KR101951900B1 - 프레임 내에서 객체를 탐지하는 장치 및 방법 - Google Patents

Abstract

프레임 내에서 객체를 탐지하는 장치 및 방법을 개시한다.
본 실시예의 일 측면에 의하면, 현재 프레임 및 하나 이상의 이전 프레임을 이용하여 움직임이 존재하는 객체를 검출하는 객체 검출부 및 상기 현재 프레임 내에서 상기 객체 검출부에서 검출한 객체의 선예도(Sharpness)가 기 설정된 수준 이하인지 여부 및 상기 객체의 밝기가 기 설정된 수치 이하인지 여부를 판단하여, 상기 객체의 선예도가 기 설정된 수준 이하이며, 상기 객체의 밝기가 기 설정된 수치 이하인 경우, 상기 객체를 비 관심 객체로 분류하는 필터링부를 포함하는 것을 특징으로 하는 객체 탐지 장치를 제공하는 데 주된 목적이 있다.

Description

프레임 내에서 객체를 탐지하는 장치 및 방법{Method and Apparatus for Detecting Object in an Image}

본 실시예는 프레임 내에서 객체를 탐지하는 방법 및 장치에 관한 것이다.

이 부분에 기술된 내용은 단순히 본 실시예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.

종래에는 프레임 내에서 객체를 검출하는 방법으로 배경 모델 학습을 이용한 가우시안 혼합 모델(Gaussian Mixture Model, GMM)이 있다. 본 방법은 영상의 화소마다 입력된 값을 기반으로 특정한 개수의 가우시안 모델을 생성하는데, 각 화소마다 입력된 값이 기 설정된 범위를 벗어나는 경우 객체, 기 설정된 범위를 벗어나지 않을 경우 비 객체로 인식하는 방식이다.

그러나 이와 같은 방법은 비 관심 객체가 움직이는 경우, 움직이는 비 관심 객체까지도 관심 객체로 탐지할 수 있는 문제가 있다. 예를 들어, 야외에 설치된 카메라에 벌레와 같은 비 관심 객체가 근접하는 경우에 문제가 된다. 비 관심 객체는 움직이기 때문에 화소의 값이 설정한 범위를 넘어설 가능성이 농후하며, 원하지 않는 비 관심 객체까지 관심 객체로 탐지될 우려가 있다. 이에 따라 비 관심 객체를 관심 객체로 오 탐지할 확률을 낮추는 객체 탐지 방법 및 장치의 필요성이 대두되고 있다.

본 실시예는, 프레임 내에서 객체의 움직임을 검출하고, 움직임을 검출한 객체 중 비 관심 객체는 필터링하여 관심 객체만을 검출함으로써, 객체 탐지 시 오 검출률을 낮추는 객체 탐지 장치 및 방법을 제공하는 데 주된 목적이 있다.

본 실시예의 일 측면에 의하면, 현재 프레임 및 하나 이상의 이전 프레임을 이용하여 움직임이 존재하는 객체를 검출하는 객체 검출부 및 상기 현재 프레임 내에서 상기 객체 검출부에서 검출한 객체의 선예도(Sharpness)가 기 설정된 수준 이하인지 여부 및 상기 객체의 밝기가 기 설정된 수치 이하인지 여부를 판단하여, 상기 객체의 선예도가 기 설정된 수준 이하이며, 상기 객체의 밝기가 기 설정된 수치 이하인 경우, 상기 객체를 비 관심 객체로 분류하는 필터링부를 포함하는 것을 특징으로 하는 객체 탐지 장치를 제공한다.

또한, 본 실시예의 다른 측면에 의하면, 현재 프레임 및 하나 이상의 이전 프레임을 이용하여 움직임이 존재하는 객체가 있는지 여부를 판단하여 객체를 검출하는 과정과 상기 현재 프레임 내에서 상기 객체를 검출하는 과정으로부터 검출한 객체의 선예도(Sharpness)가 기 설정된 수준 이하인지 여부 및 상기 객체의 밝기가 기 설정된 수치 이하인지 여부를 판단하는 과정 및 상기 객체의 선예도가 기 설정된 수준 이하이며, 상기 객체의 밝기가 기 설정된 수치 이하인 경우, 상기 객체를 비 관심 객체로 분류하는 과정을 포함하는 것을 특징으로 하는 객체 탐지 방법을 제공한다.

이상에서 설명한 바와 같이 본 실시예의 일 측면에 따르면, 객체 검출 방법, 특히, 배경 모델 학습을 이용한 관심 객체 검출 방법에 있어서, 움직임을 검출한 객체 중 비 관심 객체는 필터링함으로써 객체 탐지 시 오 검출률을 낮출 수 있는 효과가 있다.

도 1은 본 발명의 일 실시예에 따른 객체 탐지 시스템을 도시한 블럭도이다.
도 2는 본 발명의 일 실시예에 따른 객체 탐지 장치를 도시한 블럭도이다.
도 3은 본 발명의 일 실시예에 따른 객체 탐지 방법을 도시한 순서도이다.
도 4a 및 도 4b는 각각 종래의 객체 탐지 시스템 및 본 발명의 일 실시예에 따른 객체 탐지 시스템을 이용하였을 때의 결과를 도시한 도면이다.

이하, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 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, 본 발명의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 명세서 전체에서, 어떤 부분이 어떤 구성요소를 '포함', '구비'한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 '…부', '모듈' 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.

도 1은 본 발명의 일 실시예에 따른 객체 탐지 시스템을 도시한 블럭도이다.

도 1을 참조하면, 본 발명의 일 실시예에 따른 객체 탐지 시스템(100)은 객체(110), 영상 장치(120, 122, 124), 객체 검출 장치(130), 디스플레이 장치(140)를 포함한다.

영상 장치(120, 122, 124)는 객체(110)를 감시하기 위해, 객체의 영상을 촬영할 수 있는 장치를 말한다. 본 실시예에 따른 영상 장치(120, 122, 124)는 물체의 도난 및 방치 등의 감시를 위해 객체(110)를 감시하는 영상을 촬영할 수 있는 CCTV용 카메라, 감시 카메라 등으로 구현되는 것이 바람직하나 반드시 이에 한정하는 것은 아니고, 객체의 영상을 촬영할 수 있는 장치라면 어떤 영상 장치도 포함될 수 있다. 영상 장치(120, 122, 124)는 도난 및 방치를 감시하기 위해 객체가 촬영된 영상을 객체 검출 장치(130)로 전송한다. 영상 장치(120, 122, 124)로 촬영된 영상은 복수 개의 프레임을 포함하여 구성될 수 있다. 도 1에는 영상 장치(120, 122, 124)가 복수 개가 존재하는 것으로 도시되어 있으나, 반드시 이에 한정하는 것은 아니고 하나의 영상 장치만이 객체의 영상을 촬영할 수 있다.

객체 검출 장치(130)는 영상 장치로부터 영상 장치가 촬영한 객체의 영상을 수신하여 움직임이 있는 객체를 검출하고, 검출한 객체가 관심 객체인지 비 관심 객체인지 필터링하는 역할을 한다. 또한 필터링한 영상을 디스플레이 장치(140)가 출력할 수 있도록 디스플레이 가능한 신호로 처리하는 역할을 한다. 보다 자세한 설명은 도 2를 참조하여 설명하기로 한다.

디스플레이 장치(140)는 객체 검출 장치로부터 필터링되고 디스플레이 가능한 신호로 처리된 영상을 디스플레이하는 역할을 한다.

도 2는 본 발명의 일 실시예에 따른 객체 탐지 장치를 도시한 블럭도이다.

도 2를 참조하면, 본 발명의 일 실시예에 따른 객체 탐지 장치(130)는 객체 추출부(210), 필터링부(220) 및 영상 처리부(230)를 포함한다.

객체 추출부(210)는 영상 장치로부터 수신한 객체의 영상의 프레임 내에서 객체를 추출하는 역할을 한다. 객체를 추출함에 있어, 배경 모델 학습을 이용하여 프레임 내에 포함된 객체를 추출할 수 있다. 배경 모델 학습을 이용하는 경우, 영상의 화소마다 특정한 개수의 가우시안 모델을 생성하여 화소의 값이 설정한 범위를 넘는지 여부를 판단한다. 이때 화소의 값이 기 설정한 범위를 넘어서는 경우 객체로 판단을 하며, 화소의 값이 기 설정한 범위를 넘어서지 않는 경우 비 객체로 판단을 한다.

필터링부(220)는 객체 추출부가 프레임 내에서 추출한 객체가 관심 객체인지, 비 관심 객체인지 여부를 판단하며 필터링하는 역할을 한다. 이때, 필터링부(220)가 관심 객체인지, 비 관심 객체인지 여부를 판단하는 기준으로는 포커스(Focus) 되는 정도 및 평균 밝기 수준을 판단한다.

먼저, 필터링부는 프레임 내에서 객체가 위치하는 영역의 선예도(Sharpness)를 판단한다. 선예도란 화상이 선명하게 보이는 정도를 나타내는 용어로서, 선예도를 판단하여 프레임 내에서 객체가 포커스 되는 정도를 판단한다. 영상 장치는 객체가 포커싱하기에 적합한 거리에 위치해 있는 경우에 영상의 포커스가 올바르게 적용된다. 그러나 특히, 영상 장치가 야외에 위치해 있는 경우, 비 관심 객체, 예를 들어, 벌레 또는 빗물이나 눈과 같은 액체 등이 영상 장치에 포커싱이 되는 경우, 전술한 비 관심 객체는 영상 장치에 붙거나 근접하는 경우가 많아, 비 관심 객체는 영상 장치가 포커싱하기에 적합한 거리에 위치해 있는 경우가 드물게 된다. 이 때문에 비 관심 객체의 경우는 영상 장치가 촬영하는 영상에서 포커스가 올바르지 않게 된다. 이에 따라 추출한 객체가 관심 객체인지, 비 관심 객체인지 여부는 먼저 객체가 영상 내에서 포커스 되는 정도를 판단한다.

이때, 필터링부가 객체의 선예도, 즉, 객체가 프레임 내에서 포커싱되는 정도를 판단하는 방법으로 영상 내에서 객체가 위치하는 영역의 주파수 성분을 분석할 수 있다. 영상 내에서 고주파 성분이 적게 분포하는 경우, 영상 내에서 객체가 포커싱되지 않은 탈 초점 상태(Blur)임을 의미한다. 따라서 객체가 포커싱되는 정도를 판단함에 있어, 주파수 성분을 분석하여 알 수 있다. 이 경우, 아래 수학식 1을 이용해 라플라시안(Laplacian) 값을 계산하여 이로부터 주파수 성분을 분석할 수 있다.

전술한 수학식 1에서 I(x,y)는 프레임에서 (x,y)위치의 픽셀 값을 의미하며, G(x,y)는 프레임 (x,y)위치에서의 라플라시안 값을 의미한다. 이렇게 구한 라플라시안 값들의 분산 값을 이용하여 객체가 위치하는 영역의 주파수 성분을 분석한다. 분석한 결과 주파수 성분 속에 고주파 성분이 많이 분포하는 경우에는 객체가 포커싱되고 있는 상태임을 알 수 있으며, 고주파 성분이 적게 분포하는 경우에는 객체가 포커싱되지 않은 탈 초점 상태임을 알 수 있다.

두 번째로, 객체가 포커싱되지 않은 탈 초점 상태인 경우, 필터링부는 영상 내에서 객체가 위치하는 영역의 평균 밝기 수준을 판단한다. 영상 장치에 붙거나 근접한 비 관심 객체는 역광을 받기 때문에 전체적으로 객체의 밝기가 낮은 현상이 발생하게 된다. 특히, 영상 장치가 야외에 설치되어 있는 경우라면 이러한 현상이 더욱 뚜렷이 발생한다. 이에 따라 객체의 평균 밝기 수준이 다른 부분에 비하여 전체적으로 낮은 경우, 필터링부는 객체를 비 관심 객체로 판단하게 된다. 객체의 평균 밝기 수준은 아래의 수학식과 같이 판단할 수 있다.

M은 평균 밝기 수준을 나타내는 값으로서, 영상 내에서 객체가 위치하는 영역 중 기 설정된 부분 영역의 평균 밝기 수준을 나타낸다. M은 영상 내에서 객체가 위치하는 영역 내의 가로 좌표 j에서 J까지의 거리를 가로로, 영상 내에서 객체가 위치하는 영역 내의 세로 좌표 k에서 K까지의 거리를 세로로 하여 생기는 사각형 영역 내의 평균 밝기 수준을 나타내는 값에 해당한다. 필터링부는 전술한 부분 영역의 평균 밝기 수준이 기 설정된 수치 이상인지 여부를 판단하여, M이 기 설정된 수치를 초과하는 경우 관심 객체로, M이 기 설정된 수치 이하인 경우 비 관심 객체로 필터링한다. 이때, 기 설정된 수치는 경험적으로 정의되거나 데이터베이스에서 측정치의 분포 분석을 통해서 정의할 수 있다.

영상 처리부(230)는 영상을 디스플레이 장치가 출력할 수 있도록 디스플레이 가능한 신호로 처리하는 역할을 한다. 즉, 영상 처리부는 디스플레이 장치가 필터링부가 필터링한 영상을 출력할 수 있도록 전처리 작업을 한다.

도 2에 도시된 객체 탐지 장치에 포함된 각 구성요소는 장치 내부의 소프트웨어적인 모듈 또는 하드웨어적인 모듈을 연결하는 통신 경로에 연결되어 상호 간에 유기적으로 동작한다. 이러한 구성요소는 하나 이상의 통신 버스 또는 신호 선을 이용하여 통신한다.

도 3은 본 발명의 일 실시예에 따른 객체 탐지 방법을 도시한 순서도이다.

현재 프레임 및 하나 이상의 이전 프레임을 이용하여 움직임이 존재하는 객체가 있는지 여부 판단한다(S310). 영상 장치로부터 수신한 객체의 영상의 프레임 내에서 객체를 추출한다. 이 경우, 객체를 추출함에 있어, 배경 모델 학습을 이용하여 영상 내에 포함된 객체를 추출할 수 있다.

현재 프레임 내에서 검출한 객체의 선예도가 기 설정된 수준 이하인지 여부 판단한다(S320). 선예도란 화상이 선명하게 보이는 정도를 나타내는 용어로서, 선예도를 판단하여 프레임 내에서 객체가 포커스 되는 정도를 판단한다. 비 관심 객체가 영상 장치에 포커싱이 되는 경우, 전술한 비 관심 객체는 영상 장치에 붙거나 근접하는 경우가 많아, 비 관심 객체는 영상 장치가 포커싱하기에 적합한 거리에 위치해 있는 경우가 드물게 된다. 이에 따라 비 관심 객체의 경우는 영상 장치가 촬영하는 영상에서 포커스가 올바르지 않게 된다. 이에 따라 추출한 객체가 관심 객체인지, 비 관심 객체인지 여부는 먼저 객체가 영상 내에서 포커스 되는 정도를 판단한다. 이때, 포커스되는 정도를 판단함에 있어, 영상 내에서 객체가 위치하는 영역의 주파수 성분을 분석하여 판단할 수 있으며, 라플라시안(Laplacian) 값을 계산하여 이로부터 주파수 성분을 분석할 수 있다.

현재 프레임 내에서 객체의 선예도가 기 설정된 수준 이하인 경우, 현재 프레임 내에서 객체의 밝기가 기 설정된 수치 이하인지 여부 판단한다(S330). 영상 장치에 붙거나 근접한 비 관심 객체는 역광을 받기 때문에 전체적으로 객체의 밝기가 낮은 현상이 발생하게 된다. 특히, 영상 장치가 야외에 설치되어 있는 경우라면 이러한 현상이 더욱 뚜렷이 발생한다. 따라서 객체가 위치하는 영역의 평균 밝기 수준이 기 설정된 수치 이하인지 여부를 판단한다.

현재 프레임 내에서 객체의 선예도가 기 설정된 수준 이하이며, 현재 프레임 내에서 객체의 밝기가 기 설정된 수치 이하인 경우, 객체를 비 관심 객체로 분류한다(S340). 객체가 현재 프레임 내에서 포커싱되지 않은 탈 초점 상태이며, 평균 밝기 수준이 기 설정된 수치 이하라면, 객체는 프레임 내에서 포커싱되어 있지 않으며 역광을 받고 있는 상태라 판단할 수 있어 비 관심 객체로 분류할 수 있다.

현재 프레임 내에서 객체의 선예도가 기 설정된 수준 이상이거나, 객체가 현재 프레임 내에서 객체의 밝기가 기 설정된 수치를 초과하는 경우, 객체를 관심 객체로 분류한다(S350).

도 3에서는 과정 S310 내지 과정 S350을 순차적으로 실행하는 것으로 기재하고 있으나, 이는 본 발명의 일 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것이다. 다시 말해, 본 발명의 일 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 일 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 3에 기재된 순서를 변경하여 실행하거나 과정 S310 내지 과정 S350 중 하나 이상의 과정을 병렬적으로 실행하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이므로, 도 3은 시계열적인 순서로 한정되는 것은 아니다.

한편, 도 3에 도시된 과정들은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 즉, 컴퓨터가 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등) 및 캐리어 웨이브(예를 들면, 인터넷을 통한 전송)와 같은 저장매체를 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.

도 4a 및 도 4b는 각각 종래의 객체 탐지 시스템 및 본 발명의 일 실시예에 따른 객체 탐지 시스템을 이용하였을 때의 결과를 도시한 도면이다.

도 4a는 종래의 객체 탐지 시스템을 이용하였을 때, 비 관심 객체를 탐지하는 지 여부에 대한 결과를 도시한 도면이다. 종래의 객체 탐지 시스템에 있어서는 비 관심 객체도 움직임을 가지고 있어, 배경 모델 학습 방법을 이용하는 경우, 객체로 분류될 가능성이 농후하다. 이에 따라 도 4a의 객체 탐지 시스템에서는 도 4a에 벌레로 예시된 비 관심 객체를 객체로 탐지한 것을 볼 수 있다. 객체 탐지 시스템에 따라서 객체로 탐지되는 경우 알람을 울리거나 효과음을 발생시키는 시스템도 존재하기 때문에, 비 관심 객체에 의한 알람이나 효과음이 발생하는 경우가 종종 발생한다. 특히, 영상 장치가 야외에 설치되는 경우에는 더욱 빈번하게 발생하여 관찰자의 주의를 흩뜨리는 경우가 발생한다.

반면, 도 4b에 도시된 본 발명의 일 실시예에 따른 객체 탐지 시스템에 따르면, 포커싱 정도 및 평균 밝기 수준을 판단하기 때문에 이를 판단하여 객체를 비 관심 객체로 탐지할 수 있다. 도 4b에 도시된 벌레는 이에 따라 비 관심 객체로 필터링되어 객체 탐지 시스템 상에서 관심 객체로 탐지되지 않게 된다.

이상의 설명은 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 실시예들은 본 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

100: 객체 탐지 시스템 110: 객체
120, 122, 124: 영상 장치 130: 객체 검출 장치
140: 디스플레이 장치 210: 객체 추출부
220: 필터링부 230: 영상 처리부

Claims (6)

1. 현재 프레임 및 하나 이상의 이전 프레임을 이용하여 움직임이 존재하는 움직이는 객체를 검출하는 객체 검출부; 및
   상기 현재 프레임에서 (x,y)위치의 픽셀 값(I(x,y))과 프레임 (x,y)위치에서의 라플라시안 값(G(x,y))을 근거로 상기 움직이는 객체가 위치하는 영역의 주파수 성분을 분석하고,
   상기 주파수 성분을 분석한 결과를 기반으로 상기 움직이는 객체가 포커싱되고 있는 상태인지 포커싱되지 않은 탈 초점 상태인지의 여부를 확인한 결과인 상기 움직이는 객체가 상기 현재 프레임 내에서 포커싱되는 정도를 기반으로 상기 움직이는 객체의 선예도(Sharpness)를 확인하고,
   상기 현재 프레임 내에서 상기 움직이는 객체가 위치하는 영역 내의 가로 좌표 j에서 J까지의 거리를 가로로 인식하고, 상기 움직이는 객체가 위치하는 영역 내의 세로 좌표 k에서 K까지의 거리를 세로로 인식한 영역 내의 평균 밝기를 확인하고,
   상기 움직이는 객체의 선예도가 기 설정된 수준 이하이고, 상기 움직이는 객체의 평균 밝기가 기 설정된 수치 이하인 경우, 상기 움직이는 객체를 비 관심 객체로 분류하며, 상기 움직이는 객체 중 상기 비 관심 객체에 대한 알람을 미발생하도록 하는 필터링부
   를 포함하는 것을 특징으로 하는 객체 탐지 장치.
2. 제1항에 있어서,
   상기 필터링부는,
   상기 주파수 성분을 분석한 결과를 기반으로 상기 현재 프레임 내에서 주파수 성분 중에서 고주파 성분이 임계치 이상으로 분포하는 경우 상기 움직이는 객체가 포커싱되고 있는 상태로 판단하여 상기 움직이는 객체의 선예도를 판단하는 것을 특징으로 하는 객체 탐지 장치.
3. 삭제
4. 현재 프레임 및 하나 이상의 이전 프레임을 이용하여 움직임이 존재하는 움직이는 객체를 검출하는 과정;
   상기 현재 프레임에서 (x,y)위치의 픽셀 값(I(x,y))과 프레임 (x,y)위치에서의 라플라시안 값(G(x,y))을 근거로 상기 움직이는 객체가 위치하는 영역의 주파수 성분을 분석하는 과정;
   상기 주파수 성분을 분석한 결과를 기반으로 상기 움직이는 객체가 포커싱되고 있는 상태인지 포커싱되지 않은 탈 초점 상태인지의 여부를 확인한 결과인 상기 움직이는 객체가 상기 현재 프레임 내에서 포커싱되는 정도를 기반으로 상기 움직이는 객체의 선예도(Sharpness)를 확인하는 과정;
   상기 현재 프레임 내에서 상기 움직이는 객체가 위치하는 영역 내의 가로 좌표 j에서 J까지의 거리를 가로로 인식하고, 상기 움직이는 객체가 위치하는 영역 내의 세로 좌표 k에서 K까지의 거리를 세로로 인식한 영역 내의 평균 밝기가 기 설정된 수치 이하인지 확인하는 과정;
   상기 움직이는 객체의 선예도가 기 설정된 수준 이하이고, 상기 움직이는 객체의 평균 밝기가 기 설정된 수치 이하인 경우, 상기 움직이는 객체를 비 관심 객체로 분류하며, 상기 움직이는 객체 중 상기 비 관심 객체에 대한 알람을 미발생하도록 하는 과정
   을 포함하는 것을 특징으로 하는 객체 탐지 방법.
5. 제4항에 있어서,
   상기 움직이는 객체의 선예도가 기 설정된 수준 이하인지 여부를 판단하는 과정은,
   상기 주파수 성분을 분석한 결과를 기반으로 상기 현재 프레임 내에서 주파수 성분 중에서 고주파 성분이 임계치 이상으로 분포하는 경우 상기 움직이는 객체가 포커싱되고 있는 상태로 판단하여 상기 움직이는 객체의 선예도를 판단하는 것을 특징으로 하는 객체 탐지 방법.
   
6. 삭제

Images