KR101517805B1 - 영상 특성 기반 분할 기법을 이용한 물체 검출 방법 및 이를 적용한 영상 처리 장치 - Google Patents

영상 특성 기반 분할 기법을 이용한 물체 검출 방법 및 이를 적용한 영상 처리 장치 Download PDF

Info

Publication number
KR101517805B1
KR101517805B1 KR1020130045556A KR20130045556A KR101517805B1 KR 101517805 B1 KR101517805 B1 KR 101517805B1 KR 1020130045556 A KR1020130045556 A KR 1020130045556A KR 20130045556 A KR20130045556 A KR 20130045556A KR 101517805 B1 KR101517805 B1 KR 101517805B1
Authority
KR
South Korea
Prior art keywords
image
extended
divided
regions
object detection
Prior art date
Application number
KR1020130045556A
Other languages
English (en)
Other versions
KR20140127044A (ko
Inventor
김정호
최병호
황영배
배주한
Original Assignee
전자부품연구원
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 전자부품연구원 filed Critical 전자부품연구원
Priority to KR1020130045556A priority Critical patent/KR101517805B1/ko
Priority to PCT/KR2013/003540 priority patent/WO2014175483A1/ko
Publication of KR20140127044A publication Critical patent/KR20140127044A/ko
Application granted granted Critical
Publication of KR101517805B1 publication Critical patent/KR101517805B1/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
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30236—Traffic on road, railway or crossing

Landscapes

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

Abstract

영상 특성 기반 분할 기법을 이용한 물체 검출 방법 및 이를 적용한 영상 처리 장치가 제공된다. 본 발명의 실시예에 따른 물체 검출 방법은, 영상의 특성을 기초로 영상을 다수의 분할 영역들로 분할하여, 분할 영역들을 기반으로 물체를 검출한다. 이에 의해, 물체 검출 성공률을 높일 수 있고, 윈도우로 영상 전체를 스캔하는 방식이 아니기 때문에 물체 검출이 매우 빠른 속도로 이루어지게 된다.

Description

영상 특성 기반 분할 기법을 이용한 물체 검출 방법 및 이를 적용한 영상 처리 장치{Object Detection Method with Image Value based Division Scheme and Image Processing Apparatus using the same}
본 발명은 물체 검출 방법에 관한 것으로, 더욱 상세하게는 영상으로부터 차량이나 사람과 같은 관심 물체를 검출하기 위한 물체 검출 방법 및 이를 적용한 영상 처리 장치에 관한 것이다.
물체 검출을 위해서는, 정방형의 윈도우(Window)를 영상 전체에서 스캔(Scan) 하면서, HoG(Histogram of Oriented Gradients)와 에지 등과 같은 특징량(Feature)를 추출하고, 이를 미리 학습한 SVM(Support Vector Machine) 등의 분류기(Classifier)를 통하여 관심 물체의 유무를 판단하게 된다.
이때 발생하는 문제점은 영상에 존재하는 물체들은 다양한 조건으로부터 외형의 변형이 크다는 것이다. 예를 들면, 관심 물체의 자세 변화, 카메라 시점 변화, 부분적인 가려짐(Occlusion) 등으로 인하여 영상에서 물체의 크기와 모양은 다양하게 변화하는 것이다.
이에 대처하기 위해, 다양한 크기 및 모양의 윈도우를 영상 전체에 스캔하고 있는데, 이는 많은 처리 시간을 필요로 한다는 문제가 있다.
뿐만 아니라, 사람 또는 차량과 같이 물체의 종류가 다를 경우 다른 창의 크기와 모양이 요구되기 때문에 검출하고자 하는 물체의 종류에 따라서 동일한 작업을 다시 수행해야 하는 문제점도 있다.
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은, 영상 특성 기반 분할 기법을 이용하여 고속의 물체 검출을 가능하게 하는 물체 검출 방법 및 이를 적용한 영상 처리 장치를 제공함에 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른, 물체 검출 방법은, 영상의 특성을 기초로, 영상을 다수의 분할 영역들로 분할하는 단계; 및 상기 분할단계에서 분할된 분할 영역들을 기반으로, 물체를 검출하는 단계;를 포함한다.
그리고, 상기 분할 영역들은, 영상값이 유사 범위 내에 속하며, 서로 인접하는 픽셀들의 집합일 수 있다.
또한, 상기 영상값은, 색상 및 휘도 중 적어도 하나일 수 있다.
그리고, 상기 분할 영역들에 기반한 물체 검출단계는, 상기 물체가 존재할 가능성이 기준치 이상인 분할 영역을 선정하는 단계; 상기 선정단계에서 선정된 분할 영역에 인접한 분할 영역들 중 적어도 하나를 결합하면서 적어도 하나의 확장 영역들을 생성하는 단계; 및 상기 확장 영역들을 기반으로, 상기 물체를 검출하는 단계;를 포함할 수 있다.
또한, 상기 확장 영역들에 기반한 물체 검출단계는, 상기 확장 영역들에 대해서만, 상기 물체를 검출할 수 있다.
그리고, 상기 확장 영역들에 기반한 물체 검출단계는, 상기 물체가 존재할 가능성이 기준치 이상인 확장 영역을 선정하는 단계; 상기 선정단계에서 선정된 확장 영역에 인접한 분할 영역들 중 적어도 하나를 결합하면서 적어도 하나의 추가 확장 영역들을 생성하는 단계; 및 상기 추가 확장 영역들을 기반으로, 상기 물체를 검출하는 단계;를 포함할 수 있다.
또한, 상기 추가 확장 영역들에 기반한 물체 검출단계는, 상기 물체가 존재할 가능성이 기준치 이상인 추가 확장 영역이 없으면, 상기 확장 영역에 상기 물체가 존재하는 것으로 추정하는 단계;를 포함할 수 있다.
그리고, 상기 확장 영역들에 기반한 물체 검출단계는, 상기 물체가 존재할 가능성이 기준치 이상인 추가 확장 영역이 있으면, 상기 추가 확장 영역에 인접한 분할 영역들 중 적어도 하나를 결합하면서 적어도 하나의 추가 확장 영역들을 생성하는 단계; 및 상기 생성단계에서 생성된 추가 확장 영역들을 기반으로, 상기 물체를 검출하는 단계;를 더 포함할 수 있다.
한편, 본 발명의 다른 실시예에 따른, 영상 처리 장치는, 영상을 획득하는 획득부; 및 상기 획득부에서 획득된 영상의 특성을 기초로 영상을 다수의 분할 영역들로 분할하고, 분할된 분할 영역들을 기반으로 물체를 검출하는 프로세서;를 포함한다.
그리고, 상기 분할 영역들은, 영상값이 유사 범위 내에 속하며, 서로 인접하는 픽셀들의 집합일 수 있다.
이상 설명한 바와 같이, 본 발명의 실시예들에 따르면, 영상 특성 기반 분할 기법을 기초로 물체 검출 성공률을 높일 수 있게 된다. 뿐만 아니라, 다양한 윈도우로 영상 전체를 스캔하는 방식이 아니기 때문에, 물체 검출이 매우 빠른 속도로 이루어지게 된다.
도 1은 본 발명이 적용가능한 영상 처리 장치의 블럭도,
도 2는 본 발명의 바람직한 실시예에 따른 물체 검출 방법의 설명에 제공되는 흐름도,
도 3은, 도 2에 도시된 물체 검출 방법의 부연 설명에 제공되는 도면,
도 4a 내지 도 4c는, 도 2에 도시된 물체 검출 방법의 부연 설명에 제공되는 도면,
도 5는 본 실시예에 따른 영상 특성 기반 분할 기법을 이용한 물체 검출 결과를 예시한 도면, 그리고,
도 6은 본 실시예에 따른 방법과 기존의 윈도우 스캔방식의 검출 성능을 비교한 그래프이다.
이하에서는 도면을 참조하여 본 발명을 보다 상세하게 설명한다.
도 1은 본 발명이 적용가능한 영상 처리 장치의 블럭도이다. 본 발명이 적용가능한 영상 처리 장치(100)는, 도 1에 도시된 바와 같이, 영상 획득부(110), 영상 프로세서(120) 및 영상 출력부(130)를 포함한다.
영상 획득부(110)는 영상을 획득하고, 획득된 영상을 영상 프로세서(120)에 제공한다. 여기서, 영상 획득부(110)에 의한 영상 획득 방법은 그 종류를 불문한다. 즉, 영상 획득부(110)는 영상 촬영, 저장매체, 네트워크 통신 등으로부터 영상을 획득할 수 있다.
영상 프로세서(120)는 영상 획득부(110)로부터 제공되는 영상에서 관심 물체를 검출한다. 관심 물체를 검출하기 위해, 영상 프로세서(120)는 영상의 색상에 기반하여 영상을 분할하고, 분할된 영역에서 추출한 특징량을 분류기에 대입하여 물체 검출을 수행한다.
영상 출력부(130)는 영상 획득부(110)에서 획득된 영상에 영상 프로세서(120)의 물체 검출 결과를 나타내어 표시한다.
영상 프로세서(120)에 의한 물체 검출 과정에 대해, 도 2를 참조하여 상세히 설명한다. 도 2는 본 발명의 바람직한 실시예에 따른 물체 검출 방법의 설명에 제공되는 흐름도이다.
도 2에 도시된 바와 같이, 영상 획득부(110)로부터 영상이 획득되면(S210), 영상 프로세서(120)는 동일/유사 색상 범위에 속하며 서로 인접하는 픽셀들을 클러스터링하여, 영상을 다수의 분할 영역들로 분할한다(S220). 도 3의 중앙에 나타난 이미지는, 아래에 나타난 이미지를 도 2의 S220단계에 따라 다수의 분할 영역들로 분할한 결과를 예시한 것이다.
이후, 영상 프로세서(120)는 관심 물체가 존재할 가능성이 기준치 이상인 분할 영역을 선정한다(S230). S230단계에서의 선정은, 분할 영역에서 특징량을 추출하고, 추출된 특징량을 분류기에 대입하여 산출되는 가능성을 참고하여 수행될 수 있다.
부연 설명을 위해, 도 4a에는 S220단계를 통해 영상을 17개의 분할 영역들로 분할한 결과를 나타내었고, 도 4b에는 S230단계를 통해 분할 영역-6이 선정된 결과를 나타내었다.
도 4b에서는 분할 영역이 하나만 선정된 것을 상정하였으나, 이는 설명의 편의를 위한 것으로, 분할 영역은 다수가 선정될 수 있으며, 실제로 다수의 분할 영역들이 선정됨이 일반적일 것이다.
다시, 도 2를 참조하여, S230단계 이후부터 설명한다.
영상 프로세서(120)는 S230단계에서 선정된 분할 영역에 인접한 분할 영역들 중 적어도 하나를 결합하면서 적어도 하나의 확장 영역들을 생성한다(S240). 도 4b에 도시된 바와 같이 분할 영역-6이 선정되었다면, 분할 영역-6에 인접한 분할영역들은 분할 영역-1,2,3,5,7,8,9이다.
따라서, S240단계에서는,
1) 분할 영역-6에 분할 영역-1,2,3,5,7,8,9 중 1개를 결합한 확장 영역들,
2) 분할 영역-6에 분할 영역-1,2,3,5,7,8,9 중 2개를 결합한 확장 영역들,
3) 분할 영역-6에 분할 영역-1,2,3,5,7,8,9 중 3개를 결합한 확장 영역들,
4) 분할 영역-6에 분할 영역-1,2,3,5,7,8,9 중 4개를 결합한 확장 영역들,
5) 분할 영역-6에 분할 영역-1,2,3,5,7,8,9 중 5개를 결합한 확장 영역들,
6) 분할 영역-6에 분할 영역-1,2,3,5,7,8,9 중 6개를 결합한 확장 영역들,
7) 분할 영역-6에 분할 영역-1,2,3,5,7,8,9 모두를 결합한 확장 영역을 생성하게 된다.
다음, 영상 프로세서(120)는 S240단계에서 생성된 확장 영역들 중 관심 물체가 존재할 가능성이 기준치 이상인 확장 영역을 선정한다(S250). S250단계에서의 선정은, 확장 영역에서 특징량을 추출하고, 추출된 특징량을 분류기에 대입하여 산출되는 가능성을 참고하여 수행될 수 있다.
부연 설명을 위해, 도 4c에는 S250단계를 통해 분할 영역-5,6,8,9가 결합된 확장 영역이 선정된 결과를 나타내었다. 도 4c에서는 확장 영역이 하나만 선정된 것을 상정하였으나, 이는 설명의 편의를 위한 것으로, 확장 영역은 다수가 선정될 수 있으며, 실제로 다수의 확장 영역들이 선정됨이 일반적일 것이다.
다시, 도 2를 참조하여, S250단계 이후부터 설명한다.
영상 프로세서(120)는 S250단계에서 선정된 확장 영역에 인접한 분할 영역들 중 적어도 하나를 결합하면서 적어도 하나의 추가 확장 영역들을 생성한다(S260). 도 4c에 도시된 바와 같이 분할 영역-5,6,8,9가 결합된 확장 영역이 선정되었다면, 확장 영역에 인접한 분할영역들은 분할 영역-1,2,3,4,7,10,11,12,13이다.
따라서, S260단계에서는,
1) 확장 영역에 분할 영역-1,2,3,4,7,10,11,12,13 중 1개를 결합한 추가 확장 영역들,
2) 확장 영역에 분할 영역-1,2,3,4,7,10,11,12,13 중 2개를 결합한 추가 확장 영역들,
...
9) 확장 영역에 분할 영역-1,2,3,4,7,10,11,12,13 모두를 결합한 추가 확장 영역을 생성하게 된다.
다음, 영상 프로세서(120)는 S260단계에서 생성된 추가 확장 영역들 중 관심 물체가 존재할 가능성이 기준치 이상인 추가 확장 영역을 선정한다(S270). S270단계에서의 선정은, 추가 확장 영역에서 특징량을 추출하고, 추출된 특징량을 분류기에 대입하여 산출되는 가능성을 참고하여 수행될 수 있다.
만약, S270단계에서 관심 물체가 존재할 가능성이 기준치 이상인 추가 확장 영역이 없는 경우(S270-미존재). S250단계에서 선정된 확장 영역에 관심 물체가 존재하는 것으로 추정한다(S280).
그리고, 영상 출력부(130)는 S210단계에서 획득된 영상에 S280단계에서의 물체 검출 결과를 나타내어 표시한다(S290). S290단계에서의 영상 출력 결과는 도 3의 위에 나타난 이미지와 같이 나타난다.
한편, S270단계에서 관심 물체가 존재할 가능성이 기준치 이상인 추가 확장 영역이 존재하는 경우에는(S270-존재), S250단계부터 반복 수행한다.
지금까지, 영상 특성 기반 분할 기법을 이용한 물체 검출 방법 및 이를 적용한 영상 처리 장치에 대해 바람직한 실시예들을 들어 상세히 설명하였다.
위 실시예에서 영상 분할은 영상을 구성하는 픽셀들의 색상에 기반하는 것을 상정하였으나, 이는 바람직한 일 예에 해당한다. 색상 이외에 휘도나 기타 다른 영상값으로 대체될 수 있음은 물론 2 이상의 영상값을 조합하는 경우도 가능하다.
도 5에는 본 실시예에 따른 영상 특성 기반 분할 기법을 이용한 물체 검출 결과를 예시한 도면이고, 도 6은 본 실시예에 따른 방법(HGS+SVM, HGS+GPC)과 기존의 윈도우 스캔방식(SW+SVM, SW+GPC)의 검출 성능을 비교한 그래프이다.
도 6을 통해, 본 실시예에 따른 물체 검출 방법은 기존의 방법 보다 우수한 성능을 나타냈음을 확인할 수 있다.
또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.
100 : 영상 처리 장치
110 : 영상 획득부
120 : 영상 프로세서
130 : 영상 출력부

Claims (10)

  1. 영상의 특성을 기초로, 영상을 다수의 분할 영역들로 분할하는 단계; 및
    상기 분할단계에서 분할된 분할 영역들을 기반으로, 물체를 검출하는 단계;를 포함하고,
    상기 분할 영역들에 기반한 물체 검출단계는,
    상기 물체가 존재할 가능성이 기준치 이상인 분할 영역을 선정하는 단계;
    상기 선정단계에서 선정된 분할 영역에 인접한 분할 영역들 중 적어도 하나를 결합하면서 적어도 하나의 확장 영역들을 생성하는 단계; 및
    상기 확장 영역들을 기반으로, 상기 물체를 검출하는 단계;를 포함하는 것을 특징으로 하는 물체 검출 방법.
  2. 제 1항에 있어서,
    상기 분할 영역들은,
    영상값이 유사 범위 내에 속하며, 서로 인접하는 픽셀들의 집합인 것을 특징으로 하는 물체 검출 방법.
  3. 제 2항에 있어서,
    상기 영상값은,
    색상 및 휘도 중 적어도 하나인 것을 특징으로 하는 물체 검출 방법.
  4. 삭제
  5. 제 1항에 있어서,
    상기 확장 영역들에 기반한 물체 검출단계는,
    상기 확장 영역들에 대해서만, 상기 물체를 검출하는 것을 특징으로 하는 물체 검출 방법.
  6. 제 1항에 있어서,
    상기 확장 영역들에 기반한 물체 검출단계는,
    상기 물체가 존재할 가능성이 기준치 이상인 확장 영역을 선정하는 단계;
    상기 선정단계에서 선정된 확장 영역에 인접한 분할 영역들 중 적어도 하나를 결합하면서 적어도 하나의 추가 확장 영역들을 생성하는 단계; 및
    상기 추가 확장 영역들을 기반으로, 상기 물체를 검출하는 단계;를 포함하는 것을 특징으로 하는 물체 검출 방법.
  7. 제 6항에 있어서,
    상기 추가 확장 영역들에 기반한 물체 검출단계는,
    상기 물체가 존재할 가능성이 기준치 이상인 추가 확장 영역이 없으면, 상기 선정된 확장 영역에 상기 물체가 존재하는 것으로 추정하는 단계;를 포함하는 것을 특징으로 하는 물체 검출 방법.
  8. 제 7항에 있어서,
    상기 확장 영역들에 기반한 물체 검출단계는,
    상기 물체가 존재할 가능성이 기준치 이상인 추가 확장 영역이 있으면, 상기 추가 확장 영역에 인접한 분할 영역들 중 적어도 하나를 결합하면서 적어도 하나의 추가 확장 영역들을 생성하는 단계; 및
    상기 생성단계에서 생성된 추가 확장 영역들을 기반으로, 상기 물체를 검출하는 단계;를 더 포함하는 것을 특징으로 하는 물체 검출 방법.
  9. 영상을 획득하는 획득부; 및
    상기 획득부에서 획득된 영상의 특성을 기초로 영상을 다수의 분할 영역들로 분할하고, 분할된 분할 영역들을 기반으로 물체를 검출하는 프로세서;를 포함하고,
    상기 프로세서는,
    상기 물체가 존재할 가능성이 기준치 이상인 분할 영역을 선정하고, 선정된 분할 영역에 인접한 분할 영역들 중 적어도 하나를 결합하면서 적어도 하나의 확장 영역들을 생성하며, 상기 확장 영역들을 기반으로 상기 물체를 검출하는 것을 특징으로 하는 영상 처리 장치.
  10. 삭제
KR1020130045556A 2013-04-24 2013-04-24 영상 특성 기반 분할 기법을 이용한 물체 검출 방법 및 이를 적용한 영상 처리 장치 KR101517805B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020130045556A KR101517805B1 (ko) 2013-04-24 2013-04-24 영상 특성 기반 분할 기법을 이용한 물체 검출 방법 및 이를 적용한 영상 처리 장치
PCT/KR2013/003540 WO2014175483A1 (ko) 2013-04-24 2013-04-24 영상 특성 기반 분할 기법을 이용한 물체 검출 방법 및 이를 적용한 영상 처리 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130045556A KR101517805B1 (ko) 2013-04-24 2013-04-24 영상 특성 기반 분할 기법을 이용한 물체 검출 방법 및 이를 적용한 영상 처리 장치

Publications (2)

Publication Number Publication Date
KR20140127044A KR20140127044A (ko) 2014-11-03
KR101517805B1 true KR101517805B1 (ko) 2015-05-06

Family

ID=51792040

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130045556A KR101517805B1 (ko) 2013-04-24 2013-04-24 영상 특성 기반 분할 기법을 이용한 물체 검출 방법 및 이를 적용한 영상 처리 장치

Country Status (2)

Country Link
KR (1) KR101517805B1 (ko)
WO (1) WO2014175483A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101631953B1 (ko) * 2014-12-09 2016-06-20 삼성전자주식회사 블러 영역 검출을 위한 영상 처리 방법 및 이를 수행하기 위한 영상 처리 장치

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002288658A (ja) 2001-01-20 2002-10-04 Samsung Electronics Co Ltd 領域分割された映像の領域特徴値整合に基づいた客体抽出装置およびその方法
JP2003189235A (ja) 2001-09-11 2003-07-04 Seiko Epson Corp 被写体情報を用いた画像処理
JP2009037625A (ja) 2001-09-11 2009-02-19 Seiko Epson Corp 被写体情報を用いた画像処理

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11167634A (ja) * 1997-12-03 1999-06-22 Omron Corp 画像の領域分割方法、画像の領域分割装置、画像の領域分割プログラムを記録した記録媒体、画像検索方法、画像検索装置および画像検索プログラムを記録した記録媒体
JP3824922B2 (ja) * 2001-12-13 2006-09-20 株式会社東芝 画像処理装置及びその方法
WO2007069393A1 (ja) * 2005-12-14 2007-06-21 Nec Corporation オブジェクト認識装置、オブジェクト認識方法、およびオブジェクト認識プログラム
KR101395094B1 (ko) * 2010-09-29 2014-05-16 안동대학교 산학협력단 개체 검출 방법 및 시스템

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002288658A (ja) 2001-01-20 2002-10-04 Samsung Electronics Co Ltd 領域分割された映像の領域特徴値整合に基づいた客体抽出装置およびその方法
JP2003189235A (ja) 2001-09-11 2003-07-04 Seiko Epson Corp 被写体情報を用いた画像処理
JP2009037625A (ja) 2001-09-11 2009-02-19 Seiko Epson Corp 被写体情報を用いた画像処理

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
김종배, "안전 운전 지원을 위한 도로 영상에서 시각 주의 영역 검출", 한국전자공학회 논문지 제49권 SC편 제1호, 2012.01. pp.94-102.*

Also Published As

Publication number Publication date
KR20140127044A (ko) 2014-11-03
WO2014175483A1 (ko) 2014-10-30

Similar Documents

Publication Publication Date Title
KR101802146B1 (ko) 화상처리장치 및 화상처리방법
KR101670282B1 (ko) 전경-배경 제약 조건 전파를 기초로 하는 비디오 매팅
US10521885B2 (en) Image processing device and image processing method
US9569827B2 (en) Image processing apparatus and method, and program
CN108432244B (zh) 处理图像的深度图
KR102138950B1 (ko) 조합된 깊이 큐들에 기초하여 모노스코픽 이미지로부터 깊이 맵 생성
US9042662B2 (en) Method and system for segmenting an image
JP2016505186A (ja) エッジ保存・ノイズ抑制機能を有するイメージプロセッサ
WO2012074361A1 (en) Method of image segmentation using intensity and depth information
JP2006155610A (ja) 色、テクスチャ及びエッジの特徴を用いたドキュメントの地の評価
JP6418788B2 (ja) 画像処理装置及び画像処理方法、プログラム
EP3200442B1 (en) Method and apparatus for image processing
WO2011060579A1 (en) Method for generating depth maps from monocular images and systems using the same
JP2020129276A (ja) 画像処理装置、画像処理方法、およびプログラム
US9762773B2 (en) Image processing apparatus and method for increasing sharpness of images
EP2977932A2 (en) Image processing apparatus, image processing method and image processing program
TW201710998A (zh) 用於判定影像之深度圖之方法與裝置
KR20050085355A (ko) 분할된 이미지로부터 폴스 엣지들을 제거하는 방법 및 장치
US9235773B2 (en) Image processing device capable of determining types of images accurately
KR101517805B1 (ko) 영상 특성 기반 분할 기법을 이용한 물체 검출 방법 및 이를 적용한 영상 처리 장치
JP2011076302A (ja) 輪郭抽出装置、輪郭抽出方法、および輪郭抽出プログラム
JP7030425B2 (ja) 画像処理装置、画像処理方法、プログラム
KR101934358B1 (ko) 다중 랜덤 워크 기반의 영상 분할 방법 및 장치
KR101544156B1 (ko) 동영상 리타겟팅 방법 및 이러한 기능이 탑재된 동영상 장치
Veeravasarapu et al. Fast and fully automated video colorization

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
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: 20180406

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20190313

Year of fee payment: 5