KR101527885B1 - 에지 방향성분의 히스토그램에 기반한 물체 검출 장치 및 그 방법 - Google Patents

에지 방향성분의 히스토그램에 기반한 물체 검출 장치 및 그 방법 Download PDF

Info

Publication number
KR101527885B1
KR101527885B1 KR1020140135092A KR20140135092A KR101527885B1 KR 101527885 B1 KR101527885 B1 KR 101527885B1 KR 1020140135092 A KR1020140135092 A KR 1020140135092A KR 20140135092 A KR20140135092 A KR 20140135092A KR 101527885 B1 KR101527885 B1 KR 101527885B1
Authority
KR
South Korea
Prior art keywords
edge direction
image block
histogram
edge
learning
Prior art date
Application number
KR1020140135092A
Other languages
English (en)
Inventor
김은태
김지수
백정현
Original Assignee
연세대학교 산학협력단
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 연세대학교 산학협력단 filed Critical 연세대학교 산학협력단
Priority to KR1020140135092A priority Critical patent/KR101527885B1/ko
Application granted granted Critical
Publication of KR101527885B1 publication Critical patent/KR101527885B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis

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

본 발명은 영상에서 물체를 검출하는 장치 및 그 방법에 관한 것이다.
본 발명은 에지 방향성분의 히스토그램을 만드는 과정에서 발생하는 위치 정보의 손실을 보완하기 위하여, 각 에지 방향 성분의 위치의 평균값을 고려하여 에지 방향이 어느 쪽으로 많이 분포되었는지를 판단하는 기준에 되는 에지 방향 별 위치 벡터 정보를 물체 검출에 추가적으로 이용함으로써, 입력 영상에서 검출 대상이 되는 물체의 특징을 보다 효율적으로 추출하고 검출 대상 물체와 그 이외의 배경에 대한 분별력을 높여 적은 계산량으로 신속하게 대상 물체를 검출하는 에지 방향성분의 히스토그램에 기반한 물체 검출 장치 및 그 방법을 제공한다.

Description

에지 방향성분의 히스토그램에 기반한 물체 검출 장치 및 그 방법{Apparatus and Method for object detection based on histogram of oriented gradient}
본 발명은 영상에서 물체를 검출하는 장치 및 그 방법에 관한 것으로서, 특히 영상에서 자동차를 검출하는 장치와 그 방법에 관한 것이다.
물체를 자동으로 검출하는 기술은 컴퓨터가 자동으로 물체의 종류와 위치를 인식하고 그에 따른 자동화된 기능을 제공하도록 함으로써, 다양한 산업 분야에서 활용도가 높은 기술이다.
특히 자동차 검출 기술은 사용자의 주변에 위치하고 있는 차량을 자동으로 검출하는 기술로, 차량의 자동 및 안전 주행이나 도로에서의 차량 검출 등 여러 가지 분야에서 활용이 가능한 기술이다. 특히 근래에 들어 자동차 주행의 자동화에 관한 연구 및 산업화가 진행됨에 따라, 자동 주행 제어를 위한 전단계로써의 자동차 검출 기술이 중요한 연구분야로 부각되고 있다.
종래의 자동차 검출 기술로는 영상 센서를 이용한 자동차 검출 방식과 레이더 센서를 이용한 자동차 검출 방식이 있다. 레이더 센서를 이용한 자동차 검출 방식의 경우는 자동차 검출 성능이 떨어지고 또한 고가의 레이더 센서를 이용하여야 한다는 점에서 비용 효율적인 측면에서의 단점이 있다.
또한 종래에 영상 센서를 이용하여 물체 및 자동차를 검출하는 방식으로는 영상에서의 픽셀값의 차이에 따른 Haar-like 특징을 이용하는 방식과, 주파수 영역에서 자동차의 특징을 추출하는 가버 필터(Gabor filter)를 이용한 방식이 있었다. 그러나 상기 Haar-like 특징을 이용하는 방식은 검출 성능이 떨어지는 문제점이 있고, 가버 필터를 이용하는 방식은 계산량이 많아 연산시간이 오래 걸린다는 점에서 한계점이 있다.
본 발명이 해결하고자 하는 과제는, 에지 방향성분의 히스토그램을 만드는 과정에서 발생하는 위치 정보의 손실을 보완하기 위하여, 각 에지 방향 성분의 위치의 평균값을 고려하여 에지 방향이 어느 쪽으로 많이 분포되었는지를 판단하는 기준에 되는 에지 방향 별 위치 벡터 정보를 물체 검출에 추가적으로 이용함으로써, 입력 영상에서 검출 대상이 되는 물체의 특징을 보다 효율적으로 추출하고 검출 대상 물체와 그 이외의 배경에 대한 분별력을 높여 적은 계산량으로 신속하게 대상 물체를 검출하는 에지 방향성분의 히스토그램에 기반한 물체 검출 장치 및 그 방법을 제공하는 것이다.
상기 과제를 해결하기 위해, 본 발명의 일 유형에 따른 에지 방향성분의 히스토그램에 기반한 물체 검출 장치는, 검출 대상 물체가 포함되었는지 여부를 판단할 대상이 되는 대상 영상블록을 입력받는 영상블록 입력부; 화소에서의 영상 신호의 방향성을 나타내는 에지 방향의 개수와 각 방향을 설정하고, 상기 대상 영상블록에 대하여 상기 대상 영상블록의 각 화소 별로 상기 에지 방향을 산출하고, 상기 에지 방향의 분포를 나타내는 에지 방향 히스토그램을 산출하는 에지 방향 히스토그램 산출부; 및 상기 에지 방향 히스토그램 산출부에서 산출된 상기 대상 영상블록의 각 화소 별 상기 에지 방향을 입력받고, 상기 대상 영상블록에 대하여 상기 에지 방향 별 화소들의 위치를 나타내는 에지 방향 별 위치 벡터를 산출하는 에지 방향 별 위치 벡터 산출부를 포함할 수 있다.
여기서, 상기 에지 방향은, 상기 대상 영상블록의 좌표계를 기준으로 적어도 두 개 이상의 서로 다른 방향을 포함하도록 설정하는 것을 특징으로 할 수 있다.
여기서 상기 에지 방향성분의 히스토그램에 기반한 물체 검출 장치는 상기 에지 방향 히스토그램 산출부에서 획득된 상기 에지 방향 히스토그램과 상기 에지 방향 별 위치 벡터 산출부에서 획득된 상기 에지 방향 별 위치 벡터를 포함하는 특징 벡터를 획득하는 특징 벡터 획득부를 더 포함할 수 있다.
여기서 상기 에지 방향성분의 히스토그램에 기반한 물체 검출 장치는 상기 특징 벡터 획득부에서 상기 대상 영상블록에 대하여 획득된 상기 특징 벡터를 이용하여, 상기 대상 영상블록이 상기 검출 대상 물체에 해당하는지 여부를 판단하는 물체 검출부를 더 포함할 수 있다.
여기서 에지 방향성분의 히스토그램에 기반한 물체 검출 장치는 상기 검출 대상 물체에 대한 학습을 수행하는 학습부를 더 포함할 수 있고, 이때 상기 영상블록 입력부는 학습을 위하여 상기 검출 대상 물체에 관한 적어도 하나 이상의 학습 영상블록을 입력받고, 상기 에지 방향 히스토그램 산출부는 상기 학습 영상블록에 대하여 상기 에지 방향 히스토그램을 산출하고, 상기 에지 방향 별 위치 벡터 산출부는 상기 학습 영상블록에 대하여 상기 에지 방향 별 위치 벡터를 산출하고, 상기 특징 벡터 획득부는 상기 학습 영상블록에 대하여 산출된 상기 에지 방향 히스토그램과 상기 에지 방향 별 위치 벡터를 포함하는 상기 학습 영상블록에 대한 상기 특징 벡터를 획득하고, 상기 학습부는 상기 특징 벡터 획득부에서 획득된 상기 학습 영상블록에 대한 상기 특징 벡터를 이용하여 상기 검출 대상 물체에 대한 학습을 수행하여 학습 모델을 획득하고, 상기 물체 검출부는, 상기 학습부에서 획득된 상기 학습 모델과, 상기 특징 벡터 획득부에서 상기 대상 영상블록에 대하여 획득된 상기 특징 벡터를 이용하여, 상기 대상 영상블록이 상기 검출 대상 물체에 해당하는지 여부를 판단하는 것을 특징으로 할 수 있다.
여기서, 상기 에지 방향 히스토그램 산출부는, 상기 대상 영상블록을 일정한 개수의 셀로 나누고, 상기 각 셀에 대하여 상기 에지 방향 히스토그램을 산출하는 것을 특징으로 할 수 있다.
여기서, 상기 에지 방향 히스토그램 산출부는, 상기 셀의 각 화소 별로 상기 에지 방향을 산출하고, 상기 에지 방향 별로 상기 셀 내에서 각 상기 에지 방향을 가지는 화소들의 수를 계수하여, 상기 에지 방향 별 화소들의 수의 분포를 나타내는 상기 에지 방향 히스토그램을 산출하는 것을 특징으로 할 수 있다.
여기서, 상기 에지 방향 별 위치 벡터 산출부는, 상기 대상 영상블록을 일정한 개수로 나눈 상기 셀 별로, 상기 에지 방향 별 위치 벡터를 산출하는 것을 특징으로 할 수 있다.
여기서, 상기 에지 방향 별 위치 벡터 산출부는, 각 상기 셀에 대하여, 상기 에지 방향 별로 상기 셀 내에서 각 상기 에지 방향을 가지는 화소들을 선택하고, 상기 에지 방향 별로 선택된 화소들의 상기 셀에서의 좌표값의 평균을 산출하고, 상기 에지 방향 별 위치 벡터는, 상기 산출된, 상기 에지 방향 별로 선택된 화소들의 상기 셀에서의 좌표값의 평균값을, 벡터의 성분으로 하는 것을 특징으로 할 수 있다.
여기서, 상기 에지 방향 별 위치 벡터 산출부는, 상기 셀의 수평 좌표인 x 좌표와 수직 좌표인 y 좌표에 대하여 각각, 상기 에지 방향 별로 선택된 화소들의 상기 셀에서의 좌표값의 평균을 산출하고, 상기 에지 방향 별 위치 벡터는, 상기 x 좌표와 상기 y 좌표에 대하여 각각 산출된, 상기 에지 방향 별로 선택된 화소들의 상기 셀에서의 좌표값의 평균값을, 벡터의 성분으로 하는 것을 특징으로 할 수 있다.
여기서, 상기 에지 방향 별 위치 벡터는, 하기 식 1 및 식 2와 같이 산출되는 것을 특징으로 할 수 있다.
식 1
Figure 112014095690446-pat00001
(여기서 Nc 는 상기 대상 영상블록 내의 상기 셀의 개수이고, T 는 상기 에지 방향의 개수이고, 는 c 번째 상기 셀에서 상기 x 좌표에 대하여 산출된 상기 에지 방향 별 위치 벡터 성분을 나타내고,
Figure 112014095690446-pat00003
는 c 번째 상기 셀에서 상기 y 좌표에 대하여 산출된 상기 에지 방향 별 위치 벡터 성분을 나타내고,
Figure 112014095690446-pat00004
는 상기 셀 별로 산출된 상기 에지 방향 별 위치 벡터를 모두 함께 나타내는 벡터이다.)
식 2
Figure 112014095690446-pat00005
(여기서
Figure 112014095690446-pat00006
는 c 번째 상기 셀에서 b 번째 상기 에지 방향을 가지는 화소들의 상기 x 좌표의 평균값을 나타내고,
Figure 112014095690446-pat00007
는 c 번째 상기 셀에서 b 번째 상기 에지 방향을 가지는 화소들의 상기 y 좌표의 평균값을 나타내고,
Figure 112014095690446-pat00008
는 c 번째 상기 셀의 상기 x 좌표 방향 크기이고,
Figure 112014095690446-pat00009
는 c 번째 상기 셀의 상기 y 좌표 방향 크기이고,
Figure 112014095690446-pat00010
는 입력변수 k 가 0이면 1이고, 입력변수 k 가 0이 아니면 0의 값을 가지는 함수이고,
Figure 112014095690446-pat00011
는 c 번째 상기 셀의 (x, y) 좌표의 화소의 상기 에지 방향을 나타내는 인덱스값을 가지는 함수이다.)
상기 과제를 해결하기 위해, 본 발명의 또 다른 유형에 따른 에지 방향성분의 히스토그램에 기반한 물체 검출 장치는, 검출 대상 물체가 포함되었는지 여부를 판단할 대상이 되는 대상 영상블록을 입력받는 영상블록 입력부; 화소에서의 영상 신호의 방향성을 나타내는 에지 방향의 개수와 각 방향을 설정하고, 상기 대상 영상블록에 대하여 상기 대상 영상블록의 각 화소 별로 상기 에지 방향을 산출하고, 상기 에지 방향의 분포를 나타내는 에지 방향 히스토그램을 산출하고, 상기 대상 영상블록의 각 화소 별 상기 에지 방향을 이용하여 상기 대상 영상블록에 대하여 상기 에지 방향 별 화소들의 위치를 나타내는 에지 방향 별 위치 벡터를 산출하고, 상기 에지 방향 히스토그램과 상기 에지 방향 별 위치 벡터로 구성된 특징 벡터를 획득하는 특징 벡터 산출부; 및 상기 특징 벡터를 이용하여 상기 대상 영상블록이 상기 검출 대상 물체에 해당하는지 여부를 판단하는 물체 검출부를 포함할 수 있다.
여기서, 상기 에지 방향은, 상기 대상 영상블록의 좌표계를 기준으로 적어도 두 개 이상의 서로 다른 방향을 포함하도록 설정하는 것을 특징으로 할 수 있다.
여기서, 상기 에지 방향성분의 히스토그램에 기반한 물체 검출 장치는 상기 검출 대상 물체에 대한 학습을 수행하는 학습부를 더 포함할 수 있고, 이때 상기 영상블록 입력부는 학습을 위하여 상기 검출 대상 물체에 관한 적어도 하나 이상의 학습 영상블록을 입력받고, 상기 특징 벡터 산출부는 상기 학습 영상블록에 대하여 상기 에지 방향 히스토그램과 상기 에지 방향 별 위치 벡터를 산출하여, 상기 학습 영상블록에 대한 상기 특징 벡터를 획득하고, 상기 학습부는 상기 학습 영상블록에 대한 상기 특징 벡터를 이용하여 상기 검출 대상 물체에 대한 학습을 수행하여 학습 모델을 획득하고, 상기 물체 검출부는, 상기 학습부에서 획득된 상기 학습 모델과, 상기 특징 벡터 획득부에서 상기 대상 영상블록에 대하여 획득된 상기 특징 벡터를 이용하여, 상기 대상 영상블록이 상기 검출 대상 물체에 해당하는지 여부를 판단하는 것을 특징으로 할 수 있다.
여기서, 상기 특징 벡터 산출부는, 상기 대상 영상블록을 일정한 개수로 나눈 상기 셀 별로, 상기 에지 방향 별 위치 벡터를 산출하는 것을 특징으로 할 수 있다.
여기서, 상기 특징 벡터 산출부는, 각 상기 셀에 대하여, 상기 에지 방향 별로 상기 셀 내에서 각 상기 에지 방향을 가지는 화소들을 선택하고, 상기 에지 방향 별로 선택된 화소들의 상기 셀에서의 좌표값의 평균을 산출하고, 상기 에지 방향 별 위치 벡터는, 상기 산출된, 상기 에지 방향 별로 선택된 화소들의 상기 셀에서의 좌표값의 평균값을, 벡터의 성분으로 하는 것을 특징으로 할 수 있다.
상기 과제를 해결하기 위해, 본 발명의 또 다른 유형에 따른 에지 방향성분의 히스토그램에 기반한 물체 검출 방법은, 검출 대상 물체가 포함되었는지 여부를 판단할 대상이 되는 대상 영상블록을 입력받는 영상블록 입력단계; 화소에서의 영상 신호의 방향성을 나타내는 에지 방향의 개수와 각 방향을 설정하고, 상기 대상 영상블록에 대하여 상기 대상 영상블록의 각 화소 별로 상기 에지 방향을 산출하고, 상기 에지 방향의 분포를 나타내는 에지 방향 히스토그램을 산출하는 에지 방향 히스토그램 산출 단계; 상기 산출된 상기 대상 영상블록의 각 화소 별 상기 에지 방향을 이용하여, 상기 대상 영상블록에 대하여 상기 에지 방향 별 화소들의 위치를 나타내는 에지 방향 별 위치 벡터를 산출하는 에지 방향 별 위치 벡터 산출 단계; 상기 에지 방향 히스토그램과 상기 에지 방향 별 위치 벡터를 포함하는 특징 벡터를 획득하는 특징 벡터 획득 단계; 및 상기 획득된 특징 벡터를 이용하여, 상기 대상 영상블록이 상기 검출 대상 물체에 해당하는지 여부를 판단하는 물체 검출 단계를 포함할 수 있다.
여기서, 상기 에지 방향 별 위치 벡터 산출 단계는, 상기 대상 영상블록을 일정한 개수로 나눈 상기 셀 별로, 상기 에지 방향 별 위치 벡터를 산출하는 것을 특징으로 할 수 있다.
여기서, 상기 에지 방향 별 위치 벡터 산출 단계는, 각 상기 셀에 대하여, 상기 에지 방향 별로 상기 셀 내에서 각 상기 에지 방향을 가지는 화소들을 선택하고, 상기 에지 방향 별로 선택된 화소들의 상기 셀에서의 좌표값의 평균을 산출하고, 상기 에지 방향 별 위치 벡터는, 상기 산출된, 상기 에지 방향 별로 선택된 화소들의 상기 셀에서의 좌표값의 평균값을, 벡터의 성분으로 하는 것을 특징으로 할 수 있다.
여기서, 에지 방향성분의 히스토그램에 기반한 물체 검출 방법은 학습을 위하여 상기 검출 대상 물체에 관한 적어도 하나 이상의 학습 영상블록을 입력받고, 상기 학습 영상블록에 대하여 상기 에지 방향 히스토그램과 상기 에지 방향 별 위치 벡터를 산출하여, 상기 학습 영상블록에 대한 상기 특징 벡터를 획득하고, 상기 학습 영상블록에 대한 상기 특징 벡터를 이용하여 상기 검출 대상 물체에 대한 학습을 수행하여 학습 모델을 획득하는 학습 단계를 더 포함할 수 있고, 이때 상기 물체 검출 단계는 상기 학습 단계에서 획득된 상기 학습 모델과, 상기 특징 벡터 획득 단계에서 상기 대상 영상블록에 대하여 획득된 상기 특징 벡터를 이용하여, 상기 대상 영상블록이 상기 검출 대상 물체에 해당하는지 여부를 판단하는 것을 특징으로 할 수 있다.
본 발명에 따른 에지 방향성분의 히스토그램에 기반한 물체 검출 장치 및 그 방법에 의하면, 입력 영상에서 검출 대상이 되는 물체의 특징을 보다 효율적으로 추출하고 검출 대상 물체와 그 이외의 배경에 대한 분별력을 높여 적은 계산량으로 신속하게 대상 물체를 검출하는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 에지 방향성분의 히스토그램에 기반한 물체 검출 장치의 블록도이다.
도 2는 입력 영상블록에 대하여 산출되는 에지 방향 히스토그램을 설명하기 위한 참고도이다.
도 3은 입력 영상블록에 대하여 산출되는 에지 방향 히스토그램의 한계점을 설명하기 위한 참고도이다.
도 4는 입력 영상블록에 대하여 산출되는 에지 방향 별 위치 벡터를 설명하기 위한 참고도이다.
도 5는 에지 방향 히스토그램만을 고려하여 특징 벡터를 생성하는 경우와 에지 방향 별 위치 벡터까지 함께 고려하여 특징 벡터를 생성하는 경우의 특징 벡터의 물체 검출 성능을 설명하기 위한 참고도이다.
도 6은 본 발명의 일 실시예에 따른 에지 방향성분의 히스토그램에 기반한 물체 검출 장치를 이용하여 자동차 영상에서 자동차를 검출한 결과를 설명하기 위한 참고도이다.
도 7은 본 발명의 또 다른 실시예에 따른 에지 방향성분의 히스토그램에 기반한 물체 검출 장치의 블록도이다.
도 8은 본 발명의 또 다른 실시예에 따른 에지 방향성분의 히스토그램에 기반한 물체 검출 방법의 흐름도이다.
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 가능한 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 일 실시예에 따른 에지 방향성분의 히스토그램에 기반한 물체 검출 장치의 블록도이다.
본 발명의 일 실시예에 따른 에지 방향성분의 히스토그램에 기반한 물체 검출 장치는 영상블록 입력부(110), 에지 방향 히스토그램 산출부(120), 에지 방향 별 위치 벡터 산출부(130), 특징 벡터 획득부(140), 물체 검출부(150), 학습부(160)를 포함할 수 있다. 여기서 본 발명의 또 다른 실시예에 따른 에지 방향성분의 히스토그램에 기반한 물체 검출 장치는 영상블록 입력부(110), 에지 방향 히스토그램 산출부(120), 에지 방향 별 위치 벡터 산출부(130)를 포함하고, 특징 벡터 획득부(140), 물체 검출부(150), 학습부(160)는 필요에 따라 포함되거나 생략할 수 있다. 예를 들어 본 발명의 일 실시예에 따른 에지 방향성분의 히스토그램에 기반한 물체 검출 장치는 영상블록 입력부(110), 에지 방향 히스토그램 산출부(120), 에지 방향 별 위치 벡터 산출부(130)를 포함할 수 있고, 또는 영상블록 입력부(110), 에지 방향 히스토그램 산출부(120), 에지 방향 별 위치 벡터 산출부(130), 특징 벡터 획득부(140)를 포함할 수 있고, 또는 영상블록 입력부(110), 에지 방향 히스토그램 산출부(120), 에지 방향 별 위치 벡터 산출부(130), 특징 벡터 획득부(140), 물체 검출부(150)를 포함할 수 있다.
이하에서는 먼저 영상블록 입력부(110), 에지 방향 히스토그램 산출부(120), 에지 방향 별 위치 벡터 산출부(130), 특징 벡터 획득부(140), 물체 검출부(150)를 포함하는 본 발명의 일 실시예에 대하여 설명하고, 다음으로 학습부(160)가 더 포함된 본 발명의 또 다른 실시예에 대하여 설명한다.
영상블록 입력부(110)는 검출 대상 물체가 포함되었는지 여부를 판단할 대상이 되는 대상 영상블록을 입력받는다.
예를 들어 검출 대상 물체는 자동차가 될 수 있고, 이 경우 본 발명에 따른 에지 방향성분의 히스토그램에 기반한 물체 검출 장치는 영상블록 입력부(110)를 통하여 입력받은 상기 대상 영상블록이 상기 검출 대상 물체인 자동차를 나타내는 영상블록인지 여부를 판단할 수 있다.
에지 방향 히스토그램 산출부(120)는 화소에서의 영상 신호의 방향성을 나타내는 에지 방향의 개수와 각 방향을 설정하고, 상기 대상 영상블록에 대하여 상기 대상 영상블록의 각 화소 별로 상기 에지 방향을 산출하고, 상기 에지 방향의 분포를 나타내는 에지 방향 히스토그램을 산출한다.
여기서, 상기 에지 방향은, 상기 대상 영상블록의 좌표계를 기준으로 적어도 두 개 이상의 서로 다른 방향을 포함하도록 설정하는 것이 바람직하다.
예를 들면 상기 에지 방향은, 직교하는 x 좌표와 y 좌표를 가정하고 x 축 방향이 0
Figure 112014095690446-pat00012
이고 반시계 방향으로 각도를 계산한다고 할 때, 0
Figure 112014095690446-pat00013
, 45
Figure 112014095690446-pat00014
, 90
Figure 112014095690446-pat00015
, 135
Figure 112014095690446-pat00016
, 180
Figure 112014095690446-pat00017
, 225
Figure 112014095690446-pat00018
, 270
Figure 112014095690446-pat00019
, 315
Figure 112014095690446-pat00020
, 및 무방향의 총 9가지의 방향으로 설정될 수 있다. 여기서 상기 에지 방향은 필요에 따라 다양한 개수로 설정될 수 있다. 이하에서는 설명의 편의를 위하여 위와 같이 총 9가지의 방향으로 설정된 상기 에지 방향을 가정하고 설명한다.
에지 방향 히스토그램 산출부(120)는 위와 같이 상기 에지 방향의 개수와 각 방향을 설정한 이후, 상기 대상 영상블록의 각 화소 별로, 해당 화소와 해당 화소의 주변 화소의 영상 신호 값을 이용하여, 해당 화소의 상기 에지 방향이 어느 방향인지를 계산할 수 있다.
여기서 상기 에지 방향 히스토그램은 위와 같이 산출된 상기 에지 방향의 분포를 나타내는 히스토그램이 되는 것이 바람직하다. 즉 상기 에지 방향 히스토그램은 상기 에지 방향 별로 각 에지 방향에 속하는 화소들의 수를 계수하고, 에지 방향 별 계수된 화소들의 수를 나타내는 히스토그램이 될 수 있다.
예를 들어 상기 대상 영상블록의 크기가 2x2이고, 상기 대상 영상블록 내의 4개의 화소들에 대하여 각각 상기 에지 방향을 산출한 결과 첫 번째 화소는 45
Figure 112014095690446-pat00021
, 두 번째 화소는 90
Figure 112014095690446-pat00022
, 세 번째 화소는 45
Figure 112014095690446-pat00023
, 네 번째 화소는 180
Figure 112014095690446-pat00024
의 각 에지 방향을 가지는 것으로 계산이 되었다면, 상기 에지 방향 히스토그램은 45
Figure 112014095690446-pat00025
에지 방향 성분은 2개, 90
Figure 112014095690446-pat00026
에지 방향 성분은 1개, 180
Figure 112014095690446-pat00027
에지 방향 성분은 1개, 나머지 에지 방향 성분은 0개인 것으로 표현되는 히스토그램이 될 수 있다.
여기서, 에지 방향 히스토그램 산출부(120)는, 상기 대상 영상블록을 일정한 개수의 셀로 나누고, 상기 각 셀에 대하여 상기 에지 방향 히스토그램을 산출하는 것이 바람직하다.
여기서, 에지 방향 히스토그램 산출부(120)는, 상기 셀의 각 화소 별로 상기 에지 방향을 산출하고, 상기 에지 방향 별로 상기 셀 내에서 각 상기 에지 방향을 가지는 화소들의 수를 계수하여, 상기 에지 방향 별 화소들의 수의 분포를 나타내는 상기 에지 방향 히스토그램을 산출하는 것이 바람직하다.
도 2는 입력 영상블록에 대하여 산출되는 에지 방향 히스토그램을 설명하기 위한 참고도이다.
도 2의 (a)는 상기 대상 영상블록을 총 4개의 동일한 크기의 상기 셀로 분할한 것을 나타내고, 도 2의 (b)는 위의 4개의 상기 셀 별로 산출한 상기 에지 방향 히스토그램을 나태내고 있다. 여기서 도 2의 (b) 내의 각 히스토그램에서, x 축은 1부터 9까지의 번호로 인덱스된 총 9가지 방향의 상기 에지 방향을 나타내고(예를 들면 위의 예에서 0
Figure 112014095690446-pat00028
는 인덱스 번호 1이고, 315
Figure 112014095690446-pat00029
는 인덱스 번호 8이고, 무방향은 인덱스 번호 9로 인덱스될 수 있다), y 축의 값은 각 인덱스 번호로 대표되는 상기 에지 방향 별 화소들의 해당 셀 내의 수를 정규화하여 나타낸 값이다.
여기서 상기 에지 방향은 하기 수학식 1과 같이 정수의 인덱스 번호로 표현될 수 있다.
Figure 112014095690446-pat00030
(여기서 T 는 상기 에지 방향의 총 방향 개수이고,
Figure 112014095690446-pat00031
는 상기 에지 방향을 0
Figure 112014095690446-pat00032
내지 360
Figure 112014095690446-pat00033
의 각도로 나타내는 함수이고,
Figure 112014095690446-pat00034
는 상기 에지 방향을 정수의 인덱스 번호로 나타내는 함수이다.)
이와 같이 에지 방향 히스토그램은 특정 상기 셀 내부의 화소들의 에지 방향의 경향을 나타낼 수 있다. 그러나 상기 에지 방향 히스토그램만을 사용하여 물체를 검출할 경우 위치를 나타내는 정보가 손실되어 물체 검출의 성능이 열화되는 한계가 있다.
도 3은 입력 영상블록에 대하여 산출되는 에지 방향 히스토그램의 한계점을 설명하기 위한 참고도이다.
도 3을 참조하면, (a)와 (b)는 크기가 4x4인 두 종류의 상기 셀이고, 도 3 (a)의 셀과 도 3 (b)의 셀은 위치 별로 서로 다른 에지 방향의 분포를 가지고 있음에도 불구하고, 상기 에지 방향 히스토그램을 산출하면 위 두 셀은 서로 같은 에지 방향 히스토그램을 가지게 된다는 사실을 확인할 수 있다.
따라서 본 발명에 따른 에지 방향성분의 히스토그램에 기반한 물체 검출 장치는, 아래에서 상세히 설명할 바와 같이 위치 정보를 포함하는 에지 방향 별 위치 벡터를 산출하고, 에지 방향 별 위치 벡터를 에지 방향 히스토그램과 함께 물체 검출을 위한 특징(feature)으로 이용하는 것을 특징으로 한다.
에지 방향 별 위치 벡터 산출부(130)는 상기 에지 방향 히스토그램 산출부(120)에서 산출된 상기 대상 영상블록의 각 화소 별 상기 에지 방향을 입력받고, 상기 대상 영상블록에 대하여 상기 에지 방향 별 화소들의 위치를 나타내는 에지 방향 별 위치 벡터를 산출한다.
여기서 에지 방향 별 위치 벡터 산출부(130)는 필요에 따라 상기 대상 영상블록에 대하여 상기 대상 영상블록의 각 화소 별로 상기 에지 방향을 산출할 수 있지만, 상기 대상 영상블록의 각 화소 별 상기 에지 방향은 에지 방향 히스토그램 산출부(120)에서 이미 산출되었으므로, 이를 입력받아 사용하는 것이 바람직하다.
이하에서는 에지 방향 별 위치 벡터 산출부(130)의 동작에 대하여 보다 상세히 설명한다.
에지 방향 별 위치 벡터 산출부(130)는, 상기 대상 영상블록을 일정한 개수로 나눈 상기 셀 별로, 상기 에지 방향 별 위치 벡터를 산출하는 것이 바람직하다.
여기서, 에지 방향 별 위치 벡터 산출부(130)는, 각 상기 셀에 대하여, 상기 에지 방향 별로 상기 셀 내에서 각 상기 에지 방향을 가지는 화소들을 선택하고, 상기 에지 방향 별로 선택된 화소들의 상기 셀에서의 좌표값의 평균을 산출하는 것이 바람직하다. 그리고 이때 상기 에지 방향 별 위치 벡터는, 상기 산출된, 상기 에지 방향 별로 선택된 화소들의 상기 셀에서의 좌표값의 평균값을, 벡터의 성분으로 하는 것이 바람직하다.
다시 말하면, 에지 방향 별 위치 벡터 산출부(130)는 상기 셀 내의 모든 화소들에 대하여 상기 에지 방향 별로 화소들을 분류하여 선택하고, 상기 에지 방향 별로 분류 선택된 각 화소들의 좌표값의 평균을 산출하여, 상기 에지 방향 별 화소들의 평균 좌표값을 벡터의 성분으로 하는 상기 에지 방향 별 위치 벡터를 산출할 수 있다.
여기서, 에지 방향 별 위치 벡터 산출부(130)는, 상기 셀의 수평 좌표인 x 좌표와 수직 좌표인 y 좌표에 대하여 각각, 상기 에지 방향 별로 선택된 화소들의 상기 셀에서의 좌표값의 평균을 산출하는 것이 바람직하다. 그리고 이때 상기 에지 방향 별 위치 벡터는, 상기 셀의 상기 x 좌표와 상기 y 좌표 별로 각각 산출된, 상기 에지 방향 별로 선택된 화소들의 상기 셀에서의 좌표값의 평균값을, 벡터의 성분으로 하는 것이 바람직하다.
예를 들면, 상기 셀의 크기가 2x2이고 상기 에지 방향의 인덱스 번호가 1 부터 9까지라고 가정하고, (x, y) 좌표계에서 상기 셀의 좌상단 화소의 좌표를 (1, 1), 우하단 화소의 좌표를 (2, 2)라고 할 때, 상기 셀의 각 화소에 대하여 (1, 1) 좌표에 위치한 화소는 인덱스 번호 1의 상기 에지 방향을 갖고, (1, 2) 좌표에 위치한 화소는 인덱스 번호 2의 상기 에지 방향을 갖고, (2, 1) 좌표에 위치한 화소는 인덱스 번호 1의 상기 에지 방향을 갖고, (2, 2) 좌표에 위치한 화소는 인덱스 번호 3의 상기 에지 방향을 갖는 경우를 가정해본다. 이때 인덱스 번호 1에 해당하는 에지 방향을 가지는 화소들의 좌표는 각 (1, 1) 및 (2, 1)이고, 인덱스 번호 2에 해당하는 에지 방향을 가지는 화소의 좌표는 (1, 2)이고, 인덱스 번호 3에 해당하는 에지 방향을 가지는 화소의 좌표는 (2, 2)이므로, 상기 에지 방향 별 위치 벡터는 [(1.5, 1), (1, 2), (2, 2), (0, 0), (0, 0), (0, 0), (0, 0), (0, 0), (0, 0)] 으로 나타날 수 있다. 또는 이 경우 상기 에지 방향 별 위치 벡터는 상기 에지 방향 별 x 좌표 성분을 먼저 표시하고 y 좌표 성분을 그 다음으로 표시하는 방식으로 표현하여, [(1.5, 1, 2, 0, 0, 0, 0, 0, 0), (1, 2, 2, 0, 0, 0, 0, 0, 0)]와 같이 표현될 수도 있다. 상기 에지 방향 별 위치 벡터는 필요에 따라 다양한 방식과 순서로 벡터의 성분을 표시할 수 있다.
여기서, 상기 에지 방향 별 위치 벡터는 하기 수학식 2 및 수학식 3과 같이 산출될 수 있다.
Figure 112014095690446-pat00035
(여기서 Nc 는 상기 대상 영상블록 내의 상기 셀의 개수이고, T 는 상기 에지 방향의 개수이고,
Figure 112014095690446-pat00036
는 c 번째 상기 셀에서 상기 x 좌표에 대하여 산출된 상기 에지 방향 별 위치 벡터 성분을 나타내고,
Figure 112014095690446-pat00037
는 c 번째 상기 셀에서 상기 y 좌표에 대하여 산출된 상기 에지 방향 별 위치 벡터 성분을 나타내고,
Figure 112014095690446-pat00038
는 상기 셀 별로 산출된 상기 에지 방향 별 위치 벡터를 모두 함께 나타내는 벡터이다.)
여기서 에지 방향 별 위치 벡터 산출부(130)를 설명하면서 상술하였던 상기 예를 참고하여 설명하면, 2x2 크기의 상기 셀이 상기 대상 영상블록에서의 2번째 셀이라고 가정한다면, 상기 셀의 상기 에지 방향 별 위치 벡터는
Figure 112014095690446-pat00039
= [1.5, 1, 2, 0, 0, 0, 0, 0, 0],
Figure 112014095690446-pat00040
= [1, 2, 2, 0, 0, 0, 0, 0, 0]로 표현될 수 있다.
상기 수학식 2에서의
Figure 112014095690446-pat00041
와
Figure 112014095690446-pat00042
의 성분들은 하기 수학식 3과 같이 계산될 수 있다.
Figure 112014095690446-pat00043
(여기서
Figure 112014095690446-pat00044
는 c 번째 상기 셀에서 b 번째 상기 에지 방향을 가지는 화소들의 상기 x 좌표값의 평균값을 나타내고,
Figure 112014095690446-pat00045
는 c 번째 상기 셀에서 b 번째 상기 에지 방향을 가지는 화소들의 상기 y 좌표값의 평균값을 나타내고,
Figure 112014095690446-pat00046
는 c 번째 상기 셀의 상기 x 좌표 방향 크기이고,
Figure 112014095690446-pat00047
는 c 번째 상기 셀의 상기 y 좌표 방향 크기이고,
Figure 112014095690446-pat00048
는 입력변수 k 가 0이면 1이고, 입력변수 k 가 0이 아니면 0의 값을 가지는 함수이고,
Figure 112014095690446-pat00049
는 c 번째 상기 셀의 (x, y) 좌표의 화소의 상기 에지 방향을 나타내는 인덱스값을 가지는 함수이다.)
여기서 b 번째 상기 에지 방향을 가지는 화소들이라 함은, 위에서 설명하였던 에지 방향의 인덱스 번호가 b 로 인덱스된 상기 에지 방향을 가지는 화소라고 표현할 수도 있다.
도 4는 도 3과 동일한 에지 방향의 분포를 가지는 셀들에 대하여 산출한 상기 에지 방향 별 위치 벡터를 설명하기 위한 참고도이다.
도 4를 참고하면, 만일 에지 방향의 인덱스 번호가, 좌하단에서 우상단을 향하는 방향, 즉 x 축 방향을 기준으로 반시계 방향으로 45
Figure 112014095690446-pat00050
방향이 번호 2로 인덱스 되고, 우하단에서 좌상단을 향하는 방향 즉 x 축 방향을 기준으로 반시계 방향으로 135
Figure 112014095690446-pat00051
방향이 번호 4로 인덱스 된다고 하고, 도 4의 각 셀의 좌상단의 화소의 좌표가 (1, 1)이고 우하단의 화소의 좌표가 (4, 4)이고, 도 4 (a)의 셀이 상기 대상 영상블록에서 1번째 셀이고, 도 4 (b)의 셀이 2번째 셀이라고 가정할 경우, 상기 수학식 2와 수학식 3의 표현대로라면, 도 4의 (a)에서 상기 에지 방향 별 위치 벡터의 각 성분 중 0이 아닌 성분은
Figure 112014095690446-pat00052
= 2.5,
Figure 112014095690446-pat00053
= 2.5,
Figure 112014095690446-pat00054
= 2.5,
Figure 112014095690446-pat00055
= 2.5 이고, 도 4의 (b)에서 상기 에지 방향 별 위치 벡터의 각 성분 중 0이 아닌 성분은
Figure 112014095690446-pat00056
= 2.5,
Figure 112014095690446-pat00057
= 3.5,
Figure 112014095690446-pat00058
= 2.5,
Figure 112014095690446-pat00059
= 1.5 으로 각각 계산될 수 있다. 이를 벡터의 형식으로 나타내면
Figure 112014095690446-pat00060
= [0, 2.5, 0, 2.5, 0, 0, 0, 0, 0],
Figure 112014095690446-pat00061
= [0, 2.5, 0, 2.5, 0, 0, 0, 0, 0],
Figure 112014095690446-pat00062
= [0, 2.5, 0, 2.5, 0, 0, 0, 0, 0],
Figure 112014095690446-pat00063
= [0, 3.5, 0, 1.5, 0, 0, 0, 0, 0] 와 같이 표현될 수 있다. 이상과 같이 도 3과 도 4를 비교하여 보면, 도 3과 같이 위치에 관한 정보를 상실한 에지 방향 히스토그램만을 이용해서는 도 3 (a)의 셀과 도 3 (b)의 셀 간의 차이를 구분할 수 없지만, 도 4와 같이 에지 방향 별 위치 벡터를 이용해서는 도 4 (a)의 셀과 도 4 (b)의 셀 간의 차이를 구분할 수 있다는 사실을 확인할 수 있다.
따라서 본 발명에 따른 에지 방향성분의 히스토그램에 기반한 물체 검출 장치는 아래에서 설명하는 바와 같이 상기 에지 방향 히스토그램과 상기 에지 방향 별 위치 벡터를 함께 포함하는 특징 벡터를 이용함으로써, 대상 영상블록에서 보다 강인하게 검출 대상 물체를 검출할 수 있도록 한다.
특징 벡터 획득부(140)는 에지 방향 히스토그램 산출부(120)에서 획득된 상기 에지 방향 히스토그램과 에지 방향 별 위치 벡터 산출부(130)에서 획득된 상기 에지 방향 별 위치 벡터를 포함하는 특징 벡터를 획득한다.
여기서 상기 특징 벡터는 하기 수학식 4와 같이 표현될 수 있다.
Figure 112014095690446-pat00064
(여기서
Figure 112014095690446-pat00065
는 상기 특징 벡터이고,
Figure 112014095690446-pat00066
는 상기 에지 방향 별 위치 벡터이고,
Figure 112014095690446-pat00067
는 상기 에지 방향 히스토그램을 나타내는 벡터이다.)
도 5는 에지 방향 히스토그램만을 고려하여 특징 벡터를 생성하는 경우와 에지 방향 별 위치 벡터까지 함께 고려하여 특징 벡터를 생성하는 경우의 특징 벡터의 물체 검출 성능을 설명하기 위한 참고도이다.
도 5를 참고하면, (a)는 상기 검출 대상 물체가 포함된 대상 영상블록이고, (b)는 상기 검출 대상 물체가 포함되지 않은 대상 영상블록이고, (c)는 상기 (a)의 대상 영상블록에 대하여 산출한 에지 방향 히스토그램이고, 상기 (d)는 상기 (b)의 대상 영상블록에 대하여 산출한 에지 방향 히스토그램이고, 상기 (e)는 (a)의 대상 영상블록에 대하여 획득한 상기 특징 벡터를 히스토그램의 형식으로 나타낸 것이고, 상기 (f)는 (a)의 대상 영상블록에 대하여 획득한 상기 특징 벡터를 역시 히스토그램의 형식으로 나타낸 것이다.
여기서 도 5를 참고하면, 만일 물체를 검출함에 있어서, (c)와 (d)와 같은 에지 방향 히스토그램만을 사용할 경우는, (b)에 검출 대상 물체가 포함되지 않았음에도 불구하고 (b)의 에지 방향 히스토그램인 (d)가 (c)의 에지 방향 히스토그램과 유사한 분포를 가지는 관계로, (b)가 (a)와 같이 상기 검출 대상 물체를 포함하는 것으로 잘못 검출하는 결과가 나타날 수 있다. 반면 만일 물체를 검출함에 있어서, (e)와 (f)와 같은 특징 벡터를 사용할 경우는, (b)에 대응하는 특징 벡터인 (f)가 (a)에 대응하는 특징 벡터 (e)와 구별되는 분포를 나타내는 관계로, 결국 (b)는 (a)와 다르게 상기 검출 대상 물체를 포함하지 않는 것으로 올바르게 검출을 할 수 있다.
물체 검출부(150)는 특징 벡터 획득부(140)에서 상기 대상 영상블록에 대하여 획득된 상기 특징 벡터를 이용하여, 상기 대상 영상블록이 상기 검출 대상 물체에 해당하는지 여부를 판단한다.
여기서 물체 검출부(150)는 상기 대상 영상블록에 대하여 획득된 상기 특징 벡터를 이용하여 상기 특정 벡터가 일정한 기준에 부합할 경우, 상기 대상 영상 블록이 상기 검출 대상 물체에 해당하는 것으로 판단할 수 있다. 여기서 상기 특징 벡터가 상기 검출 대상 물체에 해당하는지 여부를 판단하는 상기 일정한 기준은, 특징(feature)을 이용한 물체 검출 및 인식 분야에서 사용되는 다양한 방법을 이용할 수 있다.
도 6은 본 발명의 일 실시예에 따른 에지 방향성분의 히스토그램에 기반한 물체 검출 장치를 이용하여 자동차 영상에서 자동차를 검출한 결과를 설명하기 위한 참고도이다.
도 6을 참고하면, 본 발명에 따른 에지 방향성분의 히스토그램에 기반한 물체 검출 장치는 (a)와 (b)에서와 같이 상기 특징 벡터를 이용하여 100ms 내외의 빠른 속도로 영상에서 검출 대상 물체가 되는 자동차를 올바르게 검출하는 것을 확인할 수 있다.
여기서 물체 검출부(150)는 아래에서 설명할 바와 같이, 학습부(160)를 통하여 획득된 학습 모델을 이용하여, 상기 특징 벡터를 가지는 상기 대상 영상블록이 상기 검출 대상 물체에 해당하는지 여부를 판단할 수도 있다.
상기 본 발명의 일 실시예에 따른 에지 방향성분의 히스토그램에 기반한 물체 검출 장치는, 또 다른 실시예로써 학습부(160)를 더 포함할 수 있다.
학습부(160)는 상기 검출 대상 물체에 대한 학습을 수행한다.
위와 같이 학습부(160)가 더 포함되는 경우, 영상블록 입력부(110), 에지 방향 히스토그램 산출부(120), 에지 방향 별 위치 벡터 산출부(130), 특징 벡터 획득부(140)는 이하 설명하는 바와 같은 동작을 더 수행하는 것이 바람직하다.
먼저 영상블록 입력부(110)는 학습을 위하여 상기 검출 대상 물체에 관한 적어도 하나 이상의 학습 영상블록을 입력받는다. 다음으로 에지 방향 히스토그램 산출부(120)는 상기 학습 영상블록에 대하여 상기 에지 방향 히스토그램을 산출한다. 다음으로 에지 방향 별 위치 벡터 산출부(130)는 상기 학습 영상블록에 대하여 상기 에지 방향 별 위치 벡터를 산출한다. 다음으로 특징 벡터 획득부(140)는 상기 학습 영상블록에 대하여 산출된 상기 에지 방향 히스토그램과 상기 에지 방향 별 위치 벡터를 포함하는 상기 학습 영상블록에 대한 상기 특징 벡터를 획득한다.
여기서 학습부(160)는 위와 같이 특징 벡터 획득부(140)에서 획득된 상기 학습 영상블록에 대한 상기 특징 벡터를 이용하여 상기 검출 대상 물체에 대한 학습을 수행하여 학습 모델을 획득하는 것이 바람직하다.
여기서 학습부(160)는 특징(feature)에 기반하는 다양한 학습 방법을 이용하여 상기 학습 모델을 획득할 수 있다. 예를 들면 학습부(160)는 서포트 벡터 머신(Support Vector Machine)을 이용하여 학습을 할 수 있다.
그리고 이때 물체 검출부(150)는, 학습부(160)에서 획득된 상기 학습 모델과, 특징 벡터 획득부(140)에서 상기 대상 영상블록에 대하여 획득된 상기 특징 벡터를 이용하여, 상기 대상 영상블록이 상기 검출 대상 물체에 해당하는지 여부를 판단하는 것이 바람직하다.
도 7은 본 발명의 또 다른 실시예에 따른 에지 방향성분의 히스토그램에 기반한 물체 검출 장치의 블록도이다.
상기 본 발명의 또 다른 실시예에 따른 에지 방향성분의 히스토그램에 기반한 물체 검출 장치는 영상블록 입력부(210), 특징 벡터 산출부(220), 물체 검출부(230)를 포함할 수 있고, 필요에 따라 학습부(240)를 더 포함할 수 있다. 여기서 특징 벡터 산출부(220)는 위에서 도 1을 참조하면서 상세히 설명한 본 발명에 따른 에지 방향성분의 히스토그램에 기반한 물체 검출 장치의 에지 방향 히스토그램 산출부(120), 에지 방향 별 위치 벡터 산출부(130), 특징 벡터 획득부(140)가 동작하는 방식과 동일한 방식으로 동작할 수 있다. 따라서 이하에서는 중복되는 부분은 생략하고 간단히 설명한다.
영상블록 입력부(210)는 검출 대상 물체가 포함되었는지 여부를 판단할 대상이 되는 대상 영상블록을 입력받는다.
특징 벡터 산출부(220)는 화소에서의 영상 신호의 방향성을 나타내는 에지 방향의 개수와 각 방향을 설정하고, 상기 대상 영상블록에 대하여 상기 대상 영상블록의 각 화소 별로 상기 에지 방향을 산출하고, 상기 에지 방향의 분포를 나타내는 에지 방향 히스토그램을 산출하고, 상기 대상 영상블록의 각 화소 별 상기 에지 방향을 이용하여 상기 대상 영상블록에 대하여 상기 에지 방향 별 화소들의 위치를 나타내는 에지 방향 별 위치 벡터를 산출하고, 상기 에지 방향 히스토그램과 상기 에지 방향 별 위치 벡터로 구성된 특징 벡터를 획득한다.
여기서, 특징 벡터 산출부(220)는, 상기 대상 영상블록을 일정한 개수로 나눈 상기 셀 별로, 상기 에지 방향 별 위치 벡터를 산출하는 것이 바람직하다.
여기서, 특징 벡터 산출부(220)는, 각 상기 셀에 대하여, 상기 에지 방향 별로 상기 셀 내에서 각 상기 에지 방향을 가지는 화소들을 선택하고, 상기 에지 방향 별로 선택된 화소들의 상기 셀에서의 좌표값의 평균을 산출하는 것이 바람직하다. 그리고 이때 상기 에지 방향 별 위치 벡터는, 상기 산출된, 상기 에지 방향 별로 선택된 화소들의 상기 셀에서의 좌표값의 평균값을, 벡터의 성분으로 하는 것이 바람직하다.
물체 검출부(230)는 상기 특징 벡터를 이용하여 상기 대상 영상블록이 상기 검출 대상 물체에 해당하는지 여부를 판단한다.
여기서, 상기 에지 방향은, 상기 대상 영상블록의 좌표계를 기준으로 적어도 두 개 이상의 서로 다른 방향을 포함하도록 설정하는 것이 바람직하다.
여기서 상기 본 발명의 또 다른 실시예에 따른 에지 방향성분의 히스토그램에 기반한 물체 검출 장치는 영상블록 입력부(210), 특징 벡터 산출부(220), 물체 검출부(230)에 더하여 학습부(240)를 더 포함할 수 있다.
학습부(240)는 상기 검출 대상 물체에 대한 학습을 수행한다.
위와 같이 학습부(240)가 더 포함되는 경우, 영상블록 입력부(210)는 학습을 위하여 상기 검출 대상 물체에 관한 적어도 하나 이상의 학습 영상블록을 입력받고, 특징 벡터 산출부(220)는 상기 학습 영상블록에 대하여 상기 에지 방향 히스토그램과 상기 에지 방향 별 위치 벡터를 산출하여, 상기 학습 영상블록에 대한 상기 특징 벡터를 획득하는 것이 바람직하다.
여기서, 학습부(240)는 상기 학습 영상블록에 대한 상기 특징 벡터를 이용하여 상기 검출 대상 물체에 대한 학습을 수행하여 학습 모델을 획득하는 것이 바람직하다.
그리고 이때 물체 검출부(230)는, 학습부(240)에서 획득된 상기 학습 모델과, 특징 벡터 획득부에서 상기 대상 영상블록에 대하여 획득된 상기 특징 벡터를 이용하여, 상기 대상 영상블록이 상기 검출 대상 물체에 해당하는지 여부를 판단하는 것이 바람직하다.
도 8은 본 발명의 또 다른 실시예에 따른 에지 방향성분의 히스토그램에 기반한 물체 검출 방법의 흐름도이다.
상기 본 발명의 또 다른 실시예에 따른 에지 방향성분의 히스토그램에 기반한 물체 검출 방법은 영상블록 입력 단계(S100), 에지 방향 히스토그램 산출 단계(S200), 에지 방향 별 위치 벡터 산출 단계(S300), 특징 벡터 획득 단계(S400), 물체 검출 단계(S500)를 포함할 수 있다. 여기서 상기 본 발명의 또 다른 실시예는 학습 단계(S600)를 필요에 따라 더 포함할 수 있다. 상기 본 발명에 따른 에지 방향성분의 히스토그램에 기반한 물체 검출 방법은, 위에서 도 1을 참조하면서 상세히 설명한 본 발명에 따른 에지 방향성분의 히스토그램에 기반한 물체 검출 장치가 동작하는 방식과 동일한 방식으로 동작할 수 있다. 따라서 이하에서는 중복되는 부분은 생략하고 간단히 설명한다.
영상블록 입력 단계(S100)는 검출 대상 물체가 포함되었는지 여부를 판단할 대상이 되는 대상 영상블록을 입력받는다.
에지 방향 히스토그램 산출 단계(S200)는 화소에서의 영상 신호의 방향성을 나타내는 에지 방향의 개수와 각 방향을 설정하고, 상기 대상 영상블록에 대하여 상기 대상 영상블록의 각 화소 별로 상기 에지 방향을 산출하고, 상기 에지 방향의 분포를 나타내는 에지 방향 히스토그램을 산출한다.
에지 방향 별 위치 벡터 산출 단계(S300)는 상기 산출된 상기 대상 영상블록의 각 화소 별 상기 에지 방향을 이용하여, 상기 대상 영상블록에 대하여 상기 에지 방향 별 화소들의 위치를 나타내는 에지 방향 별 위치 벡터를 산출한다.
여기서, 에지 방향 별 위치 벡터 산출 단계(S300)는, 상기 대상 영상블록을 일정한 개수로 나눈 상기 셀 별로, 상기 에지 방향 별 위치 벡터를 산출하는 것이 바람직하다.
여기서, 에지 방향 별 위치 벡터 산출 단계(S300)는, 각 상기 셀에 대하여, 상기 에지 방향 별로 상기 셀 내에서 각 상기 에지 방향을 가지는 화소들을 선택하고, 상기 에지 방향 별로 선택된 화소들의 상기 셀에서의 좌표값의 평균을 산출하는 것이 바람직하다. 그리고 이때 상기 에지 방향 별 위치 벡터는, 상기 산출된, 상기 에지 방향 별로 선택된 화소들의 상기 셀에서의 좌표값의 평균값을, 벡터의 성분으로 하는 것이 바람직하다.
특징 벡터 획득 단계(S400)는 상기 에지 방향 히스토그램과 상기 에지 방향 별 위치 벡터를 포함하는 특징 벡터를 획득한다.
물체 검출 단계(S500)는 상기 획득된 특징 벡터를 이용하여, 상기 대상 영상블록이 상기 검출 대상 물체에 해당하는지 여부를 판단한다.
여기서 상기 본 발명의 또 다른 실시예는 학습 단계(S600)를 필요에 따라 더 포함할 수 있다.
학습 단계(S600)는 학습을 위하여 상기 검출 대상 물체에 관한 적어도 하나 이상의 학습 영상블록을 입력받고, 상기 학습 영상블록에 대하여 상기 에지 방향 히스토그램과 상기 에지 방향 별 위치 벡터를 산출하여, 상기 학습 영상블록에 대한 상기 특징 벡터를 획득하고, 상기 학습 영상블록에 대한 상기 특징 벡터를 이용하여 상기 검출 대상 물체에 대한 학습을 수행하여 학습 모델을 획득하는 것이 바람직하다. 다시 말하면 학습 단계(S600)에서는 적어도 하나 이상의 학습 영상블록에 대하여 영상블록 입력 단계(S100), 에지 방향 히스토그램 산출 단계(S200), 에지 방향 별 위치 벡터 산출 단계(S300), 특징 벡터 획득 단계(S400)를 거쳐 상기 학습 영상블록에 대한 상기 특징 벡터를 획득한 후, 상기 특징 벡터들을 기반으로 학습을 수행하여 학습 모델을 획득할 수 있다.
위와 같이 학습 단계(S600)가 더 포함되는 경우, 물체 검출 단계(S500)는 학습 단계(S600)에서 획득된 상기 학습 모델과, 상기 특징 벡터 획득 단계(S400)에서 상기 대상 영상블록에 대하여 획득된 상기 특징 벡터를 이용하여, 상기 대상 영상블록이 상기 검출 대상 물체에 해당하는지 여부를 판단하는 것이 바람직하다.
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.
110 : 영상블록 입력부
120 : 에지 방향 히스토그램 산출부
130 : 에지 방향 별 위치 벡터 산출부
140 : 특징 벡터 획득부
150 : 물체 검출부
160 : 학습부
210 : 영상블록 입력부
220 : 특징 벡터 산출부
230 : 물체 검출부
240 : 학습부
S100 : 영상블록 입력 단계
S200 : 에지 방향 히스토그램 산출 단계
S300 : 에지 방향 별 위치 벡터 산출 단계
S400 : 특징 벡터 산출 단계
S500 : 물체 검출 단계
S600 : 학습 단계

Claims (20)

  1. 물체 검출 장치에 있어서,
    검출 대상 물체가 포함되었는지 여부를 판단할 대상이 되는 대상 영상블록을 입력받는 영상블록 입력부;
    화소에서의 영상 신호의 방향성을 나타내는 에지 방향의 개수와 각 방향을 설정하고, 상기 대상 영상블록에 대하여 상기 대상 영상블록의 각 화소 별로 상기 에지 방향을 산출하고, 상기 에지 방향의 분포를 나타내는 에지 방향 히스토그램을 산출하는 에지 방향 히스토그램 산출부; 및
    상기 에지 방향 히스토그램 산출부에서 산출된 상기 대상 영상블록의 각 화소 별 상기 에지 방향을 입력받고, 상기 대상 영상블록에 대하여 상기 에지 방향 별 화소들의 위치를 나타내는 에지 방향 별 위치 벡터를 산출하는 에지 방향 별 위치 벡터 산출부를 포함하고,
    상기 에지 방향 별 위치 벡터 산출부는 상기 에지 방향 별로 각 상기 에지 방향을 가지는 화소들을 선별하고, 상기 에지 방향 별로 선별된 화소들의 좌표값에 따라 상기 에지 방향 별 위치 벡터를 산출하는 것을 특징으로 하는 에지 방향성분의 히스토그램에 기반한 물체 검출 장치
  2. 제1항에 있어서, 상기 에지 방향은,
    상기 대상 영상블록의 좌표계를 기준으로 적어도 두 개 이상의 서로 다른 방향을 포함하도록 설정하는 것을 특징으로 하는 에지 방향성분의 히스토그램에 기반한 물체 검출 장치
  3. 제1항에 있어서,
    상기 에지 방향 히스토그램 산출부에서 획득된 상기 에지 방향 히스토그램과 상기 에지 방향 별 위치 벡터 산출부에서 획득된 상기 에지 방향 별 위치 벡터를 포함하는 특징 벡터를 획득하는 특징 벡터 획득부를 더 포함하는 것을 특징으로 하는 에지 방향성분의 히스토그램에 기반한 물체 검출 장치
  4. 제3항에 있어서,
    상기 특징 벡터 획득부에서 상기 대상 영상블록에 대하여 획득된 상기 특징 벡터를 이용하여, 상기 대상 영상블록이 상기 검출 대상 물체에 해당하는지 여부를 판단하는 물체 검출부를 더 포함하는 것을 특징으로 하는 에지 방향성분의 히스토그램에 기반한 물체 검출 장치
  5. 제4항에 있어서,
    상기 검출 대상 물체에 대한 학습을 수행하는 학습부를 더 포함하고,
    상기 영상블록 입력부는 학습을 위하여 상기 검출 대상 물체에 관한 적어도 하나 이상의 학습 영상블록을 입력받고,
    상기 에지 방향 히스토그램 산출부는 상기 학습 영상블록에 대하여 상기 에지 방향 히스토그램을 산출하고,
    상기 에지 방향 별 위치 벡터 산출부는 상기 학습 영상블록에 대하여 상기 에지 방향 별 위치 벡터를 산출하고,
    상기 특징 벡터 획득부는 상기 학습 영상블록에 대하여 산출된 상기 에지 방향 히스토그램과 상기 에지 방향 별 위치 벡터를 포함하는 상기 학습 영상블록에 대한 상기 특징 벡터를 획득하고,
    상기 학습부는 상기 특징 벡터 획득부에서 획득된 상기 학습 영상블록에 대한 상기 특징 벡터를 이용하여 상기 검출 대상 물체에 대한 학습을 수행하여 학습 모델을 획득하고,
    상기 물체 검출부는, 상기 학습부에서 획득된 상기 학습 모델과, 상기 특징 벡터 획득부에서 상기 대상 영상블록에 대하여 획득된 상기 특징 벡터를 이용하여, 상기 대상 영상블록이 상기 검출 대상 물체에 해당하는지 여부를 판단하는 것을 특징으로 하는 에지 방향성분의 히스토그램에 기반한 물체 검출 장치
  6. 제1항 내지 제5항 중 어느 하나의 항에 있어서, 상기 에지 방향 히스토그램 산출부는,
    상기 대상 영상블록을 일정한 개수의 셀로 나누고, 상기 각 셀에 대하여 상기 에지 방향 히스토그램을 산출하는 것을 특징으로 하는 에지 방향성분의 히스토그램에 기반한 물체 검출 장치
  7. 제6항에 있어서, 상기 에지 방향 히스토그램 산출부는,
    상기 셀의 각 화소 별로 상기 에지 방향을 산출하고, 상기 에지 방향 별로 상기 셀 내에서 각 상기 에지 방향을 가지는 화소들의 수를 계수하여, 상기 에지 방향 별 화소들의 수의 분포를 나타내는 상기 에지 방향 히스토그램을 산출하는 것을 특징으로 하는 에지 방향성분의 히스토그램에 기반한 물체 검출 장치
  8. 제6항에 있어서, 상기 에지 방향 별 위치 벡터 산출부는,
    상기 대상 영상블록을 일정한 개수로 나눈 상기 셀 별로, 상기 에지 방향 별 위치 벡터를 산출하는 것을 특징으로 하는 에지 방향성분의 히스토그램에 기반한 물체 검출 장치
  9. 제8항에 있어서, 상기 에지 방향 별 위치 벡터 산출부는,
    각 상기 셀에 대하여, 상기 에지 방향 별로 상기 셀 내에서 각 상기 에지 방향을 가지는 화소들을 선택하고, 상기 에지 방향 별로 선택된 화소들의 상기 셀에서의 좌표값의 평균을 산출하고,
    상기 에지 방향 별 위치 벡터는, 상기 산출된, 상기 에지 방향 별로 선택된 화소들의 상기 셀에서의 좌표값의 평균값을, 벡터의 성분으로 하는 것을 특징으로 하는 에지 방향성분의 히스토그램에 기반한 물체 검출 장치
  10. 제9항에 있어서, 상기 에지 방향 별 위치 벡터 산출부는,
    상기 셀의 수평 좌표인 x 좌표와 수직 좌표인 y 좌표에 대하여 각각, 상기 에지 방향 별로 선택된 화소들의 상기 셀에서의 좌표값의 평균을 산출하고,
    상기 에지 방향 별 위치 벡터는, 상기 x 좌표와 상기 y 좌표에 대하여 각각 산출된, 상기 에지 방향 별로 선택된 화소들의 상기 셀에서의 좌표값의 평균값을, 벡터의 성분으로 하는 것을 특징으로 하는 에지 방향성분의 히스토그램에 기반한 물체 검출 장치
  11. 제10항에 있어서, 상기 에지 방향 별 위치 벡터는,
    하기 식 1 및 식 2와 같이 산출되는 것을 특징으로 하는 에지 방향성분의 히스토그램에 기반한 물체 검출 장치.
    식 1
    Figure 112014095690446-pat00068

    (여기서 Nc 는 상기 대상 영상블록 내의 상기 셀의 개수이고, T 는 상기 에지 방향의 개수이고,
    Figure 112014095690446-pat00069
    는 c 번째 상기 셀에서 상기 x 좌표에 대하여 산출된 상기 에지 방향 별 위치 벡터 성분을 나타내고,
    Figure 112014095690446-pat00070
    는 c 번째 상기 셀에서 상기 y 좌표에 대하여 산출된 상기 에지 방향 별 위치 벡터 성분을 나타내고,
    Figure 112014095690446-pat00071
    는 상기 셀 별로 산출된 상기 에지 방향 별 위치 벡터를 모두 함께 나타내는 벡터이다.)
    식 2
    Figure 112014095690446-pat00072

    (여기서
    Figure 112014095690446-pat00073
    는 c 번째 상기 셀에서 b 번째 상기 에지 방향을 가지는 화소들의 상기 x 좌표의 평균값을 나타내고,
    Figure 112014095690446-pat00074
    는 c 번째 상기 셀에서 b 번째 상기 에지 방향을 가지는 화소들의 상기 y 좌표의 평균값을 나타내고,
    Figure 112014095690446-pat00075
    는 c 번째 상기 셀의 상기 x 좌표 방향 크기이고,
    Figure 112014095690446-pat00076
    는 c 번째 상기 셀의 상기 y 좌표 방향 크기이고,
    Figure 112014095690446-pat00077
    는 입력변수 k 가 0이면 1이고, 입력변수 k 가 0이 아니면 0의 값을 가지는 함수이고,
    Figure 112014095690446-pat00078
    는 c 번째 상기 셀의 (x, y) 좌표의 화소의 상기 에지 방향을 나타내는 인덱스값을 가지는 함수이다.)
  12. 검출 대상 물체가 포함되었는지 여부를 판단할 대상이 되는 대상 영상블록을 입력받는 영상블록 입력부;
    화소에서의 영상 신호의 방향성을 나타내는 에지 방향의 개수와 각 방향을 설정하고, 상기 대상 영상블록에 대하여 상기 대상 영상블록의 각 화소 별로 상기 에지 방향을 산출하고, 상기 에지 방향의 분포를 나타내는 에지 방향 히스토그램을 산출하고, 상기 대상 영상블록의 각 화소 별 상기 에지 방향을 이용하여 상기 대상 영상블록에 대하여 상기 에지 방향 별 화소들의 위치를 나타내는 에지 방향 별 위치 벡터를 산출하고, 상기 에지 방향 히스토그램과 상기 에지 방향 별 위치 벡터로 구성된 특징 벡터를 획득하는 특징 벡터 산출부; 및
    상기 특징 벡터를 이용하여 상기 대상 영상블록이 상기 검출 대상 물체에 해당하는지 여부를 판단하는 물체 검출부를 포함하고,
    상기 특징 벡터 산출부는 상기 에지 방향 별로 각 상기 에지 방향을 가지는 화소들을 선별하고, 상기 에지 방향 별로 선별된 화소들의 좌표값에 따라 상기 에지 방향 별 위치 벡터를 산출하는 것을 특징으로 하는 에지 방향성분의 히스토그램에 기반한 물체 검출 장치
  13. 제12항에 있어서, 상기 에지 방향은,
    상기 대상 영상블록의 좌표계를 기준으로 적어도 두 개 이상의 서로 다른 방향을 포함하도록 설정하는 것을 특징으로 하는 에지 방향성분의 히스토그램에 기반한 물체 검출 장치
  14. 제12항에 있어서,
    상기 검출 대상 물체에 대한 학습을 수행하는 학습부를 더 포함하고,
    상기 영상블록 입력부는 학습을 위하여 상기 검출 대상 물체에 관한 적어도 하나 이상의 학습 영상블록을 입력받고,
    상기 특징 벡터 산출부는 상기 학습 영상블록에 대하여 상기 에지 방향 히스토그램과 상기 에지 방향 별 위치 벡터를 산출하여, 상기 학습 영상블록에 대한 상기 특징 벡터를 획득하고,
    상기 학습부는 상기 학습 영상블록에 대한 상기 특징 벡터를 이용하여 상기 검출 대상 물체에 대한 학습을 수행하여 학습 모델을 획득하고,
    상기 물체 검출부는, 상기 학습부에서 획득된 상기 학습 모델과, 상기 특징 벡터 산출부에서 상기 대상 영상블록에 대하여 획득된 상기 특징 벡터를 이용하여, 상기 대상 영상블록이 상기 검출 대상 물체에 해당하는지 여부를 판단하는 것을 특징으로 하는 에지 방향성분의 히스토그램에 기반한 물체 검출 장치
  15. 제12항 내지 제14항 중 어느 하나의 항에 있어서, 상기 특징 벡터 산출부는,
    상기 대상 영상블록을 일정한 개수로 나눈 셀 별로, 상기 에지 방향 별 위치 벡터를 산출하는 것을 특징으로 하는 에지 방향성분의 히스토그램에 기반한 물체 검출 장치
  16. 제15항에 있어서, 상기 특징 벡터 산출부는,
    각 상기 셀에 대하여, 상기 에지 방향 별로 상기 셀 내에서 각 상기 에지 방향을 가지는 화소들을 선택하고, 상기 에지 방향 별로 선택된 화소들의 상기 셀에서의 좌표값의 평균을 산출하고,
    상기 에지 방향 별 위치 벡터는, 상기 산출된, 상기 에지 방향 별로 선택된 화소들의 상기 셀에서의 좌표값의 평균값을, 벡터의 성분으로 하는 것을 특징으로 하는 에지 방향성분의 히스토그램에 기반한 물체 검출 장치
  17. 물체 검출 방법에 있어서,
    검출 대상 물체가 포함되었는지 여부를 판단할 대상이 되는 대상 영상블록을 입력받는 영상블록 입력단계;
    화소에서의 영상 신호의 방향성을 나타내는 에지 방향의 개수와 각 방향을 설정하고, 상기 대상 영상블록에 대하여 상기 대상 영상블록의 각 화소 별로 상기 에지 방향을 산출하고, 상기 에지 방향의 분포를 나타내는 에지 방향 히스토그램을 산출하는 에지 방향 히스토그램 산출 단계;
    상기 산출된 상기 대상 영상블록의 각 화소 별 상기 에지 방향을 이용하여, 상기 대상 영상블록에 대하여 상기 에지 방향 별 화소들의 위치를 나타내는 에지 방향 별 위치 벡터를 산출하는 에지 방향 별 위치 벡터 산출 단계;
    상기 에지 방향 히스토그램과 상기 에지 방향 별 위치 벡터를 포함하는 특징 벡터를 획득하는 특징 벡터 획득 단계; 및
    상기 획득된 특징 벡터를 이용하여, 상기 대상 영상블록이 상기 검출 대상 물체에 해당하는지 여부를 판단하는 물체 검출 단계를 포함하고,
    상기 에지 방향 별 위치 벡터 산출 단계는 상기 에지 방향 별로 각 상기 에지 방향을 가지는 화소들을 선별하고, 상기 에지 방향 별로 선별된 화소들의 좌표값에 따라 상기 에지 방향 별 위치 벡터를 산출하는 것을 특징으로 하는 에지 방향성분의 히스토그램에 기반한 물체 검출 방법
  18. 제17항에 있어서, 상기 에지 방향 별 위치 벡터 산출 단계는,
    상기 대상 영상블록을 일정한 개수로 나눈 셀 별로, 상기 에지 방향 별 위치 벡터를 산출하는 것을 특징으로 하는 에지 방향성분의 히스토그램에 기반한 물체 검출 방법
  19. 제18항에 있어서, 상기 에지 방향 별 위치 벡터 산출 단계는,
    각 상기 셀에 대하여, 상기 에지 방향 별로 상기 셀 내에서 각 상기 에지 방향을 가지는 화소들을 선택하고, 상기 에지 방향 별로 선택된 화소들의 상기 셀에서의 좌표값의 평균을 산출하고,
    상기 에지 방향 별 위치 벡터는, 상기 산출된, 상기 에지 방향 별로 선택된 화소들의 상기 셀에서의 좌표값의 평균값을, 벡터의 성분으로 하는 것을 특징으로 하는 에지 방향성분의 히스토그램에 기반한 물체 검출 방법
  20. 제17항 내지 제19항 중 어느 하나의 항에 있어서,
    학습을 위하여 상기 검출 대상 물체에 관한 적어도 하나 이상의 학습 영상블록을 입력받고, 상기 학습 영상블록에 대하여 상기 에지 방향 히스토그램과 상기 에지 방향 별 위치 벡터를 산출하여, 상기 학습 영상블록에 대한 상기 특징 벡터를 획득하고, 상기 학습 영상블록에 대한 상기 특징 벡터를 이용하여 상기 검출 대상 물체에 대한 학습을 수행하여 학습 모델을 획득하는 학습 단계를 더 포함하고,
    상기 물체 검출 단계는 상기 학습 단계에서 획득된 상기 학습 모델과, 상기 특징 벡터 획득 단계에서 상기 대상 영상블록에 대하여 획득된 상기 특징 벡터를 이용하여, 상기 대상 영상블록이 상기 검출 대상 물체에 해당하는지 여부를 판단하는 것을 특징으로 하는 에지 방향성분의 히스토그램에 기반한 물체 검출 방법
KR1020140135092A 2014-10-07 2014-10-07 에지 방향성분의 히스토그램에 기반한 물체 검출 장치 및 그 방법 KR101527885B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140135092A KR101527885B1 (ko) 2014-10-07 2014-10-07 에지 방향성분의 히스토그램에 기반한 물체 검출 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140135092A KR101527885B1 (ko) 2014-10-07 2014-10-07 에지 방향성분의 히스토그램에 기반한 물체 검출 장치 및 그 방법

Publications (1)

Publication Number Publication Date
KR101527885B1 true KR101527885B1 (ko) 2015-06-10

Family

ID=53505788

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140135092A KR101527885B1 (ko) 2014-10-07 2014-10-07 에지 방향성분의 히스토그램에 기반한 물체 검출 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR101527885B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100100122A (ko) * 2009-03-05 2010-09-15 삼성전자주식회사 입력영상에서 용이하게 에지를 검출할 수 있는 영상처리방법 및 장치
KR20110052962A (ko) * 2009-11-13 2011-05-19 한국전자통신연구원 객체 인식 장치 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100100122A (ko) * 2009-03-05 2010-09-15 삼성전자주식회사 입력영상에서 용이하게 에지를 검출할 수 있는 영상처리방법 및 장치
KR20110052962A (ko) * 2009-11-13 2011-05-19 한국전자통신연구원 객체 인식 장치 및 방법

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
논문 1 *
논문 2 *

Similar Documents

Publication Publication Date Title
EP3295424B1 (en) Systems and methods for reducing a plurality of bounding regions
US10532459B2 (en) Information processing apparatus, information processing method, and storage medium for grasping an object
Boyer et al. SHREC 2011: robust feature detection and description benchmark
US9600745B2 (en) Image recognition system, image recognition method, and non-transitory computer readable medium storing image recognition program
US20060008145A1 (en) Image data processing apparatus and method, and image data processing program
US10147015B2 (en) Image processing device, image processing method, and computer-readable recording medium
US10255673B2 (en) Apparatus and method for detecting object in image, and apparatus and method for computer-aided diagnosis
JP6245880B2 (ja) 情報処理装置および情報処理手法、プログラム
US10515459B2 (en) Image processing apparatus for processing images captured by a plurality of imaging units, image processing method, and storage medium storing program therefor
JP5339065B2 (ja) 対象物追跡装置
US8923610B2 (en) Image processing apparatus, image processing method, and computer readable medium
KR101551576B1 (ko) 로봇 청소기, 제스쳐 인식 장치 및 방법
EP3330921A1 (en) Information processing device, measuring apparatus, system, calculating method, storage medium, and article manufacturing method
US20070206862A1 (en) Information processing apparatus, method of computer control, computer readable medium, and computer data signal
CN114972489A (zh) 托盘识别方法、装置、存储介质及智能叉车设备
KR101556598B1 (ko) 주요 픽셀 정보에 기반한 물체 검출 장치 및 그 방법
JP2018036770A (ja) 位置姿勢推定装置、位置姿勢推定方法、及び位置姿勢推定プログラム
KR20230030501A (ko) 기하학적 패턴 매칭 방법 및 이러한 방법을 수행하는 장치
JP2014197342A (ja) 物体位置検出装置、物体位置検出方法、及びプログラム
EP3955207A1 (en) Object detection device
JP2013069045A (ja) 画像認識装置、画像認識方法および画像認識プログラム
JP5953166B2 (ja) 画像処理装置及びプログラム
KR101527885B1 (ko) 에지 방향성분의 히스토그램에 기반한 물체 검출 장치 및 그 방법
US20220392107A1 (en) Image processing apparatus, image processing method, image capturing apparatus, and non-transitory computer-readable storage medium
JP6326622B2 (ja) 人物検出装置

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: 20180605

Year of fee payment: 4