KR101553012B1 - 객체 추출 장치 및 방법 - Google Patents

객체 추출 장치 및 방법 Download PDF

Info

Publication number
KR101553012B1
KR101553012B1 KR1020120139264A KR20120139264A KR101553012B1 KR 101553012 B1 KR101553012 B1 KR 101553012B1 KR 1020120139264 A KR1020120139264 A KR 1020120139264A KR 20120139264 A KR20120139264 A KR 20120139264A KR 101553012 B1 KR101553012 B1 KR 101553012B1
Authority
KR
South Korea
Prior art keywords
image frame
pattern
information
horizon
motion
Prior art date
Application number
KR1020120139264A
Other languages
English (en)
Other versions
KR20140071191A (ko
Inventor
배순민
Original Assignee
한화테크윈 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한화테크윈 주식회사 filed Critical 한화테크윈 주식회사
Priority to KR1020120139264A priority Critical patent/KR101553012B1/ko
Publication of KR20140071191A publication Critical patent/KR20140071191A/ko
Application granted granted Critical
Publication of KR101553012B1 publication Critical patent/KR101553012B1/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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Abstract

본 발명을 객체 추출 장치 및 방법에 관한 것으로, 패턴 매칭 및 차영상을 이용하여 객체를 추출하는 객체 추출 장치 및 방법에 관한 것이다. 객체 추출 방법은 순차적으로 입력되는 각 영상 프레임 내에서 지평선을 기준으로 하여 지평선으로부터 임의의 픽셀까지 거리에 따라 다른 패턴 사이즈를 설정하는 단계, 다른 패턴 사이즈로 영상 프레임을 스캔하면서 패턴과 매칭되는 객체를 추출하는 단계, 객체가 추출된 이전 영상 프레임 및 현재 영상 프레임의 차 영상 프레임으로부터 객체의 움직임을 검출하는 단계, 객체 추출 정보 및 움직임 검출 정보를 융합하여 객체의 위치를 연산하여 전송하는 단계를 포함한다.

Description

객체 추출 장치 및 방법{Apparatus and method for extracting object}
본 발명을 객체 추출 장치 및 방법에 관한 것으로, 패턴 매칭 및 차영상을 이용하여 객체를 추출하는 객체 추출 장치 및 방법에 관한 것이다.
사람 또는 자동차와 같은 객체를 탐지 및 추적하는 기술은 영상 분석 연구 분야와 감시 경계 사업 분야에서 가장 중요하게 다루어지고 있다. 카메라를 일정 지역에 설치하여 범죄를 저지른 사람이나, 교통 법규를 위반한 자동차를 탐지하거나, 이동하는 장비에 카메라를 설치하여 장애물을 회피하거나, 침입체를 검출하여 추적하는 데도 사용된다.
종래의 객체 탐지 방법은 정지 영상에서 특징점을 찾아서 주변 패턴이 탐지하고자 하는 객체의 패턴과 일치할 때 객체로 추출한다. 이러한 방법은 영상 내에서 에지가 많은 곳에 오탐이 발생할 수 있다. 또한 움직임 검출을 이용하여 객체를 검출하는 방법이 있으나, 배경 영상의 흔들림이 많은 곳이나 에지가 많은 곳에 오탐이 발생할 수 있다.
국내 공개 특허 공보 제 2008-0028700 호
본 발명이 해결하고자 하는 기술적인 과제는 패턴 매칭을 통한 객체 추출 정보 및 차영상을 이용한 움직임 검출 정보를 융합하여 오탐을 줄이고 정확하게 객체를 추출할 수 있는 객체 추출 장치 및 방법을 제공하는데 있다.
본 발명이 이루고자 하는 기술적인 과제를 해결하기 위한 일 실시 예에 따른 객체 추출 방법은 순차적으로 입력되는 각 영상 프레임 내에서 지평선을 기준으로 하여 지평선으로부터 임의의 픽셀까지 거리에 따라 다른 패턴 사이즈를 설정하는 단계; 상기 다른 패턴 사이즈로 영상 프레임을 스캔하면서 상기 패턴과 매칭되는 객체를 추출하는 단계; 상기 객체가 추출된 이전 영상 프레임 및 현재 영상 프레임의 차 영상 프레임으로부터 상기 객체의 움직임을 검출하는 단계; 및 상기 객체 추출 정보 및 상기 움직임 검출 정보를 융합하여 상기 객체의 위치를 연산하여 전송하는 단계;를 포함하는 것을 특징으로 한다.
본 발명에 있어서, 상기 패턴 사이즈를 설정하는 단계 이전에, 데이터베이스에 저장된 객체 모델들 중 임의의 객체를 선택하는 단계;를 더 포함하는 것을 특징으로 한다.
본 발명에 있어서, 상기 패턴 사이즈를 설정하는 단계는, 상기 영상 프레임으로부터 상기 지평선을 검출하는 단계; 상기 카메라의 높이 정보를 획득하는 단계; 상기 객체의 실제 크기 정보를 획득하는 단계; 및 상기 지평선으로부터 임의의 픽셀까지의 거리, 상기 카메라의 높이 정보 및 상기 객체의 실제 크기 정보를 이용하여 상기 영상 프레임 내에서 스캔할 서로 다른 패턴 사이즈를 설정하는 단계;를 포함하는 것을 특징으로 한다.
본 발명이 이루고자 하는 기술적인 과제를 해결하기 위한 다른 실시 예에 따른 객체 추출 방법은 이전 영상 프레임 및 현재 영상 프레임의 차 영상 프레임으로부터 임의의 객체에 대한 움직임을 검출하는 단계; 상기 차 영상 프레임 내에서 지평선을 검출하고, 상기 지평선으로부터 상기 움직임이 검출된 임의의 픽셀까지 거리에 따라 다른 패턴 사이즈를 설정하는 단계; 다른 패턴 사이즈로 상기 차 영상 프레임을 스캔하면서 상기 패턴과 매칭되는 객체를 추출하는 단계; 및 상기 움직임 검출 정보 및 상기 객체 추출 정보를 융합하여 상기 객체의 위치를 연산하고 전송하는 단계;를 포함하는 것을 특징으로 한다.
본 발명이 이루고자 하는 기술적인 과제를 해결하기 위한 일 실시 예에 따른 객체 추출 장치는 카메라로 촬영되어 순차적으로 입력되는 각 영상 프레임 내에서 지평선을 기준으로 하여 지평선으로부터 임의의 픽셀까지 거리에 따라 다른 패턴 사이즈를 설정하는 패턴 추출부; 상기 다른 패턴 사이즈로 영상 프레임을 스캔하면서 상기 패턴과 매칭되는 객체를 추출하는 패턴 매칭부; 상기 객체가 추출된 이전 영상 프레임 및 현재 영상 프레임의 차 영상 프레임으로부터 상기 객체의 움직임을 검출하는 움직임 검출부; 및 상기 객체 추출 정보 및 상기 움직임 검출 정보를 융합하여 상기 객체의 위치를 연산하여 전송하는 융합부;를 포함하는 것을 특징으로 한다.
본 발명에 있어서, 데이터베이스에 저장된 객체들 중 추적하고자 하는 상기 객체를 선택하는 객체 선택부;를 더 포함하는 것을 특징으로 한다.
본 발명에 있어서, 상기 패턴 설정부는, 상기 영상으로부터 지평선을 검출하고, 상기 카메라의 높이 정보 및 상기 객체의 크기 정보를 획득하여 상기 영상 프레임 내에서 스캔할 서로 다른 패턴 사이즈를 설정하는 것을 특징으로 한다.
상술한 바와 같이 본 발명에 따르면, 패턴 매칭을 통한 객체 추출 정보 및 차영상을 이용한 움직임 검출 정보를 융합하여 오탐을 줄이고 정확하게 객체를 추출할 수 있다.
도 1은 본 발명의 일 실시 예에 따른 객체 추출 장치의 구성을 보이는 블록도 이다.
도 2는 도 1 중 데이터베이스에 저장된 객체 모델들을 보이는 도면이다.
도 3은 도 1 중 일 실시 예에 따른 패턴 매칭 및 차영상을 이용한 객체 추출을 설명하기 위한 도면이다.
도 4는 도 1 중 다른 실시 예에 따른 패턴 매칭 및 차영상을 이용한 객체 추출을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시 예에 따른 객체 추출 방법의 동작을 보이는 흐름도 이다.
도 6은 본 발명의 다른 실시 예에 따른 객체 추출 방법의 동작을 보이는 흐름도 이다.
이하, 본 발명의 실시 예를 첨부도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 본 발명의 일 실시 예에 따른 객체 추출 장치의 구성을 보이는 블록도 이다.
도 1을 참조하면, 객체 추출 장치(10)는 카메라(100), 영상 처리부(200), 데이터베이스(300), 객체 선택부(400), 패턴 설정부(500), 패턴 매칭부(600), 움직임 검출부(700) 및 융합부(800)를 포함한다.
카메라(100)는 예컨대 COMS(complementary metal-oxide semiconductor) 모듈 또는 CCD(charge coupled device) 모듈 등을 이용하여 피사체를 촬영하는 카메라를 의미하는 것으로, 입력되는 영상 프레임은 렌즈를 통해 COMS 모듈 또는 CCD 모듈로 제공되고, COMS 모듈 또는 CCD 모듈은 렌즈를 통과한 피사체의 광신호를 전기적 신호(촬영 신호)로 변환하여 출력한다.
영상 처리부(200)는 카메라(100)로부터 출력되는 영상 프레임 신호에 대해 노이즈를 저감하고, 감마 보정(Gamma Correction), 색필터 배열보간(color filter array interpolation), 색 매트릭스(color matrix), 색보정(color correction), 색 향상(color enhancement) 등의 화질 개선을 위한 영상 신호 처리를 수행한다.
또한, 영상 처리부(200)는 화질 개선을 위한 영상 신호 처리를 하여 생성한 영상 데이터를 압축 처리하여 영상 파일을 생성할 수 있으며, 또는 상기 영상 파일로부터 영상 데이터를 복원할 수 있다. 영상의 압축형식은 가역 형식 또는 비가역 형식을 포함한다.
또한, 영상 처리부(200)에서는 기능적으로 색채 처리, 블러 처리, 에지 강조 처리, 영상 해석 처리, 영상 인식 처리, 영상 이펙트 처리 등도 행할 수 있다. 영상 인식 처리로 얼굴 인식, 장면 인식 처리 등을 행할 수 있다. 예를 들어, 휘도 레벨 조정, 색 보정, 콘트라스트 조정, 윤곽 강조 조정, 화면 분할 처리, 캐릭터 영상 등 생성 및 영상의 합성 처리 등을 행할 수 있다.
데이터베이스(300)에는 다양한 객체 모델 정보가 저장되어 있다. 도 2에는 데이터베이스(300)에 저장된 다양한 객체 모델들의 종류가 도시되어 있는데, 예를 들어, 사람, 병, 고양이, 자동차에 대한 객체 모델 정보가 저장되어 있다. 그러나, 데이터베이스(300)에 저장되어 있는 객체 모델들은 사람, 병, 고양이, 자동차에 한정되지 않고 다양한 종류의 객체 모델들이 저장될 수 있다. 이때 데이터베이스(300)에는 객체 모델들의 실제 크기 정보, 예를 들어, 사람의 신장(170cm), 자동차 높이(120cm)등의 정보가 함께 저장되어 있다.
데이터베이스(300)에 저장되는 객체 모델들은 밝기의 분포 방향을 히스토그램으로 표현하여 특징 벡터로 사용하는 HOG(histogram of gradient)로 저장되어 있다. HOG 알고리즘은 객체의 특징을 추출하기 위한 알고리즘의 한 형식으로, 영상을 바둑판 모양의 정사각형 형태로 나누고, 그 각각의 정사각형 그리드(Grid) 내에서 밝기의 분포 방향(Orientation)의 로컬 히스토그램을 계산하는 알고리즘을 말하며, 특히 복수개의 픽셀로 이루어진 셀 및 상기 복수개의 셀로 이루어진 블록을 사용하여, 상기 변환된 이미지의 특징 벡터(Feature Vector)를 추출하게 된다. 도 2a에는 객체 모델로서 사람에 대해 HOG 알고리즘을 적용하여 추출된 특징 벡터가, 도 2b에는 병에 대한 특징 벡터가, 도 2c에는 고양이에 대한 특징벡터가, 도 2d에는 자동차에 대한 특징 벡터가 도시되어 있다. 이와 같이 본 발명에서는 객체 모델들의 특징을 추출을 위해 HOG 알고리즘을 적용하였으나, 이에 국한 되지 않고, 객체 모델의 특징 추출을 위한 Image Normalization, SQI(self-quotient image), MCT(modified census transform) 등 다양한 방법이 이용될 수 있다.
객체 선택부(400)는 데이터베이스(300)에 저장된 다양한 객체 모델들 중 추적하고자 하는 객체 모델을 선택한다. 예를 들어 객체 선택부(400)는 사용자의 선택에 의해 HOG로 표현된 사람 또는 자동차를 선택할 수 있다.
패턴 설정부(500)는 영상 프레임 내에서 지평선을 기준으로 하여, 지평선으로부터의 픽셀까지의 거리에 따라 다른 패턴 사이즈를 설정한다. 패턴 사이즈 설정을 위해 패턴 설정부(500)는 영상 프레임으로부터 지평선을 검출하여 그 위치 정보를 알아야 하고, 실제 카메라(100)의 높이 정보, 객체의 실제 크기 정보를 알아야 한다. 여기서 실제 카메라(100)의 높이 정보는 미리 설정되어 있고, 객체의 실제 크기 정보는 데이터베이스(300)로부터 검색하여 알 수 있다.
패턴 설정부(500)는 영상 프레임으로부터 지평선을 검출하는데, 지평선 검출은 영상을 하늘 영역과 비하늘 영역으로 나누는 방법으로 설명할 수 있다. 지평선 검출 방법은 크게 두 가지로 나눌 수 있다.
첫 번째는 하늘 영역이 대부분 영상의 위쪽 부분을 차지한다는 영상의 특성을 이용한 영역 기반 기법(region based approach)이다. 이는 지평선을 검출하기 위해 임계값을 이용하는데, 임계값을 구하기 위해 다수의 소형 필터(미도시)와 영상의 밝기 차이를 이용한다. 임계값이 구해지면 위로부터 아래 방향으로의 수직적 탐색 과정이 이루어진다. 그 후 임계값 이하의 명암값을 갖는 점을 지평선을 이루를 점으로 판별한다.
두 번째는 지평선이 두 구별되는 영역의 경계로 볼 수 있다는 사실을 이용한 에지 기반 기법(edge based approach)을 활용하여 지평선을 검출하기 위해 그래디언드 값을 활용한다. 패턴 설정부(500)는 상기와 같은 방법으로 영상 프레임 내에서 지평선을 검출하고, 지평선의 위치 정보를 획득할 수 있다.
패턴 설정부(500)가 설정하는 패턴 사이즈는, 영상 프레임 내의 지평선으로부터 임의의 픽셀까지의 거리 및 영상 프레임 내에서 객체의 크기(패턴 사이즈)의 비율이 카메라(100)의 높이 및 객체 선택부(400)에서 선택한 객체의 실제 크기의 비율과 동일하다는 가정하에 계산할 수 있다. 이와 같은 가정으로 영상 프레임 내에서 객체의 크기 즉 패턴 사이즈는 다음 수학식으로 계산할 수 있다.
Figure 112012100220013-pat00001
도 3a에는 객체 선택부(400)에서 선택한 객체에 대하여, 영상 프레임 내의 지평선을 기준으로 하여, 지평선에서 임의의 픽셀까지의 거리에 따라 패턴 사이즈가 변화되는 것을 보여준다. 도 3a를 참조하면, 패턴 설정부(500)는 지평선의 위치 정보, 추적하고자 하는 객체, 그 객체의 실제 크기 정보, 카메라(100)의 실제 높이 정보를 이미 가지고 있다. 이 상태에서 패턴 설정부(500)는 상기 정보 및 지평선에서 임의의 픽셀(pix1)까지의 거리 d1을 수학식 1에 적용하여 패턴 사이즈 P1을 설정한다. 또한 패턴 설정부(500)는 상기 정보 및 지평선에서 임의의 픽셀(pix2)까지의 거리 d2를 수학식 1에 적용하여 패턴 사이즈 P2를 설정한다. 이와 같은 방법으로 패턴 설정부(500)는 상기 정보 및 지평선에서 임의의 픽셀(pix1 pixn)까지의 거리(d1?n)를 수학식 1에 적용하여 패턴 사이즈 (P1?n)를 설정할 수 있다.
패턴 매칭부(600)는 다른 사이즈로 설정되는 패턴으로 영상 프레임을 스캔하면서 상기 패턴과 매칭되는 객체를 추출한다. 패턴 매칭부(600)는 영상 프레임 내에서 객체의 크기 정보, 패턴 사이즈 정보 등을 포함하는 객체 추출 정보를 출력한다.
도 3b 및 도 3c에는 패턴 매칭부(600)가 다른 사이즈 패턴으로 t 시간(예를 들어, 이전)의 영상 프레임 및 t+1 시간(예를 들어, 현재)의 영상 프레임을 스캔하면서 패턴과 매칭되는 객체를 추출하는 것을 보여준다. 도 3b로부터 패턴 매칭부(600)가 t 시간의 영상 프레임의 임의의 거리 da에서 계산된 패턴 사이즈 Pa로 영상 프레임 스캔 중에 패턴 Pa와 매칭되는 객체(예를 들어 자동차)가 추출되었음을 보여준다. 도 3c로부터 패턴 매칭부(600)가 t+1 시간의 영상 프레임의 임의의 거리 db에서 계산된 패턴 사이즈 Pb로 영상 프레임 스캔 중에 패턴 Pb와 매칭되는 객체(예를 들어 자동차)가 추출되었음을 보여준다
움직임 검출부(700)는 객체가 추출된 t+1 시간 영상 프레임 및 t 시간의 영상 프레임의 차 영상 프레임으로부터 객체의 움직임을 검출한다. 도 3d에는 t+1 시간 영상 프레임 및 t 시간의 영상 프레임의 차 영상 프레임이 도시되어 있다. 움직임 검출부(700)는 차 영상 프레임으로부터 움직임이 검출된 위치 정보, 영상 프레임 내에서의 움직임 크기 정보 등을 포함하는 움직임 정보를 출력한다.
융합부(800)는 패턴 매칭부(600)로부터의 객체의 크기 정보, 패턴 사이즈 정보 등을 포함하는 객체 추출 정보 및 움직임 검출부(700)로부터의 움직임이 검출된 위치 정보, 움직임 크기 정보 등을 포함하는 움직임 정보를 이용하여 최종 객체의 정확환 위치를 연산하고, 이를 외부로 전송한다. 여기서 외부라함은 사용자가 볼 수 있도록 하는 디스플레이부(미도시)일 수 있거나, 또는 객체 위치 정보를 이용하는 다른 장치(미도시)일 수 있다.
도 1에 개시된 객체 추출 장치(10)는 패턴 매칭을 통한 객체 검출 후, 차영상을 통한 움직임 검출을 융합하여 객체의 위치를 연산하고 있으나, 이와 다르게 차영상을 통한 움직임 검출 후, 패턴 매칭을 통한 객체 검출을 융합하여 객체의 위치를 연산할 수 도 있다.
이를 설명하며, 움직임 검출부(700)는 객체가 추출된 t+1 시간 영상 프레임 및 t 시간의 영상 프레임의 차 영상 프레임으로부터 객체의 움직임을 검출한다. 도 4a에는 t 시간 영상 프레임을 도시하고 있고, 도 4b에는 t+1 시간의 영상 프레임을 도시하고 있고, 도 4c에는 차 영상 프레임이 도시되어 있다.
패턴 설정부(500)는 움직임 검출부(700)에서 출력되는 차 영상 프레임 내에서 지평선을 검출하고, 지평선으로부터 움직임이 검출된 임의의 픽셀까지 거리에 따라 다른 패턴 사이즈를 설정하고, 패턴 매칭부(600)는 다른 패턴 사이즈로 차 영상 프레임을 스캔하면서 패턴과 매칭되는 객체를 추출한다. 도 4d로부터 패턴 매칭부(600)가 차 영상 프레임의 임의의 거리 df에서 계산된 패턴 사이즈 Pf로 영상 프레임 스캔 중에 패턴 Pf와 매칭되는 객체(예를 들어 자동차)가 추출되었음을 보여준다.
융합부(800)는 움직임 검출 정보 및 객체 추출 정보를 융합하여 객체의 위치를 연산하고 외부로 전송한다.
또한 도 1에 개시된 객체 추출 장치(10)에는 카메라(100) 자체의 움직임 발생에 대비, 카메라(100)에 움직임이 발생할 경우 이를 보상하기 위한 카메라 모션 보상부(미도시)를 더 포함할 수 있다.
또한 융합부(800)가 객체의 위치 검출 시에 관심 영역(ROI: region of interest) 설정부(미도시)를 더 포함하여, 관심 영역을 자동 또는 수동으로 설정하고, 객체 위치 검출 시에 관심 영역에 대해서만 객체의 위치가 계산되도록 할 수도 있다.
이와 같이, 패턴 매칭을 통한 객체 추출 정보 및 차영상을 이용한 움직임 검출 정보를 융합하여 오탐을 줄이고 정확하게 객체를 추출할 수 있다.
이하, 도 5 및 도 6을 참조하여, 본 발명에 따른 객체 추출 방법을 설명하기로 한다.
먼저, 도 5를 참조하며 본 발명의 일 실시 예에 따른 객체 추출 방법을 설명한다. 이하의 설명에서 도 1 내지 도 4에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다.
객체 추출 장치(10)는 순차적으로 입력되는 각 영상 프레임 내에서 지평선을 기준으로 하여 지평선으로부터 임의의 픽셀까지 거리에 따라 다른 패턴 사이즈를 설정하는 단계(S110)를 수행한다. 여기서 객체 추출 장치(10)는 패턴 사이즈를 설정하는 단계를 수행하기 이전에, 데이터베이스에 저장된 객체 모델들 중 임의의 객체를 선택한다. 객체 추출 장치(10)는 패턴 사이즈를 설정 시에, 영상 프레임으로부터 지평선을 검출하고, 카메라의 높이 정보를 획득하고, 객체의 실제 크기 정보를 획득한 후, 지평선으로부터 임의의 픽셀까지의 거리, 카메라의 높이 정보 및 객체의 실제 크기 정보를 이용하여 영상 프레임 내에서 스캔할 서로 다른 패턴 사이즈를 설정한다.
패턴 사이즈 설정이 완료되면, 객체 추출 장치(10)는 다른 패턴 사이즈로 영상 프레임을 스캔하면서 패턴과 매칭되는 객체를 추출하는 단계(S120)를 수행한다. 객체 추출 시에, 객체 추출 장치(10)는 영상 프레임 내에서 객체의 크기 정보, 패턴 사이즈 정보 등을 포함하는 객체 추출 정보를 출력할 수 있다.
객체 추출이 완료되면, 객체 추출 장치(10)는 객체가 추출된 이전 영상 프레임 및 현재 영상 프레임의 차 영상 프레임으로부터 객체의 움직임을 검출하는 단계(S130)를 수행한다. 객체의 움직임 검출 시에, 객체 추출 장치(10)는 차 영상 프레임으로부터 움직임이 검출된 위치 정보, 영상 프레임 내에서의 움직임 크기 정보 등을 포함하는 움직임 정보를 출력할 수 있다.
차 영상 프레임으로부터 움직임 검출이 완료되면, 객체 추출 장치(10)는 객체 추출 정보 및 움직임 검출 정보를 융합하여 객체의 위치를 연산하여 전송하는 단계(S140)를 수행한다.
이어서, 도 6을 참조하며 본 발명의 일 실시 예에 따른 객체 추출 방법을 설명한다. 이하의 설명에서 도 1 내지 도 5에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다.
객체 추출 장치(10)는 이전 영상 프레임 및 현재 영상 프레임의 차 영상 프레임으로부터 임의의 객체에 대한 움직임을 검출하는 단계(S210)를 수행한다.
움직임 검출이 완료되면, 객체 추출 장치(10)는 차 영상 프레임 내에서 지평선을 검출하고, 지평선으로부터 움직임이 검출된 임의의 픽셀까지 거리에 따라 다른 패턴 사이즈를 설정하는 단계(S220)를 수행한다.
패턴 사이즈 설정이 완료되면, 객체 추출 장치(10)는 다른 패턴 사이즈로 차 영상 프레임을 스캔하면서 패턴과 매칭되는 객체를 추출하는 단계(S230)를 수행한다.
이후 객체 추출 장치(10)는 움직임 검출 정보 및 객체 추출 정보를 융합하여 객체의 위치를 연산하고 전송하는 단계(S240)를 수행한다.
한편, 본 발명은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다.
컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현하는 것을 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고 본 발명을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술 분야의 프로그래머들에 의하여 용이하게 추론될 수 있다.
이제까지 본 발명에 대하여 바람직한 실시 예를 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 본 발명을 구현할 수 있음을 이해할 것이다. 그러므로 상기 개시된 실시 예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 한다.
100: 카메라
200: 영상 처리부
300: 객체 선택부
400: 데이터베이스
500: 패턴 설정부
600: 패턴 매칭부
700: 움직임 검출부
800: 융합부

Claims (7)

  1. 삭제
  2. 삭제
  3. 삭제
  4. 삭제
  5. 카메라로 촬영되어 순차적으로 입력되는 각 영상 프레임 내에서 지평선을 기준으로 하여 지평선으로부터 임의의 픽셀까지 거리에 따라 다른 패턴 사이즈를 설정하는 패턴 설정부;
    상기 다른 패턴 사이즈로 영상 프레임을 스캔하면서 상기 패턴과 매칭되는 객체를 추출하는 패턴 매칭부;
    상기 객체가 추출된 이전 영상 프레임 및 현재 영상 프레임의 차 영상 프레임으로부터 상기 객체의 움직임을 검출하는 움직임 검출부; 및
    상기 객체 추출 정보 및 상기 움직임 검출 정보를 융합하여 상기 객체의 최종 위치를 연산하여 사용자가 볼 수 있는 디스플레이부로 전송하는 융합부;를 포함하고,
    상기 패턴 설정부는,
    상기 영상 프레임으로부터 상기 지평선을 검출하고, 상기 카메라의 높이 정보를 획득하고, 상기 영상 프레임 내에서 상기 객체의 실제 크기 정보를 획득하고, 상기 지평선으로부터 임의의 픽셀까지의 거리 및 상기 객체의 실제 크기 정보의 곱을 상기 카메라의 높이 정보로 나눈 결과를 상기 영상 프레임 내에서 스캔할 서로 다른 패턴 사이즈로 설정하는 것을 특징으로 하는 객체 추출 장치.
  6. 제 5항에 있어서,
    데이터베이스에 저장된 객체들 중 추적하고자 하는 상기 객체를 선택하는 객체 선택부;를 더 포함하는 것을 특징으로 하는 객체 추출 장치.
  7. 삭제
KR1020120139264A 2012-12-03 2012-12-03 객체 추출 장치 및 방법 KR101553012B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120139264A KR101553012B1 (ko) 2012-12-03 2012-12-03 객체 추출 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120139264A KR101553012B1 (ko) 2012-12-03 2012-12-03 객체 추출 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20140071191A KR20140071191A (ko) 2014-06-11
KR101553012B1 true KR101553012B1 (ko) 2015-09-30

Family

ID=51125744

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120139264A KR101553012B1 (ko) 2012-12-03 2012-12-03 객체 추출 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101553012B1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101726695B1 (ko) * 2015-01-23 2017-04-13 한화테크윈 주식회사 객체추적방법
KR102489429B1 (ko) * 2021-03-09 2023-01-18 주식회사 케이에이알 원격 주행을 위한 주행 영상 데이터 송수신 시스템 및 이의 실행 방법
KR102546661B1 (ko) * 2022-11-09 2023-06-22 김병준 엣지 ai 기술 기반의 객체 식별 및 사전 경보를 제공하는 장치

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010517139A (ja) * 2007-01-18 2010-05-20 シーメンス コーポレイト リサーチ インコーポレイテツド 車両を検出および追跡するためのシステムおよび方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010517139A (ja) * 2007-01-18 2010-05-20 シーメンス コーポレイト リサーチ インコーポレイテツド 車両を検出および追跡するためのシステムおよび方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Bertozzi, Massimo, et al. "IR pedestrian detection for advanced driver assistance systems." Pattern Recognition. Springer Berlin Heidelberg, 2003. 582-590.

Also Published As

Publication number Publication date
KR20140071191A (ko) 2014-06-11

Similar Documents

Publication Publication Date Title
KR101758684B1 (ko) 객체 추적 장치 및 방법
KR101971866B1 (ko) 동화상에 있어서 물체를 검출하는 방법 및 장치, 및 그 프로그램을 기억한 기억 매체
JP6184271B2 (ja) 撮像管理装置、撮像管理システムの制御方法およびプログラム
JP2017191608A (ja) 対象識別方法、対象識別装置、及び分類器訓練方法
US20100283845A1 (en) Vehicle periphery monitoring device, vehicle, vehicle periphery monitoring program, and vehicle periphery monitoring method
US20180225522A1 (en) Ir or thermal image enhancement method based on background information for video analysis
EP2570992A1 (en) Image processing apparatus, image processing method, and program
EP2555163B1 (en) Image processing apparatus, image processing method, and program
US10163212B2 (en) Video processing system and method for deformation insensitive tracking of objects in a sequence of image frames
KR20150136225A (ko) 관심객체 검출을 위한 관심영역 학습장치 및 방법
US20220366570A1 (en) Object tracking device and object tracking method
JP2010204860A (ja) 映像監視システム
KR101553012B1 (ko) 객체 추출 장치 및 방법
JP2011076316A (ja) 群衆監視装置および方法ならびにプログラム
KR101726692B1 (ko) 객체 추출 장치 및 방법
JP2018503195A (ja) 物体検出方法及び物体検出装置
JP5344618B2 (ja) 移動体追跡装置、追跡方法及びコンピュータプログラム
CN108268866B (zh) 一种车辆检测方法和系统
KR102150661B1 (ko) 객체를 검출하기 위한 전처리 장치 및 방법
KR101370011B1 (ko) 영상 안정화 및 복원방법을 이용한 주행형 자동 단속 시스템 및 단속방법
CN113243015A (zh) 一种视频监控系统和方法
JP5935118B2 (ja) 物体検出装置および物体検出方法
US10140503B2 (en) Subject tracking apparatus, control method, image processing apparatus, and image pickup apparatus
US9761275B2 (en) System and method for spatiotemporal image fusion and integration
JP2007214806A (ja) 障害物検出システム、及び障害物検出方法

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: 20180829

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20190826

Year of fee payment: 5