KR101937859B1 - 360도 이미지에서의 공통 객체 탐색 시스템 및 방법 - Google Patents
360도 이미지에서의 공통 객체 탐색 시스템 및 방법 Download PDFInfo
- Publication number
- KR101937859B1 KR101937859B1 KR1020170113869A KR20170113869A KR101937859B1 KR 101937859 B1 KR101937859 B1 KR 101937859B1 KR 1020170113869 A KR1020170113869 A KR 1020170113869A KR 20170113869 A KR20170113869 A KR 20170113869A KR 101937859 B1 KR101937859 B1 KR 101937859B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- unit
- reference image
- histogram
- pattern
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000000052 comparative effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G06K9/4609—
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30124—Fabrics; Textile; Paper
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
본 발명은 이미지에 표시된 객체의 픽셀값을 이용하여 특징을 분석하여 360도 이미지로 변환되는 과정에서 객체에 왜곡이 발생되어도 이미지간에 공통객체를 탐색할 수 있는 시스템 및 방법에 관한 기술로서, 360도 이미지로 변환된 기준 이미지 및 비교 이미지를 입력받는 입력부와, 기준 이미지를 기 설정된 단위로 분할하는 이미지 분할부와, 기준 이미지의 분할 영역별로 패턴을 분석하는 패턴 분석부와, 복수의 패턴와 비교 이미지를 대조하여 매칭값이 높은 객체를 출력하는 공통영역 분석부를 포함하는 것을 특징으로 한다.
Description
본 발명은 360도 이미지에서의 공통 객체 탐색 시스템 및 방법에 관한 것으로서, 보다 상세하게는 이미지에 표시된 객체의 픽셀 값을 이용하여 특징을 분석하여 360도 이미지로 변환되는 과정에서 객체에 왜곡이 발생되어도 이미지 간의 공통객체를 탐색할 수 있는 시스템 및 방법에 관한 기술이다.
종래의 이미지 간 공통객체를 탐색하는 방법에는 특징점의 벡터값을 이용하여 객체를 분별하였다. 하지만, 360도 이미지는 2차원의 이미지를 변형하여 구형공간의 이미지로 변형한 것이므로 기존 2차원 이미지와 상이한 왜곡된 벡터값을 갖게 된다. 따라서 종래의 공통객체를 탐색을 위한 특징점 매칭 알고리즘을 적용하게 되면 오차가 크게 나타나 공통 객체의 탐색율이 현저히 낮다.
종래 특징점 매칭 알고리즘은 객체의 외곽선 부분에서 그라디언트(gradient; 방향과 값을 나타내는 벡터)값을 산출하고, 산출된 값들의 히스토그램 값을 사용하여 탐색하고자 하는 객체를 식별하였다.
하지만, 360도 이미지는 평면이 아니라 구형 공간이기 때문에 객체의 외곽선 부분의 그라디언트 값이 2차원 이미지 때와 상이하게 되므로, 종래의 공통객체를 탐색을 위한 매칭 알고리즘이 제 기능을 하지 못하는 것이다.
이에 본 발명은 상기와 같은 종래의 제반 문제점을 해소하기 위해 제안된 것으로, 본 발명의 목적은 이미지에 표시된 객체의 픽셀값을 이용하여 특징을 분석하여 360도 이미지로 변환되는 과정에서 객체에 왜곡이 발생되어도 이미지간에 공통객체를 탐색할 수 있는 시스템 및 방법을 제공하기 위한 것이다.
상기와 같은 목적을 달성하기 위하여 본 발명의 기술적 사상에 의한 360도 이미지에서의 공통 객체 탐색 시스템은, 360도 이미지로 변환된 기준 이미지 및 비교 이미지를 입력받는 입력부와, 상기 기준 이미지를 기 설정된 단위로 분할하는 이미지 분할부와, 상기 기준 이미지의 분할 영역별로 히스토그램을 산출하는 히스토그램 산출부와, 상기 히스토그램의 패턴을 분석하는 패턴 분석부와, 상기 패턴과 상기 비교 이미지를 대조하여 매칭값이 높은 객체를 공통 객체로 판단하는 공통영역 분석부를 포함하는 것을 특징으로 한다.
또한, 상기 기준 이미지에 대해 피라미드 이미지를 생성하는 피라미드 생성부를 더 포함하고, 상기 이미지 분할부는 상기 피라미드 이미지를 기 설정된 단위로 분할하는 것을 특징으로 할 수 있다.
또한, 상기 이미지 분할부는 상기 기준 이미지를 열 또는 행 단위로 등분하는 것을 특징으로 할 수 있다.
또한, 상기 등분 개수는 4의 배수인 것을 특징으로 할 수 있다.
또한, 상기 비교 이미지의 쉐이프모델(shape model)을 생성하는 쉐이프모델 생성부를 더 포함하고, 상기 공통영역 분석부는 상기 쉐이프모델이 생성된 상기 비교 이미지와 상기 패턴을 대조하는 것을 특징으로 할 수 있다.
한편, 상기와 같은 목적을 달성하기 위하여 본 발명의 기술적 사상에 의한 360도 이미지에서의 공통 객체 탐색 방법은, 입력부가 360도 이미지로 변환된 기준 이미지를 입력받는 단계; 이미지 분할부가 상기 기준 이미지를 기 설정된 단위로 분할하는 단계; 히스토그램 산출부가 상기 기준 이미지의 분할 영역별로 히스토그램을 산출하는 단계; 패턴 분석부가 상기 히스토그램의 패턴을 분석하는 단계; 상기 입력부가 비교 이미지를 입력받는 단계; 공통영역 분석부가 상기 패턴와 상기 비교 이미지를 대조하여 매칭값이 높은 객체를 공통 객체로 판단하는 단계를 포함하는 것을 특징으로 한다.
또한, 상기 이미지 분할부가 상기 기준 이미지를 분할하는 단계에 앞서, 피라미드 생성부가 상기 기준 이미지에 대해 피라미드 이미지를 생성하는 단계를 더 포함하는 것을 특징으로 할 수 있다.
또한, 상기 이미지 분할부는 상기 기준 이미지를 열 또는 행 단위로 등분하는 것을 특징으로 할 수 있다.
또한, 상기 등분 개수는 4의 배수인 것을 특징으로 할 수 있다.
또한, 상기 공통영역 분석부가 복수의 상기 패턴와 상기 비교 이미지를 대조하는 단계에 앞서, 쉐이프모델 생성부가 상기 비교 이미지의 쉐이프모델(shape model)을 생성하는 단계를 더 포함하는 것을 특징으로 할 수 있다.
본 발명에 의한 360도 이미지에서의 공통 객체 탐색 시스템 및 방법에 따르면 종래의 벡터값 대조 대신 픽셀값 대조를 사용하므로, 360도 이미지로 변환되어 함께 왜곡된 객체에 대해서도 신뢰할 수 있는 객체의 탐색이 가능하게 되는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 360도 이미지에서의 공통 객체 탐색 시스템의 구성도.
도 2는 스케일이 상이한 동일 이미지에서 서로 상이하게 설정되는 특징점을 설명하기 위한 도면.
도 3은 그레이 스케일의 사진(좌)과 해당 사진의 히스토그램(우)을 나타낸 도면.
도 4a는 본 발명의 일 실시예에 따른 360도 이미지에서의 공통 객체 탐색 방법 중 기준 이미지를 분석하는 과정의 순서도.
도 4b는 본 발명의 일 실시예에 따른 360도 이미지에서의 공통 객체 탐색 방법 중 기준 이미지와 비교 이미지를 대조하여 공통 객체를 탐색하는 과정의 순서도.
도 2는 스케일이 상이한 동일 이미지에서 서로 상이하게 설정되는 특징점을 설명하기 위한 도면.
도 3은 그레이 스케일의 사진(좌)과 해당 사진의 히스토그램(우)을 나타낸 도면.
도 4a는 본 발명의 일 실시예에 따른 360도 이미지에서의 공통 객체 탐색 방법 중 기준 이미지를 분석하는 과정의 순서도.
도 4b는 본 발명의 일 실시예에 따른 360도 이미지에서의 공통 객체 탐색 방법 중 기준 이미지와 비교 이미지를 대조하여 공통 객체를 탐색하는 과정의 순서도.
첨부한 도면을 참조하여 본 발명의 실시예들에 의한 360도 이미지에서의 공통 객체 탐색 시스템 및 방법에 대하여 상세히 설명한다. 본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 본문에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
또한, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 360도 이미지에서의 공통 객체 탐색 시스템(100)은 360도 이미지로 변환된 기준 이미지 및 비교 이미지를 입력받는 입력부(110)와, 기준 이미지를 기 설정된 단위로 분할하는 이미지 분할부(130)와, 기준 이미지의 분할 영역별로 히스토그램을 산출하는 히스토그램 산출부(140)와, 히스토그램의 패턴을 분석하는 패턴 분석부(150)와, 패턴과 비교 이미지를 대조하여 매칭값이 높은 객체를 공통 객체로 판단하는 공통영역 분석부(170)를 포함하는 것을 특징으로 한다.
또한, 기준 이미지에 대해 피라미드 이미지를 생성하는 피라미드 생성부(120)를 더 포함할 수 있다.
피라미드 이미지란, 한 이미지를 여러 스케일로 만든 이미지 셋(Image Set)이다. 한 장의 이미지를 다운 샘플링(Down Sampling)하여 더 작은 이미지를 생성하는 방법과, 다른 방법으로 가우시안 블러링과 함께 스케일을 변환하여 더 다양한 스케일의 이미지 셋을 생성하는 방법이 있다. 가우시간 블러링은 이미지가 블러링 될수록 이미지에 표시된 객체가 희미해지는데, 희미해질수록 큰 형태의 객체만 인식이 가능해지는 원리를 이용한 것이다.
피라미드 이미지 생성은 이미지에서 객체의 특징점 추출 시 이미지 스케일에 따라 동일 객체에서 추출되는 특징점이 상이한 것을 이용하기 위한 것이다.
도 3을 참조하면, 객체의 외곽선 중 코너(Corner) 추출할 때, 동일 객체라 하더라도 이미지 스케일에 따라 결과가 상이하게 나타난다. 이미지의 크기기가 가장 큰 원본 이미지에서는 객체 외곽선의 어느 한 코너의 특징점 추출 시 다수의 특징점이 설정되지만, 축소된 스케일의 이미지에서는 동일 부위에서 단일 특징점이 설정될 수 있다.
피라미드 생성부(120)가 원본 이미지에 대해 다양한 스케일의 이미지 셋을 구성한 후, 특징점을 개별적으로 추출하게 되면 어떠한 스케일의 비교 이미지가 입력되더라도 특징점 설정 및 대조를 통한 동일 객체의 탐색 가능하게 된다.
2차원 이미지가 360도 이미지로 변형되면 이미지 내에 포함된 객체의 형태에 왜곡이 발생된다. 구체적으로, 2차원 이미지가 360도의 구형 이미지로 변형되면, 이미지의 가장자리로 갈수록 이미지가 늘어나거나 축소되는 왜곡 정도가 커질 수 있다. 왜곡이 크게 발생되는 부위에 객체가 존재할 경우, 객체의 형상도 함께 왜곡된다. 예를 들어, 2차원 이미지에서는 객체를 구성하는 픽셀이 150개였으나, 360도 이미지 변형 후에는 객체의 픽셀이 140개 또는 170개가 될 수 있다. 따라서, 기준 이미지 객체의 히스토그램을 비교 이미지와 대조하는 것으로 객체 탐색이 가능하게 하기 위해서는 오차를 상쇄하기 위한 방법이 필요하다.
이미지 분할부(130)가 기준 이미지를 기 설정된 단위로 분할하면 기준 이미지에 포함된 객체도 분할된다. 객체가 분할되면 어느 한 객체 전체에서의 왜곡에 의해 변화된 픽셀 수보다 더 적어지게 된다. 예를 들어, 객체를 구성하는 픽셀이 150개에서 200개로 왜곡되면 픽셀이 50개가 증가된 것이지만, 상기 왜곡된 객체를 절반으로 나누는 것으로 가정하면 75개의 픽셀이 100개가 되어 25개가 증가되므로 픽셀 수 변화량이 상대적으로 감소된다. 본 발명의 실시예는 이미지 분할부(130)에서 분할시킨 이미지에서 객체의 히스토그램이 산출되고, 비교 이미지와 히스토그램을 대조한다. 히스토그램 그래프의 세로축은 픽셀 수를 나타내므로 픽셀 수의 차이가 감소되면 히스토그램의 유사도가 증가되어 동일 객체의 탐색율이 증가될 수 있게 된다.
상기 기 설정된 단위는 기준 이미지의 가로 또는 세로 길이(가로 픽셀 수 또는 세로 픽셀 수)를 분할 될 개수로 나누는 방식으로 실시되거나, 가로 또는 세로 방향으로 일정한 픽셀 개수 단위로 분할하는 것으로 실시될 수 있다.
이미지 분할부(130)는 피라미드 생성부(120)에서 생성한 피라미드 이미지 각각을 기 설정된 단위로 분할한다. 분할된 각 피라미드 이미지는 모두 다음 단계에서 히스토그램화 된다.
이미지 분할부(130)는 기준 이미지를 열 또는 행 단위로 등분할 수 있으며, 특히, 등분 개수는 4의 배수가 될 수 있다. 64비트로 처리되는 컴퓨터는 4의 배수로 데이터를 처리한다. 만약, 처리할 데이터가 17개라면, 64비트 컴퓨터는 3개의 더미 데이터를 생성하여 4의 배수로 만들어 데이터를 처리한다. 따라서, 생성되는 데이터의 수를 4의 배수로 설정하면 64비트의 컴퓨터 시스템 내에서 보다 신속하고 효율적인 데이터 처리가 가능하게 된다.
또한, 이 실시예는 기준 이미지의 분할 영역별로 히스토그램을 산출하는 히스토그램 산출부(140)를 더 포함하고, 패턴 분석부(150)는 히스토그램이 산출된 기준 이미지의 분할 영역별로 패턴을 분석하는 것을 특징으로 할 수 있다.
디지털 이미지는 여러 점, 즉 픽셀들이 모여 이미지를 구성한다. 점묘법으로 그린 나무가 100개의 점(픽셀)으로 구성될 때와, 10,000개의 점으로 구성될 때를 비교하면 그림의 세밀함, 정교함은 10,000개의 점으로 구성된 이미지가 더 뛰어나다. 즉, 픽셀이 많으면 고해상도 이미지이고, 적으면 저해상도 이미지이다. 하나의 색을 표현하는 픽셀은 여러 방식으로 표현될 수 있다. 픽셀을 색의 3원소인 RGB(Red, Green, Blue)의 레벨로 나타낸 것도 방식 중 하나이다.
이미지의 히스토그램이란, 한 이미지에서 색상별 픽셀값들의 분포를 나타낸 것이다. 도 4는 그레이 스케일(gray scale) 이미지와 그 이미지의 히스토그램이다. 일반적으로 한 픽셀을 표현하는 데이터 크기는 1바이트(2^8=256)이므로, 이미지의 색상 레벨을 256가지의 숫자로 표현한다. 그레이 스케일 이미지는 0부터 255까지의 숫자로 명도값을 나타낸다. 도 4의 우측 그래프는 좌측 사진을 구성하는 각 픽셀들의 명도값의 분포를 나타낸 것이며, 이것이 히스토그램이다. 히스토그램의 가로축은 명도의 레벨을 나타내며(0-255), 세로축은 해당 픽셀의 개수를 나타낸다.
이미지에 표시된 객체를 검출하거나 추적하기 위해 동일여부를 판단하는 방법에는 특징점을 구한 후 벡터화로 계산하는 방법과, 색상 정보를 이용하는 방법이 존재한다. 이 중 색상 정보를 이용하는 것에 히스토그램을 이용하는 것이 포함된다. 객체에 따라 고유한 히스토그램의 패턴을 가지는데, 예를 들어, 태극기의 색상 정보 히스토그램이 있으면, 나중 입력되는 비교 이미지에 포함된 태극기의 색상 정보 히스토그램과 비교하여 다른 이미지에서의 태극기를 검출 할 수 있다. 만약, 비교 이미지 내에 태극기가 다를 객체들과 혼합되어 배치되어 있을 경우, 템플릿 매칭 방법을 이용할 수 있다. 템플릿 매칭 방법은 특정 크기의 윈도우를 비교 이미지에서 이동시키며 윈도우 내부 범위영역의 히스토그램을 산출한 후 비교하므로 타깃 객체의 히스토그램과 일치 여부를 확인하는 방법이다.
히스토그램 산출부(140)는 기준 이미지의 각 픽셀에서 R채널, G채널, B채널의 히스토그램을 산출한다. 기준 이미지의 모든 픽셀의 R, G, B의 히스토그램을 산출하는 것은 시스템에 부하를 줄 수 있으므로, 히스토그램 산출부(140)는 기준 이미지에 포함된 특징 객체에 대해서만 히스토그램을 산출할 수 있다.
히스토그램의 동일성으로 서로 다른 이미지 내 동일 객체를 탐색하는 방법은 이미지의 크기 또는 객체의 크기가 상이하면 정확도가 현저히 감소하지만, 본 발명의 실시예는 기준 이미지를 피라미드화 하여 다양한 스케일의 기준 이미지를 마련하고, 원본 기준 이미지 및 피라미드화 된 이미지 모두 분할한 후 히스토그램을 산출하고 비교 이미지와 대조하므로 종래의 정확도 저하 문제를 해소할 수 있게 된다.
패턴 분석부(150)는 히스토그램의 패턴을 분석한다. 패턴 분석부(150)가 분석한 패턴은 히스토그램에서 각 색상별 관련 픽셀수의 증감 수를 따라 연결된 선분의 패턴, 색상별 관련 픽셀 수의 분포 등이 될 수 있다.
또한, 이 실시예는 비교 이미지의 쉐이프모델(shape model)을 생성하는 쉐이프모델 생성부(160)를 더 포함하고, 공통영역 분석부(170)는 쉐이프모델이 생성된 비교 이미지와 패턴을 대조하는 것을 특징으로 할 수 있다.
쉐이프 모델 생성 방법에는 임의의 선을 기준으로 색상 값의 변화량이 큰 주변 픽셀은 회피하고, 변화량이 적은 픽셀을 연결하여 외곽선을 추출하는 것이다. 픽셀의 변화량은 미분공식에 적용하여 외곽선을 추출하는 윈도우를 형성하고, 상기 윈도우를 이미지에 컨볼루션(convolution)하여 외곽선을 추출하는 방법이 이용될 수 있다. 또한, 객체의 모서리점들을 해리스 코너(harris corner) 알고리즘을 사용하여 추출한 뒤, 상기 모서리점들을 연결하여 객체의 외곽선을 추출하는 방법도 적용될 수 있다. 또한, 점분포를 사용하는 방법, 텍스트톤(texton)을 사용하는 방법 등이 적용 될 수 있다.
쉐이프모델 생성부(160)가 비교 이미지에 쉐이프모델 생성을 완료하면, 비교 이미지 내에 포함된 객체의 위치가 파악되므로, 공통영역 분석부(170)는 비교 이미지 내에서 객체로 판단되는 영역에 대해서만 패턴 대조를 실시하여 시스템의 효율성을 향상시킬 수 있다.
공통영역 분석부(170)는 패턴과 비교 이미지의 대조는 쓰레숄드(Threshold)화를 통해 실시된다. 쓰레숄드화는 도출된 값과 기 설정된 값이 조건을 만족하는지 대조하여 만족되는 결과를 모아 100% 대비 만족되는 결과의 비율을 산출하는 방법이다. 예를 들면, 기준 이미지를 12개로 분할한 후 산출된 히스토그램의 12개 패턴과 비교 이미지를 대조할 때, 90% 이상 유사한 패턴이 12개 중 10개 이상으로 판단될 경우, 기준 이미지 및 비교 이미지는 사실상 동일 한 것으로 판단하는 기준, 즉 문턱값이 쓰레숄드화로 볼 수 있다.
기준 이미지와 비교 이미지 내 공통 객체가 존재할 경우, 공통영역 분석부(170)가 쓰레숄드화를 실시하면 조건을 만족하는 객체들이 검출된다. 이 때, 공통영역 분석부(170)는 검출된 모든 객체들을 공통 객체로 판단할 수 있으며, 실시예에 따라서는 검출된 복수의 객체 중 가장 대조 결과가 좋은 상위 1개 이상의 객체만을 공통 객체로 판단할 수 있다.
본 발명의 일 실시예는 컴퓨터장치에 설치되어 구동되는 소트프웨어, 상기 소프트웨어가 설치된 컴퓨터장치, 소프트웨어의 구성이 다수의 컴퓨터에 분할 설치되어 컴퓨터간 협력하여 구동되는 시스템으로 실시될 수 있다.
이 실시예의 입력부(110)는 동일 컴퓨터장치의 저장소에 기준 이미지 및 비교 이미지가 저장된 디렉토리를 탐색하여 로드하는 프로그래밍 함수, USB메모리와 같은 이종의 저장장치로부터 기준 이미지 및 비교 이미지를 입력받는 USB컨트롤러, 웹페이지에 게시된 이미지를 로드하는 랜 카드 드라이버 등을 포함할 수 있다.
도 4a 및 도 4b를 참조하여 본 발명의 일 실시예에 따른 360도 이미지에서의 공통 객체 탐색 방법을 구체적으로 설명한다.
본 발명의 일 실시예에 따른 360도 이미지에서의 공통 객체 탐색 방법은 입력부(110)가 360도 이미지로 변환된 기준 이미지를 입력받는 단계(S110), 이미지 분할부(130)가 기준 이미지를 기 설정된 단위로 분할하는 단계(S150), 히스토그램 산출부(140)가 기준 이미지의 분할 영역별로 히스토그램을 산출하는 단계(S170), 패턴 분석부(150)가 히스토그램의 패턴을 분석하는 단계(S190), 입력부(110)가 비교 이미지를 입력받는 단계(S210), 공통영역 분석부(170)가 패턴과 비교 이미지를 대조(S240)하여 매칭값이 높은 객체를 공통 객체로 판단하는 단계(S260)를 포함하는 것을 특징으로 한다.
또한, 이미지 분할부(130)가 기준 이미지를 분할하는 단계에 앞서, 피라미드 생성부(120)가 기준 이미지에 대해 피라미드 이미지를 생성하는 단계(S130)를 더 포함하는 것을 특징으로 할 수 있다.
또한, 이미지 분할부(130)는 상기 기준 이미지를 열 또는 행 단위로 등분하는 것을 특징으로 할 수 있다.
또한, 등분 개수는 4의 배수인 것을 특징으로 할 수 있다.
또한, 공통영역 분석부(170)가 복수의 패턴와 비교 이미지를 대조하는 단계에 앞서, 쉐이프모델 생성부(160)가 비교 이미지의 쉐이프모델(shape model)을 생성하는 단계(S220)를 더 포함하는 것을 특징으로 할 수 있다.
이상에서 본 발명의 바람직한 실시예를 설명하였으나, 본 발명은 다양한 변화와 변경 및 균등물을 사용할 수 있다. 본 발명은 상기 실시예를 적절히 변형하여 동일하게 응용할 수 있음이 명확하다. 따라서 상기 기재 내용은 하기 특허청구범위의 한계에 의해 정해지는 본 발명의 범위를 한정하는 것이 아니다.
100 : 공통 객체 탐색 시스템 110 : 입력부
120 : 피라미드 생성부 130 : 이미지 분할부
140 : 히스토그램 산출부 150 : 패턴 분석부
160 : 쉐이프모델 생성부 170 : 공통영역 분석부
120 : 피라미드 생성부 130 : 이미지 분할부
140 : 히스토그램 산출부 150 : 패턴 분석부
160 : 쉐이프모델 생성부 170 : 공통영역 분석부
Claims (10)
- 360도 이미지로 변환된 기준 이미지 및 비교 이미지를 입력받는 입력부와;
상기 기준 이미지를 기 설정된 단위로 분할하는 이미지 분할부와;
상기 기준 이미지의 분할 영역별로 히스토그램을 산출하는 히스토그램 산출부와;
상기 히스토그램의 패턴을 분석하는 패턴 분석부와;
상기 패턴과 상기 비교 이미지를 대조하여 문턱값 이상인 객체를 공통 객체로 판단하는 공통영역 분석부를 포함하고,
상기 비교 이미지의 쉐이프모델(shape model)을 생성하는 쉐이프모델 생성부를 더 포함하고,
상기 공통영역 분석부는 상기 쉐이프모델이 생성된 상기 비교 이미지와 상기 패턴을 대조하는 것을 특징으로 하는 360도 이미지에서의 공통 객체 탐색 시스템. - 제1항에 있어서,
상기 기준 이미지에 대해 피라미드 이미지를 생성하는 피라미드 생성부를 더 포함하고,
상기 이미지 분할부는 상기 피라미드 이미지를 기 설정된 단위로 분할하는 것을 특징으로 하는 360도 이미지에서의 공통 객체 탐색 시스템. - 제1항에 있어서,
상기 이미지 분할부는 상기 기준 이미지를 열 또는 행 단위로 등분하는 것을 특징으로 하는 360도 이미지에서의 공통 객체 탐색 시스템. - 제3항에 있어서,
상기 등분 개수는 4의 배수인 것을 특징으로 하는 360도 이미지에서의 공통 객체 탐색 시스템. - 삭제
- 입력부가 360도 이미지로 변환된 기준 이미지를 입력받는 단계;
이미지 분할부가 상기 기준 이미지를 기 설정된 단위로 분할하는 단계;
히스토그램 산출부가 상기 기준 이미지의 분할 영역별로 히스토그램을 산출하는 단계;
패턴 분석부가 상기 히스토그램의 패턴을 분석하는 단계;
상기 입력부가 비교 이미지를 입력받는 단계;
공통영역 분석부가 상기 패턴과 상기 비교 이미지를 대조하여 문턱값 이상인 객체를 공통 객체로 판단하는 단계를 포함하고,
상기 공통영역 분석부가 복수의 상기 패턴와 상기 비교 이미지를 대조하는 단계에 앞서, 쉐이프모델 생성부가 상기 비교 이미지의 쉐이프모델(shape model)을 생성하는 단계를 더 포함하는 것을 특징으로 하는 360도 이미지에서의 공통 객체 탐색 방법. - 제6항에 있어서, 상기 이미지 분할부가 상기 기준 이미지를 분할하는 단계에 앞서,
피라미드 생성부가 상기 기준 이미지에 대해 피라미드 이미지를 생성하는 단계를 더 포함하는 것을 특징으로 하는 360도 이미지에서의 공통 객체 탐색 방법. - 제6항에 있어서,
상기 이미지 분할부는 상기 기준 이미지를 열 또는 행 단위로 등분하는 것을 특징으로 하는 360도 이미지에서의 공통 객체 탐색 방법. - 제8항에 있어서,
상기 등분 개수는 4의 배수인 것을 특징으로 하는 360도 이미지에서의 공통 객체 탐색 방법. - 삭제
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020170113869A KR101937859B1 (ko) | 2017-09-06 | 2017-09-06 | 360도 이미지에서의 공통 객체 탐색 시스템 및 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020170113869A KR101937859B1 (ko) | 2017-09-06 | 2017-09-06 | 360도 이미지에서의 공통 객체 탐색 시스템 및 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR101937859B1 true KR101937859B1 (ko) | 2019-01-11 |
Family
ID=65028129
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020170113869A KR101937859B1 (ko) | 2017-09-06 | 2017-09-06 | 360도 이미지에서의 공통 객체 탐색 시스템 및 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101937859B1 (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220135760A (ko) * | 2021-03-31 | 2022-10-07 | 서울대학교산학협력단 | 대응점 기반 이미지 정합 장치 및 그 방법 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014010776A (ja) * | 2012-07-02 | 2014-01-20 | Canon Inc | 画像処理装置、画像処理方法、及び、プログラム |
-
2017
- 2017-09-06 KR KR1020170113869A patent/KR101937859B1/ko active IP Right Grant
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014010776A (ja) * | 2012-07-02 | 2014-01-20 | Canon Inc | 画像処理装置、画像処理方法、及び、プログラム |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220135760A (ko) * | 2021-03-31 | 2022-10-07 | 서울대학교산학협력단 | 대응점 기반 이미지 정합 장치 및 그 방법 |
KR102624308B1 (ko) | 2021-03-31 | 2024-01-15 | 서울대학교산학협력단 | 대응점 기반 이미지 정합 장치 및 그 방법 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108229490B (zh) | 关键点检测方法、神经网络训练方法、装置和电子设备 | |
US8463044B2 (en) | Method and device of detecting object in image and system including the device | |
JP5188334B2 (ja) | 画像処理装置、画像処理方法およびプログラム | |
US10679358B2 (en) | Learning image automatic sorting device, learning image automatic sorting method, and learning image automatic sorting program | |
US9235779B2 (en) | Method and apparatus for recognizing a character based on a photographed image | |
US10275677B2 (en) | Image processing apparatus, image processing method and program | |
US20120213422A1 (en) | Face recognition in digital images | |
US20170200057A1 (en) | Image processing device, character recognition device, image processing method, and program | |
US11900664B2 (en) | Reading system, reading device, reading method, and storage medium | |
CN110717497A (zh) | 图像相似度匹配方法、装置及计算机可读存储介质 | |
WO2015158784A1 (en) | Pattern recognition system | |
CN114972817A (zh) | 图像相似度匹配方法、设备及存储介质 | |
JP2008251029A (ja) | 文字認識装置、ナンバープレート認識システム | |
KR20160148563A (ko) | 가버 함수를 이용한 패턴 인식 시스템 및 방법 | |
US20160078312A1 (en) | Image processing method and apparatus using training dictionary | |
KR101937859B1 (ko) | 360도 이미지에서의 공통 객체 탐색 시스템 및 방법 | |
KR20190027165A (ko) | 복수 이미지의 특징을 통일하는 이미지 조정 시스템 및 방법 | |
CN115410191B (zh) | 文本图像识别方法、装置、设备和存储介质 | |
JP6151908B2 (ja) | 学習装置、識別装置、およびそのプログラム | |
US20220189182A1 (en) | Reading system, reading device, and storage medium | |
Qiu et al. | An optimized license plate recognition system for complex situations | |
US11301962B2 (en) | Image processing method, image processing apparatus, and medium | |
JP4264332B2 (ja) | 文字認識装置、ナンバープレート認識システム | |
KR101991461B1 (ko) | 특징점의 벡터화를 이용한 문자인식 시스템 및 방법 | |
Lakshmi et al. | Plant leaf image detection method using a midpoint circle algorithm for shape-based feature extraction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |