 모델의 크기를 변경하는 기능을 수행한다. 모델 크기 이용부(204)는 참조 모델이 관심 객체에 매칭되면 신규 영상이 촬영된 위치 정보와 참조 모델의 크기를 이용하여 관심 객체의 실물 크기 정보를 추정하는 기능을 수행한다.
DB 업데이트부(120)는 영상들로 구축된 데이터베이스에 신규 영상을 관심 객체의 크기 정보와 색상 정보를 기초로 선택된 영상과 관련지어 저장하여 데이터베이스를 업데이트하는 기능을 수행한다.
DB 업데이트부(120)는 도 1에 도시된 바와 같이 후보 영상 추출부(121)와 신규 영상 저장부(122)를 포함한다. 후보 영상 추출부(121)는 관심 객체의 크기 정보와 색상 정보를 기초로 데이터베이스에서 관심 객체와 관련된 후보 영상들을 추출하는 기능을 수행한다. 신규 영상 저장부(122)는 신규 영상, 관심 객체의 크기 정보, 및 관심 객체의 색상 정보를 추출된 후보 영상들 중에서 선택된 영상과 관련지어 저장하여 데이터베이스를 업데이트하는 기능을 수행한다.
신규 영상 저장부(122)는 도 2의 (b)에 도시된 바와 같이 영상 분리부(211)와 분리 영상 처리부(212)를 포함한다. 영상 분리부(211)는 신규 영상을 저장할 때 신규 영상을 관심 객체가 포함된 영상과 관심 객체가 포함되지 않은 영상으로 분리하는 기능을 수행한다. 분리 영상 처리부(212)는 관심 객체가 포함된 영상의 경우 원형이 유지되도록 하여 관심 객체가 포함된 영상을 저장하며, 관심 객체가 포함되지 않은 영상의 경우 압축률을 최대로 하여 관심 객체가 포함되지 않은 영상을 저장하는 기능을 수행한다.
전원부(130)는 영상 데이터베이스 갱신 장치(100)를 구성하는 각 구성에 전원을 공급하는 기능을 수행한다.
주제어부(140)는 영상 데이터베이스 갱신 장치(100)를 구성하는 각 구성의 전체 구동을 제어하는 기능을 수행한다.
영상 데이터베이스 갱신 장치(100)는 도 2의 (c)에 도시된 바와 같이 후보 영상 선택부(150)를 더욱 포함할 수 있다. 후보 영상 선택부(150)는 추출된 후보 영상들 중 특정 후보 영상을 선택하는 기능을 수행한다.
후보 영상 선택부(150)는 디스플레이부(151)와 입력부(152)를 포함할 수 있다. 디스플레이부(151)는 추출된 후보 영상들에 대한 정보를 디스플레이하는 기능을 수행한다. 입력부(152)는 추출된 후보 영상들에 대한 정보를 확인한 사용자로부터 특정 후보 영상을 입력받는 기능을 수행한다.
이상 설명한 영상 데이터베이스 갱신 장치(100)는 영상에서 타겟을 검출하는 시스템에 구비되어 타겟 검출 성능을 향상시킬 수 있다. 영상 데이터베이스 갱신 장치(100)는 군사용으로 적용될 경우 무인화 시스템에 장착되어 전장 상황에서 적군을 인식하는 데에 이용될 수 있다.
다음으로 영상 데이터베이스 갱신 장치(100)의 일실시예로 관심 객체 식별 및 학습 시스템에 대하여 설명한다. 도 3은 본 발명의 일실시예에 따른 관심 객체 식별 및 학습 시스템의 내부 구성도이다.
관심 객체 식별 및 학습 시스템(300)은 객체의 크기에 따라 거리를 추정할 수 있는 알고리즘을 적용하여 영상 내 관심 객체의 거리 정보를 획득하고 관심 객체의 색상 정보를 획득하며, 이를 통해 관심 객체에 대한 후보군의 정보를 DB에서 검색하여 사용자에게 디스플레이하고, 사용자가 선택한 결과값을 DB 정보에 반영함으로써 영상 DB를 강화하는 것을 목적으로 한다.
이러한 관심 객체 식별 및 학습 시스템은 원격 감시 시스템에 적용되어 획득 영상에서 표적을 탐지 식별하거나 표적 영상을 분류하는 데에 활용될 수 있다. 또한 무인 감시 시스템에서 이용될 데이터베이스를 구축하는 생성기에도 활용 가능하다.
영상 획득 구성(305)은 촬영을 통해 영상을 획득한다. 영상 획득 구성(305)은 영상이 촬영된 위치 정보도 함께 획득한다.
참조 블록 생성 구성(310)은 참조 블록을 생성한다. 참조 블록은 영상 내 관심 객체의 실물 크기를 구하기 위한 요소로서, 사전에 그 크기값을 알고 있다. 본 실시예에서는 참조 블록의 크기와 관심 객체의 크기를 비교하여 관심 객체의 실물 크기를 추정해낼 수 있다.
관심 객체 거리 추적 구성(315)은 참조 블록과 관심 객체를 비교하여 관심 객체의 크기에 맞추어 참조 블록의 크기를 변경하여 관심 객체의 거리 정보를 획득한다.
참조 블록은 관심 객체의 종류별로 선택할 수 있게 되며 참조 블록의 크기를 조절해서 관심 객체의 크기와 동일해지는 단계에서 진행을 멈추면 관심 객체의 거리를 측정할 수 있다. 관심 객체의 거리를 측정하는 원리는 원근법을 활용하여 객체의 종류에 따라 거리별 참조 블록의 크기를 추정할 수 있는 모델을 만들어서 관심 객체와 비교하여 거리를 추정하는 방법을 사용한다.
관심 객체 실제 크기 추정 구성(320)은 획득한 관심 객체의 거리 정보를 바탕으로 관심 객체의 실제 크기를 추정한다. 관심 객체 실제 크기 추정 구성(320)은 참조 블록의 크기와 관심 객체의 크기가 일치하면 참조 블록의 크기를 기반으로 관심 객체의 크기를 획득한다.
관심 객체 색상 정보 추출 구성(325)은 획득 영상에 있는 관심 객체에 대하여 픽셀 단위로 색상 정보를 수집하고, 수집된 색상 정보들로 히스토그램을 구성하여 이와 유사한 히스토그램을 가지는 후보군을 검색하는 데에 활용한다.
영상 정보 검색 구성(330)은 획득된 관심 객체의 실제 크기 및 색상 정보를 활용하여 DB에서 관심 객체와 유사한 정보를 갖고 있는 후보군을 검색한다. 그리고 검색 결과 출력 구성(335)은 이렇게 검색된 후보군을 사용자가 확인 가능하게 출력한다. 영상 정보 검색 구성(330)과 검색 결과 출력 구성(335)은 획득 영상이 DB에서 사용자에 의해 데이터 분류된 뒤 구동된다. 상기에서 후보군은 후보 관심 객체의 영상을 의미한다.
사용자는 후보군의 영상 정보를 확인한 뒤 관심 객체와 유사성이 높은 항목을 선택할 수 있다. 즉, 사용자 결과 선택 구성(340)은 출력된 후보군들 중에서 특정 후보를 사용자로부터 입력받는다.
정보 DB 추가 구성(345)은 사용자에 의해 선택된 후보에 관심 객체의 크기 정보, 색상 정보, 원 영상 등을 추가하여 데이터의 수준을 향상시킨다.
정보 DB 추가 구성(345)은 원 영상에서 관심 객체가 포함된 영역과 관심 객체가 제외된 영역을 분리한 후 각 영역을 압축 저장할 수 있다. 관심 객체가 포함된 영역의 경우, 정보 DB 추가 구성(345)은 영상의 품질을 높이는 방향으로 압축 저장할 수 있다. 관심 객체가 제외된 영역의 경우, 정보 DB 추가 구성(345)은 압축률을 높이는 방향으로 압축 저장할 수 있다. 이때 정보 DB 추가 구성(345)은 스케일 팩터(Scale factor)를 증가시켜 압축률을 더 높일 수 있으며 압축 해제시에는 보간법(Interpolation)을 통해 원 영상을 복원한다.
운영자 검토 구성(350)은 신규 추가된 정보에 대해 운영자가 데이터를 검증할 수 있도록 한다.
운영자는 휴리스틱 기법을 활용해서 신규 추가된 정보가 시스템에서 활용이 가능한지 결정한다. 결정 형태는 신뢰도가 낮은 순서에서 높은 순서로 0~5점을 부여하고 향후 해당 정보를 활용할 때 가중치로 사용한다.
도 3에서는 시스템(300)의 내부 구성에 대해서 상세하게 설명하였다. 이하에서는 이 시스템(300)의 운용 방법에 대하여 설명한다. 도 4는 도 3에 따른 시스템의 운용 절차를 도시한 흐름도이다.
도 4에서 영상 획득부(420), 영상 처리부(430) 및 데이터 관리부(440)는 관심 객체 식별 및 학습 시스템(300)에 구비된다. 이 구성들(420~440)을 도 3의 구성들(305~350)과 비교해 보면 그 대응 관계는 다음과 같다.
영상 획득부(420)는 도 3에서 영상 획득 구성(305)을 포함하는 개념이다. 영상 처리부(430)는 도 3에서 참조 블록 생성 구성(310), 관심 객체 거리 추적 구성(315), 관심 객체 실제 크기 추정 구성(320) 및 관심 객체 색상 정보 추출 구성(325)을 포함하는 개념이다. 데이터 관리부(440)는 도 3에서 영상 정보 검색 구성(330), 검색 결과 출력 구성(335), 사용자 결과 선택 구성(340), 정보 DB 추가 구성(345) 및 운영자 검토 구성(350)을 포함하는 개념이다.
먼저 사용자(410)가 단말을 통해 참조 블록을 설정한다(S505). 이때 사용자는 참조 블록의 거리 정보도 입력한다. 이후 영상 획득부(420)가 획득 영상을 전송한다(S510). 그러면 영상 처리부(430)는 그 영상을 저장하고(S515) 영상 내 관심 객체의 크기 정보와 색상 정보를 획득한다(S520). 이후 영상 처리부(420)는 크기 정보와 색상 정보에 기반한 영상 검색 명령을 송신한다(S525). 그러면 데이터 관리부(440)는 DB(450)에 검색 결과를 요청한다(S530). DB(450)는 검색 결과를 데이터 관리부(440)로 반환한다(S535). 이후 데이터 관리부(440)는 검색 결과를 사용자 단말로 전송한다(S540). 사용자(410)는 단말을 통해 사용자 선택 사항을 전송하며(S545), 데이터 관리부(440)는 사용자 선택 사항을 기초로 DB를 갱신한다(S550).
다음으로 도 1 및 도 2에 도시된 영상 데이터베이스 갱신 장치(100)의 영상 데이터베이스 갱신 방법에 대하여 설명한다. 도 5는 본 발명의 바람직한 실시예에 따른 영상 데이터베이스 갱신 방법을 도시한 순서도이다.
먼저 관심 객체 정보 획득부(110)가 신규 영상에서 관심 객체의 크기 정보와 색상 정보를 획득한다(S10).
S10 단계를 보다 자세하게 설명하면 다음과 같다. 먼저 크기 정보 추정부(111)가 참조 모델의 크기 정보를 이용하여 관심 객체의 실물 크기 정보를 추정한다. 이후 색상 정보 획득부(112)가 신규 영상에서 픽셀 단위로 관심 객체의 색상 정보를 획득한다.
크기 정보 추정부(111)가 관심 객체의 실물 크기 정보를 추정하는 과정을 보다 자세하게 설명하면 다음과 같다. 먼저 참조 모델 삽입부(201)가 신규 영상에 참조 모델을 삽입한다. 이후 크기 비교부(202)가 참조 모델과 관심 객체의 크기를 비교한다. 이후 크기 변경부(203)가 관심 객체에 매칭되게 참조 모델의 크기를 변경한다. 이후 모델 크기 이용부(204)가 참조 모델이 관심 객체에 매칭되면 신규 영상이 촬영된 위치 정보와 참조 모델의 크기를 이용하여 관심 객체의 실물 크기 정보를 추정한다.
S10 단계 이후, DB 업데이트부(120)가 영상들로 구축된 데이터베이스에 신규 영상을 관심 객체의 크기 정보와 색상 정보를 기초로 선택된 영상과 관련지어 저장하여 데이터베이스를 업데이트한다(S20).
S20 단계를 보다 자세하게 설명하면 다음과 같다. 먼저 후보 영상 추출부(121)가 관심 객체의 크기 정보와 색상 정보를 기초로 데이터베이스에서 관심 객체와 관련된 후보 영상들을 추출한다. 이후 신규 영상 저장부(122)가 신규 영상, 관심 객체의 크기 정보, 및 관심 객체의 색상 정보를 추출된 후보 영상들 중에서 선택된 영상과 관련지어 저장하여 데이터베이스를 업데이트한다.
신규 영상 저장부(122)가 신규 영상을 저장하는 방법은 다음과 같이 수행될 수 있다. 먼저 영상 분리부(211)가 신규 영상을 저장할 때 신규 영상을 관심 객체가 포함된 영상과 관심 객체가 포함되지 않은 영상으로 분리한다. 이후 분리 영상 처리부(212)가 관심 객체가 포함된 영상의 경우 원형이 유지되도록 하여 관심 객체가 포함된 영상을 저장하며, 관심 객체가 포함되지 않은 영상의 경우 압축률을 최대로 하여 관심 객체가 포함되지 않은 영상을 저장한다.
S20 단계 이후, 사용자 알림부(미도시)가 데이터베이스가 업데이트된 사실과 업데이트 내용을 사용자에게 통지한다(S30).
한편 S10 단계와 S20 단계 사이에, 후보 영상 선택부(150)는 추출된 후보 영상들 중 특정 후보 영상을 선택할 수 있다. 후보 영상 선택부(150)는 추출된 후보 영상들에 대한 정보를 디스플레이하고 추출된 후보 영상들에 대한 정보를 확인한 사용자로부터 특정 후보 영상을 입력받음으로써 특정 후보 영상을 선택할 수 있다.
이상 설명한 영상 데이터베이스 갱신 방법은 영상에서 타겟을 검출할 때에 이용될 수 있다.
이상에서 설명한 본 발명의 실시예를 구성하는 모든 구성요소들이 하나로 결합하거나 결합하여 동작하는 것으로 기재되어 있다고 해서, 본 발명이 반드시 이러한 실시예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 또한, 이와 같은 컴퓨터 프로그램은 USB 메모리, CD 디스크, 플래쉬 메모리 등과 같은 컴퓨터가 읽을 수 있는 기록매체(Computer Readable Media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시예를 구현할 수 있다. 컴퓨터 프로그램의 기록매체로서는 자기 기록매체, 광 기록매체, 캐리어 웨이브 매체 등이 포함될 수 있다.
또한, 기술적이거나 과학적인 용어를 포함한 모든 용어들은, 상세한 설명에서 다르게 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 갖는다. 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥상의 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위 내에서 다양한 수정, 변경 및 치환이 가능할 것이다. 따라서, 본 발명에 개시된 실시예 및 첨부된 도면들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예 및 첨부된 도면에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구 범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리 범위에 포함되는 것으로 해석되어야 할 것이다.
100 : 영상 데이터베이스 갱신 장치 110 : 관심 객체 정보 획득부
111 : 크기 정보 추정부 112 : 색상 정보 획득부
120 : DB 업데이트부 121 : 후보 영상 추출부
122 : 신규 영상 저장부 130 : 전원부
140 : 주제어부 150 : 후보 영상 선택부
151 : 디스플레이부 152 : 입력부
201 : 참조 모델 삽입부 202 : 크기 비교부
203 : 크기 변경부 204 : 모델 크기 이용부
211 : 영상 분리부 212 : 분리 영상 처리부

Claims (7)

  1. 신규 영상에서 관심 객체의 크기 정보와 색상 정보를 획득하는 관심 객체 정보 획득부; 및
    상기 관심 객체의 크기 정보와 색상 정보를 기초로 데이터베이스에 저장된 영상들 중에서 후보 영상들을 추출하는 후보 영상 추출부, 및 추출된 후보 영상들 중에서 선택된 특정 후보 영상에 상기 신규 영상, 및 상기 관심 객체의 크기 정보와 색상 정보를 추가하여 상기 데이터베이스에 저장하는 신규 영상 저장부를 포함하는 DB 업데이트부
    를 포함하는 것을 특징으로 하는 영상 데이터베이스 갱신 장치.
  2. 제 1 항에 있어서,
    상기 관심 객체 정보 획득부는,
    참조 모델의 크기 정보를 이용하여 상기 관심 객체의 실물 크기 정보를 추정하는 크기 정보 추정부; 및
    상기 신규 영상에서 픽셀 단위로 상기 관심 객체의 색상 정보를 획득하는 색상 정보 획득부
    를 포함하는 것을 특징으로 하는 영상 데이터베이스 갱신 장치.
  3. 제 2 항에 있어서,
    상기 크기 정보 추정부는,
    상기 신규 영상에 상기 참조 모델을 삽입하는 참조 모델 삽입부;
    상기 참조 모델과 상기 관심 객체의 크기를 비교하는 크기 비교부;
    상기 관심 객체에 매칭되게 상기 참조 모델의 크기를 변경하는 크기 변경부; 및
    상기 참조 모델이 상기 관심 객체에 매칭되면 상기 신규 영상이 촬영된 위치 정보와 상기 참조 모델의 크기를 이용하여 상기 관심 객체의 실물 크기 정보를 추정하는 모델 크기 이용부
    를 포함하는 것을 특징으로 하는 영상 데이터베이스 갱신 장치.
  4. 삭제
  5. 제 1 항에 있어서,
    상기 신규 영상 저장부는,
    상기 신규 영상을 저장할 때 상기 신규 영상을 상기 관심 객체가 포함된 영상과 상기 관심 객체가 포함되지 않은 영상으로 분리하는 영상 분리부; 및
    상기 관심 객체가 포함된 영상의 경우 원형이 유지되도록 하여 상기 관심 객체가 포함된 영상을 저장하며, 상기 관심 객체가 포함되지 않은 영상의 경우 압축률을 최대로 하여 상기 관심 객체가 포함되지 않은 영상을 저장하는 분리 영상 처리부
    를 포함하는 것을 특징으로 하는 영상 데이터베이스 갱신 장치.
  6. 제 1 항에 있어서,
    상기 추출된 후보 영상들에 대한 정보를 디스플레이하는 디스플레이부, 및 상기 추출된 후보 영상들에 대한 정보를 확인한 사용자로부터 상기 특정 후보 영상을 입력받는 입력부를 포함하는 후보 영상 선택부
    를 더욱 포함하는 것을 특징으로 하는 영상 데이터베이스 갱신 장치.
  7. 삭제
KR1020130029320A 2013-03-19 2013-03-19 영상 데이터베이스 갱신 장치 KR101362851B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130029320A KR101362851B1 (ko) 2013-03-19 2013-03-19 영상 데이터베이스 갱신 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130029320A KR101362851B1 (ko) 2013-03-19 2013-03-19 영상 데이터베이스 갱신 장치

Publications (1)

Publication Number Publication Date
KR101362851B1 true KR101362851B1 (ko) 2014-02-17

Family

ID=50270910

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130029320A KR101362851B1 (ko) 2013-03-19 2013-03-19 영상 데이터베이스 갱신 장치

Country Status (1)

Country Link
KR (1) KR101362851B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160107823A (ko) * 2015-03-05 2016-09-19 국방과학연구소 열 영상 시퀀스 기반의 표적 분류 장치 및 그 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080078217A (ko) * 2007-02-22 2008-08-27 정태우 영상에 포함된 객체 색인 방법과 그 색인 정보를 이용한부가 서비스 방법 및 그 영상 처리 장치
US20090307264A1 (en) 2008-06-05 2009-12-10 Kabushiki Kaisha Toshiba Object acquisition device, object management system, and object management method
KR20100029725A (ko) * 2008-09-08 2010-03-17 주식회사 지티에스이엔씨건축사사무소 촬영영상에서 추출된 촬영객체를 이용한 영상정보 관리 시스템 및 그 방법
KR20120017870A (ko) * 2010-08-20 2012-02-29 주식회사 팬택 객체 정보 제공 단말 장치 및 그 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080078217A (ko) * 2007-02-22 2008-08-27 정태우 영상에 포함된 객체 색인 방법과 그 색인 정보를 이용한부가 서비스 방법 및 그 영상 처리 장치
US20090307264A1 (en) 2008-06-05 2009-12-10 Kabushiki Kaisha Toshiba Object acquisition device, object management system, and object management method
KR20100029725A (ko) * 2008-09-08 2010-03-17 주식회사 지티에스이엔씨건축사사무소 촬영영상에서 추출된 촬영객체를 이용한 영상정보 관리 시스템 및 그 방법
KR20120017870A (ko) * 2010-08-20 2012-02-29 주식회사 팬택 객체 정보 제공 단말 장치 및 그 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160107823A (ko) * 2015-03-05 2016-09-19 국방과학연구소 열 영상 시퀀스 기반의 표적 분류 장치 및 그 방법
KR101658466B1 (ko) * 2015-03-05 2016-09-30 국방과학연구소 열 영상 시퀀스 기반의 표적 분류 장치 및 그 방법

Similar Documents

Publication Publication Date Title
JP7058669B2 (ja) 車両外観特徴識別及び車両検索方法、装置、記憶媒体、電子デバイス
EP3445044B1 (en) Video recording method, server, system, and storage medium
Chen et al. Building book inventories using smartphones
CN102509118B (zh) 一种监控视频检索方法
US20070195344A1 (en) System, apparatus, method, program and recording medium for processing image
CN103208008A (zh) 基于机器视觉的交通视频监控目标检测快速适应方法
CN103679674A (zh) 一种无人飞行器实时图像拼接方法及系统
CN114342353A (zh) 用于视频分割的方法和系统
US11023717B2 (en) Method, apparatus, device and system for processing commodity identification and storage medium
CN101872415A (zh) 适用于iptv的视频拷贝检测方法
KR20150062880A (ko) 특징점 매칭을 이용한 영상매칭 방법
CN111429476B (zh) 确定目标人物行动轨迹的方法和装置
CN109492537B (zh) 一种物体识别方法及装置
CN103428537A (zh) 一种视频处理方法和装置
CN107426610B (zh) 视频信息同步方法及装置
Wu et al. Independent metric learning with aligned multi-part features for video-based person re-identification
US20160086334A1 (en) A method and apparatus for estimating a pose of an imaging device
KR101362851B1 (ko) 영상 데이터베이스 갱신 장치
CN104182959A (zh) 目标搜索方法及装置
KR101362847B1 (ko) 영상 데이터베이스 갱신 방법
CN116958724A (zh) 一种产品分类模型的训练方法和相关装置
Orhan et al. Semantic pose verification for outdoor visual localization with self-supervised contrastive learning
CN105608423A (zh) 一种视频匹配方法及装置
CN110781797B (zh) 一种标注方法、装置及电子设备
CN111666786B (zh) 图像处理方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated 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: 20170112

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20171219

Year of fee payment: 5