KR101721655B1

KR101721655B1 - 객체 검출 시스템 및 방법

Info

Publication number: KR101721655B1
Application number: KR1020150187385A
Authority: KR
Inventors: 이충희; 김동영
Original assignee: 재단법인대구경북과학기술원
Priority date: 2015-12-28
Filing date: 2015-12-28
Publication date: 2017-03-30

Abstract

본 발명은 입력 영상 내에서 다양한 크기 및 위치의 객체를 검출함에 있어서, 객체 검출 속도를 향상시키는 것이 가능한 객체 검출 시스템 및 방법에 관한 것이다.
본 발명에 따른 객체 검출 시스템은 입력 영상 내에서 사전 정보를 이용하여 검출된 객체에 대한 관심 영역을 추출하고, 관심 영역의 크기를 정규화하는 관심 영역 추출 및 정규화부와, 객체의 크기에 대응하여, 정규화된 관심 영역에 대한 크기 조정을 수행하여 객체를 검출하는 피라미드 기반 객체 검출부를 포함하는 것을 특징으로 한다.

Description

객체 검출 시스템 및 방법{SYSTEM AND METHOD FOR OBJECT DETECTION}

본 발명은 입력 영상 내에서 다양한 크기 및 위치의 객체를 검출함에 있어서, 객체 검출 속도를 향상시키는 것이 가능한 객체 검출 시스템 및 방법에 관한 것이다.

차량, 보행자, 얼굴 등 다양한 객체를 검출하는 기술은 컴퓨터 비전 분야 중 지능형 자동차, 로봇, 감시 카메라, 게임 등의 분야에 적용되고 있다.

입력 영상 내에서 다양한 크기 및 위치의 객체(예: 보행자)를 검출하기 위해서 종래 기술에 따른 피라미드(pyramid) 기법이 제안되었다.

그러나, 이러한 기법은 전체적인 검출 속도를 상당히 느리게 하는 요인이 되어, 예를 들어 보행자와의 충돌을 방지하는 ADAS 시스템에 적용되는 것이 어려운 문제점이 있었다.

또한, 종래 기술에 따른 객체 검출 시스템은 검출 윈도우 내에서 객체의 크기 및 위치 변화가 발생함에 있어서 대응이 용이하지 아니하여, 정확한 객체의 검출이 어려운 문제점이 있었다.

본 발명은 전술한 문제점을 해결하기 위하여 제안된 것으로, 최적의 관심 영역(ROI)를 추출하고, 이에 대한 정규화를 수행하며, 3단계의 피라미드 기법으로 객체를 검출함으로써, 객체 검출 성능을 유지하면서도 검출의 속도를 향상시키는 것이 가능한 객체 검출 시스템 및 방법을 제공하는 데 목적이 있다.

본 발명에 따른 객체 검출 시스템은 입력 영상 내에서 사전 정보를 이용하여 검출된 객체에 대한 관심 영역을 추출하고, 관심 영역의 크기를 정규화하는 관심 영역 추출 및 정규화부와, 객체의 크기에 대응하여, 정규화된 관심 영역에 대한 크기 조정을 수행하여 객체를 검출하는 피라미드 기반 객체 검출부를 포함하는 것을 특징으로 한다.

본 발명에 따른 객체 검출 방법은 사전 정보를 이용하여 객체를 검출하는 단계와, 객체 검출에 대한 관심 영역을 추출하여 그 크기를 정규화하는 단계 및 심 영역의 정규화에 있어서 객체의 크기가 변화됨에 따라, 그에 대응하여 정규화된 관심 영역에 대한 크기 조정을 수행하는 단계를 포함하는 것을 특징으로 한다.

본 발명에 따른 객체 검출 시스템 및 방법은 종래 기술에 따른 사전 정보를 이용한 객체 검출 시 객체 영역 검출의 정확도가 떨어지는 문제점을 해결하고, 관심 영역을 정규화하고 이에 대한 크기 조정을 수행함으로써, 객체의 크기 및 위치 변화에 대응하여 객체 검출의 성능을 확보하고, 객체 검출의 속도를 향상시키는 것이 가능한 효과가 있다.

본 발명의 효과는 이상에서 언급한 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

도 1은 종래 기술에 따른 보행자 검출을 위한 피라미드 기법을 설명하는 도면이다.
도 2는 종래 기술에 따른 보행자 검출 시의 검출 윈도우 및 보행자 크기를 나타내는 예시도이다.
도 3은 종래 기술에 따른 사전 정보를 이용한 객체 영역 검출 수행 결과를 나타내는 도면이다.
도 4는 종래 기술에 따른 검출 윈도우 내 보행자의 위치 및 크기 변화를 나타내는 개념도이다.
도 5는 본 발명의 실시예에 따른 객체 검출 시스템의 구조를 나타내는 블록도이다.
도 6은 본 발명의 실시예에 따른 관심 영역 추출, 관심 영역 정규화, 관심 영역 보정을 나타내는 도면이다.
도 7은 본 발명의 실시예에 따른 관심 영역 정규화 시 발생되는 보행자 크기 변화를 나타내는 도면이다.
도 8은 본 발명의 실시예에 따른 3단계 피라미드 기반 객체 검출 과정을 나타내는 도면이다.
도 9는 본 발명의 실시예에 따른 객체 검출 방법을 나타내는 순서도이다.

본 발명의 전술한 목적 및 그 이외의 목적과 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다.

그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 이하의 실시예들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 목적, 구성 및 효과를 용이하게 알려주기 위해 제공되는 것일 뿐으로서, 본 발명의 권리범위는 청구항의 기재에 의해 정의된다.

한편, 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성소자, 단계, 동작 및/또는 소자가 하나 이상의 다른 구성소자, 단계, 동작 및/또는 소자의 존재 또는 추가됨을 배제하지 않는다.

이하에서는 본 발명의 실시예를 설명하기에 앞서, 당업자의 이해를 돕기 위하여 본 발명이 제안된 배경에 대하여 먼저 살펴보기로 한다.

도 1은 종래 기술에 따른 보행자 검출을 위한 피라미드 기법을 설명하는 도면이다.

종래 기술에 따르면, 입력 영상 전체의 영역에 대하여, 기지정된 검출 윈도우를 이용하여 보행자를 검출한다.

입력 영상 내에는 영상 획득부와의 거리에 따라 다양한 크기의 보행자가 검출되는데, 이러한 다양한 크기의 보행자를 검출하기 위하여 입력 영상의 크기를 키우거나, 줄여서 피라미드 영상을 생성하고, 각 영상 별로 검출 윈도우를 이용하여 동일한 검출 과정을 수행하게 된다.

이러한 종래 기술에 따른 피라미드 기법은 보행자 검출 성능을 높이는 것이 가능하나, 전체적인 검출 속도를 상당히 느리게 하는 요인이 된다.

일례로, 보행자를 감지하여 긴급 제동 또는 주행 방향 변경 등을 수행하여야 하는 ADAS 시스템은 짧은 시간 내에 정확한 보행자 검출을 수행하여야 하는데, 이러한 피라미드 기법으로는 신속한 대응을 지원하기 어려운 문제점이 있다.

도 2는 종래 기술에 따른 보행자 검출 시의 검출 윈도우 및 보행자 크기를 나타내는 예시도이며, 관련 크기는 검출 상황에 따라 변동되는 것이 가능하다.

도 3은 종래 기술에 따른 사전 정보를 이용한 객체 영역 검출 수행 결과를 나타내는 도면이다.

종래 기술에 따른 사전 정보를 이용한 보행자 검출 기법은 입력 영상으로부터 보행자가 존재할 수 있는 대략적인 영역(관심 영역, Region Of Interest; ROI)을 검출하여 보행자의 검출 성능을 높일 뿐 아니라, 검출 속도를 향상시키는 것이 가능하다.

이 때 사용되는 사전 정보로는 스테레오 비전의 시차맵(disparity map), 움직임 정보의 옵티컬 플로우(optical flow), 주요 특징을 사용하는 돌출맵(saliency map) 등이 사용된다.

그러나 이러한 사전 정보를 이용하여 객체를 검출함에 있어서도, 사용되는 정보의 정밀도, 신뢰성이 전제되어야 하며, 다양한 에러 등으로 인하여 정확한 객체 영역의 검출이 어려운 문제점이 있다.

즉, 보행자 검출의 경우 검출 윈도우 내 다양한 크기와 위치에 보행자가 존재하게 되어, 검출 성능이 저하될 수 있다.

도 4는 전술한 종래 기술에 따른 검출 윈도우 내 보행자의 위치 및 크기 변화를 나타내는 개념도로서, 도 4의 (a)는 검출 윈도우 내 보행자의 위치 변화를 나타내고, 도 4의 (b)는 검출 윈도우 내 보행자의 크기 변화를 나타낸다.

일반적으로 보행자 검출에 있어서는, 전술한 바와 같이 기설정된 크기의 검출 윈도우를 사용하게 되는데, 검출 윈도우의 중앙에 보행자가 위치하고, 그 크기 또한 미리 설정된 크기일 경우에 검출 성능이 확보된다.

그러나, 도 4의 (a) 및 (b)에 도시된 바와 같이, 사전 정보에 의한 다양한 문제에 의하여, 정확한 객체의 검출이 어려워짐으로써, 보행자의 크기 및 위치 변화 문제가 발생하게 됨을 알 수 있다.

본 발명은 전술한 문제점을 해결하기 위하여 제안된 것으로, 이하에서는 도 5 내지 도 9의 상세한 설명으로부터 본 발명의 바람직한 실시예를 서술하기로 한다.

도 5는 본 발명의 실시예에 따른 객체 검출 시스템의 구조를 나타내는 블록도이다.

본 발명의 실시예에 따른 객체 검출 시스템은 입력 영상 내에서 사전 정보를 이용하여 검출된 객체에 대한 관심 영역을 추출하고, 관심 영역의 크기를 정규화하는 관심 영역 추출 및 정규화부(200)와, 객체의 크기에 대응하여, 정규화된 관심 영역에 대한 크기 조정을 수행하여 객체를 검출하는 피라미드 기반 객체 검출부(300)를 포함한다.

객체 검출부(100)는 시차맵, 옵티컬 플로우, 돌출맵 등의 사전 정보를 이용하여 입력 영상 내에서 객체를 검출하는 구성이고, 관심 영역 추출 및 정규화부(200)는 각 객체별 최적의 관심 영역을 추출한 후, 관심 영역의 크기에 대한 정규화를 수행하는 구성이다.

본 발명의 실시예에 따른 관심 영역 추출 및 정규화부(200)는 검출 윈도우의 크기를 기준으로 기설정된 배수의 크기를 가지도록 관심 영역의 크기를 정규화시키게 되는데, 이에 대하여는 도 6을 참조하여 설명하기로 한다.

도 6은 시차맵을 사전 정보로 이용하여 관심 영역을 추출하고 정규화하는 과정을 나타낸 도면으로서, 검출 윈도우의 크기 및 객체(보행자)의 크기는 도 2에 도시된 바와 같이 각각 64*128, 32*96인 것으로 가정한다.

관심 영역 추출 및 정규화부(200)는 검출 윈도우의 크기를 기준으로, 기설정된 배수(예: 1.18배)로 관심 영역의 크기를 정규화하며, 그 결과 정규화된 관심 영역의 크기는 76*152가 된다.

본 발명의 실시예에 따르면, 검출 윈도우의 크기보다 배경의 영역을 정규화된 관심 영역 내에 많이 포함시킴으로써, 객체(보행자)의 위치가 정규화된 관심 영역의 정중앙에 위치하지 않더라도, 검출 윈도우를 정규화된 관심 영역 내에서 이동시키면서 보행자를 검출한다.

즉, 본 발명의 실시예에 따르면 도 4의 (a)에 도시한 종래 기술에 따른 객체 위치 변화에 대한 검출 성능 저하 문제를 해결하는 것이 가능하다.

본 발명의 실시예에 따른 정규화된 관심 영역의 크기는 일례로 제시한 검출 윈도우 크기의 1.18배뿐 아니라, 사전 정보의 종류에 따라 다양하게 변경될 수 있음은 물론이나, 이하에서는 당업자의 이해를 돕기 위하여 정규화된 관심 영역의 크기가 검출 윈도우 크기의 1.18배임을 가정하여, 크기 및 폭을 구하는 과정을 설명하기로 한다.

본 발명의 실시예에 따르면, 단일 보행자 검출인 경우, 객체의 높이를 h₁이라고 가정하면, 도 6a에 도시한 높이 마진 h_m 및 폭 w는 다음 수식과 같이 계산된다.

즉, 본 발명의 실시예에 따르면, 정규화된 관심 영역의 폭은 객체 검출의 결과로부터 획득되는 것이 아니라, 객체 높이로부터 결정된다.

복수 보행자 검출의 경우, 폭 마진 w_m 및 폭 w는 다음 수식과 같이 계산된다.

즉, 단일 보행자 검출일 경우와 복수 보행자 검출의 경우 폭 w는 상이한 방식에 의하여 계산되는데, 단일/복수 보행자의 구분은 객체 검출 결과의 가로와 세로 길이의 비인 aspect ratio로 결정된다.

본 발명의 실시예에 따른 관심 영역 추출 및 정규화부(200)는 전술한 과정에 따라 입력 영상 내에서 모든 객체를 검출한 후, 동일한 크기로 관심 영역을 정규화한다.

이 때, 정규화된 관심 영역의 크기는 도 6b에 도시된 바와 같이 76*152가 된다.

본 발명의 실시예에 따르면, 기존의 객체 윈도우보다 배경 영역을 많이 포함하는 정규화된 관심 영역을 제안하여, 객체의 크기 및 위치 변화에 강건한 객체 검출을 수행하는 것을 목적으로 한다.

그런데, 일반적으로 객체(보행자)가 입력 영상이 외곽에 위치하는 경우, 추가적인 배경을 포함시키는 것이 용이하지 않게 된다.

따라서, 본 발명의 실시예에 따른 관심 영역 추출 및 정규화부(200)는 객체가 입력 영상 내에서 그 외곽에 존재하는 경우, 입력 영상의 마지막 행 또는 열을 복사하여 부족한 배경 부분을 생성하게 되며, 도 6c는 입력 영상의 외곽 배경영역에 대한 관심 영역 보정을 나타내는 도면이다.

본 발명의 실시예에 따르면, 전술한 도 4의 (b)에서 도시한 바와 같은 검출 윈도우 내 객체 크기 변화 문제를 개선하기 위하여, 피라미드 기반 객체 검출부(300)가 정규화된 관심 영역에 대한 크기 조정을 수행한다.

객체(보행자)의 크기는 검출 윈도우 내에서 특정한 크기를 유지하여야 검출 성능을 확보하는 것이 가능한데, 전술한 바와 같이 객체의 크기가 변화되는 문제점이 있다.

도 7은 본 발명의 실시예에 따른 관심 영역 정규화 시 발생되는 보행자 크기 변화를 나타내는 도면으로, 관심 영역 또는 검출 윈도우 내에 보행자 크기에 따라 3가지의 경우로 나누어 설명한다.

도 7의 (a)는 객체(보행자)의 크기가 정상적으로 추출되어, 전술한 본 발명의 실시예에 따라 관심 영역을 추출한 경우를 나타내고, 도 7의 (b)는 객체(보행자)의 크기가 크게 추출되어 그를 기준으로 관심 영역을 추출한 경우를 도시하며, 도 7의 (c)는 객체(보행자)의 크기가 작게 추출되어 그를 기준으로 관심 영역을 추출한 경우를 도시한다.

도 7의 (b)에 도시한 바와 같이, 보행자의 크기가 크게 추출된 경우에는 정규화된 관심 영역 내에서 보행자의 크기가 작아지게 되고, 도 7의 (c)에 도시한 바와 같이, 보행자의 크기가 작게 추출된 경우에는 정규화된 관심 영역 내에서 보행자의 크기가 커지게 된다.

본 발명의 실시예에 따른 피라미드 기반 객체 검출부(300)는 이러한 문제점을 해결하기 위하여, 객체의 크기에 대응하여 정규화된 관심 영역에 대한 크기 조정을 수행하여, 객체를 검출한다.

피라미드 기반 객체 검출부(300)는 도 8에 도시된 바와 같이 3단계 피라미드 기반으로 객체 검출을 수행하게 되는데, 모든 정규화된 관심 영역에 대하여 스케일링 업(scaling up) 및 스케일링 다운(scaling down)을 수행하게 된다.

첫 번째 단계는 전술한 바와 같은 정사적인 크기의 보행자를 포함하는 관심 영역을 위한 것이고, 두 번째 스케일링 업 단계는 작은 크기의 보행자를 포함하는 관심 영역을 위한 것이며, 세 번째 스케일링 다운 단계는 큰 크기의 보행자를 포함하는 관심 영역을 위한 것이다.

본 발명의 실시예에 따르면, 작은 크기의 보행자를 포함하는 관심 영역 및 작은 크기의 보행자를 포함하는 관심 영역은 각각 스케일링 업 및 스케일링 다운되어, 각 보행자의 크기는 검출이 용이한 정상 크기의 보행자가 되어, 검출의 정확성을 확보할 수 있다.

많은 피라미드 단계를 수행하는 경우에는 검출 속도가 현저히 떨어지게 되나, 본 발명의 실시예에 따르면 이러한 최소의 3단계의 피라미드 기법을 사용함으로써, 검출 성능을 확보함과 동시에 검출 속도를 현저히 개선시키는 것이 가능하다.

본 발명의 실시예에 따른 피라미드 기반 객체 검출부(300)는 스케일링 업 및 스케일링 다운 수행 시, 전술한 기설정 배수(검출 윈도우 대비 관심 영역을 정규화시키는데 사용되는 배수, 일례로 제시한 1.18)을 스케일링 팩터로 사용하며, 이는 정규화된 관심 영역의 크기와 연동되어 그 값이 변경되는 것이 가능하다.

도 9는 본 발명의 실시예에 따른 객체 검출 방법을 나타내는 순서도이다.

본 발명의 실시예에 따른 객체 검출 방법은 사전 정보를 이용하여 객체를 검출하는 단계(S100)와, 객체 검출에 대한 관심 영역을 추출하여 그 크기를 정규화하는 단계(S200) 및 관심 영역의 정규화에 있어서 객체의 크기가 변화됨에 따라, 그에 대응하여 정규화된 관심 영역에 대한 크기 조정을 수행하는 단계(S300)를 포함한다.

이 때, S100 단계는 시차맵, 옵티컬 플로우 및 돌출맵 중 적어도 어느 하나의 사전 정보를 이용하여 객체를 검출하는 단계이다.

본 발명의 실시예에 따르면 당업자의 이해를 돕기 위하여 시차맵을 사용하는 방식에 대하여 그 상세한 설명을 기재하고 있다.

S200 단계는 검출 윈도우의 크기 대비 기설정된 배수의 크기가 되도록 관심 영역의 크기를 정규화시키는 단계로서, 기존의 객체 윈도우보다 배경 영역을 많이 포함하는 정규화된 관심 영역을 제안함으로써, 객체의 크기 및 위치 변화에 강건한 객체 검출을 수행하기 위함이다.

이 때, S200 단계는 객체의 높이 정보를 이용하여 정규화된 관심 영역에 포함되는 높이 마진 및 폭을 계산하는 것으로, 단일 보행자 검출, 복수 보행자 검출에 따른 높이 및 폭 계산은 전술한 수학식 1 내지 수학식 5에 대하여 설명한 바와 동일하다.

객체가 입력 영상 내에서 그 외곽에 배치되는 경우에는, 배경 영역을 보다 많이 포함하는 정규화된 관심 영역을 제공하는 것이 용이하지 않으므로, S200 단계는 객체가 입력 영상 내에서 외곽에 존재하는 경우, 해당 영역의 마지막 행 또는 열을 복사함으로써 객체가 포함되는 배경 영역에 대한 보정을 수행하며, 이는 도 6의 (c)에 도시된 바와 같다.

본 발명의 실시예에 따른 S300 단계는 정규화된 관심 영역에 대한 스케일링 업 및 스케일링 다운을 수행하는 단계로서, 관심 영역이 정규화됨에 있어서 사용된 검출 윈도우 크기 대비 기설정 배수(예: 1.18)를 스케일링 팩터로 사용한다.

전술한 바와 같이, 스케일링 팩터는 정규화된 관심 영역의 크기와 연동되어 변경되는 것이 가능하다.

S300 단계는 관심 영역 또는 검출 윈도우 내에서 보행자의 크기가 변경되는 경우 이에 대한 검출 성능을 확보하기 위한 단계로서, 도 8에 도시된 바와 같이 정규화된 관심 영역에 대한 스케일링 업 및 스케일링 다운을 수행하여, 최소의 3단계 피라미드 방식을 제안하여 검출 성능을 확보하면서도 검출 속도를 현저히 개선시키는 것이 가능한 효과가 있다.

이제까지 본 발명의 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 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 할 것이다.

100: 객체 검출부 200: 관심 영역 추출 및 정규화부
300: 피라미드 기반 객체 검출부

Claims

입력 영상 내에서 사전 정보를 이용하여 검출된 객체의 크기를 기준으로, 검출 윈도우보다 큰 배경 영역을 포함시켜 관심 영역을 추출하고, 상기 관심 영역의 크기를 정규화하는 관심 영역 추출 및 정규화부; 및
상기 정규화된 관심 영역에 대한 스케일링 업 및 스케일링 다운을 통해 3단계 피라미드 기반 객체 검출을 수행하는 피라미드 기반 객체 검출부
를 포함하는 객체 검출 시스템.
제1항에 있어서,
상기 사전 정보는 시차맵, 옵티컬 플로우, 돌출맵 중 적어도 어느 하나의 정보인 것
인 객체 검출 시스템.
제1항에 있어서,
상기 관심 영역 추출 및 정규화부는 검출 윈도우의 크기를 기준으로 기설정된 배수의 크기를 가지도록 상기 관심 영역의 크기를 정규화시키는 것
인 객체 검출 시스템.
제1항에 있어서,
상기 관심 영역 추출 및 정규화부는 단일 보행자 검출인 경우 검출된 객체의 높이 정보를 이용하여 높이 마진 및 폭을 산출하고, 복수 보행자 검출인 경우 검출된 객체의 높이 정보를 이용하여 추출한 폭 마진 및 검출된 객체의 폭 정보를 이용하여 폭을 산출하는 것
인 객체 검출 시스템.
제1항에 있어서,
상기 관심 영역 추출 및 정규화부는 객체가 입력 영상 내에서 그 외곽에 존재하는 경우, 상기 입력 영상의 마지막 행 또는 열을 복사하여 배경을 보정하는 것
인 객체 검출 시스템.
삭제
제1항에 있어서,
상기 피라미드 기반 객체 검출부는 상기 관심 영역의 크기를 정규화함에 있어서의 검출 윈도우의 크기 대비 기설정된 배수를 상기 스케일링 업 및 스케일링 다운의 스케일링 팩터로 사용하는 것
인 객체 검출 시스템.
(a) 사전 정보를 이용하여 검출된 객체의 크기를 기준으로, 검출 윈도우보다 큰 배경 영역을 포함하는 관심 영역을 추출하고, 상기 관심 영역의 크기를 정규화하되, 단일 보행자 검출인 경우 검출된 객체의 높이 정보를 이용하여 높이 마진 및 폭을 산출하고, 복수 보행자 검출인 경우 검출된 객체의 높이 정보를 이용하여 추출한 폭 마진 및 검출된 객체의 폭 정보를 이용하여 폭을 산출하는 단계; 및
(b) 정규화된 관심 영역 내에서 객체를 검출하되, 상기 정규화된 관심 영역에 대한 스케일링 업 및 스케일링 다운을 통해 상기 사전 정보에 포함된 오류에 의해 객체의 크기와 위치가 비정상적으로 추출된 경우의 객체 검출을 수행하는 단계
을 포함하는 객체 검출 방법.
제8항에 있어서,
상기 (a) 단계는 시차맵, 옵티컬 플로우 및 돌출맵 중 적어도 어느 하나의 상기 사전 정보를 이용하여 상기 객체를 검출하는 것
인 객체 검출 방법.
제8항에 있어서,
상기 (a) 단계는 검출 윈도우의 크기 대비 기설정된 배수의 크기가 되도록 상기 관심 영역의 크기를 정규화시키는 것
인 객체 검출 방법.
삭제
제8항에 있어서,
상기 (a) 단계는 상기 객체가 입력 영상 내에서 외곽에 존재하는 경우, 해당 영역의 마지막 행 또는 열을 복사함으로써 상기 객체가 포함되는 배경 영역에 대한 보정을 수행하는 것
인 객체 검출 방법.
삭제