KR101523740B1 - 공간 매핑을 이용한 객체 추적 장치 및 방법 - Google Patents

공간 매핑을 이용한 객체 추적 장치 및 방법 Download PDF

Info

Publication number
KR101523740B1
KR101523740B1 KR1020140000936A KR20140000936A KR101523740B1 KR 101523740 B1 KR101523740 B1 KR 101523740B1 KR 1020140000936 A KR1020140000936 A KR 1020140000936A KR 20140000936 A KR20140000936 A KR 20140000936A KR 101523740 B1 KR101523740 B1 KR 101523740B1
Authority
KR
South Korea
Prior art keywords
interest
unit
candidate region
foreground
tracking
Prior art date
Application number
KR1020140000936A
Other languages
English (en)
Inventor
추연학
벤 벤포드
벤 화이트
Original Assignee
(주)유디피
브이씨에이 테크놀러지 엘티디
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 (주)유디피, 브이씨에이 테크놀러지 엘티디 filed Critical (주)유디피
Priority to KR1020140000936A priority Critical patent/KR101523740B1/ko
Application granted granted Critical
Publication of KR101523740B1 publication Critical patent/KR101523740B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19678—User interface
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 공간 매핑을 이용한 객체 추적 장치 및 방법에 관한 것으로서, 더욱 상세히는 입력 영상에 포함된 객체를 추적하기 위한 객체 식별 과정에서 공간 매핑을 이용하여 객체의 식별에 필요한 연산 부하를 감소시키고, 객체의 식별 정확도를 높여 객체를 용이하게 추적할 수 있는 공간 매핑을 이용한 객체 추적 장치 및 방법에 관한 것이다. 본 발명은 3차원 공간 매핑을 통해 추출된 객체 중 원하는 크기의 관심 객체 후보를 선별하여 전경 중에서 관심 객체 후보에 대응되는 객체 후보영역에 대해서만 트레이닝 세트를 적용하고, 객체 후보영역을 트레이닝 세트의 크기에 대응되도록 리사이즈하여 상기 트레이닝 세트를 통해 학습된 관심 객체에 대한 학습 특징 정보와 객체 후보 영역으로부터 추출된 객체 특징 정보의 비교가 용이하게 이루어지도록 하여 관심 객체를 식별할 수 있도록 함으로써, 기존과 같이 전경을 피라미드화하여 복수의 이미지를 생성할 필요가 없어 객체 식별에 요구되는 연산량을 대폭 줄일 수 있을 뿐 아니라 리사이즈를 통해 학습 특징 정보가 정확히 적용되도록 하여 관심 객체에 대한 식별 정확도 및 신뢰성을 크게 향상시킬 수 있다.

Description

공간 매핑을 이용한 객체 추적 장치 및 방법{Apparatus and method for tracking object using space mapping}
본 발명은 공간 매핑을 이용한 객체 추적 장치 및 방법에 관한 것으로서, 더욱 상세히는 입력 영상에 포함된 객체를 추적하기 위한 객체 식별 과정에서 공간 매핑을 이용하여 객체의 식별에 필요한 연산 부하를 감소시키고, 객체의 식별 정확도를 높여 객체를 용이하게 추적할 수 있는 공간 매핑을 이용한 객체 추적 장치 및 방법에 관한 것이다.
현재 감시 시스템의 지속적인 발전에 따라 연속되는 영상에서 객체를 효과적으로 추적할 수 있는 기술의 발전이 두드러지고 있다. 이러한, 객체 추적에 있어서 기존에는 단순 정지 영상에서 객체를 식별 및 검출하는데 그쳤으나, 이는 감시 시스템의 목적을 달성하기에는 부족하며, 이를 위해서 연속 영상에서 이동하는 객체를 식별하고 움직임을 끊임없이 정확히 추적할 수 있는 다양한 기술들이 등장하고 있다.
특히, 이동 객체의 식별은 복수의 객체를 동시에 정확히 구분해야 하는 동시에 이동 특성에 의한 군집 형성 및 분산에 효과적으로 대처할 수 있어야 하기 때문에 현재 영상과 이전 영상에서 객체의 상관관계를 정확히 정의하여 현재 추적된 객체와 이전 추적된 객체의 동일 여부를 판단하는 것이 무엇보다도 중요하다.
현재, 영상 내 객체를 효과적으로 확인하기 위한 방법으로 SVM(support vector machine)이나 랜덤 포레스트 등과 같이 기계 학습 방식을 통해서 영상 내 객체를 식별하고, 이를 활용하여 추적 시 동일 객체 여부를 지속하여 관찰하는 기술이 제시되고 있다.
그러나, 기존 기계 학습 방식의 객체 인식 기술의 경우 전체 영상을 기준으로 학습된 객체와 유사한 객체를 검출하는데 있어서, 학습된 객체의 크기가 일정하므로 전체 영상을 학습된 객체의 크기에 대응되도록 서로 다른 해상도로 리사이징된 복수의 피라미드 이미지를 생성하여야 하며, 각 피라미드 이미지에 대하여 학습된 객체를 적용하여야 하기 때문에 연산 부하량이 크게 증가하는 문제점이 있다.
더군다나, 각 피라미드 이미지의 전체 영역을 대상으로 학습된 객체를 적용하여야 하므로, 연산 부하를 더욱 가중시키는 문제점이 있을 뿐만 아니라 단순 동일 객체 여부를 판단하기 위한 처리 시간이 지연되어 정확도가 떨어지게 되므로 결국 이러한 문제는 객체의 정확한 식별을 바탕으로 하는 객체 추적의 신뢰성을 저하시키는 문제로 귀결된다.
따라서, 좀 더 낮은 부하로 객체를 식별함과 아울러 객체의 군집과 같은 상황에서도 동일 객체를 단일 식별자로 지속 추적할 수 있도록 하는 기술 개발이 요구되고 있다.
한국등록특허 제100917755호
본 발명은 영상에서 사용자가 원하는 관심 객체에 대한 범위를 설정하고 입력 영상에서 입력 영상의 감시 공간에 대응되도록 매핑된 3차원 공간에서 입력 영상에서 분리된 객체의 크기를 확인하여 해당 범위를 만족하는 관심 객체 후보를 선정하며, 관심 객체 후보의 영역 크기를 관심 객체에 대하여 학습된 학습 특징 정보의 크기에 대응되도록 리사이즈함으로써 상기 관심 객체를 상기 학습 특징 정보를 통해 식별하는데 필요한 연산 부하를 감소시키는데 그 목적이 있다.
또한, 본 발명은 객체 후보의 영역에 대한 특징을 추출하는데 필요한 연산량을 감소시켜 다채널의 영상에 대한 객체 추적이 용이하게 이루어지도록 하는데 그 목적이 있다.
본 발명의 실시예에 따른 공간 매핑을 이용한 객체 추적 장치는 카메라부로부터 감시 영상을 수신하여 전경을 분리하는 전경 추출부와, 상기 전경을 상기 감시 영상에 따른 감시 공간에 대응되는 3차원 공간에 매핑하는 공간 매핑부와, 상기 3차원 공간에 매핑된 상기 전경에 포함되는 각 객체의 크기를 확인하여 상기 각 객체 중 미리 설정된 크기를 만족하는 하나 이상의 관심 객체 후보를 선정하며, 상기 각 관심 객체 후보에 대응되는 객체 후보 영역을 추출하는 객체 후보영역 추출부와, 상기 각 객체 후보 영역을 미리 설정된 크기에 대응되도록 리사이징하는 리사이징부 및 상기 리사이징부를 통해 리사이즈된 각 객체 후보 영역에서 객체 특징 정보를 추출하고, 관심 객체에 대하여 미리 학습된 학습 특징 정보를 상기 객체 특징 정보와 비교하여 상기 각 객체 후보 영역에서 각 관심 객체를 식별하는 분류부를 포함할 수 있다.
본 발명과 관련된 일 예로서, 상기 분류부는 SVM(Supporting Vector Machine)으로 구성된 것을 특징으로 할 수 있다.
본 발명과 관련된 일 예로서, 상기 리사이징부는 상기 학습 특징 정보의 생성에 이용되는 상기 관심 객체에 대한 하나 이상의 샘플 영상의 집합인 트레이닝 세트의 크기에 대응되도록 리사이징하는 것을 특징으로 할 수 있다.
본 발명과 관련된 일 예로서, 상기 학습 특징 정보는 상기 관심 객체에 대한 상기 각 샘플 영상으로부터 HOG(histogram of oriented gradient)에 기반하여 추출된 특징 벡터의 누적정보인 것을 특징으로 할 수 있다.
본 발명과 관련된 일 예로서, 상기 분류부는 상기 리사이즈된 객체 후보 영역에서 HOG(histogram of oriented gradient)에 기반한 상기 객체 특징 정보를 추출하는 것을 특징으로 할 수 있다.
본 발명과 관련된 일 예로서, 상기 공간 매핑을 이용한 객체 추적 장치는 상기 분류부를 통해 식별된 관심 객체를 마스킹하는 마스킹부와, 상기 마스킹부를 통해 마스킹된 영역으로부터 관심 객체의 유사도 판단을 위한 연관 정보를 생성하는 유사도 추출부 및 상기 연관 정보를 기초로 이동하는 상기 각 관심 객체를 추적하는 추적부를 더 포함할 수 있다.
본 발명과 관련된 일 예로서, 상기 연관 정보는 외형, 색상분포, 비율 중 적어도 하나를 포함하는 것을 특징으로 할 수 있다.
본 발명과 관련된 일 예로서, 상기 추적부는 칼만 필터를 기반으로 상기 식별된 각 개체를 추적하는 것을 특징으로 할 수 있다.
본 발명의 실시예에 따른 공간 매핑을 이용한 객체 추적 방법은 객체 추적 장치가 카메라부로부터 감시 영상을 수신하여 전경을 분리하는 단계와, 상기 객체 추적 장치가 상기 전경을 상기 감시 영상에 따른 감시 공간에 대응되는 3차원 공간에 매핑하는 단계와, 상기 객체 추적 장치가 상기 3차원 공간에 매핑된 상기 전경에 포함되는 각 객체의 크기를 확인하여 상기 각 객체 중 미리 설정된 크기를 만족하는 하나 이상의 관심 객체 후보를 선정하며, 상기 전경에 대응되는 프레임 이미지로부터 상기 각 관심 객체 후보에 대응되는 객체 후보 영역을 추출하는 단계와, 상기 객체 추적 장치가 상기 각 객체 후보 영역을 미리 설정된 크기에 대응되도록 리사이징하는 단계 및 상기 객체 추적 장치가 리사이즈된 상기 각 객체 후보 영역에서 객체 특징 정보를 추출하고, 관심 객체에 대하여 미리 학습된 학습 특징정보를 상기 객체 특징 정보와 비교하여 상기 각 객체 후보 영역에서 각 관심 객체를 식별하는 단계를 포함할 수 있다.
본 발명과 관련된 일 예로서, 상기 공간 매핑을 이용한 객체 추적 방법은 상기 객체 추적 장치가 상기 식별된 관심 객체를 마스킹하는 단계와, 상기 객체 추적 장치가 마스킹된 영역으로부터 관심 객체의 유사도 판단을 위한 연관 정보를 생성하는 단계 및 상기 객체 추적 장치가 상기 연관 정보를 기초로 이동하는 상기 각 관심 객체를 추적하는 단계를 더 포함할 수 있다.
본 발명은 3차원 공간 매핑을 통해 추출된 객체 중 원하는 크기의 관심 객체 후보를 선별하여 전경 중에서 관심 객체 후보에 대응되는 객체 후보영역에 대해서만 트레이닝 세트를 적용하고, 객체 후보영역을 트레이닝 세트의 크기에 대응되도록 리사이즈하여 상기 트레이닝 세트를 통해 학습된 관심 객체에 대한 학습 특징 정보와 객체 후보 영역으로부터 추출된 객체 특징 정보의 비교가 용이하게 이루어지도록 하여 관심 객체를 식별할 수 있도록 함으로써, 기존과 같이 전경을 피라미드화하여 복수의 이미지를 생성할 필요가 없어 객체 식별에 요구되는 연산량을 대폭 줄일 수 있을 뿐 아니라 리사이즈를 통해 학습 특징 정보가 정확히 적용되도록 하여 관심 객체에 대한 식별 정확도 및 신뢰성을 크게 향상시킬 수 있다.
또한, 본 발명은 식별된 관심 객체에 대한 객체 식별 정보를 통해 용이하게 관심 객체 영역을 마스킹하고, 마스킹된 영역으로부터 관심 객체에 대한 연관 정보를 추출하며, 각 프레임에 존재하는 객체간 유사도 판정을 통해 상기 연관정보를 이용하여 각 객체 사이의 연관관계를 용이하게 구분하여 객체의 추적 정확도를 높일 수 있으며, 복수의 객체가 군집한 후 다시 불규칙한 방향으로 분산되는 경우라도 이전 감시 영상에서의 각 객체와 동일한 객체를 현재 감시 영상에서 용이하게 구분하여 추적할 수 있다.
도 1은 본 발명의 실시예에 따른 공간 매핑을 이용한 객체 추적 장치의 상세 구성도.
도 2는 본 발명의 실시예에 따른 공간 매핑을 이용한 객체 추적 장치의 구성 환경도.
도 3은 본 발명의 실시예에 따른 공간 매핑을 이용한 객체 추적 장치의 전경 추출 과정에 대한 예시도.
도 4는 본 발명의 실시예에 따른 공간 매핑을 이용한 객체 추적 장치의 3차원 공간 매핑을 통한 관심 객체 선정에 대한 예시도.
도 5는 본 발명의 실시예에 따른 공간 매핑을 이용한 객체 추적 장치의 객체 후보 영역 추출에 대한 예시도.
도 6은 본 발명의 실시예에 따른 공간 매핑을 이용한 객체 추적 장치의 객체 후보 영역에 대한 리사이징 과정을 보인 예시도.
도 7은 본 발명의 실시예에 따른 공간 매핑을 이용한 객체 추적 장치의 객체 식별 과정에 대한 예시도.
도 8은 본 발명의 실시예에 따른 공간 매핑을 이용한 객체 추적 장치의 객체 식별에 따른 객체 추적에 대한 예시도.
도 9는 본 발명의 실시예에 따른 공간 매핑을 이용한 객체 추적 방법에 대한 순서도.
이하, 도면을 참고하여 본 발명의 실시예를 상세히 설명한다.
우선, 도 1은 본 발명의 실시예에 따른 공간 매핑을 이용한 객체 추적 장치(100)의 상세 구성도로서, 도시된 바와 같이 감시영상을 촬영하는 카메라부(200)와 연결된 전경 추출부(110)와, 공간 매핑부(120)와, 객체 후보영역 추출부(130)와, 리사이징부(140)와, 분류부(150)와, 마스킹부(160)와, 유사도 추출부(170) 및 추적부(180)를 포함할 수 있다.
이때, 상기 카메라부(200)는 객체 추적 장치(100)에 포함될 수 있으며, 상기 객체 추적 장치(100)의 일부 구성은 별도의 장치로 구성될 수도 있다.
또한, 상기 객체 추적 장치(100)는 도 2에 도시된 바와 같이 카메라부(200)가 설치된 지점과 원거리에 설치되어 유무선 통신을 통해 상기 카메라부(200)로부터 전송되는 감시영상을 수신할 수도 있다.
상술한 구성을 토대로, 상기 공간 매핑을 이용한 객체 추적 장치(100)의 상세 구성을 설명하면, 우선 상기 카메라부(200)로부터 전송되는 감시 영상을 수신하는 전경 추출부(110)는 상기 감시 영상으로부터 전경을 분리할 수 있다.
이때, 전경 추출부(110)는 기본적으로 영상 프레임들 간 차 영상으로부터 움직임이 있는 픽셀들이 얻어지거나 백그라운드 모델링으로부터 전경을 추출할 수 있으며, 이를 통해 도 3에 도시된 바와 같이 프레임 이미지(1)로부터 움직이는 사람이나 동물, 자동차 등과 같은 움직이는 객체를 포함하는 영역을 전경으로 분리하여 추출할 수 있다.
한편, 전경에 포함된 다양한 객체 중 원하는 관심 객체를 식별하는 과정에서 기존에는 관심 객체에 대한 학습된 학습 특징 정보를 전경의 모든 영역에 대하여 적용하여 연산 부하가 크게 증가하며, 상기 감시 영상에서 관심 객체의 위치에 따라 관심 객체의 크기가 상이해지기 때문에 상기 학습 특징 정보에 따른 관심 객체의 크기와 일치시키기 위하여 전경을 서로 다른 해상도의 이미지로 리사이징(resizing)하여 복수의 피라미드 이미지를 생성하여야 하는 비효율적인 과정이 요구되므로, 이 역시 연산부하를 크게 증가시키는 원인이 되며 단순 해상도 변경만으로 학습된 학습 특징 정보에 따른 객체의 크기와 정확히 일치시키기 어려워 객체 식별이 정확히 이루어지지 않는다.
따라서, 본 발명의 실시예에 따른 공간 매핑을 이용한 객체 추적 장치(100)는 공간 매핑부(120)와 객체 후보영역 추출부(130) 및 리사이징부(140)를 통해 기존보다 연산 부하를 크게 감소시키는 동시에 객체 식별에 대한 정확도를 높일 수 있다.
우선, 공간 매핑부(120)는 도 4에 도시된 바와 같이 감시 영상의 감시 공간에 매핑되는 3차원 공간을 제공하며, 3차원 공간의 각 위치에서 상기 전경을 상기 3차원 공간에 매핑시킬 수 있다.
한편, 상기 객체 후보영역 추출부(130)는 상기 공간 매핑부(120)와 연동하여 상기 3차원 공간과 2차원 이미지에 해당하는 상기 전경 간의 상관 관계를 알 수 있는 각종 파라미터를 얻을 수 있다.
이를 통해, 상기 객체 후보영역 추출부(130)는 상기 공간 매핑부(120)를 통해 상기 3차원 공간에 매핑된 전경에 포함되는 각 객체에 대하여 3차원 공간과 전경 간의 상관관계에 따라 산출되는 파라미터로부터 각 객체의 실제 크기를 판정할 수 있으며, 상기 각 객체의 실제 크기가 미리 설정된 조건을 만족하는 관심 객체 후보를 추출하고, 각 관심 객체 후보에 대응되는 객체 후보 영역을 추출할 수 있다.
일례로, 도 4에 도시된 바와 같이 상기 객체 후보영역 추출부(130)는 사람에 대한 관심 객체를 추출하기 위하여, 상기 관심 객체의 크기에 대한 관심 객체 기준(가로 40cm 및 세로 100cm 이상인 객체)을 만족하는 a 객체와 b 객체를 관심 객체 후보로 선택할 수 있으며, 관심 객체 기준을 만족하지 않는 c 객체를 제외시킬 수 있다.
이를 통해, 상기 객체 후보영역 추출부(130)는 사람에 대한 관심 객체 기준을 설정하여 사람에 대응되는 객체 a 및 b를 관심 객체 후보로 선택할 수 있으며, 사람과 다른 크기를 가지는 c 객체를 용이하게 제외시킬 수 있다.
이후, 상기 객체 후보영역 추출부(130)는 도 5에 도시된 바와 같이 선택된 각 관심 객체 후보가 존재하는 하나 이상의 객체 후보영역(A 및 B)을 상기 전경에 대응되는 프레임 이미지(1)로부터 러프하게 추출하여 객체 후보영역 정보를 생성할 수 있다.
이와 같이, 실제로 a 객체가 b 객체보다 높이가 큰데 반하여 카메라부(200)의 촬영 각도 및 카메라부(200)와 각 객체 간의 이격거리로 인해 a 객체가 사람이 아닌 c 객체보다 작아보이게 촬영되어 객체 식별에 어려움이 있으나, 상기 객체 후보영역 추출부(130)는 3차원 공간 매핑을 통해 카메라부(200)의 위치를 기준으로 사람에 해당하는 객체가 원거리에 위치하여 작아보이는 경우라도 각 객체의 정확한 실제 크기를 측정하여 사람인 것으로 추측되는 관심 객체 후보를 다른 객체와 구별하여 추출할 수 있다.
그러나, 도시된 b 객체와 같이 복수의 관심 객체가 군집하여 관심 객체 후보를 구성한 경우 b 객체에 대응되어 추출된 객체 후보영역 B에 몇 명(관심 객체가 사람일 경우)의 관심 객체가 존재하는지 정확히 파악하기 어렵다.
따라서, 상기 객체 후보영역 추출부(130)는 관심 객체인 것으로 추측되는 관심 객체 후보를 선정하고, 관심 객체 후보에 대응되는 영역을 객체 후보영역으로 추출할 수 있으며, 이하 설명하는 구성을 통해 군집한 관심 객체를 구분하여 식별하고 이를 통해 전경에 포함된 관심 객체의 수를 정확히 파악할 수 있다.
이를 위해 우선, 도 6에 도시된 바와 같이 리사이징부(140)는 상기 객체 후보영역 추출부(130)를 통해 추출된 객체 후보영역에 대한 객체 후보영역 정보를 수신하며, 상기 객체 후보영역 정보에 대응되는 객체 후보영역을 리사이징할 수 있다.
이때, 리사이징부(140)는 상기 관심 객체의 특징 정보를 학습하는데 이용되는 트레이닝 세트(10)의 크기를 저장하며, 상기 각 객체 후보영역에서 객체의 검출이 용이하게 이루어질 수 있도록 상기 트레이닝 세트(10)의 크기에 대응되도록 리사이징할 수 있다.
따라서, 리사이징부(140)는 서로 상이한 크기를 가지는 객체 후보 영역 A 및 B를 상기 트레이닝 세트(10)의 크기를 반영하여, 상기 트레이닝 세트(10)의 크기와 유사한 크기를 가지도록 리사이즈하여, 각 객체 후보 영역에 대응되는 하나 이상의 리사이즈된 객체 후보 영역을 생성할 수 있다. 일례로, 리사이징부(140)는 객체 후보 영역 A를 트레이닝 세트(10)의 크기에 따라 리사이징하여 리사이즈된 객체 후보 영역 A'를 생성하며, 객체 후보 영역 B를 트레이닝 세트(10)의 크기에 따라 리사이징하여 리사이즈된 객체 후보 영역 B'를 생성할 수 있다.
이때, 리사이징부(140)는 리사이즈된 객체 후보 영역과 트레이닝 세트(10)의 크기 차이가 미리 설정된 범위 이내가 되도록 각 객체 후보 영역을 리사이즈하여 트레이닝 세트(10)의 크기와 유사한 크기를 가지도록 할 수 있다.
한편, 분류부(150)는 도 7에 도시된 바와 같이 트레이닝 세트(10)의 크기에 대응되어 리사이즈된 각 객체 후보 영역(A', B')을 대상으로 객체 특징 정보를 추출할 수 있으며, 상기 트레이닝 세트(10)를 기초로 학습된 학습 특징 정보와 비교하여 각 객체 후보영역에 포함된 객체를 식별할 수 있다.
이를 상세히 설명하면, 우선 도 7(a)에 도시된 바와 같이 분류부(150)는 리사이징부(140)로부터 리사이즈된 각 객체 후보영역에 대한 객체 후보영역 정보를 수신하며, 상기 리사이즈된 객체 후보 영역에서 HOG(histogram of oriented gradient)에 기반한 객체 특징 정보를 추출할 수 있다.
이때, 상기 분류부(150)는 HOG 이외의 다른 특징 추출 방법(Harr-like 특징, Co-occurrence HOG, LBP(local binary pattern), FAST(features from accelerated segment test)) 등을 사용할 수도 있다.
또한, 상기 분류부(150)는 상기 관심 객체에 대한 샘플 영상의 집합인 상기 트레이닝 세트(10)를 기초로 기계학습을 수행하여 학습 특징 정보를 생성 및 저장할 수 있으며, 상기 관심 객체와 유사한 객체가 포함된 영상이 입력될 경우 해당 관심 객체를 식별할 수 있다. 이때, 학습 특징 정보는 상기 트레이닝 세트에 포함된 각 샘플 영상에 대하여 HOG에 기반하여 추출된 상기 관심 객체에 대한 HOG(histogram of oriented gradient) 특징 벡터의 누적정보일 수 있다.
더하여, 상기 기계학습 방식으로는 SVM(Supporting Vector Machine), 랜덤 포레스트, 아다부스트 등과 같은 다양한 분류기를 활용한 기계학습 방식이 적용될 수 있다.
이에 따라, 상기 분류부(150)는 도 7(b)에 도시된 바와 같이 상기 각 객체 후보 영역에서 추출된 객체 특징 정보에 대하여 상기 관심 객체에 대한 상기 트레이닝 세트(10)를 통해 학습된 학습 특징 정보를 기초로 스캔할 수 있으며, 이를 통해 상기 학습 특징 정보와 미리 설정된 수준의 범위에서 일치하는 객체 특징 정보가 차지하는 영역을 추출할 수 있다.
상술한 바를 통해, 상기 분류부(150)는 상기 객체 후보 영역에서 상기 관심 객체가 차지하는 영역을 정확히 추출하여 각 관심 객체를 식별할 수 있다.
이때, 객체 후보 영역의 크기가 트레이닝 세트(10)의 크기에 대응되므로, 객체 후보 영역을 통해 추출된 객체 특징 정보와 상기 트레이닝 세트(10)를 통해 학습된 학습 특징 정보가 정확히 대비될 수 있어 관심 객체의 인식률을 크게 향상시킬 수 있다.
다시 정리하면, 분류부(150)는 상기 각 객체 후보 영역으로부터 HOG에 기반한 객체 특징 정보를 추출하며, 각 객체 후보 영역에 대응되는 객체 특징 정보를 상기 학습 특징 정보와 비교하여 객체 후보 영역에서 관심 객체가 차지하는 영역을 구분하여 각 관심객체를 식별할 수 있다.
이를 통해, 분류부(150)는 도시된 바와 같이 객체 후보영역 중 어떠한 영역에 어떠한 객체가 있다는 객체 식별 정보를 생성할 수 있으며, 상기 객체 식별 정보를 통해 객체 후보 영역에 포함된 관심 객체의 수와 영역을 용이하게 식별할 수 있다.
상술한 구성에 따라, 기존에 영상에서 객체의 위치에 따라 객체의 크기가 상이하게 가변되어 전경에 대하여 서로 다른 크기를 가진 복수의 피라미드 이미지를 생성하여야 하고, 각 피라미드 이미지마다 모든 영역을 대상으로 학습 특징 정보를 적용하여 객체를 식별해야만 하므로 연산 부하가 크게 증가하는 반면에, 본 발명은 3차원 공간 매핑을 통해 추출된 객체 중 원하는 크기의 관심 객체 후보를 선별하여 전경 중에서 관심 객체에 대응되는 객체 후보 영역에 대해서만 학습 특징 정보를 적용하고, 객체 후보영역을 트레이닝 세트의 크기에 대응되도록 리사이즈하여 특징 정보의 비교 용이성을 크게 향상시킴으로써, 기존과 같이 전경에 대한 서로 다른 크기를 가지는 복수의 피라미드 이미지를 생성할 필요 없이 단일 이미지만으로 객체를 식별할 수 있어 연산량을 대폭 줄일 수 있을 뿐 아니라 리사이즈를 통해 관심 객체에 대한 특징 정보의 비교가 정확히 이루어지도록 하여 객체의 식별 정확도를 크게 향상시킬 수 있다.
한편, 분류부(150)는 상기 객체 식별 정보를 상기 추적부(180)로 전송할 수 있으며, 상기 추적부(180)는 상기 객체 식별 정보를 통해 상기 카메라부(200)로부터 수신되는 감시 영상에서 각 관심 객체를 용이하게 식별하고, 칼만 필터, 파티클 필터 등과 같은 추적 알고리즘에 상기 객체 식별 정보를 적용하여 식별된 각 관심 객체를 용이하게 트랙킹하여 추적할 수 있다.
이때, 상기 추적부(180)는 상기 객체 식별 정보만으로는 단순 움직이는 관심 객체를 추적하는데 그치므로, 관심객체가 군집하여 분산되거나 분산된 상태에서 군집하게 될 때 각 관심객체를 과거의 관심객체와 연관하여 끊임없이 추적할 수 있도록 하기 위하여 본 발명의 실시예에 따른 객체 추적 장치(100)는 도 1에 도시된 바와 같이 마스킹부(160)와 유사도 추출부(170)를 더 포함할 수 있다.
이를, 다시 도 1의 구성과 더불어 도 7(a) 및 도 8을 참고하여 상세히 설명하면, 상기 분류부(150)는 상기 객체 식별 정보를 상기 마스킹부(160)로 전송할 수 있으며, 상기 마스킹부(160)는 도 8(a)에 도시된 바와 같은 상기 객체 식별 정보를 기초로 각 관심 객체에 대하여 관심 객체에 대응되는 관심 객체 영역을 식별하여 마스킹할 수 있다. 이에 따라, 도 8(b)에 도시된 바와 같이 관심 객체별로 마스킹 영역이 생성된다.
또한, 유사도 추출부(170)는 상기 마스킹부(160)로부터 상기 각 관심 객체의 마스킹 영역에 대한 마스킹 정보를 수신하며, 마스킹 정보로부터 각 관심 객체에 대응되는 마스킹 영역에서 도 8(c)에 도시된 바와 같은 연관정보를 추출할 수 있다.
이때, 연관정보는 이후 수신되는 영상에서 상기 객체와 유사한 객체를 추출하기 위한 객체 유사도 판정에 이용할 정보로서, 일례로 객체의 색상 분포, 외관, 비율 등을 포함할 수 있다.
이에 따라, 도 8(c)에 도시된 바와 같이 추적부(180)는 분류부(150)로부터 객체 식별 정보를 수신하고 상기 유사도 추출부(170)로부터 연관정보를 수신하여, 상기 객체 식별 정보에 따라 각 관심 객체별로 관심 객체 영역을 지정할 수 있으며, 카메라부(200)로부터 수신되는 영상에서 이동하는 각 관심 객체와 동일한 관심 객체를 상기 연관정보를 통해 추출하여 이전 프레임과 현재 프레임 간에 상호 동일한 관심 객체를 끊임없이 추적할 수 있다.
더하여, 추적부(180)는 객체 식별 정보와 연관정보에 따라 복수의 관심 객체가 군집된 경우라도 용이하게 각 관심 객체를 식별하고, 군집된 복수의 관심 객체가 분산되는 경우에도 상기 연관 정보를 이용한 유사도 판정을 통해 서로 다른 프레임에 포함된 관심 객체 사이의 유사도가 미리 설정된 기준치 이상인 경우 동일 객체로 판정할 수 있으며, 이를 통해 용이하게 관심 객체를 구분하여 추적할 수 있다.
이와 같이, 추적부(180)는 복수의 객체가 군집하거나 군집한 후 다시 불규칙한 방향으로 분산되는 경우라도 이전 감시 영상에서의 각 관심 객체와 동일한 관심 객체를 현재 감시 영상에서 용이하게 구분하여 추적할 수 있다.
더하여, 상기 추적부(180)는 칼만 필터를 기반으로 관심 객체를 추적할 수 있으며, 일례로 도 8(c)에 도시된 바와 같이 칼만 필터를 이용한 객체 추적시 상기 연관정보 및 객체 식별 정보를 상기 칼만필터에 적용하여 각 관심 객체를 정확히 구분하여 각 관심 객체마다 과거 이동상태를 산출할 수 있으며, 과거 이동상태의 정확도 향상에 따라 이후 예측되는 객체의 이동에 대한 예측 이동상태의 정확도를 높일 수 있어 각 관심 객체를 효과적으로 트랙킹 할 수 있으며, 추적 정확도 및 신뢰성을 높일 수 있다.
도 9는 본 발명의 실시예에 따른 공간 매핑을 이용한 객체 추적 방법에 대한 순서도로서, 도시된 바와 같이 상기 객체 추적 장치(100)는 백그라운드 모델링 방식과 같은 전경 분리 방식을 통해서 전경을 분리할 수 있다(S1).
이후, 객체 추적 장치(100)는 분리된 전경을 감시 영상에 따른 감시 공간에 매핑된 3차원 공간에 적용하여(S2), 전경에 포함된 각 객체에 대한 크기를 판정할 수 있다.
다음, 객체 추적 장치(100)는 객체 후보의 크기 판정 결과 미리 설정된 크기를 만족하는 관심 객체 후보를 선정하며(S3), 상기 전경에 대응되는 프레임 이미지에서 상기 관심 객체 후보에 대응되는 객체 후보 영역을 추출할 수 있다(S4).
이후, 객체 추적 장치(100)는 상기 객체 후보 영역을 상기 트레이닝 세트의 크기에 대응되도록 리사이징할 수 있으며(S5), 리사이즈된 객체 후보 영역에서 객체 특징 정보를 추출하여(S6) 상기 관심 객체에 대한 상기 트레이닝 세트를 기초로 학습된 학습 특징 정보와 비교할 수 있다(S7).
이에 따라, 객체 추적 장치(100)는 객체 후보 영역에서 학습 특징 정보와 미리 설정된 범위 내에서 일치하는 객체 특징 정보를 가진 하나 이상의 관심 객체를 식별하여, 각 관심 객체가 차지하는 영역에 대한 객체 식별 정보를 생성할 수 있다(S8).
이후, 객체 추적 장치(100)는 상기 객체 식별 정보를 기초로 감시 영상에서 각 관심 객체를 식별하여 용이하게 추적할 수 있다(S9).
이상에서는 본 발명에 따른 바람직한 실시예들에 대하여 도시하고 또한 설명하였다. 그러나 본 발명은 상술한 실시예에 한정되지 아니하며, 특허 청구의 범위에서 첨부하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 실시가 가능할 것이다.
100: 객체 추적 장치 110: 전경 추출부
120: 공간 매핑부 130: 객체 후보영역 추출부
140: 리사이징부 150: 분류부
160: 마스킹부 170: 유사도 추출부
180: 추적부 200: 카메라부

Claims (10)

  1. 카메라부로부터 감시 영상을 수신하여 전경을 분리하는 전경 추출부;
    상기 전경을 상기 감시 영상에 따른 감시 공간에 대응되는 3차원 공간에 매핑하는 공간 매핑부;
    상기 3차원 공간에 매핑된 상기 전경에 포함되는 각 객체의 크기를 확인하여 상기 각 객체 중 미리 설정된 크기를 만족하는 하나 이상의 관심 객체 후보를 선정하며, 상기 각 관심 객체 후보에 대응되는 객체 후보 영역을 추출하는 객체 후보영역 추출부;
    상기 각 객체 후보 영역을 미리 설정된 크기에 대응되도록 리사이징하는 리사이징부; 및
    상기 리사이징부를 통해 리사이즈된 각 객체 후보 영역에서 객체 특징 정보를 추출하고, 관심 객체에 대하여 미리 학습된 학습 특징 정보를 상기 객체 특징 정보와 비교하여 상기 각 객체 후보 영역에서 각 관심 객체를 식별하는 분류부를 포함하고,
    상기 리사이징부는 상기 학습 특징 정보의 생성에 이용되는 상기 관심 객체에 대한 하나 이상의 샘플 영상의 집합인 트레이닝 세트의 크기에 대응되도록 리사이징하는 것을 특징으로 하는 공간 매핑을 이용한 객체 추적 장치.
  2. 청구항 1에 있어서,
    상기 분류부는 SVM(Supporting Vector Machine)으로 구성된 것을 특징으로 하는 공간 매핑을 이용한 객체 추적 장치.
  3. 삭제
  4. 청구항 1에 있어서,
    상기 학습 특징 정보는 상기 관심 객체에 대한 상기 각 샘플 영상으로부터 HOG(histogram of oriented gradient)에 기반하여 추출된 특징 벡터의 누적정보인 것을 특징으로 하는 공간 매핑을 이용한 객체 추적 장치.
  5. 청구항 1에 있어서,
    상기 분류부는 상기 리사이즈된 객체 후보 영역에서 HOG(histogram of oriented gradient)에 기반한 상기 객체 특징 정보를 추출하는 것을 특징으로 하는 공간 매핑을 이용한 객체 추적 장치.
  6. 청구항 1에 있어서,
    상기 분류부를 통해 식별된 관심 객체를 마스킹하는 마스킹부;
    상기 마스킹부를 통해 마스킹된 영역으로부터 관심 객체의 유사도 판단을 위한 연관 정보를 생성하는 유사도 추출부; 및
    상기 연관 정보를 기초로 이동하는 상기 각 관심 객체를 추적하는 추적부
    를 더 포함하는 공간 매핑을 이용한 객체 추적 장치.
  7. 청구항 6에 있어서,
    상기 연관 정보는 외형, 색상분포, 비율 중 적어도 하나를 포함하는 것을 특징으로 하는 공간 매핑을 이용한 객체 추적 장치.
  8. 청구항 6에 있어서,
    상기 추적부는 칼만 필터를 기반으로 상기 식별된 각 개체를 추적하는 것을 특징으로 하는 공간 매핑을 이용한 객체 추적 장치.
  9. 객체 추적 장치가 카메라부로부터 감시 영상을 수신하여 전경을 분리하는 단계;
    상기 객체 추적 장치가 상기 전경을 상기 감시 영상에 따른 감시 공간에 대응되는 3차원 공간에 매핑하는 단계;
    상기 객체 추적 장치가 상기 3차원 공간에 매핑된 상기 전경에 포함되는 각 객체의 크기를 확인하여 상기 각 객체 중 미리 설정된 크기를 만족하는 하나 이상의 관심 객체 후보를 선정하며, 상기 전경에 대응되는 프레임 이미지로부터 상기 각 관심 객체 후보에 대응되는 객체 후보 영역을 추출하는 단계;
    상기 객체 추적 장치가 상기 각 객체 후보 영역을 미리 설정된 크기에 대응되도록 리사이징하는 단계;
    상기 객체 추적 장치가 리사이즈된 상기 각 객체 후보 영역에서 객체 특징 정보를 추출하고, 관심 객체에 대하여 미리 학습된 학습 특징정보를 상기 객체 특징 정보와 비교하여 상기 각 객체 후보 영역에서 각 관심 객체를 식별하는 단계;
    상기 객체 추적 장치가 상기 식별된 관심 객체를 마스킹하는 단계;
    상기 객체 추적 장치가 마스킹된 영역으로부터 관심 객체의 유사도 판단을 위한 연관 정보를 생성하는 단계; 및
    상기 객체 추적 장치가 상기 연관 정보를 기초로 이동하는 상기 각 관심 객체를 추적하는 단계를 포함하는 공간 매핑을 이용한 객체 추적 방법.
  10. 삭제
KR1020140000936A 2014-01-03 2014-01-03 공간 매핑을 이용한 객체 추적 장치 및 방법 KR101523740B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140000936A KR101523740B1 (ko) 2014-01-03 2014-01-03 공간 매핑을 이용한 객체 추적 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140000936A KR101523740B1 (ko) 2014-01-03 2014-01-03 공간 매핑을 이용한 객체 추적 장치 및 방법

Publications (1)

Publication Number Publication Date
KR101523740B1 true KR101523740B1 (ko) 2015-05-28

Family

ID=53395723

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140000936A KR101523740B1 (ko) 2014-01-03 2014-01-03 공간 매핑을 이용한 객체 추적 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101523740B1 (ko)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170077545A (ko) * 2015-12-28 2017-07-06 전자부품연구원 저사양 영상 기기에서의 실시간 객체 추적 시스템 및 방법
KR20170137350A (ko) * 2016-06-03 2017-12-13 (주)싸이언테크 신경망 생성 모델을 이용한 객체 움직임 패턴 학습장치 및 그 방법
CN107537149A (zh) * 2016-06-29 2018-01-05 可利爱驰有限公司 确定用于拍摄球图像的关心区域的方法、系统及非暂时性计算机可读记录介质
KR101840042B1 (ko) * 2017-03-03 2018-03-19 주식회사 에스원 복합 가상 팬스 라인 설정 방법 및 이를 이용한 침입 감지 시스템
US9972080B2 (en) 2016-01-14 2018-05-15 Electronics And Telecommunications Research Institute Apparatus and method for food search service
WO2019066373A1 (ko) * 2017-09-27 2019-04-04 삼성전자주식회사 이미지에 포함된 오브젝트의 카테고리 및 인식률에 기반하여 이미지를 보정하는 방법 및 이를 구현한 전자 장치
KR101972918B1 (ko) * 2018-12-20 2019-08-20 주식회사 로민 영상 마스킹 장치 및 영상 마스킹 방법
KR20190143536A (ko) * 2018-06-12 2019-12-31 홍기태 인공지능을 이용한 번호인식 시스템 및 방법
KR20200030219A (ko) * 2018-09-12 2020-03-20 주식회사 뉴딘콘텐츠 볼의 운동에 대한 센싱방법 및 이를 이용한 센싱장치
KR20200077370A (ko) * 2019-04-22 2020-06-30 주식회사 로민 영상 마스킹 장치 및 영상 마스킹 방법
KR20210114805A (ko) * 2020-03-11 2021-09-24 성균관대학교산학협력단 머신러닝 모델을 이용한 객체 인식 방법 및 시스템
WO2021256781A1 (ko) * 2020-06-19 2021-12-23 삼성전자 주식회사 영상을 처리하는 디바이스 및 그 동작 방법
KR20220039582A (ko) * 2020-09-22 2022-03-29 주식회사 뉴이스트원테크 인공지능 감지 장치 및 이의 동작 방법
KR20220050617A (ko) * 2020-10-16 2022-04-25 연세대학교 산학협력단 약한 지도학습 기반 객체 위치 검출 방법 및 장치
KR102392822B1 (ko) * 2021-06-10 2022-05-02 주식회사 에이투마인드 주간 타입 카메라 및 야간 타입 카메라를 이용하여 객체를 탐지 및 추적하는 장치 및 방법
KR20220107930A (ko) * 2021-01-25 2022-08-02 숭실대학교산학협력단 사진 촬영 기반 낙서 드로잉 장치 및 방법
KR20220114819A (ko) * 2021-02-09 2022-08-17 주식회사 라온버드 동적 카메라 영상 내의 객체를 실시간 추적하는 시스템 및 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070065480A (ko) * 2005-12-20 2007-06-25 한국철도기술연구원 스테레오비디오 카메라를 이용한 지하철 승강장 모니터링시스템
JP2011248525A (ja) * 2010-05-25 2011-12-08 Kyushu Institute Of Technology 物体の検出装置及びその検出方法
JP2013161241A (ja) * 2012-02-03 2013-08-19 Toyota Motor Corp 物体認識装置、物体認識方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070065480A (ko) * 2005-12-20 2007-06-25 한국철도기술연구원 스테레오비디오 카메라를 이용한 지하철 승강장 모니터링시스템
JP2011248525A (ja) * 2010-05-25 2011-12-08 Kyushu Institute Of Technology 物体の検出装置及びその検出方法
JP2013161241A (ja) * 2012-02-03 2013-08-19 Toyota Motor Corp 物体認識装置、物体認識方法

Cited By (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101901487B1 (ko) 2015-12-28 2018-09-28 전자부품연구원 저사양 영상 기기에서의 실시간 객체 추적 시스템 및 방법
KR20170077545A (ko) * 2015-12-28 2017-07-06 전자부품연구원 저사양 영상 기기에서의 실시간 객체 추적 시스템 및 방법
US9972080B2 (en) 2016-01-14 2018-05-15 Electronics And Telecommunications Research Institute Apparatus and method for food search service
KR20170137350A (ko) * 2016-06-03 2017-12-13 (주)싸이언테크 신경망 생성 모델을 이용한 객체 움직임 패턴 학습장치 및 그 방법
KR101925907B1 (ko) * 2016-06-03 2019-02-26 (주)싸이언테크 신경망 생성 모델을 이용한 객체 움직임 패턴 학습장치 및 그 방법
CN107537149B (zh) * 2016-06-29 2021-10-08 可利爱驰有限公司 确定用于拍摄球图像的关心区域的方法、系统及非暂时性计算机可读记录介质
CN107537149A (zh) * 2016-06-29 2018-01-05 可利爱驰有限公司 确定用于拍摄球图像的关心区域的方法、系统及非暂时性计算机可读记录介质
KR20180002409A (ko) * 2016-06-29 2018-01-08 주식회사 크리에이츠 공 이미지 촬영을 위한 관심 영역을 결정하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체
KR101906847B1 (ko) * 2016-06-29 2018-10-12 주식회사 크리에이츠 공 이미지 촬영을 위한 관심 영역을 결정하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체
KR101840042B1 (ko) * 2017-03-03 2018-03-19 주식회사 에스원 복합 가상 팬스 라인 설정 방법 및 이를 이용한 침입 감지 시스템
KR102383129B1 (ko) 2017-09-27 2022-04-06 삼성전자주식회사 이미지에 포함된 오브젝트의 카테고리 및 인식률에 기반하여 이미지를 보정하는 방법 및 이를 구현한 전자 장치
KR20190036168A (ko) * 2017-09-27 2019-04-04 삼성전자주식회사 이미지에 포함된 오브젝트의 카테고리 및 인식률에 기반하여 이미지를 보정하는 방법 및 이를 구현한 전자 장치
WO2019066373A1 (ko) * 2017-09-27 2019-04-04 삼성전자주식회사 이미지에 포함된 오브젝트의 카테고리 및 인식률에 기반하여 이미지를 보정하는 방법 및 이를 구현한 전자 장치
US11270420B2 (en) 2017-09-27 2022-03-08 Samsung Electronics Co., Ltd. Method of correcting image on basis of category and recognition rate of object included in image and electronic device implementing same
KR20190143536A (ko) * 2018-06-12 2019-12-31 홍기태 인공지능을 이용한 번호인식 시스템 및 방법
KR102066146B1 (ko) * 2018-06-12 2020-01-14 홍기태 인공지능을 이용한 번호인식 시스템 및 방법
KR20200030219A (ko) * 2018-09-12 2020-03-20 주식회사 뉴딘콘텐츠 볼의 운동에 대한 센싱방법 및 이를 이용한 센싱장치
KR102146358B1 (ko) * 2018-09-12 2020-08-20 주식회사 뉴딘콘텐츠 볼의 운동에 대한 센싱방법 및 이를 이용한 센싱장치
KR101972918B1 (ko) * 2018-12-20 2019-08-20 주식회사 로민 영상 마스킹 장치 및 영상 마스킹 방법
WO2020130309A1 (ko) * 2018-12-20 2020-06-25 주식회사 로민 영상 마스킹 장치 및 영상 마스킹 방법
KR102167730B1 (ko) * 2019-04-22 2020-10-20 주식회사 로민 영상 마스킹 장치 및 영상 마스킹 방법
KR20200077370A (ko) * 2019-04-22 2020-06-30 주식회사 로민 영상 마스킹 장치 및 영상 마스킹 방법
KR20210114805A (ko) * 2020-03-11 2021-09-24 성균관대학교산학협력단 머신러닝 모델을 이용한 객체 인식 방법 및 시스템
KR102426591B1 (ko) 2020-03-11 2022-07-28 성균관대학교산학협력단 머신러닝 모델을 이용한 객체 인식 방법 및 시스템
WO2021256781A1 (ko) * 2020-06-19 2021-12-23 삼성전자 주식회사 영상을 처리하는 디바이스 및 그 동작 방법
KR20220039582A (ko) * 2020-09-22 2022-03-29 주식회사 뉴이스트원테크 인공지능 감지 장치 및 이의 동작 방법
KR102682904B1 (ko) * 2020-09-22 2024-07-08 주식회사 뉴이스트원테크 인공지능 감지 장치 및 이의 동작 방법
KR20220050617A (ko) * 2020-10-16 2022-04-25 연세대학교 산학협력단 약한 지도학습 기반 객체 위치 검출 방법 및 장치
KR102537947B1 (ko) * 2020-10-16 2023-05-26 연세대학교 산학협력단 약한 지도학습 기반 객체 위치 검출 방법 및 장치
KR20220107930A (ko) * 2021-01-25 2022-08-02 숭실대학교산학협력단 사진 촬영 기반 낙서 드로잉 장치 및 방법
KR102672353B1 (ko) 2021-01-25 2024-06-05 숭실대학교산학협력단 사진 촬영 기반 낙서 드로잉 장치 및 방법
KR20220114819A (ko) * 2021-02-09 2022-08-17 주식회사 라온버드 동적 카메라 영상 내의 객체를 실시간 추적하는 시스템 및 방법
KR102614895B1 (ko) 2021-02-09 2023-12-19 주식회사 라온버드 동적 카메라 영상 내의 객체를 실시간 추적하는 시스템 및 방법
KR102392822B1 (ko) * 2021-06-10 2022-05-02 주식회사 에이투마인드 주간 타입 카메라 및 야간 타입 카메라를 이용하여 객체를 탐지 및 추적하는 장치 및 방법

Similar Documents

Publication Publication Date Title
KR101523740B1 (ko) 공간 매핑을 이용한 객체 추적 장치 및 방법
AU2022252799B2 (en) System and method for appearance search
Subburaman et al. Counting people in the crowd using a generic head detector
JP2022093550A (ja) 情報処理装置、情報処理方法及びプログラム
US8855363B2 (en) Efficient method for tracking people
CN107657244B (zh) 一种基于多摄像机的人体跌倒行为检测系统及其检测方法
KR101360349B1 (ko) 객체의 특징 정보에 기반한 객체 추적 방법 및 장치
CN106570490B (zh) 一种基于快速聚类的行人实时跟踪方法
US20170076454A1 (en) Image processing apparatus and image processing method for estimating three-dimensional position of object in image
Alvarez et al. Hierarchical camera auto-calibration for traffic surveillance systems
Ardiyanto et al. Partial least squares-based human upper body orientation estimation with combined detection and tracking
JP2013206458A (ja) 画像における外観及びコンテキストに基づく物体分類
KR20150096264A (ko) 관심 객체 고속 검출 장치 및 그 방법
US20200034649A1 (en) Object tracking system, intelligent imaging device, object feature extraction device, and object feature extraction method
KR20190018274A (ko) 이미지에 포함된 특징 포인트의 시간 또는 공간의 움직임에 기초하여 이미지에 존재하는 피사체를 인식하는 장치 및 방법
CN107679467B (zh) 一种基于hsv和sdalf的行人重识别算法实现方法
KR101542206B1 (ko) 코아스-파인 기법을 이용한 객체 추출과 추적 장치 및 방법
KR101313879B1 (ko) 기울기 히스토그램을 이용한 사람 검출 추적 시스템 및 방법
Chong et al. A novel pedestrian detection and tracking with boosted HOG classifiers and Kalman filter
Muddamsetty et al. Spatio-temporal saliency detection in dynamic scenes using local binary patterns
KR101766467B1 (ko) 이벤트 발생 알림 장치, 이벤트 발생 알림 방법, 및 이벤트 발생 판단 모델 제공 방법
KR20230036675A (ko) Cnn 영상처리기법을 이용한 의류 원단의 불량검출 방법
KR20160017152A (ko) 이진 하르 캐스케이드에 기반한 성별 분류 방법
Chen et al. Margin-constrained multiple kernel learning based multi-modal fusion for affect recognition
Khanam et al. Baggage detection and classification using human body parameter & boosting technique

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20180518

Year of fee payment: 4