KR101373405B1 - 식물 영상에 대한 객체 검출 방법 및 장치 - Google Patents

식물 영상에 대한 객체 검출 방법 및 장치 Download PDF

Info

Publication number
KR101373405B1
KR101373405B1 KR1020120102892A KR20120102892A KR101373405B1 KR 101373405 B1 KR101373405 B1 KR 101373405B1 KR 1020120102892 A KR1020120102892 A KR 1020120102892A KR 20120102892 A KR20120102892 A KR 20120102892A KR 101373405 B1 KR101373405 B1 KR 101373405B1
Authority
KR
South Korea
Prior art keywords
plant
image
detection
pointers
detecting
Prior art date
Application number
KR1020120102892A
Other languages
English (en)
Inventor
홍광석
이효행
정광우
Original Assignee
성균관대학교산학협력단
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 성균관대학교산학협력단 filed Critical 성균관대학교산학협력단
Priority to KR1020120102892A priority Critical patent/KR101373405B1/ko
Application granted granted Critical
Publication of KR101373405B1 publication Critical patent/KR101373405B1/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
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/254—Analysis of motion involving subtraction of images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/269—Analysis of motion using gradient-based methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

개시된 기술은 식물 영상에 대한 객체 검출 방법 및 장치에 관한 것으로, 컴퓨터 또는 휴대용 단말기를 포함하는 전자 기기의 촬영 장치를 이용하여 영상을 입력하고, 상기 입력한 영상이 포함하는 객체를 검출하는 방법에 있어서, 상기 촬영 장치에서 식물 영상을 입력하는 단계, 상기 전자 기기의 프로세서가 상기 식물 영상이 포함하는 식물 객체 영상과 배경 영상을 구분하는 제 1 단계, 상기 프로세서가 상기 식물 객체 영상 및 상기 배경 영상을 통과하는 수평 기준선 및 수직 기준선을 통해 경계선의 4개의 포인터(Pointer)를 설정하는 제 2 단계, 상기 프로세서가 상기 4개의 포인터를 기준으로 상기 식물 객체 영상을 트래킹(Tracking)하여 식물 객체를 검출하는 제 3 단계 및 상기 프로세서가 상기 식물 객체의 검출 결과를 확인하는 단계를 포함하고, 상기 검출 결과가 오검출이면 상기 4개의 포인터 중 적어도 하나를 수정하고, 상기 수정한 포인터를 재설정하고, 상기 재설정한 포인터를 기준으로 상기 식물 객체를 재검출하는 단계를 더 포함한다. 따라서 영상 장치에서 입력한 식물 영상이 포함하는 식물 객체를 검출 후, 오검출된 식물 객체를 재검출함으로써, 정확히 식물 객체를 검출하는 효과를 제공한다.

Description

식물 영상에 대한 객체 검출 방법 및 장치 {OBJECT DETECTION METHOD AND APPARATUS FOR PLANT IMAGES}
개시된 기술은 식물 영상에 대한 객체 검출 방법 및 장치에 대한 것으로, 보다 자세하지만 제한됨 없이는 영상 장치에서 영상을 입력하고, 입력한 영상이 포함하는 식물 객체를 검출하는 방법 및 시스템에 관한 것이다.
식물 영상에 대한 객체를 검출하는데 있어서, 종래의 기술들에서는 입력받은 식물영상에 대해 사용자가 관심 있는 객체 영역의 가장자리를 따라 윤곽선을 드로잉해서 관심영역의 영상을 선택하는 방법 및 케니 엣지(Canny Edge), 워터 셰드 알고리즘(Watershed Algorithm)을 이용한다. 사용자가 관심 있는 객체 영역을 선택하는 방법은 식물 영상의 객체를 검출하기까지 시간이 오래 소요되며, 형태학적인 정보를 반영하기 위한 윤곽선 검출이 정확하지 못하여, 케니 엣지(Canny Edge), 소벨 필터(Sobel Filter)는 다양한 색상정보를 포함하는 식물들에 대한 객체 검출 성능이 떨어지는 문제점이 있었다.
특징정보를 이용하여 식물을 판별하는 방법 및 장치에 대한 종래기술로는 한국 공개특허 제10-2011-0127473호 (발명의 명칭 : 스마트폰을 이용한 식물정보 제공시스템 및 방법) 및 한국 공개특허 제 10-2007-0008214호 (발명의 명칭 : 잎모양의 윤곽을 통한 식물의 검색방법)가 있다.
개시된 기술은 입력 영상이 포함하는 식물 객체를 정확하게 검출하는 방법 및 장치를 제공하는데 있다.
상기의 기술적 과제를 이루기 위하여 개시된 기술의 제 1 측면은 컴퓨터 또는 휴대용 단말기를 포함하는 전자 기기의 촬영 장치를 이용하여 영상을 입력하고, 입력한 영상이 포함하는 객체를 검출하는 방법에 있어서, 촬영 장치에서 식물 영상을 입력하는 단계, 전자 기기의 프로세서가 식물 영상이 포함하는 식물 객체 영상과 배경 영상을 구분하는 제 1 단계, 프로세서가 식물 객체 영상 및 배경 영상을 통과하는 수평 기준선 및 수직 기준선을 통해 경계선의 4개의 포인터(Pointer)를 설정하는 제 2 단계, 프로세서가 4개의 포인터를 기준으로 식물 객체 영상을 트래킹(Tracking)하여 식물 객체를 검출하는 제 3 단계 및 프로세서가 식물 객체의 검출 결과를 확인하는 단계를 포함하고, 검출 결과가 오검출이면 4개의 포인터 중 적어도 하나를 수정하고, 수정한 포인터를 재설정하고, 재설정한 포인터를 기준으로 식물 객체를 재검출하는 단계를 더 포함하는 식물 영상에 대한 객체 검출 방법을 제공하는데 있다.
상기의 기술적 과제를 이루기 위하여 개시된 기술의 제 2 측면은 컴퓨터 또는 휴대용 단말기를 포함하는 전자 기기의 촬영 장치를 이용하여 영상을 입력하고, 입력한 영상이 포함하는 객체를 검출하는 장치에 있어서, 식물 영상을 입력하는 입력부, 식물 영상이 포함하는 식물 객체 영상과 배경 영상을 구분하는 전처리부, 식물 객체 영상 및 배경 영상을 통과하는 수평 기준선 및 수직 기준선을 통해 경계선의 4개의 포인터(Pointer)를 설정하는 포인터 설정부, 4개의 포인터를 기준으로 식물 객체 영상을 트래킹(Tracking)하여 식물 객체를 검출하는 검출부 및 프로세서가 식물 객체의 검출 결과를 확인하는 후처리부를 포함하고, 후처리부에서 검출 결과를 오검출로 판단하면 포인터 설정부에서 4개의 포인터 중 적어도 하나를 수정하고, 수정한 포인터를 재설정하는 식물 영상에 대한 객체 검출 장치를 제공하는데 있다.
개시된 기술의 실시 예들은 다음의 장점들을 포함하는 효과를 가질 수 있다. 다만, 개시된 기술의 실시 예들이 이를 전부 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
개시된 기술의 일 실시예에 따른 식물 영상에 대한 객체 검출 방법 및 장치는 검출된 식물 객체를 확인한 후 오검출된 식물 객체를 재검출하여 검출성능을 높이는 효과를 제공한다.
또한, 영상을 재촬영하는 번거로움을 방지하여 재촬영에 대한 금전적 시간적 비용이 발생하지 않는 효과를 제공한다.
도 1은 개시된 기술의 일 실시예에 따른 식물 영상에 대한 객체 검출 방법에 대한 순서도이다.
도 2는 개시된 기술의 일 실시예에서 4개의 포인터(Pointer)를 설정하는 도면이다.
도 3은 개시된 기술의 일 실시예에서 식물 영상에 트래킹(Tracking)하는 것을 나타내는 도면이다.
도 4는 개시된 기술의 일 실시예에서 포인터(Pointer)를 수정한 후, 재설정하는 것을 나타내는 도면이다.
도 5는 개시된 기술의 일 실시예에서 포인터(Pointer)를 자동으로 재설정한 것을 나타내는 도면이다.
도 6은 개시된 기술의 일 실시예에서 재설정된 포인터(Pointer)에 따라 객체를 재검출한 결과를 나타내는 도면이다.
도 7은 개시된 기술의 일 실시예에 따른 식물 영상의 검출성능 결과를 나타내는 도면이다.
개시된 기술에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 개시된 기술의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 개시된 기술의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다.
한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
"제 1", "제 2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에" 와 "바로 ~사이에" 또는 "~에 이웃하는" 과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않은 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 개시된 기술이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.
도 1은 개시된 기술의 일 실시예에 따른 식물 영상에 대한 객체 검출 방법에 대한 순서도이다. 도 1을 참조하면 식물 영상에 대한 객체 검출 방법은 촬영 장치에서 식물 영상을 입력하는 단계(110), 식물 영상 객체와 배경을 구분하는 식물 영상검출 제 1 단계(120), 배경과 식물 영상 객체를 통과하는 수평선을 통해 경계선의 2개의 포인터(Pointer) 및 수직선을 통한 2개의 포인터(Pointer)를 설정하는 식물 영상검출 제 2단계(130), 4개의 포인트를 기준으로 식물영상을 트래킹(Tracking)하여 객체를 검출하는 식물 영상검출 제 3단계(140), 식물영상 객체를 확인하고 판단하는 단계(150), 오검출시 포인터(Pointer)를 수정하는 단계(160) 및 수정된 포인터를 자동으로 재설정하는 단계(170)를 포함한다. 이하에서는 각 단계별로 수행되는 기술적 특징에 대하여 상세하게 설명한다.
110 단계에서는 촬영 장치에서 식물 영상을 입력한다. 촬영 장치는 컴퓨터 또는 휴대용 단말기에 포함된 것을 의미한다. 예컨대 촬영 장치는 컴퓨터의 카메라를 이용하는 것일 수 있다. 그리고 휴대용 단말기는 스마트폰 또는 타블렛PC를 포함한다. 물론 다른 전자 기기의 촬영 장치를 이용하여 식물 영상을 촬영할 수 있다는 점은 이 기술분야에 있어서 통상의 지식을 가진 자라면 충분히 이해할 수 있을 것이다.
한편, 110 단계에서 촬영 장치가 입력하는 식물 영상에는 적어도 하나의 식물 객체가 포함되는 것이 바람직하다. 개시된 기술의 일 실시예에서는 식물 영상이 포함하는 식물 객체가 무엇인지 정확하게 검출하고자 한다. 따라서, 식물 영상은 식물 객체를 포함하되, 적어도 하나의 식물 객체가 포함되는 것이 바람직하다. 예컨대 개시된 기술의 일 실시예에서 영상은 식물 객체를 포함하는 사진 또는 동영상일 수 있다.
또한, 촬영 장치를 이용하여 촬영된 식물 영상은 촬영 장치를 포함하는 전자 기기의 프로세서에서 각 수행단계를 거쳐 객체를 추출한다. 여기에서 프로세서는 식물 영상에서 객체를 검출하고자 각 수행 단계별로 알고리즘을 적용하는 처리기를 의미한다. 따라서, 이하의 120 단계에서부터는 전자 기기의 프로세서를 통하여 수행되는 것이 바람직하다.
120 단계에서는 식물 영상에서 식물 객체 영상과 배경 영상을 구분한다. 식물 영상 검출을 위해 입력 받은 식물 영상의 객체와 배경 부분에 edge 성분이 다수 포함되어 있으므로, 적응적 필터링 알고리짐을 적용하여 edge 성분을 감소시킨다. edge 성분을 감소시키는 과정은 아래의 수학식 1을 이용한다.
Figure 112012075123342-pat00001
여기에서
Figure 112012075123342-pat00002
는 필터링 후의 그레디언트(Gradient) 값을 의미한다. 그리고
Figure 112012075123342-pat00003
는 입력 그레디언트 값이다. 그리고
Figure 112012075123342-pat00004
은
Figure 112012075123342-pat00005
에 따라 정해지는 상수 값을 의미한다. 이러한 적응적 필터링 알고리즘을 적용하면 식물 영상에 대한 edge 성분을 감소시킬 수 있으므로, 결과적으로 식물 객체를 오검출하는 확률을 감소시키고 객체와 배경을 구분할 수 있다.
130 단계에서는 식물 영상에 수평 기준선 및 수직 기준선을 도시하여 4개의 포인터(Pointer)를 설정한다. 개시된 기술의 상세한 설명을 위하여 이하에서는 영상의 중심부를 기준으로 수평 기준선 및 수직 기준선을 도시하는 것으로 설명한다.
식물 영상의 중심부를 기준으로 수평 기준선 및 수직 기준선을 도시하면, 130 단계에서는 수평 기준선에서 2개, 수직 기준선에서 2개, 총 4개의 포인터(Pointer) 위치를 설정한다. 여기에서 포인터(Pointer)는 개시된 기술에서 검출하려고 하는 식물 객체의 윤곽선으로 추정되는 어느 한 점에 설정되는 것이 바람직하다.
한편, 130 단계에서는 수평 기준선 및 수직 기준선을 도시하는데 있어서, 이하의 방법을 이용하는 것이 가능하다. 예컨대, 130 단계에서는 식물 영상에 가상의 수평 기준선 및 수직 기준선을 도시할 수 있다. 즉, 식물 영상 자체에 직접적으로 수평기준선과 수직 기준선을 도시하는 대신, 컴퓨터 그래픽과 같은 가상의 매체를 이용하여 식물 영상을 훼손하지 않고 수평 기준선 및 수직 기준선을 도시하는 것이 가능하다.
여기에서 edge 성분은 영상을 이루는 픽셀의 색 성분값(R, G, B)이 급격하게 바뀌는 부분을 의미하며, 로컬 코스트 값에 의해 계산된다.
130 단계에서는 수평선 기준선과 수직 기준선이 교차하는 점을 기준으로 상하좌우 4개의 라인(Line)을 스캔(Scan)하여 배경과 객체의 경계선상의 4개의 포인터(Pointer)를 수학식 2에 의한 LC(Local Coast, 이하 LC값)값으로 구한다.
Figure 112012075123342-pat00006
여기에서 G는 픽셀의 그레디언트 크기의 값이다. 그리고 MG는 전체 픽셀에서 최대 크기를 갖는 그레디언트 값을 의미한다.
한편, 위의 수학식 2에서 이용하는 G값은 이하의 수학식 3에 의해 계산된다.
Figure 112012075123342-pat00007
여기에서
Figure 112012075123342-pat00008
는 식물 영상의 픽셀이 나타내는 색성분 중에서 Red 성분의 그레디언트 값이며,
Figure 112012075123342-pat00009
는 식물 영상의 픽셀이 나타내는 색성분 중에서 Green 성분의 그레디언트 값이다. 그리고
Figure 112012075123342-pat00010
는 식물 영상의 픽셀이 나타내는 색성분 중에서 Blue 성분의 그레디언트 값이다.
Figure 112012075123342-pat00011
과
Figure 112012075123342-pat00012
은 각각 Red 성분의 수평 및 수직 성분의 그래디언트 값이고,
Figure 112012075123342-pat00013
는 픽셀값을 의미하며 이하의 수학식 4에 따라 계산된다.
Figure 112012075123342-pat00014
140 단계에서는 식물 객체 영상을 트래킹(Tracking)하여 윤곽선을 추출한다. 여기에서 트래킹(Tracking)은 식물 객체 영상에서 윤곽선으로 추정되는 경로를 추적하는 것을 의미한다. 윤곽선을 추출하는데 있어서, 140 단계에서는 앞서 130 단계에서 설정한 4개의 포인터(Pointer)를 기준으로 트래킹(Tracking)을 수행하는 것이 바람직하다. 즉, 4개의 포인터(Pointer)는 식물 객체 영상이 포함하는 식물 객체의 윤곽선 상의 점으로 추정되는 것이므로, 이들을 기준으로 트래킹(Tracking)을 수행하면 결과적으로 식물 객체의 검출이 가능하다.
한편, 트래킹(Tracking)은 IS(Intelligent Scissor) 알고리즘에 의해 수행된다. IS 알고리즘은 이하의 수학식을 기초로 하여 수행된다.
Figure 112012075123342-pat00015
여기에서
Figure 112012075123342-pat00016
는 비용함수로서 수평 기준선 또는 수직 기준선 포인터(Pointer)인
Figure 112012075123342-pat00017
로부터 다음 포인터(Pointer)
Figure 112012075123342-pat00018
를 찾는데 사용되는 값이다. 그리고
Figure 112012075123342-pat00019
는 케니 엣지(Canny Edge)의 결과 값인
Figure 112012075123342-pat00020
와 그레디언트 값인
Figure 112012075123342-pat00021
와 가중치
Figure 112012075123342-pat00022
의 결합으로 계산된다.
한편, 위의 수학식 5에서 이용하는 는 이하의 수학식 6에 의해 계산된다.
Figure 112012075123342-pat00023
여기에서,
Figure 112012075123342-pat00024
는
Figure 112012075123342-pat00025
의 그래디언트 기울기를 의미하며,
Figure 112012075123342-pat00026
는 입력된 영상 전체 픽셀에서 최대 크기를 갖는 그레디언트 값을 의미한다.
한편,
Figure 112012075123342-pat00027
값을 이용하여 식물 영상의 2개의 포인터(Pointer) 사이의 최소 비용을 가지는 최적 경로를 연산하는 방법으로는 이차원 동적 프로그래밍(Two-Dimensional Dynamic Programming) 알고리즘을 이용할 수 있다. 따라서 이와 같은 알고리즘들을 기반으로 연산하여 식물 영상을 효율적으로 트래킹(Tracking) 하는 것이 가능하다.
140 단계에서는 식물 영상이 포함하는 식물 객체를 검출한다. 여기에서 식물 객체는 식물의 꽃 또는 이파리를 포함한다. 즉, 개시된 기술에서는 식물 영상이 포함하는 꽃 또는 이파리를 검출하는 것이 가능하다. 물론 꽃과 이파리 두 가지 모두를 한번에 검출할 수도 있다. 이러한 점은 이 기술분야에 있어서 통상의 지식을 가진 자라면 충분히 이해할 수 있을 것이다.
한편, 개시된 기술의 일 실시예에서는 앞서 140 단계에서 오검출이 발생하는 경우를 대비하여 이하의 단계를 추가적으로 수행하는 것이 가능하다.
150 단계에서는 앞서 140 단계에서 식물 객체를 정확히 검출하였는지 판단한다. 만약, 식물 객체가 검출되지 않았거나 또는 오검출된 것으로 판단하면 150 단계에서는 160 단계를 추가로 수행한다.
160 단계에서는 객체와 배경의 경계점에서 가장 근접한 수평 기준선 및 수직 기준선상으로 포인터(Pointer)의 위치를 수정한다. 그리고 170 단계에서는 수정된 포인터의 위치와 수평 기준선 또는 수직 기준선상의 가장 근접한 기준선으로 포인터를 자동 재설정한다. 그리고 재설정된 포인터를 기준으로하여 식물 객체를 재검출한다. 수정된 포인터(Pointer)와 수평 기준선 및 수직 기준선과의 거리는 이하의 수학식 7에 의해 계산된다.
Figure 112012075123342-pat00028
여기에서,
Figure 112012075123342-pat00029
는 수평 기준선 및 수직 기준선상의 중심 좌표 값을 의미하고,
Figure 112012075123342-pat00030
는 수정된 포인터(Pointer)의 좌표 값을 의미한다. 그리고 ,
Figure 112012075123342-pat00031
,
Figure 112012075123342-pat00032
는 수정된 포인터(Pointer)와 수평선과의 거리 값 및 수정된 포인터(Pointer)와 수직선과의 거리 값을 의미한다. 이와 같은 수학식에 따라 개시된 기술의 일 실시예에서는 160 및 170 단계를 통하여 포인터(Pointer)를 자동으로 재설정한다. 그리고 재설정된 포인터(Pointer)를 기준으로 다시 140 단계에서부터 식물 객체를 재검출하는 과정을 거친다.
한편, 포인터(Pointer)를 수정하는데 있어서, 개시된 기술의 일 실시예에서는 4개의 포인터(Pointer) 중 적어도 하나를 수정한다. 다시 말해, 4개의 포인터 중 어느 하나만을 수정할 수도 있고, 일부를 수정할 수도 있다. 그리고 4개의 포인터 전부를 수정할 수도 있다. 즉, 적어도 하나의 포인터(Pointer)를 수정하면, 트래킹(Tracking)하는 기준점이 달라지게 되므로 오검출된 식물 객체를 바로잡아서 정확한 식물 객체를 검출하는 것이 가능하다. 그리고 재설정된 포인터(Pointer)를 기준으로 하여 140 단계에서 다시 식물 영상에 트래킹(Tracking)을 수행한다. 그리고 트래킹(Tracking)으로 추출된 윤곽선을 연결하여 식물 객체를 검출한다.
도 2는 개시된 기술의 일 실시예에서 도 1의 식물영상검출 제 2단계에서 결정된 4개의 포인터(Pointer)를 도시하는 도면이다. 도 2를 참조하면 개시된 기술의 일 실시예에서는 식물 영상의 중심부를 기준으로 수직 기준선과 수평 기준선을 도시한다. 여기에서 수직 기준선 및 수평 기준선을 도시하는 기준이 되는 중심부는 사용자의 설정에 의해서 그 위치를 변동하는 것이 가능하다. 예컨대, 수직 기준선 및 수평 기준선은 사용자가 미리 저장한 설정값에 의해서 도시될 수 있다.
도 3은 개시된 기술의 일 실시예에서 식물 영상에 트래킹(Tracking)하는 것을 나타내는 도면이다. 도 3에서와 같이 개시된 기술의 일 실시예에서는 앞서 설정한 4개의 포인터(Pointer)를 기준으로 트래킹(Tracking)을 수행한다.
도 4는 개시된 기술의 일 실시예에서 포인터(Pointer)를 수정한 후, 수직 기준선 또는 수평 기준선으로 포인터(Pointer)를 재설정하는 도면이다. 도 4를 참조하면 개시된 기술의 일 실시예에서는 수평 및 수직선 상의 중심 좌표값인 과, 수정된 포인터의 좌표인 , 그리고 수평 및 수직선 각각의 거리 값인 , 를 이용하여 포인터를 재설정한다.
도 5는 개시된 기술의 일 실시예에서 포인터(Pointer)를 재설정하는 것을 나타내는 도면이다. 도 5를 참조하면 수정된 포인터(Pointer)를 재설정하는 단계에서 실제 식물 객체의 윤곽선 상에 정확히 표시하지 못할 가능성이 존재한다. 이러한 경우 식물 객체를 오검출하게 되므로, 개시된 기술의 일 실시예에서는 수직 기준선과 수평 기준선을 이용하여 사용자는 포인터(Pointer)를 수정하며, 수직 기준선과 수평 기준선을 포인터(Pointer)가 벗어난 경우 앞서 설명한 수학식 7을 사용하여 수직 기준선과 수평 기준선상의 가장 가까운 기준선에 포인터를 재설정하도록 한다.
한편, 개시된 기술의 일 실시예에서는 4개의 포인터(Pointer) 중 적어도 하나를 재설정하는 것이 가능하다. 즉, 상황에 따라 어느 하나의 포인터(Pointer)를 재설정할 수 있고 또는 모든 포인터(Pointer)를 재설정할 수도 있다. 다시 도 5를 참조하면 각각 꽃을 촬영한 식물 영상에서는 왼쪽에 위치한 하나의 포인터(Pointer)를 재설정하였고, 이파리를 촬영한 식물 영상에서는 좌우에 위치한 두 개의 포인터(Pointer)를 재설정하였음을 알 수 있다.
도 6은 개시된 기술의 일 실시예에서 도면 5의 재설정된 포인터(Pointer)를 기준으로 다시 트래킹(Tracking)한 결과를 도시하는 도면이다. 트래킹(Tracking)을 수행하는 방법은 상술한 방법과 동일하게 수행한다. 그러나 트래킹(Tracking)의 기준이 되는 포인터(Pointer)의 위치가 재설정되었기 때문에 트래킹(Tracking)을 수행하여 추출한 윤곽선이 달라지게 된다.
따라서 오검출된 식물 객체를 재설정된 포인터(Pointer)를 기준으로 다시 검출하여 결과적으로 식물영상을 오검출을 낮추는 효과를 제공한다.
도 7은 개시된 기술의 일 실시예에 따른 식물 영상의 검출성능 결과를 나타내는 도면이다. 도 7을 참조하면 개시된 기술의 일 실시예에서는 검출하려는 식물 객체로 각각 꽃과 이파리를 대상으로 검출성능 실험을 진행하였다. 개시된 기술의 현저한 효과를 부각시키기 위해 자동검출과 재검출 방법을 비교하여 나타내었다.
실험을 위해 꽃 영상에 대해 10종 500장 검출실험을 진행하였고, 이파리 영상에 대해서도 10종 500장 검출실험을 진행하였다. 식물영상 검출 성능 평가는 3단계로 구분되며, 1단계 검출 우수(Well detected) - 2단계 오검출(False) - 3단계 검출안됨(Reject)으로 성능 평가를 하였다. 검출 방법은 IS 알고리즘을 이용한 자동 검출과 사용자에 의해 수정된 포인트를 이용한 재검출 방법으로 실험을 진행하였다.
먼저 꽃을 대상으로 식물 객체에 대한 검출 결과를 살펴보면 종래의 기술인 IS 알고리즘만 이용하는 경우에는 검출률이 46.4%에 지나지 않았다. 반면 개시된 기술의 일 실시예에서와 같이 자체적으로 설정된 포인터(Pointer)를 재설정하는 방법을 이용하는 경우에는 79.4%의 높은 검출률을 제공하는 것을 알 수 있다.
한편, 검출하려는 식물 객체로 이파리를 대상으로 실험을 진행한 결과에서도 종래의 기술인 IS 알고리즘만을 이용하는 경우에는 13.5%에 그치는 검출률을 보였으나, 개시된 기술의 일 실시예에서는 70.4%에 달하는 높은 검출률을 제공하는 결과값을 나타내었다. 즉, 종래의 기술과 비교하여 개시된 기술은 현저히 높은 검출률을 제공한다.
개시된 기술의 일 실시예에 따른 식물 영상에 대한 객체 검출 방법 및 장치는 이해를 돕기 위하여 도면에 도시된 실시 예를 참고로 설명되었으나, 이는 예시적인 것에 불과하며, 당해 분야에서 통상적 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 개시된 기술의 진정한 기술적 보호범위는 첨부된 특허 청구 범위에 의해 정해져야 할 것이다.
110 : 식물 영상입력 120 : 영상검출 제 1 단계
130 : 영상검출 제 2 단계 140 : 영상검출 제 4 단RP
150 : 검출여부 판별 160 : 수정된 포인트 찍기
170 : 포인트 재설정

Claims (14)

  1. 컴퓨터 또는 휴대용 단말기를 포함하는 전자 기기의 촬영 장치를 이용하여 영상을 입력하고, 상기 입력한 영상이 포함하는 객체를 검출하는 방법에 있어서,
    상기 촬영 장치에서 식물 영상을 입력하는 단계;
    상기 전자 기기의 프로세서가 상기 식물 영상이 포함하는 식물 객체 영상과 배경 영상을 구분하는 제 1 단계;
    상기 프로세서가 상기 식물 객체 영상 및 상기 배경 영상을 통과하는 수평 기준선 및 수직 기준선을 통해 경계선의 4개의 포인터(Pointer)를 설정하는 제 2 단계;
    상기 프로세서가 상기 4개의 포인터를 기준으로 상기 식물 객체 영상을 트래킹(Tracking)하여 식물 객체를 검출하는 제 3 단계; 및
    상기 프로세서가 상기 식물 객체의 검출 결과를 확인하는 단계를 포함하고,
    상기 검출 결과가 오검출이면 상기 4개의 포인터 중 적어도 하나를 수정하고, 상기 수정한 포인터를 재설정하고, 상기 재설정한 포인터를 기준으로 상기 식물 객체를 재검출하는 단계를 더 포함하는 식물 영상에 대한 객체 검출 방법.
  2. 제 1 항에 있어서, 상기 식물 객체는,
    식물의 꽃 또는 식물의 이파리를 포함하는 식물 영상에 대한 객체 검출 방법.
  3. 제 1 항에 있어서, 상기 제 1 단계는,
    적응적 필터링 알고리즘을 이용하여 상기 식물 객체 영상과 상기 배경 영상을 구분하는 식물 영상에 대한 객체 검출 방법.
  4. 제 1 항에 있어서, 상기 제 2 단계는,
    상기 식물 영상의 픽셀에 대한 그레디언트(Gradient) 값의 크기를 계산하여 상기 4개의 포인터(Pointer)를 설정하는 식물 영상에 대한 객체 검출 방법.
  5. 제 1 항에 있어서, 상기 트래킹(Tracking)은,
    IS(Intelligent Scissor) 알고리즘을 이용하는 식물 영상에 대한 객체 검출 방법.
  6. 제 1 항에 있어서, 상기 제 3 단계는,
    상기 식물 영상에 상기 4개의 포인터(Pointer) 및 상기 식물 객체 영상 사이의 최소 비용을 가지는 경로를 계산하여 상기 식물 객체를 검출하는 식물 영상에 대한 객체 검출 방법.
  7. 제 1 항에 있어서, 상기 제 3 단계는,
    2차원 동적 프로그래밍(Two-Dimensional Dynamic Programming) 알고리즘을 이용하여 상기 식물 객체를 검출하는 식물 영상에 대한 객체 검출 방법.
  8. 컴퓨터 또는 휴대용 단말기를 포함하는 전자 기기의 촬영 장치를 이용하여 영상을 입력하고, 상기 입력한 영상이 포함하는 객체를 검출하는 장치에 있어서,
    식물 영상을 입력하는 입력부;
    상기 식물 영상이 포함하는 식물 객체 영상과 배경 영상을 구분하는 전처리부;
    상기 식물 객체 영상 및 상기 배경 영상을 통과하는 수평 기준선 및 수직 기준선을 통해 경계선의 4개의 포인터(Pointer)를 설정하는 포인터 설정부;
    상기 4개의 포인터를 기준으로 상기 식물 객체 영상을 트래킹(Tracking)하여 식물 객체를 검출하는 검출부; 및
    상기 식물 객체의 검출 결과를 확인하는 후처리부를 포함하고,
    상기 후처리부에서 상기 검출 결과를 오검출로 판단하면 상기 포인터 설정부에서 상기 4개의 포인터 중 적어도 하나를 수정하고, 상기 수정한 포인터를 재설정하는 식물 영상에 대한 객체 검출 장치.
  9. 제 8 항에 있어서, 상기 식물 객체는,
    식물의 꽃 또는 식물의 이파리를 포함하는 식물 영상에 대한 객체 검출 장치.
  10. 제 8 항에 있어서, 상기 전처리부는,
    적응적 필터링 알고리즘을 이용하여 상기 식물 객체 영상과 상기 배경 영상을 구분하는 식물 영상에 대한 객체 검출 장치.
  11. 제 8 항에 있어서, 상기 포인터 설정부는,
    상기 식물 영상의 픽셀에 대한 그레디언트(Gradient) 값의 크기를 계산하여 상기 4개의 포인터(Pointer)를 설정하는 식물 영상에 대한 객체 검출 장치.
  12. 제 8 항에 있어서, 상기 트래킹(Tracking)은,
    IS(Intelligent Scissor) 알고리즘을 이용하는 식물 영상에 대한 객체 검출 장치.
  13. 제 8 항에 있어서, 상기 검출부는,
    상기 식물 영상에 상기 4개의 포인터(Pointer) 및 상기 식물 객체 영상 사이의 최소 비용을 가지는 경로를 계산하여 상기 식물 객체를 검출하는 식물 영상에 대한 객체 검출 장치.
  14. 제 8 항에 있어서, 상기 검출부는,
    2차원 동적 프로그래밍(Two-Dimensional Dynamic Programming) 알고리즘을 이용하여 상기 식물 객체를 검출하는 식물 영상에 대한 객체 검출 장치.
KR1020120102892A 2012-09-17 2012-09-17 식물 영상에 대한 객체 검출 방법 및 장치 KR101373405B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120102892A KR101373405B1 (ko) 2012-09-17 2012-09-17 식물 영상에 대한 객체 검출 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120102892A KR101373405B1 (ko) 2012-09-17 2012-09-17 식물 영상에 대한 객체 검출 방법 및 장치

Publications (1)

Publication Number Publication Date
KR101373405B1 true KR101373405B1 (ko) 2014-03-13

Family

ID=50648456

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120102892A KR101373405B1 (ko) 2012-09-17 2012-09-17 식물 영상에 대한 객체 검출 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101373405B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106331767A (zh) * 2016-09-09 2017-01-11 腾讯科技（深圳）有限公司 一种数据纠错处理方法、终端、服务器及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000082148A (ja) 1998-07-09 2000-03-21 Ricoh Co Ltd 物体画像の形状特徴抽出方式，画像物体認識方式及び装置
KR20060048802A (ko) * 2004-08-09 2006-05-18 마이크로소프트 코포레이션 동적 프로그래밍에 의한 경계선 매팅 제공 방법
KR20070117393A (ko) * 2006-06-08 2007-12-12 삼성전자주식회사 사전 모양 정보를 이용한 디지털 영상에서의 물체를추출하기 위한 방법 및 상기 방법을 수행하는 시스템

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000082148A (ja) 1998-07-09 2000-03-21 Ricoh Co Ltd 物体画像の形状特徴抽出方式，画像物体認識方式及び装置
KR20060048802A (ko) * 2004-08-09 2006-05-18 마이크로소프트 코포레이션 동적 프로그래밍에 의한 경계선 매팅 제공 방법
KR20070117393A (ko) * 2006-06-08 2007-12-12 삼성전자주식회사 사전 모양 정보를 이용한 디지털 영상에서의 물체를추출하기 위한 방법 및 상기 방법을 수행하는 시스템

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106331767A (zh) * 2016-09-09 2017-01-11 腾讯科技（深圳）有限公司 一种数据纠错处理方法、终端、服务器及系统

Similar Documents

Publication Publication Date Title
JP7297018B2 (ja) ビジョンシステムでラインを検出するためのシステム及び方法
US10360689B2 (en) Detecting specified image identifiers on objects
CA2867365C (en) Method, system and computer storage medium for face detection
JP5699788B2 (ja) スクリーン領域検知方法及びシステム
JP5908599B2 (ja) マルチスペクトル撮像システム
CN104540445B (zh) 图像处理装置、图像处理方法和图像处理系统
CN103679636B (zh) 基于点、线双重特征的快速图像拼接方法
CN106228548B (zh) 一种屏幕裂痕的检测方法及装置
US8019164B2 (en) Apparatus, method and program product for matching with a template
US20190156499A1 (en) Detection of humans in images using depth information
AU2014346263B2 (en) Complex background-oriented optical character recognition method and device
US20050196044A1 (en) Method of extracting candidate human region within image, system for extracting candidate human region, program for extracting candidate human region, method of discerning top and bottom of human image, system for discerning top and bottom, and program for discerning top and bottom
JP4373840B2 (ja) 動物体追跡方法、動物体追跡プログラムおよびその記録媒体、ならびに、動物体追跡装置
JP2023120281A (ja) ビジョンシステムでラインを検出するためのシステム及び方法
CN111222432A (zh) 人脸活体检测方法、系统、设备及可读存储介质
CN108665495A (zh) 图像处理方法及装置、移动终端
CN103607558A (zh) 一种视频监控系统及其目标匹配方法和装置
CN102915522A (zh) 一种智能手机的名片提取系统及其实现方法
CN112733650B (zh) 目标人脸检测方法、装置、终端设备及存储介质
KR101373405B1 (ko) 식물 영상에 대한 객체 검출 방법 및 장치
Charoenpong et al. A new method for occluded face detection from single viewpoint of head
KR101574195B1 (ko) 모바일 플랫폼에 기반한 가상 카메라의 자동 캘리브레이션 방법
KR101496287B1 (ko) 비디오 시놉시스 시스템 및 이를 이용한 비디오 시놉시스 방법
US11263784B2 (en) Determine image capture position information based on a quasi-periodic pattern
KR101327482B1 (ko) 이파리 영상의 잎맥 검출 및 특징 추출 방법 및 장치

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: 20170102

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20180226

Year of fee payment: 5

LAPS Lapse due to unpaid annual fee