KR101777948B1 - 엔트로피와 배경변화율 차이점을 이용한 주요 객체 자동 검출 장치 - Google Patents

엔트로피와 배경변화율 차이점을 이용한 주요 객체 자동 검출 장치 Download PDF

Info

Publication number
KR101777948B1
KR101777948B1 KR1020160019548A KR20160019548A KR101777948B1 KR 101777948 B1 KR101777948 B1 KR 101777948B1 KR 1020160019548 A KR1020160019548 A KR 1020160019548A KR 20160019548 A KR20160019548 A KR 20160019548A KR 101777948 B1 KR101777948 B1 KR 101777948B1
Authority
KR
South Korea
Prior art keywords
image
entropy
analysis
frequency
change
Prior art date
Application number
KR1020160019548A
Other languages
English (en)
Other versions
KR20170097894A (ko
Inventor
정영규
남미영
Original Assignee
정영규
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 정영규 filed Critical 정영규
Priority to KR1020160019548A priority Critical patent/KR101777948B1/ko
Publication of KR20170097894A publication Critical patent/KR20170097894A/ko
Application granted granted Critical
Publication of KR101777948B1 publication Critical patent/KR101777948B1/ko

Links

Images

Classifications

    • G06K9/40—
    • G06K9/3241—
    • G06K9/4661—
    • G06K9/482—

Landscapes

  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

일 실시예에 따른 객체 검출 방법은, 이미지가 입력됨을 수신함에 따라 상기 이미지에 대한 전처리 과정을 수행하는 단계; 상기 이미지에 대한 주파수 분석을 기반으로 객체 맵을 생성하는 단계; 상기 이미지로부터 엔트로피 분석을 수행함에 따른 빛 반사 노이즈를 검출하는 단계; 및 상기 객체 맵으로부터 객체를 탐지하고, 상기 탐지된 객체를 상기 엔트로피 분석을 수행함에 따른 엔트로피 분석 결과를 결합하여 객체의 위치를 추정하는 단계를 포함할 수 있다.

Description

엔트로피와 배경변화율 차이점을 이용한 주요 객체 자동 검출 장치{APPARATUS FOR AUTOMATICALLY DETECTING AN OBJECT USING AN ENTROPY AND DIFFERENCE OF BACKGROUND RATE OF CHANGE}
아래의 설명은 객체를 자동 검출하는 객체 검출 방법 및 장치에 관한 것이다.
최근 다양한 산업분야에서 영상 기반의 객체 검출 기술을 적용하기 위한 연구가 활발하게 진행되고 있다. 객체 검출을 위해서는 적절한 특징을 추출하는 것이 상당히 중요하다.
하지만 오늘날 객체 검출 기술은 다양한 배경 내에서 주요 객체를 효과적으로 검출하기에는 많은 문제점이 존재한다. 대부분 IR기반에 객체 검출 기술은 밝기 변화가 심할 때 객체 탐지가 쉽지 않다. 이에 따라 카메라 및 객체가 함께 움직일 때 객체의 형태 및 크기에 변화에 강인한 객체 검출 기술이 필요하다.
또한, 객체 검출 기술은 태양광이 비치는 환경에서 빛 반사로 인한 노이즈가 있을 때 객체 검출에 어려움이 존재하고, 객체 검출기가 표적을 놓쳤을 때 사용자의 개입으로 객체를 다시 지정하는 방법을 쓰는데 표적이 작거나, 빠르게 움직일 때 정확하게 표적을 지적하기 어렵다.
이에 따라 복잡한 배경에서 도드라진 객체를 효과적으로 검출하기 위한 기술이 개발될 필요가 있다.
평균 주파수 변화율과 객체를 포함하는 주파수 변화율간의 차이를 이용하여 객체를 검출하고, 엔트로피를 이용하여 빛에 의해서 계속적으로 변화되는 영역을 자동으로 검출하여 객체 검출기와 연동함으로써 빛 반사에 강인한 객체 검출 방법을 제안한다.
일 실시예에 따르면, 객체 검출 방법은, 입력 이미지에 대한 주파수 분석을 기반으로 객체 맵을 생성하는 단계; 상기 이미지로부터 엔트로피를 이용하여 빛 반사에 의한 노이즈를 검출하는 단계; 및 상기 객체 맵으로부터 객체를 탐지하고, 상기 탐지된 객체를 상기 엔트로피 분석을 수행함에 따른 엔트로피 분석 결과를 결합하여 객체의 위치를 추정하는 단계를 포함할 수 있다.
일측에 따르면, 상기 이미지에 대한 주파수 분석을 기반으로 객체 맵을 생성하는 단계는, 상기 입력된 이미지에 대하여 FFT를 수행하고, 상기 FFT를 수행함에 따라 생성된 FFT 이미지와 평균 FFT 이미지를 필터로 사용하여 객체 맵을 생성하고, 상기 객체 맵의 영역들 중에서 에너지의 정보를 판단하는 PSR을 이용하여 후보 표적 위치를 선택하는 단계를 포함할 수 있다.
또 다른 일측에 따르면, 상기 이미지에 대한 주파수 분석을 기반으로 객체 맵을 생성하는 단계는, 상기 이미지를 주파수 영역으로 변경하고, 상기 주파수 영역으로 변경된 이미지에 대한 변화율을 측정하여 수학식(
Figure 112016016555216-pat00001
)으로 평균 변화율간의 차이를 계산하여 기설정된 기준 이상의 변화율에 해당하는 영역을 추출하는 단계를 포함할 수 있다.
또 다른 일측에 따르면, 상기 이미지에 대한 주파수 분석을 기반으로 객체 맵을 생성하는 단계는, 상기 수학식을 기반으로 상기 변화율이 기설정된 기준의 변화율보다 작은 경우, 상기 변화율이 작은 영역을 제거하고, 상기 수학식을 기반으로 상기 변화율이 기설정된 기준의 변화율보다 클 경우, 상기 변화율이 큰 영역을 추출하는 단계를 포함할 수 있다.
또 다른 일측에 따르면, 상기 이미지로부터 엔트로피를 이용하여 빛 반사에 따른 노이즈를 검출하는 단계는, 공간적인 엔트로피(Spatial Entropy) 분석을 이용하여 상기 이미지에서 엔트로피 분석을 통한 빛 반사 검출단계; 타임 시리즈(Time Series) 엔트로피 분석을 이용한 빛 반사 검출단계; 및 상기 공간적인 엔트로피와 상기 타임시리즈 엔트로피 분석을 융합을 통한 빛 반사 영역을 검출하여 임계치를 이용하여 태양광 반사에 의한 노이즈를 제거하는 단계를 포함할 수 있다.
또 다른 일측에 따르면, 상기 객체 검출 방법은, 상기 엔트로피 분석을 이용한 빛 반사에 의한 노이즈를 제거함에 따른 이미지에 대하여 주파수 분석에 기반한 객체를 검출하는 단계를 더 포함할 수 있다.
일 실시예에 따르면, 객체를 검출하는 객체 검출기에 있어서, 이미지가 입력됨을 수신함에 따라 상기 이미지에 대한 전처리 과정을 수행하는 전처리부; 상기 이미지에 대한 주파수 분석을 기반으로 객체 맵을 생성하는 객체 맵 생성부; 상기 이미지로부터 엔트로피 분석을 수행함에 따른 객체를 검출하는 엔트로피 분석부; 상기 객체 맵으로부터 객체를 탐지하는 객체 탐지부; 및 상기 객체 맵으로부터 객체를 탐지하고, 상기 탐지된 객체를 상기 엔트로피 분석을 수행함에 따른 엔트로피 분석 결과를 결합하여 객체의 위치를 추정하는 위치 추정부를 포함할 수 있다.
일측에 따르면, 상기 객체 검출기는, 평균 주파수 변화율과 상기 객체 맵의 주파수 변화율 간의 변화를 비교하여 주파수 분석을 수행하는 주파수 분석부를 더 포함하고, 상기 주파수 분석부는, 상기 이미지를 주파수 영역으로 변경하고, 상기 주파수 영역으로 변경된 이미지에 대한 변화율을 측정하여 수학식(
Figure 112016016555216-pat00002
)으로 평균 변화율간의 차이를 계산하여 기설정된 기준 이상의 변화율에 해당하는 영역을 추출할 수 있다.
또 다른 일측에 따르면, 상기 객체 맵 생성부는, 상기 입력된 이미지에 대하여 FFT를 수행하고, 상기 FFT를 수행함에 따라 생성된 FFT 이미지와 평균 FFT 이미지를 필터로 사용하여 객체 맵을 생성하고, 상기 객체 맵의 영역들 중에서 에너지의 정보를 판단하는 PSR을 이용하여 후보 표적 위치를 선택할 수 있다.
또 다른 일측에 따르면, 상기 엔트로피 분석부는, 공간적인 엔트로피(Spatial Entropy) 분석을 이용하여 상기 이미지에서 엔트로피 분석을 통해 빛 반사 노이즈를 검출하고, 타임 시리즈(Time Series) 엔트로피 분석은 영역에 대해서 프레임간의 변화율을 엔트로피로 계산하여 이를 통해 빛 반사 노이즈를 검출하고, 검출된 엔트로피가 기설정된 기준 이상인 영역을 판별하고, 임계치를 이용하여 태양광 반사에 의한 노이즈를 제거할 수 있다.
일 실시예에 따른 객체 검출기는 객체 주의에서 태양광 변화에 적응적으로 객체를 효과적으로 검출할 수 있다.
일 실시예에 따른 객체 검출기는 표적의 형태 및 크기 변화에 강인할 수 있다.
일 실시예에 따른 객체 검출기는 객체 검출기가 표적을 놓쳤을 경우 사용자로부터 표적의 위치가 재설정됨에 따라 대략적으로 객체 주위에 마우스로 좌표를 클릭하여도 효과적으로 객체의 위치를 정확하게 검출할 수 있다.
도 1은 일 실시예에 따른 객체 검출기의 구성을 설명하기 위한 블록도이다.
도 2는 일 실시예에 따른 객체 검출기의 객체 검출 방법을 설명하기 위한 흐름도이다.
도 3은 일 실시예에 따른 객체 검출기의 객체 검출 과정을 설명하기 위한 도면이다.
도 4 및 도 5는 일 실시예에 따른 객체 검출기에서 복잡한 배경을 포함하고 있는 이미지로부터 객체를 검출하는 방법을 설명하기 위한 예이다.
이하, 실시예를 첨부한 도면을 참조하여 상세히 설명한다.
도 1은 일 실시예에 따른 객체 검출기의 구성을 설명하기 위한 블록도이다.
객체 검출기(100)는 이미지에서 객체를 자동으로 검출하기 위한 장치로서, 전처리부(Pre-Processing)(110), 주파수 분석부(Frequency Analysis)(120), 엔트로피 분석부(Entropy Analysis)(130), 객체 맵 생성부(Object Map Generation)(140), 객체 탐지부(Object Detector)(150) 및 위치 추정부(Position Estimator)(160)로 구성될 수 있다.
전처리부(110)는 이미지가 입력됨을 수신함에 따라 이미지에 대한 전처리 과정을 수행할 수 있다. 예를 들면, 전처리부(110)는 이미지로부터 객체를 검출하기 위하여 각각의 픽셀의 잡음을 제거하거나, 각각의 영상으로부터 일정 규격으로 인코딩하는 등과 같은 전처리 과정을 수행할 수 있다.
주파수 분석부(120)는 입력된 이미지에 대하여 FFT를 수행하고, FFT를 수행함에 따라 생성된 FFT 이미지와 평균 FFT 이미지를 필터로 사용하여 주파수 분석을 수행할 수 있다. 주파수 분석부(120)는 평균 주파수 변화율과 객체 맵의 주파수 변화율 간의 변화를 비교하여 주파수 분석을 수행할 수 있다.
엔트로피 분석부(130)는 이미지로부터 엔트로피 분석을 수행함에 따라 객체를 검출할 수 있다. 엔트로피 분석부(130)는 Spatial Entropy 분석을 이용하여 이미지에서 엔트로피 분석을 수행하고, Time Series 엔트로피 분석을 이용하여 최종적인 엔트로피가 높은 영역을 판별할 수 있다. 엔트로피 분석부(130)는 임계치를 이용하여 태양광 반사에 의한 노이즈를 제거할 수 있다.
객체 맵 생성부(140)는 이미지에 대한 주파수 분석을 기반으로 객체 맵을 생성할 수 있다.
객체 탐지부(150)는 객체 맵 생성부(140)에서 생성된 객체 맵으로부터 객체를 탐지할 수 있다. 예를 들면, 객체 탐지부(150)는 객체 맵으로부터 객체의 후보 영역을 탐지할 수 있다.
위치 추정부(160)는 탐지된 객체에 엔트로피 분석을 수행함에 따른 엔트로피 분석 결과를 결합하여 객체의 위치를 추정할 수 있다.
도 2는 일 실시예에 따른 객체 검출기의 객체 검출 방법을 설명하기 위한 흐름도이다.
단계(210)에서 객체 검출기는 이미지가 입력됨을 수신함에 따라 이미지에대한 전처리 과정을 수행할 수 있다.
단계(220)에서 객체 검출기는 이미지에 대한 주파수 분석을 기반으로 객체 맵을 생성할 수 있다. 객체 검출기는 이미지를 주파수 영역으로 변경하고, 주파수 영역으로 변경된 이미지에 대한 변화율을 측정하고, 평균 변화율 간의 차이를 계산하여 기설정된 기준 이상의 변화율에 해당하는 영역을 추출할 수 있다. 이것은 주파수 대역에서 변화가 적은 부분을 제거하고 변화율이 큰 부분을 검출하기 위함이다.
단계(230)에서 객체 검출기는 이미지로부터 엔트로피 분석을 수행함에 따른 객체를 검출할 수 있다. 객체 검출기는 Spatial Entropy 분석을 이용하여 이미지에서 엔트로피 분석을 수행하고, Time Series 엔트로피 분석을 이용하여 최종적인 엔트로피가 높은 영역을 판별하고, 임계치를 이용하여 태양광 반사에 의한 노이즈를 제거할 수 있다.
단계(240)에서 객체 검출기는 객체 맵으로부터 객체를 탐지하고, 탐지된 객체를 엔트로피 분석을 수행함에 따른 엔트로피 분석 결과와 결합하여 최종의 표적 위치를 검출할 수 있다.
일 실시예에 따른 객체 검출기는 객체 검출영역, 예를 들면, 탐색 윈도우 내에서 빠르게 이동하는 작은 객체를 객체 검출기가 놓쳤을 경우, 사용자가 검출하고자 하는 객체를 마우스를 이용하여 재설정하게 되는데, 이때, Spatial domain에서 이를 정확하게 객체를 검출하는 것이 쉽지 않았던 문제점을 해결할 수 있다.
일 실시예에 따른 객체 검출기는 Frequency domain에서 평균 주파수 변화율과 객체를 포함하는 주파수 변화율간의 차이를 이용하여 객체를 검출함으로써 객체 주위를 사용자가 마우스로 지정해도 객체를 정확하게 검출할 수 있고, 엔트로피를 이용하여 빛에 의해서 계속적으로 변화되는 영역을 자동으로 검출함으로써 빛 반사에 강인할 수 있다.
도 3은 일 실시예에 따른 객체 검출기의 객체 검출 과정을 설명하기 위한 도면이다.
객체 검출기는 평균 주파수 필터 기법을 적용한 객체 검출 알고리즘을 이용하여 복잡한 배경에서 도드라진 객체를 효과적으로 검출하기 위한 기술에 대하여 설명하기로 한다.
객체 검출기는 주파수 도메인(Frequency Domain)에서 평균 주파수 변화율과 객체를 포함하는 주파수 변화율간의 차이를 이용하여 객체를 검출하는 기술을 이용하여 객체 주위를 사용자가 마우스로 지정해도 객체를 정확하게 검출할 수 있다. 또한, 객체 검출기는 엔트로피를 이용하여 빛에 의해서 계속적으로 변화되는 영역을 자동으로 검출하고 이를 객체 검출기와 연동할 수 있다.
더욱 상세하게는, 객체 검출기는 주파수 분석을 통한 객체 맵을 생성하고, 생성된 객체 맵을 이용하여 객체의 크기나 모양 변화에 강인한 객체를 검출하는 블록을 포함할 수 있다. 또한, 객체 검출기는 엔트로피를 이용하여 태양 빛 반사에 의한 빛 변화율을 측정하고 이를 이용하여 객체 주위에서 나타나는 빛 반사 글리터를 효과적으로 제거하고 이를 개체 검출에 활용할 수 있도록 하는 블록을 포함할 수 있다.
각 블록에 대한 절차 및 기능에 대하여 설명하기로 한다.
주파수 분석 블록을 기반으로 하는 객체 맵 생성부는 객체 맵 생성 모듈에 의하여 수행될 수 있다. 객체 검출기는 입력된 이미지(예를 들면, 테스트 이미지)(301)에 대하여 FFT(Fast Fourier Transform)를 수행하고(302), FFT 이미지와 평균 FFT 이미지를 필터(303)로 사용하여 객체 맵을 생성할 수 있다(305). 이때, FFT 이미지와 평균 이미지를 필터(303)로 사용한 후, IFFT를 수행(304)함에 따라 객체 맵을 생성할 수 있다(305).
예를 들면, FFT는 이산 푸리에 변환(DFT)와 그 역변환(IFFT)을 빠르게 수행하는 효율적인 알고리즘을 의미할 수 있다. FFT는 푸리에 변환에 근거하여 이산 푸리에 변환을 계산할 때 연산횟수를 줄일 수 있도록 고안된 알고리즘이다.
객체 검출기는 검출된 객체 맵 영역들 중에서 에너지의 정도를 판단하는 PSR(Peak To Sidelobe Ratio) 탐지를 수행할 수 있다(306). 객체 검출기는 PSR을 이용하여 후보 표적 위치를 선택하고, 이를 엔트로피 분석 결과를 융합하여 최종 표적 위치를 검출할 수 있다(307). 주파수 분석 과정은 아래와 같이 설명될 수 있다.
주파수 분석은 주파수 대역에서 변화가 적은 부분을 제거하고 변화율이 큰 부분을 검출하는 모듈로 수행될 수 있다. 예를 들면, 본 발명에서는 평균 주파수 변화율과 객체 맵의 주파수 변화율 간의 변화를 비교하여 주파수 분석을 수행하는 주파수 분석부에 의하여 수행될 수 있다.
이미지를 주파수 영역으로 변경한 후, 변화율이 큰 부분을 추출하기 위하여 아래의 수학식 1 내지 수학식 3을 따를 수 있다.
수학식 1:
Figure 112016016555216-pat00003
A(f)는 log spectra를 나타내고, R(f)는 주파수 특이점, L(f)는 입력 이미지의 log spectrum으로 정의할 수 있다.
수학식 2:
Figure 112016016555216-pat00004
A(f)를 컨볼류션을 통하여 획득 수 있으며, 수학식 3을 통하여 최종적으로 특이점 영역을 추출할 수 있다.
수학식 3:
Figure 112016016555216-pat00005
엔트로피 분석 모듈은 spatial entropy 분석(310)을 이용하여 입력된 이미지에서의 엔트로피 분석을 수행하고, time series 엔트로피 분석(309)을 이용하여 최종 엔트로피가 높은 영역을 판별할 수 있다. 예를 들면, 본 발명에서는 이미지에 대한 엔트로피를 분석함에 따른 객체를 검출함에 있어서, 엔트로피 분석부에 의하여 수행될 수 있다.
객체 검출기는 임계치를 이용하여 태양에 의한 그린트(Glint)를 제거(308)하고 이를 객체 맵 간의 융합을 통하여 최종 위치를 판단하게 된다. 또한, 객체 검출기는 그린트를 제거(308)함에 따른 이미지에 대한 주파수 분석에 기반한 객체를 검출할 수 있다. 다시 말해서, 객체 검출기는 태양광 반사에 의한 노이즈를 제거함에 따른 이미지에 대하여 단계(302) 내지 단계(307)을 수행할 수 있다.
아래는 엔트로피를 계산하는 알고리즘에 대하여 설명하기로 한다.
step1: 동일한 간격의 시간 순서대로 데이터를 생성한다.
Figure 112016016555216-pat00006
step2: m값과 r값을 설정한다.
m은 집합을 구성하는 데이터의 개수, r은 filtering level을 의미한다.
step3:
Figure 112016016555216-pat00007
의 시퀀스를 생성한다.
Figure 112016016555216-pat00008
step4: stpe3에서 만든 벡터를 이용하여 아래의 수학식을 계산한다.
Figure 112016016555216-pat00009
stpe5: 아래의 수학식으로 계산한다.
Figure 112016016555216-pat00010
step6: 아래의 수학식을 계산한다.
Figure 112016016555216-pat00011
이를 통하여 객체 검출기는 빛 반사에 강인하게 된다.
도 4 및 도 5는 일 실시예에 따른 객체 검출기에서 복잡한 배경을 포함하고 있는 이미지로부터 객체를 검출하는 방법을 설명하기 위한 예이다.
도 4 및 도 5에서 객체를 검출하는 방법을 설명하기 위하여, 예를 들면, 해변과 관련된 영상이 존재한다고 가정하자. 이때, 해변과 관련된 영상에는 복잡한 배경이 포함될 수 있으며, 특히, 물보라와 배, 부표, 해변에 있는 사람들 등이 포함될 수 있다. 객체 검출기는 영상으로부터 각각의 이미지의 객체 검출을 수행할 수 있다.
객체 검출기는 도 1 내지 도 3에서 설명한 바와 같이, 객체 검출 과정이 도 4 및 도 5에도 동일하게 적용될 수 있다.
도 4를 참고하면, 객체 검출기는 물보라를 검출하는 방법을 설명하기로 한다.
단계(410)에서 객체 검출기는 밝기 Thresholding를 이용한 후보 영역을 설정할 수 있다. 객체 검출기는 이미지로부터 임계치를 이용하여 다양한 후보 영역을 설정할 수 있다. 예를 들면, 객체 검출기는 이미지로부터 물보라로 추정되는 영역, 배로 추정되는 영역 등을 설정할 수 있다.
단계(420)에서 객체 검출기는 variance로 물보라 아닌 영역을 후보에서 제거할 수 있다. 객체 검출기는 평균 주파수 변화율과 객체를 포함하는 주파수 변화율 간의 차이를 이용하여 물보라가 아닌 영역을 후보에서 제거할 수 있다.
단계(430)에서 객체 검출기는 단계(420)과 같이 마찬가지로, 후보 영역에서 배로 판단되는 영역을 제거할 수 있다. 또한, 객체 검출기는 Region-growing을 적용하여 후보 영역을 추가할 수 있다(440). 객체 검출기는 Opening을 적용할 수 있고(450), 후보 영역에서 배로 판단되는 영역을 제거할 수 있다(460).
이를 통하여 객체 검출기는 이미지로부터 물보라를 검출하게 된다(470).
도 5를 참고하면, 객체 검출기는 썬그린트(Sun Glint)를 검출하는 방법을 설명하기로 한다.
객체 검출기는 객체 검출영역 내에서 이미지의 엔트로피를 측정할 수 있다. 객체 검출기는 윈도우를 움직여가면서 이미지의 엔트로피를 측정할 수 있다(510). 예를 들면, 객체 검출기는spatial 엔트로피 분석을 이용하여 이미지에서 엔트로피 분석을 수행하고, time series 엔트로피 분석을 이용하여 최종적인 엔트로피가 기설절된 기준 이상인 영역을 판단할 수 있다.
객체 검출기는 이미지의 엔트로피를 측정함에 따른 엔트로피 값으로 후보 영역을 필터링할 수 있다(520). 객체 검출기는 배와 썬그린트를 구분하여 필터링할 수 있다(530). 객체 검출기는 Threshold를 적용하여 후보 영역을 추가할 수 있다(540). 객체 검출기는 배와 썬그린트를 구분하여 필터링할 수 있다(540).
일 실시예에 따른 객체 검출기는 엔트로피를 이용한 태양광 반사에 의한 노이즈를 제거할 수 있다. 이를 통하여 객체 검출기는 이미지로부터 썬그린트를 검출하게 된다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (10)

  1. 객체 검출 방법에 있어서,
    입력 이미지에 대한 주파수 분석을 기반으로 객체 맵을 생성하는 단계;
    상기 이미지로부터 엔트로피를 이용하여 빛 반사에 의한 노이즈를 검출하는 단계; 및
    상기 객체 맵으로부터 객체를 탐지하고, 상기 탐지된 객체를 엔트로피 분석을 수행함에 따른 엔트로피 분석 결과를 결합하여 객체의 위치를 추정하는 단계
    를 포함하고,
    상기 이미지로부터 엔트로피를 이용하여 빛 반사에 따른 노이즈를 검출하는 단계는,
    공간적인 엔트로피(Spatial Entropy) 분석을 이용하여 상기 이미지에서 엔트로피 분석을 통한 빛 반사 검출단계;
    타임 시리즈(Time Series) 엔트로피 분석을 이용한 빛 반사 검출단계; 및
    상기 공간적인 엔트로피와 상기 타임시리즈 엔트로피 분석의 융합을 통한 빛 반사 영역을 검출하여 임계치를 이용하여 태양광 반사에 의한 노이즈를 제거하는 단계
    를 포함하는 객체 검출 방법.
  2. 제1항에 있어서,
    상기 이미지에 대한 주파수 분석을 기반으로 객체 맵을 생성하는 단계는,
    상기 입력된 이미지에 대하여 FFT를 수행하고, 상기 FFT를 수행함에 따라 생성된 FFT 이미지와 평균 FFT 이미지를 필터로 사용하여 객체 맵을 생성하고, 상기 객체 맵의 영역들 중에서 에너지의 정보를 판단하는 PSR을 이용하여 후보 표적 위치를 선택하는 단계
    를 포함하는 객체 검출 방법.
  3. 제1항에 있어서,
    상기 이미지에 대한 주파수 분석을 기반으로 객체 맵을 생성하는 단계는,
    상기 이미지를 주파수 영역으로 변경하고, 상기 주파수 영역으로 변경된 이미지에 대한 변화율을 측정하여 수학식으로 평균 변화율간의 차이를 계산하여 기설정된 기준 이상의 변화율에 해당하는 영역을 추출하는 단계
    를 포함하고,
    A(f)는 log spectra, R(f)는 주파수 특이점, L(f)는 입력 이미지의 log spectrum인 것

    수학식:
    Figure 112017038641611-pat00012

    을 포함하는 객체 검출 방법.
  4. 제3항에 있어서,
    상기 이미지에 대한 주파수 분석을 기반으로 객체 맵을 생성하는 단계는,
    상기 수학식을 기반으로 상기 변화율이 기설정된 기준의 변화율보다 작은 경우, 상기 변화율이 작은 영역을 제거하고, 상기 수학식을 기반으로 상기 변화율이 기설정된 기준의 변화율보다 클 경우, 상기 변화율이 큰 영역을 추출하는 단계
    를 포함하는 객체 검출 방법.
  5. 삭제
  6. 제1항에 있어서,
    상기 엔트로피 분석을 이용한 빛 반사에 의한 노이즈를 제거함에 따른 이미지에 대하여 주파수 분석에 기반한 객체를 검출하는 단계
    를 더 포함하는 객체 검출 방법.
  7. 객체를 검출하는 객체 검출기에 있어서,
    이미지가 입력됨을 수신함에 따라 상기 이미지에 대한 전처리 과정을 수행하는 전처리부;
    상기 이미지에 대한 주파수 분석을 기반으로 객체 맵을 생성하는 객체 맵 생성부;
    상기 이미지로부터 엔트로피 분석을 수행함에 따른 객체를 검출하는 엔트로피 분석부;
    상기 객체 맵으로부터 객체를 탐지하는 객체 탐지부; 및
    상기 객체 맵으로부터 객체를 탐지하고, 상기 탐지된 객체를 상기 엔트로피 분석을 수행함에 따른 엔트로피 분석 결과를 결합하여 객체의 위치를 추정하는 위치 추정부
    를 포함하고,
    상기 엔트로피 분석부는,
    공간적인 엔트로피(Spatial Entropy) 분석을 이용하여 상기 이미지에서 엔트로피 분석을 통해 빛 반사 노이즈를 검출하고,
    타임 시리즈(Time Series) 엔트로피 분석은 영역에 대해서 프레임간의 변화율을 엔트로피로 계산하여 이를 통해 빛 반사 노이즈를 검출하고,
    검출된 엔트로피가 기설정된 기준 이상인 영역을 판별하고, 임계치를 이용하여 태양광 반사에 의한 노이즈를 제거하는 것
    을 포함하는 객체 검출기.
  8. 제7항에 있어서,
    평균 주파수 변화율과 상기 객체 맵의 주파수 변화율 간의 변화를 비교하여 주파수 분석을 수행하는 주파수 분석부
    를 더 포함하고,
    상기 주파수 분석부는,
    상기 이미지를 주파수 영역으로 변경하고, 상기 주파수 영역으로 변경된 이미지에 대한 변화율을 측정하여 수학식으로 평균 변화율간의 차이를 계산하여 기설정된 기준 이상의 변화율에 해당하는 영역을 추출하는 것
    을 포함하고,
    A(f)는 log spectra, R(f)는 주파수 특이점, L(f)는 입력 이미지의 log spectrum인 것

    수학식:
    Figure 112017038641611-pat00013

    을 특징으로 하는 객체 검출기.
  9. 제7항에 있어서,
    상기 객체 맵 생성부는,
    상기 입력된 이미지에 대하여 FFT를 수행하고, 상기 FFT를 수행함에 따라 생성된 FFT 이미지와 평균 FFT 이미지를 필터로 사용하여 객체 맵을 생성하고, 상기 객체 맵의 영역들 중에서 에너지의 정보를 판단하는 PSR을 이용하여 후보 표적 위치를 선택하는
    것을 특징으로 하는 객체 검출기.

  10. 삭제
KR1020160019548A 2016-02-19 2016-02-19 엔트로피와 배경변화율 차이점을 이용한 주요 객체 자동 검출 장치 KR101777948B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160019548A KR101777948B1 (ko) 2016-02-19 2016-02-19 엔트로피와 배경변화율 차이점을 이용한 주요 객체 자동 검출 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160019548A KR101777948B1 (ko) 2016-02-19 2016-02-19 엔트로피와 배경변화율 차이점을 이용한 주요 객체 자동 검출 장치

Publications (2)

Publication Number Publication Date
KR20170097894A KR20170097894A (ko) 2017-08-29
KR101777948B1 true KR101777948B1 (ko) 2017-09-12

Family

ID=59759989

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160019548A KR101777948B1 (ko) 2016-02-19 2016-02-19 엔트로피와 배경변화율 차이점을 이용한 주요 객체 자동 검출 장치

Country Status (1)

Country Link
KR (1) KR101777948B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102300459B1 (ko) * 2018-11-20 2021-09-10 고려대학교 산학협력단 딥러닝 기반의 뇌-컴퓨터 인터페이스를 위한 공간-주파수 특징맵을 생성하는 장치 및 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003512874A (ja) * 1999-10-28 2003-04-08 コミツサリア タ レネルジー アトミーク 構造化ノイズ及び非構造化ノイズの存在で像を処理する方法
KR101292907B1 (ko) * 2013-06-13 2013-08-02 정영규 프라이버시 마스킹용 휴먼 추적 시스템 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003512874A (ja) * 1999-10-28 2003-04-08 コミツサリア タ レネルジー アトミーク 構造化ノイズ及び非構造化ノイズの存在で像を処理する方法
KR101292907B1 (ko) * 2013-06-13 2013-08-02 정영규 프라이버시 마스킹용 휴먼 추적 시스템 및 방법

Also Published As

Publication number Publication date
KR20170097894A (ko) 2017-08-29

Similar Documents

Publication Publication Date Title
KR102275452B1 (ko) 색상과 형태를 동시에 고려한 실시간 영상 추적 방법 및 이를 위한 장치
Qi et al. A fast-saliency method for real-time infrared small target detection
US9070043B2 (en) Method and apparatus for analyzing video based on spatiotemporal patterns
KR102137264B1 (ko) 카메라 포즈 추정 장치 및 방법
KR101764845B1 (ko) 다중 이동 물체의 겹침 제거 및 추적을 위한 영상 감시 장치 및 방법
KR101822185B1 (ko) 3d 포인트 클라우드 poi 검출 방법 및 장치
Li et al. Road lane detection with gabor filters
US8396285B2 (en) Estimating vanishing points in images
KR101909544B1 (ko) 평면 검출 장치 및 방법
Rani et al. Detection of edges using mathematical morphological operators
Bhadauria et al. Comparison between various edge detection methods on satellite image
Abubakar A study of region-based and contour-based image segmentation
EP3044734B1 (en) Isotropic feature matching
KR101777948B1 (ko) 엔트로피와 배경변화율 차이점을 이용한 주요 객체 자동 검출 장치
Tiwari et al. Certain investigations on motion blur detection and estimation
KR20150120805A (ko) 거리 영상에서 사람을 검출하는 방법 및 시스템
Čisar et al. Kernel sets in compass edge detection
JP5643147B2 (ja) 動きベクトル検出装置、動きベクトル検出方法及び動きベクトル検出プログラム
KR101554811B1 (ko) 영상의 국부 영역에 대한 복사 및 이동 변조 탐지 방법 및 시스템
CN114548136B (zh) 一种反光二维码图片的解析方法、装置、设备和介质
Kerdvibulvech Hybrid model of human hand motion for cybernetics application
Lopez-Molina et al. Multiscale edge detection based on the Sobel method
Wang et al. Wavelet Fusion Application in Water Quality Warning Based on Bio-Detection Technology
KR102644612B1 (ko) 소나영상을 이용한 장애물 탐지 장치 및 그 방법
Kulikov et al. Method of abandoned object detection based on a sequence of depth images

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