KR102136245B1

KR102136245B1 - 표적 탐지 및 포착을 위한 장치, 방법, 컴퓨터 판독 가능한 기록 매체 및 컴퓨터 프로그램

Info

Publication number: KR102136245B1
Application number: KR1020200004287A
Authority: KR
Inventors: 김춘호; 정영진
Original assignee: 국방과학연구소
Priority date: 2020-01-13
Filing date: 2020-01-13
Publication date: 2020-07-21

Abstract

다양한 실시 예에 따르면, 표적 탐지를 위한 방법에 있어서, 적외선 영상 센서의 시야각에서의 지정된 표적의 예상 방향에 대한 방위각 및 고각에 기초하여 상기 적외선 영상 센서의 상기 시야각에서의 자동 이득 조정(AGC; auto gain control) 활성화 영역을 설정하는 동작; 상기 지정된 표적 이외의 미지정된 표적과 요격탄이 조우하여 화염 및 파편이 발생될 확률의 계산에 기초하여 자동 이득 조정 억제 영역을 설정하는 동작; 및 상기 시야각에서의 상기 자동 이득 조정 활성화 영역 및 상기 자동 이득 조정 억제 영역이 설정된 상기 적외선 영상 센서를 이용하여 획득된 적외선 영상 에 대한, 그래디언트 벡터 필드(GVF; gradient vector field)에서의 벡터 분석을 기초로 표적을 탐지하는 동작을 포함할 수 있다.

Description

표적 탐지 및 포착을 위한 장치, 방법, 컴퓨터 판독 가능한 기록 매체 및 컴퓨터 프로그램{APPARATUS, METHOD, COMPUTER-READABLE STORAGE MEDIUM AND COMPUTER PROGRAM FOR DETECTING AND SELECTING TARGET}

본 발명은 표적 탐지를 위한 장치, 방법, 컴퓨터 판독 가능한 기록 매체 및 컴퓨터 프로그램에 관한 것이다.

적외선 영상 센서를 장착한 요격탄은 종말 호밍 단계에서 표적을 자동으로 탐색하여 포착할 수 있어야 한다. 표적과 요격탄이 조우할 경우, 주변에 화염과 파편이 발생할 수 있으며, 이 때문에, 요격탄의 적외선 영상 센서는 화염 및 파편의 영향을 회피하면서 표적을 탐지하는 기술 개발이 요구되고 있다. 표적을 자동으로 탐지하기 위해서는, 잡음 및/또는 화염과 같은 클러터(clutter)로부터 표적을 구분하는 기술이 필요하다. 또한, 다수의 표적이 존재할 경우, 요격탄에 할당된 지정된 표적의 자동 포착을 위해서는, 표적 후보군을 자동으로 탐지한 이후, 지정된 표적을 자동으로 포착하는 기술이 필요하다.

도 1은 종래의 표적을 추출하는 기술을 설명하기 위한 도면으로, 도 1의 (a)는 밝기가 높은 광원이 발생되기 전에 획득한 영상이고, 도 1의 (b)는 밝기가 높은 광원이 발생된 이후 획득한 영상을 나타낸 도면이다.

도 1을 참조하면, 종래의 표적 탐지를 위한 적외선 영상 센서의 경우, 밝기가 높은 광원의 발생 시, 기존의 밝기가 상대적으로 낮은 표적들은, 명암 값이 높은 화염에 비해 어두워져 배경과 구분되지 않음을 알 수 있으며, 이는, 표적 탐지의 성능에 영향을 줄 수 있다.

도 2는 종래의 표적을 추출하는 기술을 설명하기 위한 도면이다.

도 2의 (a) 내지 (c)를 참조하면, 종래의 도 2의 (c)와 같은 차 영상을 이용한 표적 추출 기술은, 도 2의 (a)와 같은 현재 프레임(T번째 프레임, T_n) 및 도 2의 (b)와 같은 다음 프레임(T+1번째 프레임, T_n+1)을 이용하므로, 처리 시간이 많이 소요되는 단점이 있다. 이러한 기술의 경우, 화이트 노이즈와 같은 잡음을 제거할 수는 있지만, 이동하는 카메라에는 모션 블러가 발생하는 문제가 있어왔다.

도 2의 (d) 내지 (f)를 참조하면, 종래의 명암 값 비교를 이용한 표적 추출 기술은, 도 2의 (d)와 같은 그레이스케일 영상에, 도 2의 (e)와 같은 히스토그램의 분석을 통해, 결정된 문턱 값을 적용한 결과인 도 2의 (f)와 같은 영상을 이용하는 기술이다. 이와 같이, 종래의 명암 값 비교를 이용한 표적 추출 기술은, 명암의 히스토그램을 분석하여 문턱 값을 통해 표적에 대응하는 영역을 추출할 수 있지만, 주변의 밝기 및 변화에 민감한 단점이 있다.

한편, 도시하지는 않았지만, 종래의 표적을 추출하는 기술은 서로 다른 종류의 단일 표적이 존재하는 환경에서, 표적의 크기, 모양, 색, 속도 등의 특징을 추출하고 NN(neural network), SVM(support vector machine), 회귀분석 등의 분류기를 이용하여 단일 표적의 종류를 분류하는 기술이 있다.

종래의 표적 정보를 획득하는 장치는, 예를 들어, 전자 광학 추적기(EOTS; electro-optical tracking system), 적외선 탐색 추적 장비(IRST; infra-red search and track), 및 표적탐지장치(TADS; target acquisition and designation system) 등이 있으며, 이러한 장치들에는, 다수의 표적들에 대해 특정 표적을 분류하고 탐지 및 추적하여, 요격탄에 표적 정보를 제공하기 위한 기술의 적용이 요구되고 있다.

그러나, 종래에는 다수의 동일한 표적들이 존재하는 환경에서, 적외선 영상 센서를 이용하여, 지정된 표적을 자동 포착하기 위한 기술은 존재하지 않으며, 이에 따라, 이러한 기술을 획득하기 위한 연구가 필요한 상태이다.

본 발명의 실시 예는, 표적의 탐지 시, 적외선 영상 센서의 시야각(FOV; field of view) 내에서 볼 수 있는 화염의 영향이 최소화되도록 하는 표적 탐지를 위한 장치, 방법, 컴퓨터 판독 가능한 기록 매체 및 컴퓨터 프로그램을 제공할 수 있다.

예를 들어, 본 발명의 실시 예는, 적외선 영상 센서의 시야각 내에서 보이는 화염의 영향을 최소화시키기 위하여, 지정된 표적이 있는 방향으로만 AGC(auto gain control)를 활성화하는 영역을 설정하고, 이 외에 화염이 발생할 수 있는 영역에는 AGC를 억제하는 기술을 제공할 수 있다.

또한, 본 발명의 실시 예는, 다표적 교전 상황에서 적외선 영상 센서에 할당된 지정된 표적을 타격할 수 있도록 상기 지정된 표적을 자동 포착할 수 있도록, 표적 포착을 위한 장치, 방법, 컴퓨터 판독 가능한 기록 매체 및 컴퓨터 프로그램을 제공할 수 있다.

예를 들어, 본 발명의 실시 예는, 다표적 교전 상황에서 발사되는 다수의 요격탄들 각각에 대해, 표적의 오인식률이 최소화되도록 하고, 화염의 영향을 최소화되도록 하는 종말 호밍이 가능하도록 하여, 지정된 표적의 명중률을 향상시킬 수 있다. 또한, 표적의 정보를 획득하는 장치가, 다수의 표적들에 대해 특정 표적을 분류하고 탐지 및 추적 가능하도록 하여, 요격탄에 표적의 정보를 제공할 수 있다.

본 발명의 실시 예에 따르면, 표적 탐지를 위한 방법에 있어서, 적외선 영상 센서의 시야각에서의 지정된 표적의 예상 방향에 대한 방위각 및 고각에 기초하여 상기 적외선 영상 센서의 상기 시야각에서의 자동 이득 조정(AGC; auto gain control) 활성화 영역을 설정하는 동작; 상기 지정된 표적 이외의 미지정된 표적과 요격탄이 조우하여 화염 및 파편이 발생될 확률의 계산에 기초하여 자동 이득 조정 억제 영역을 설정하는 동작; 및 상기 시야각에서의 상기 자동 이득 조정 활성화 영역 및 상기 자동 이득 조정 억제 영역이 설정된 상기 적외선 영상 센서를 이용하여 획득된 적외선 영상 에 대한, 그래디언트 벡터 필드(GVF; gradient vector field)에서의 벡터 분석을 기초로 표적을 탐지하는 동작을 포함할 수 있다.

본 발명의 실시 예에 따르면, 상기 적외선 영상 센서의 상기 시야각에서의 상기 자동 이득 조정 활성화 영역 및 상기 자동 이득 조정 억제 영역은, 기 설정된 발생 가능한 오차가 적용될 수 있다.

본 발명의 실시 예에 따르면, 상기 적외선 영상에 대한, 상기 그래디언트 벡터 필드에서의 상기 벡터 분석을 기초로 상기 표적을 탐지하는 동작은, 상기 그래디언트 벡터 필드에서의 그래디언트의 크기(magnitude) 및 발산(divergence)을 계산하는 동작, 상기 크기가 지정된 임계 값보다 크고, 상기 발산이 상기 지정된 임계값보다 작은 것에 기초하여, 상기 적외선 영상에 대응되는 이진 데이터를 생성하는 동작, 상기 생성된 이진 데이터에 기초하여 표적 후보 영역들을 설정하는 동작, 상기 적외선 영상에서 상기 설정된 표적 후보 영역들에 대응하는 영상들을 분리하는 동작, 상기 분리된 영상들 각각에 대해, X축 방향 및 Y축 방향으로 벡터 크기에 대한 다항식 계수를 추출하는 동작, 및 상기 추출된 다항식 계수를 기 학습된 신경망(Neural Network) 학습 모델에 입력하여, 상기 설정된 표적 후보 영역들 각각을 표적 또는 화염에 대응되는 영역으로 분류하는 동작을 포함할 수 있다.

본 발명의 실시 예에 따르면, 상기 방법은 상기 생성된 이진 데이터에 대해, 기 설정된 필터의 필터 값들을 적용하는 동작을 더 포함할 수 있다.

본 발명의 실시 예에 따르면, 상기 방법은 상기 기 설정된 필터의 상기 필터 값들을 적용한 상기 생성된 이진 데이터에 대한 라벨링을 하는 동작을 더 포함할 수 있다.

본 발명의 실시 예에 따르면, 상기 방법은 상기 표적의 탐지에 기초하여, 상기 지정된 표적과 미지정된 표적을 포함하는 모델링한 영상에서 표적 후보 영역들을 설정하는 동작, 및 상기 설정된 표적 후보 영역들의 특징 값들에 기초하여, 상기 지정된 표적을 포착하는 동작을 더 포함할 수 있다.

본 발명의 실시 예에 따르면, 상기 설정된 표적 후보 영역들의 상기 특징 값들에 기초하여, 상기 지정된 표적을 포착하는 동작은, 상기 표적 후보 영역들 각각에 대해, 둥근 정도(Roundness), 길쭉한 정도(Elongation), 및 주축과 X축간 각도(Orientation)를 포함하는 기 설정된 표적 특징들에 대응하는 특징들의 특징 값들을 계산하는 동작, 상기 계산된 특징 값들의 평균 및 표준 편차를 계산하는 동작, 상기 계산된 평균 및 표준 편차에 따른 Naive Bayes 정리를 이용하여, 상기 표적 후보 영역들이 상기 지정된 표적이 포함되는 영역과 상기 미지정된 표적이 포함되는 영역으로 분류될 확률을 계산하는 동작, 및 상기 계산된 확률에 기초하여, 상기 표적 후보 영역들을 분류하여 상기 지정된 표적을 포착하는 동작을 포함할 수 있다.

본 발명의 실시 예에 따르면, 컴퓨터 프로그램을 저장하고 있는 컴퓨터 판독 가능 기록매체로서, 상기 컴퓨터 프로그램은, 프로세서에 의해 실행되면, 적외선 영상 센서의 시야각에서의 지정된 표적의 예상 방향에 대한 방위각 및 고각에 기초하여 상기 적외선 영상 센서의 상기 시야각에서의 자동 이득 조정(AGC; auto gain control) 활성화 영역을 설정하는 동작; 상기 지정된 표적 이외의 미지정된 표적과 요격탄이 조우하여 화염 및 파편이 발생될 확률의 계산에 기초하여 자동 이득 조정 억제 영역을 설정하는 동작; 및 상기 시야각에서의 상기 자동 이득 조정 활성화 영역 및 상기 자동 이득 조정 억제 영역이 설정된 상기 적외선 영상 센서를 이용하여 획득된 적외선 영상 에 대한, 그래디언트 벡터 필드(GVF; gradient vector field)에서의 벡터 분석을 기초로 표적을 탐지하는 동작을 포함하는 방법을 상기 프로세서가 수행하도록 하기 위한 명령어를 포함할 수 있다.

본 발명의 실시 예에 따르면, 컴퓨터 판독 가능한 기록매체에 저장되어 있는 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은, 프로세서에 의해 실행되면, 적외선 영상 센서의 시야각에서의 지정된 표적의 예상 방향에 대한 방위각 및 고각에 기초하여 상기 적외선 영상 센서의 상기 시야각에서의 자동 이득 조정(AGC; auto gain control) 활성화 영역을 설정하는 동작; 상기 지정된 표적 이외의 미지정된 표적과 요격탄이 조우하여 화염 및 파편이 발생될 확률의 계산에 기초하여 자동 이득 조정 억제 영역을 설정하는 동작; 및 상기 시야각에서의 상기 자동 이득 조정 활성화 영역 및 상기 자동 이득 조정 억제 영역이 설정된 상기 적외선 영상 센서를 이용하여 획득된 적외선 영상 에 대한, 그래디언트 벡터 필드(GVF; gradient vector field)에서의 벡터 분석을 기초로 표적을 탐지하는 동작을 포함하는 방법을 상기 프로세서가 수행하도록 하기 위한 명령어를 포함할 수 있다.

본 발명의 실시 예에 따르면, 표적 탐지를 위한 장치에 있어서, 제어부; 및 상기 제어부와 전기적으로 연결된 메모리를 포함하며, 상기 메모리는, 상기 제어부가, 적외선 영상 센서의 시야각에서의 지정된 표적의 예상 방향에 대한 방위각 및 고각 중 적어도 하나에 기초하여 상기 적외선 영상 센서의 상기 시야각에서의 자동 이득 조정(AGC; auto gain control) 활성화 영역을 설정하며, 상기 지정된 표적 이외의 미지정된 표적과 요격탄이 조우하여 화염 및 파편이 발생될 확률의 계산에 기초하여 자동 이득 조정 억제 영역을 설정하며, 상기 시야각에서의 상기 자동 이득 조정 활성화 영역 및 상기 자동 이득 조정 억제 영역이 설정된 상기 적외선 영상 센서를 이용하여 획득된 적외선 영상 에 대한, 그래디언트 벡터 필드(GVF; gradient vector field)에서의 벡터 분석을 기초로 표적을 탐지하도록 하는 명령을 포함할 수 있다.

본 발명의 다양한 실시 예에 따른 표적 탐지를 위한 장치, 방법, 컴퓨터 판독 가능한 기록 매체 및 컴퓨터 프로그램은, 표적의 탐지 시, 적외선 영상 센서의 시야각(FOV; field of view) 내에서 볼 수 있는 화염의 영향이 최소화되도록 할 수 있다.

또한, 본 발명의 실시 예는, 다표적 교전 상황에서 적외선 영상 센서에 할당된 지정된 표적을 타격할 수 있도록 상기 지정된 표적을 자동으로 탐지(포착이라고도 함)할 수 있도록, 표적 탐지를 위한 장치, 방법, 컴퓨터 판독 가능한 기록 매체 및 컴퓨터 프로그램을 제공할 수 있다.

도 1은 종래의 표적을 추출하는 기술을 설명하기 위한 도면이다.
도 2는 종래의 표적을 추출하는 기술을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시 예에 따른 표적 탐지를 위한 장치의 블록도이다.
도 4는 본 발명의 일 실시 예에 따른 적외선 영상 센서에 AGC 활성화 영역 및 AGC 억제 영역을 설정하는 동작의 흐름도이다.
도 5는 본 발명의 일 실시 예에 따른 요격탄 적외선 영상 센서의 시야각에서의 AGC 활성화 영역 및 AGC 억제 영역의 설정을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시 예에 따른 장치의 표적 및 화염에 대응하는 영상을 포함하는 적외선 영상에서 Gradient Vector 분석을 이용한 표적 탐지를 위한 학습 동작의 흐름도이다.
도 7은 본 발명의 일 실시 예에 따른 표적 및 화염에 대응하는 영상의 Gradient Vector Field(GVF)에서 벡터 크기를 계산하기 위한 수학식을 설명하기 위한 도면이다.
도 8a는 표적의 Gradient Vector Field 특성을 설명하기 위한 도면이다.
도 8b는 화염의 Gradient Vector Field 특성을 설명하기 위한 도면이다.
도 8c는 실험에 따른 적외선 영상 샘플의 프레임들 각각에 대한 표적의 GVF 특성을 나타낸 도면이다.
도 8d는 적외선 영상 샘플의 프레임들 각각에 대한 화염의 GVF 특성을 나타낸 도면이다.
도 8e는 프레임들 별로 표적의 X축 및 Y축 GVF의 크기를 비교한 도면이다.
도 8f는 프레임들 별로 화염의 X축 및 Y축 GVF의 크기를 비교한 도면이다.
도 9는 본 발명의 일 실시 예에 따른 표적 및 화염에 대한 X축 및 Y축의 다항식 계수의 벡터를 나타낸 도면이다.
도 10은 본 발명의 일 실시 예에 따른 장치의 표적 및 화염에 대응하는 영상을 포함하는 적외선 영상에서 Gradient Vector 분석을 이용한 표적 탐지를 위한 분류 동작의 흐름도이다.
도 11은 본 발명의 일 실시 예에 따른 장치의 표적 및 화염에 대응하는 영상을 포함하는 적외선 영상에서 Gradient Vector 분석을 이용한 표적 탐지 결과를 설명하기 위한 도면이다.
도 12는 본 발명의 일 실시 예에 따른 장치의 지정표적 및 오인표적에 대응하는 영상을 포함한 적외선 영상에서 지정표적을 포착하기 위한 동작의 흐름도이다.
도 13a 및 도 13b는 본 발명의 일 실시 예에 따른 적외선 영상 센서를 통해 획득되는 영상의 프레임에 포함되는 지정된 표적의 영상과 오인식되는 표적(오인 표적이라고도 함)의 영상 및 각 영상의 특성을 도시한 도면이다.
도 14는 본 발명의 일 실시 예에 따른 지정 표적(지정된 표적)과 오인 표적의 특징인 Roundness, Elongation, Orientation에 대한 정규분포를 나타낸 그래프이다.
도 15는 본 발명의 일 실시 예에 따른 표적 탐지를 위한 동작의 흐름도이다.

먼저, 본 발명의 장점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되는 실시 예들을 참조하면 명확해질 것이다. 여기에서, 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 발명의 범주를 명확하게 이해할 수 있도록 하기 위해 예시적으로 제공되는 것이므로, 본 발명의 기술적 범위는 청구항들에 의해 정의되어야 할 것이다.

아울러, 아래의 본 발명을 설명함에 있어서 공지 기능 또는 구성 등에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들인 것으로, 이는 사용자, 운용자 등의 의도 또는 관례 등에 따라 달라질 수 있음은 물론이다. 그러므로, 그 정의는 본 명세서의 전반에 걸쳐 기술되는 기술사상을 토대로 이루어져야 할 것이다.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시 예에 대하여 상세하게 설명한다.

도 3은 본 발명의 일 실시 예에 따른 표적 탐지를 위한 장치의 블록도이다.

도 3을 참조하면 상기 장치(300)는, 제어부(301), 입출력 인터페이스(303), 통신 인터페이스(305) 및/또는 메모리(307)를 포함할 수 있다.

제어부(301)(제어 장치, 제어 회로 또는 프로세서라고도 함)는 연결된 장치(300)의 적어도 하나의 다른 구성 요소(예: 하드웨어 구성 요소(예: 메모리(301), 입출력 인터페이스(303) 및/또는 통신 인터페이스(305)) 또는 소프트웨어 구성 요소)를 제어할 수 있고, 다양한 데이터 처리 및 연산을 수행할 수 있다.

입출력 인터페이스(303)는 예를 들면, 사용자 또는 다른 외부 기기, 예를 들어, 레이더로부터 입력된 데이터 또는 명령을 장치(300)의 다른 구성요소(들)에 전달하거나, 또는 장치(300)의 다른 구성요소(들)로부터 수신된 명령 또는 데이터를 사용자 또는 다른 외부 기기로 출력할 수 있다.

통신 인터페이스(305)는 예를 들면, 장치(300)와 외부 장치, 예를 들어, 레이더간의 통신을 설정할 수 있다. 예를 들면, 통신 인터페이스(305)는 무선 통신 또는 유선 통신을 통해서 네트워크에 연결되어 외부 장치, 예를 들어, 레이더 등과 통신할 수 있다.

메모리(307)는 장치(300)의 적어도 하나의 구성요소(제어부(301), 입출력 인터페이스(303) 및/또는 통신 인터페이스(305))에 의해 사용되는 다양한 데이터, 예를 들어, 소프트웨어(예: 프로그램) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 저장할 수 있다. 메모리(307)는, 휘발성 메모리 또는 비휘발성 메모리를 포함할 수 있다.

적외선 영상 센서(309)는 적외선 영상에 대응하는 데이터를 획득할 수 있다.

일 실시 예에 따르면, 상기 제어부(101)는, 적외선 영상 센서(309)의 시야각에서의 지정된 표적의 예상 방향에 대한 방위각 및 고각에 기초하여 상기 적외선 영상 센서의 상기 시야각에서의 자동 이득 조정(AGC; auto gain control) 활성화 영역을 설정하며, 상기 지정된 표적 이외의 미지정된 표적과 요격탄이 조우하여 화염 및 파편이 발생될 확률의 계산에 기초하여 자동 이득 조정 억제 영역을 설정하며, 상기 시야각에서의 상기 자동 이득 조정 활성화 영역 및 상기 자동 이득 조정 억제 영역이 설정된 상기 적외선 영상 센서를 이용하여 획득된 적외선 영상 에 대한, 그래디언트 벡터 필드(GVF; gradient vector field)에서의 벡터 분석을 기초로 표적을 탐지할 수 있다.

도 4는 본 발명의 일 실시 예에 따른 적외선 영상 센서에 AGC(auto gain control) 활성화 영역 및 AGC 억제 영역을 설정하는 동작의 흐름도이다. 도 5는 본 발명의 일 실시 예에 따른 요격탄 적외선 영상 센서의 시야각에서의 AGC 활성화 영역 및 AGC 억제 영역의 설정을 설명하기 위한 도면이다.

도 4를 참조하면, 장치(예: 장치(300) 또는 장치(300)의 제어부(301))는, 도 1과 같이 주변의 화염으로 인해 AGC 이득이 높아지면서, 표적의 밝기 명암 값이 화염에 비해 상대적으로 작아져서, 지정된 표적을 식별하기 어려운 문제를 해결할 수 있다.

401 동작에서, 상기 장치는, 적외선 영상 센서의 시야각에서 지정된 표적이 나타날 방향(예상 방향이라고도 함)에 대한 방위각 및/또는 고각을 계산할 수 있다.

일 실시 예에 따르면, 상기 장치는, 레이더로부터 수신된 표적 정보를 기초로, 적외선 영상 센서의 시야각에서 지정된 표적이 나타날 방향을 계산할 수 있으며, 상기 방향에 대한 방위각 및/또는 고각을 계산할 수 있다.

403 동작에서, 상기 장치는, 상기 적외선 영상 센서의 시야각에서 상기 지정된 표적이 나타날 방향으로 AGC를 수행할 영역(AGC 활성화 영역)을 설정할 수 있다.

일 실시 예에 따르면, 상기 장치는, 상기 방향으로, 기 설정된 발생 가능한 오차를 고려하여, AGC 활성화 영역을 설정할 수 있다. 예를 들어, 상기 발생 가능한 오차는, 레이더의 표적위치 정확도, 항법장치의 오차/자세 오차 등을 포함할 수 있다.

예를 들어, 상기 AGC 활성화 영역은, 레이더의 표적 정보(위치, 속도)를 중심으로 오차 범위와 가중치에 기초하여 설정될 수 있다. 예를 들어, 상기 AGC 활성화 영역은, 다음의 요소들 중 적어도 하나를 이용하여 설정될 수 있다.

(1) 레이더의 표적 위치 정확도 오차 * 위치 오차 가중치

(2) 요격탄 항법장치의 위치/자세오차 * 위치/자세오차 가중치

예를 들어, 상기 AGC 활성화 영역에서는 밝기 최대값이 제한되지 않기 때문에, 상기 AGC 활성화 영역에서는 광원이 나타나면 광원을 더 명확하게 탐지할 수 있다.

405 동작에서, 상기 장치는, 상기 적외선 영상 센서의 시야각에서 상기 지정된 표적 이외의 다른 표적(미지정된 표적이라고도 함)과 요격탄(선발 요격탄)이 조우하여 화염 및/또는 파편이 나타날 확률을 계산할 수 있다.

일 실시 예에 따르면, 상기 장치는, 레이더로부터 수신된 정보에 기초하여, 상기 적외선 영상 센서의 시야각에서 도 5와 같은 지정된 표적(T1)에 대응하는 AGC 활성화 영역(지정된 표적 추정 영역이라고도 함)(502) 이외의 다른 표적(T2, T3)으로 인한 화염 및/또는 파편이 발생할 수 있는 확률을 계산할 수 있다.

407 동작에서, 상기 장치는, 상기 적외선 영상 센서의 시야각에서 상기 화염 및/또는 파편이 나타날 방향으로 AGC를 억제할 영역(AGC 억제 영역)을 설정할 수 있다.

일 실시 예에 따르면, 상기 장치는, 도 5와 같은 다른 표적(T2, T3)으로 인한 화염 및/또는 파편이 발생할 수 있는 확률의 계산에 기초하여, AGC 억제 영역(다른 표적 요격 추정 영역이라고도 함)(504)을 설정할 수 있다. 예를 들어, 상기 AGC 억제 영역은, 발생 가능한 오차를 고려하여 설정되도록 할 수 있다.

예를 들어, 상기 AGC 억제 영역에서는 강한 광원이 보여도, 밝기 최대값이 제한되어, 주변이 어둡게 변하지 않기 때문에, 상기 장치가 주변의 변화를 지속적으로 탐지 가능하다.

409 동작에서 상기 장치는 상기 요격탄이 지정된 표적과 조우했는지를 확인할 수 있다.

상기 요격탄이 지정된 표적과 조우한 경우 본 실시 예의 동작을 종료하고, 그렇지 않은 경우 401 동작을 다시 실행할 수 있다.

한편, 상술한 AGC 억제 영역 및 AGC 활성화 영역은, 이용하는 센서의 센서 값에 따라 지속적으로 그 크기가 변경될 수 있다.

도 6은 본 발명의 일 실시 예에 따른 장치(예: 장치(300) 또는 장치(300)의 제어부(301))의 표적 및 화염에 대응하는 영상을 포함하는 적외선 영상에서 Gradient Vector 분석을 이용한 표적 탐지를 위한 학습 동작의 흐름도이다. 도 7은 본 발명의 일 실시 예에 따른 표적 및 화염에 대응하는 영상의 Gradient Vector Field(GVF)에서 벡터 크기를 계산하기 위한 수학식을 설명하기 위한 도면이다.

도 6을 참조하면, 601 동작에서, 상기 장치는, 하나 이상의 적외선 영상 샘플을 수신할 수(입력 받을 수) 있다.

일 실시 예에 따르면, 상기 적외선 영상 샘플은 표적 및 화염에 대응하는 영상을 포함하는 샘플 영상일 수 있다.

603 동작에서, 상기 장치는, 수학식 1을 이용하여 상기 표적 및 화염에 대응하는 영상의 Gradient Vector Field(GVF)에서 벡터 크기를 계산할 수 있다.

[수학식 1]

(θ: 영상에서의 각 픽셀에 대한 X축 및 Y축의 방향의 밝기 차이를 이용한 도 7의 (a)와 같은, 벡터의 각도(표적 및 화염에 대응하는 영상에서의 Gradient Vector Field에서의 벡터의 각도),

: 영상에서의 각 픽셀에 대한 X축 및 Y축의 방향의 밝기 차이를 이용한 벡터의 크기(표적 및 화염에 대응하는 영상에서의 Gradient Vector Field에서의 벡터의 크기),

:영상에서의 도 7의 (b)와 같은 X축 방향 픽셀 간의 GVF 계산 방식으로,

(x>0, y>0),

: 영상에서의 도 7의 (c)와 같은 Y축 방향 픽셀 간의 GVF 계산 방식으로,

(x>0, y>0))

일 실시 예에 따르면, 상기 GVF는, 영상에서 X축 방향 픽셀들의 밝기 차이와 Y축 방향 픽셀들의 밝기 차이를 나타낸 벡터장이다.

605 동작에서, 상기 장치는, 상기 계산에 기초하여, 표적 및 화염에 대응하는 영역에서 픽셀의 X축 및 Y축 방향으로 Gradient Vector Field(GVF) 벡터 크기를 비교할 수 있다.

도 8a는 표적의 Gradient Vector Field 특성을 설명하기 위한 도면으로, 도 8a의 (a)는 수신된 적외선 영상, 도 8a의 (b)는 표적에 대응하는 영역(추출 영역이라고도 함), 도 8a의 (c)는 GVF 의 크기, 도 8a의 (d)는 GVF의 방향, 도 8a의 (e)는 상기 추출 영역의 X축 길이에 대한 Gradient 크기 변화 그래프(X축 벡터 크기 그래프), 도 8a의 (f)는 상기 추출 영역의 Y축 길이에 대한 Gradient 크기 변화 그래프(Y축 벡터 크기 그래프)를 나타낸 도면이다.

도 8b는 화염의 Gradient Vector Field 특성을 설명하기 위한 도면으로, 도 8b의 (a)는 수신된 적외선 영상, 도 8b의 (b)는 화염에 대응하는 영역(추출 영역이라고도 함), 도 8b의 (c)는 GVF 의 크기, 도 8b의 (d)는 GVF의 방향, 도 8b의 (e)는 상기 추출 영역의 X축 길이에 대한 Gradient 크기 변화 그래프(X축 벡터 크기 그래프), 도 8b의 (f)는 상기 추출 영역의 Y축 길이에 대한 Gradient 크기 변화 그래프(Y축 벡터 크기 그래프)를 나타낸 도면이다.

도 8c는 실험에 따른 적외선 영상 샘플의 프레임들 각각에 대한 표적의 GVF 특성을 나타낸 도면이고, 도 8d는 적외선 영상 샘플의 프레임들 각각에 대한 화염의 GVF 특성을 나타낸 도면이다.

도 8e는 프레임들 별로 표적의 X축 및 Y축 GVF의 크기를 비교한 도면이고, 도 8f는 프레임들 별로 화염의 X축 및 Y축 GVF의 크기를 비교한 도면이다.

607 동작에서, 상기 장치는, 표적 및 화염의 X축 및 Y축 벡터 크기 값을 다항식으로 일반화하기 위해 수학식 2를 이용하여 다항식 곡선 피팅을 통한 다항식 계수를 추출할 수 있다.

[수학식 2]

(Gmag_x: X축 Gradient 크기, Gmag_y: Y축 Gradient 크기, X: X축 벡터 길이, Y: Y축 벡터 길이, a, b, c, d: Gmag_x, Gmag_y의 데이터의 각 X축, Y축 벡터 길이에 대한 최적의 피팅(최소 제곱 관점에서)인 3차 다항식 계수)

609 동작에서, 상기 장치는 상기 추출된 다항식 계수를 이용하여 다항식 계수 데이터베이스를 업데이트할 수 있다.

도 9는 본 발명의 일 실시 예에 따른 표적 및 화염에 대한 X축 및 Y축의 다항식 계수의 벡터를 나타낸 도면으로, 상기 다항식 계수는 도 9의 값들과 같을 수 있다.

일 실시 예에 따르면, 상기 장치는 상술한 601 내지 607 동작을 일정 횟수만큼 반복 수행하여 획득한 다항식 계수들을 데이터베이스화할 수 있다.

611 동작에서, 상기 장치는, 상기 다항식 계수 데이터베이스를 Neural Network에 적용하여 학습 모델을 생성할 수 있다.

도 10은 본 발명의 일 실시 예에 따른 장치(예: 장치(300) 또는 장치(300)의 제어부(301))의 표적 및 화염에 대응하는 영상을 포함하는 적외선 영상에서 Gradient Vector 분석을 이용한 표적 탐지를 위한 분류 동작의 흐름도이다.

도 11은 본 발명의 일 실시 예에 따른 장치(예: 장치(300) 또는 장치(300)의 제어부(301))의 표적 및 화염에 대응하는 영상을 포함하는 적외선 영상에서 Gradient Vector 분석을 이용한 표적 탐지를 위한 분류 동작을 설명하기 위한 도면이다.

1001 동작에서, 상기 장치는 적외선 영상을 수신할 수(입력 받을 수) 있다.

일 실시 예에 따르면, 상기 장치는 도 11의 (a)와 같은 표적과 화염의 적외선 합성 영상을 입력받을 수 있다.

1003 동작에서, 상기 장치는 Gradient Vector Field(GVF)를 계산할 수 있다.

1005 동작에서, 상기 장치는 GVF에서의 Gradient 크기(Gmag) 및 발산(Divergence; Div)을 계산할 수 있다.

일 실시 예에 따르면, 표적과 화염의 GVF의 크기(Gmag, ∇F) 계산 값들을 통해 시뮬레이션 한 결과 이미지는 도 11의 (b)와 같을 수 있으며, 표적과 화염의 GVF의 발산 계산 값들을 통해 시뮬레이션 한 결과 이미지는 도 11의 (c)와 같을 수 있다.

1007 동작에서, 상기 장치는 상기 계산한 Gmag가 80보다 크고, 상기 계산한 Div가 80보다 작은지를 확인할 수 있다.

예를 들어, 상기 장치는 적외선 영상의 GVF에서의 Gmag이 80보다 크고, Div가 80보다 작은 픽셀 마스킹 처리(잡읍제거)를 수행할 수 있다.

상기 계산한 Gmag가 80보다 크고, 상기 계산한 Div가 80보다 작으면 909 동작을 실행하고, 그렇지 않으면 본 실시 예의 동작을 종료할 수 있다.

상기 계산한 Gmag가 80보다 크고 상기 계산한 Div가 80보다 작은 경우의 조건에 따라 시뮬레이션한 결과 이미지는 도 11의 (d)와 같을 수 있다.

1009 동작에서 상기 장치는 이진 데이터를 생성할 수 있다.

1011 동작에서 상기 장치는 이미지 팽창(dilation) 및 채우기(fill) 연산을 수행할 수 있다.

일 실시 예에 따르면, 상기 이미지 팽창은 필터(예: 3x3 필터)를 설계하여, 상기 필터 영역 내 픽셀들 중 최대 픽셀 값을 현재 픽셀 값에 대입하여 이미지의 선들을 두껍게 처리하는 방식을 적용할 수 있다.

일 실시 예에 따르면, 상기 이미지 채우기는 영상 영역의 구멍을 채울 수 있다.

상기의 1011 동작에 따르면, 주변 픽셀을 덩어리로 검출하여 표적 후보 영역을 설정하는데 이용할 수 있다.

1013 동작에서 상기 장치는 상기 생성된 이진 영상에 대한 라벨링(labelling) 및 상기 라벨링 이후, 표적 후보 영역들을 설정할 수 있다.

1015 동작에서 상기 장치는 상기 표적 후보 영역들 각각을 상기 적외선 영상의 배경에서 분리할 수 있다.

1017 동작에서 상기 장치는 상기 표적 후보 영역들 각각에 대해, X축 방향 및 Y축 방향으로 벡터 크기에 대한 다항식 계수를 추출할 수 있다.

일 실시 예에 따르면, 상기 장치는 각 표적 후보 영역에서 X축, Y축 벡터 크기(Gmag)와 벡터 길이간 다항식 계수를 추정할 수 있다. 상기 다항식의 차수는 실험을 통해 설정 및 변경할 수 있다.

1019 동작에서 상기 장치는 상기 추출된 다항식 계수를 기 학습된 Neural Network에 입력하여, 상기 표적 후보 영역들 각각을 표적 또는 화염에 대응되는 영역으로 분류할 수 있다.

일 실시 예에 따르면, 상기의 추정된 다항식 계수를 상기 기 학습된 Neural Network에 입력하여 표적 및 화염 확률을 계산할 수 있으며, 이에 따라 각 후보 영역이 표적인지 화염인지를 분류할 수 있다.

상술한 동작들에 따라 뉴럴 네트워크 학습 모델을 통해 분류된 최종 표적 검출 영상은 도 11의 (e)와 같을 수 있다.

도 12는 본 발명의 일 실시 예에 따른 장치(예: 장치(300) 또는 장치(300)의 제어부(301))의 표적 및 화염에 대응하는 영상을 포함하는 적외선 영상에서 Gradient Vector 분석을 이용한 비행중인 표적을 탐지하기 위한 동작의 흐름도이다.

도 13a 및 도 13b는 본 발명의 일 실시 예에 따른 적외선 영상 센서를 통해 획득되는 영상의 프레임에 포함되는 지정된 표적의 영상과 오인식되는 표적(오인 표적이라고도 함)의 영상 및 각 영상의 특성을 도시한 도면이다.

1201 동작에서, 상기 장치는 지정된 표적과 오인식되는 표적(오인 표적이라고도 함)을 포함하는 영상의 모델링을 수행할 수 있다.

일 실시 예에 따르면, 상기 장치는, 다표적 교전 시 지정된 표적을 향해 요격탄이 발사될 때, 적외선 영상 센서를 통해 상기 영상의 프레임을 획득할 수 있으며, 상기 영상의 프레임에 포함되는 지정된 표적과 오인식되는 표적의 영상의 형태는 예를 들어, 도 13a 및 도 13b에 도시된 형태일 수 있다.

1203 동작에서 상기 장치는 상기 영상에서 N개(N은 정수)의 표적 후보 영역들을 설정할 수 있다.

1205 동작에서 상기 장치는 수학식 3, 4, 5을 이용하여, 표적 후보 영역들 각각에 대해, 둥근 정도(Roundness), 길쭉한 정도(Elongation), 및 주요축과 X축간 각도(orientation)를 포함하는 기 설정된 표적 특징들에 대응하는 특징들의 특징 값들을 계산할 수 있다.

[수학식 3]

(X_R: Roundness(둥근 정도), Area: 면적, Convex Perimeter: 둘레)

[수학식 4]

(X_E: Elongation(길쭉한 정도), minor axis: 타원의 보조 축 길이(단위: 픽셀), major axis: 타원의 보조 축 길이(단위: 픽셀))

[수학식 5]

(Xo: Orientation(각도), (x1, y1) 및 (x2, y2): major axis 의 양 끝점 좌표)

도 13a 및 도 13b를 참조하면, 지정된 표적과 오인 표적에 대해, 상술한 3개의 특징들의 데이터가 다르게 나타남을 확인할 수 있다.

1207 동작에서 상기 장치는 표적 후보 영역들 각각에 대해, 계산된 특징 값들의 평균 및 표준 편차를 계산할 수 있다.

일 실시 예에 따르면, 표적의 비행 시간 경과에 따라 3개의 표적 특징 특성들이 정규 분포라는 가정하에서, 지정된 표적과 오인 표적에 대해 3개의 표적 특징 데이터들 별로 평균과 표준 편차를 계산할 수 있다.

도 14는 본 발명의 일 실시 예에 따른 지정 표적(지정된 표적)과 오인 표적의 특징 분포를 나타낸 그래프이다. 상기 3개의 표적 특징 데이터들 별로 계산된 결과는 도 14와 같이, 지정 표적(지정된 표적)과 오인 표적의 특징 분포가 구분되는 특성이 있을 수 있다.

예를 들어, 상기 3개의 표적 특징 데이터에 대한 확률 밀도 함수(probability density function)는 다음의 수학식 6, 7, 8를 이용하여 계산될 수 있다.

[수학식 6]

(

: Roundness(둥근 정도)에 대응하는 표적 특징 데이터가 지정된 표적에서 기인될 확률,

: Roundness(둥근 정도)에 대응하는 표적 특징 데이터가 오인 표적에서 기인될 확률,

: 각 지정 표적, 오인 표적 모집단의 Roundness에 대응하는 분산,

: 각 지정 표적 오인 표적 모집단의 Roundness에 대응하는 평균)

[수학식 7]

(

: Elongation(길쭉한 정도)에 대응하는 표적 특징 데이터가 지정된 표적에서 기인될 확률,

: Elongation(길쭉한 정도)에 대응하는 표적 특징 데이터가 오인 표적에서 기인될 확률,

: 각 지정 표적, 오인 표적 모집단의 Elongation에 대응하는 분산,

: 각 지정 표적, 오인 표적 모집단의 Elongation에 대응하는 평균)

[수학식 8]

(

:Orientation(각도)에 대응하는 표적 특징 데이터가 지정된 표적에서 기인될 확률,

: Orientation(각도)에 대응하는 표적 특징 데이터가 오인된 표적에서 기인될 확률,

: 각 지정 표적, 오인 표적 모집단의 Orientation에 대응하는 분산,

: 각 지정 표적, 오인 표적 모집단의 Orientation에 대응하는 평균)

1209 동작에서, 상기 장치는, 다음의 수학식 9의 Naive Bayes 정리를 이용하여, 각 표적후보영역에서 측정된 3개의 특징데이터가 지정 표적(True) 영역과 오인 표적(False) 영역으로 각각 분류될 확률을 정의하고, 확률 값을 비교하여 큰 값에 해당하는 표적 유형(True or False)으로 최종 포착할 수 있다.

예를 들어, 관찰된 데이터 X가 주어질 때, 그룹 C에 속할 사후 확률 계산은 Likelihood와 클래스 사전 확률의 곱으로 계산될 수 있다.

[수학식 9]

(

: 특정객체(X)가 그룹C에 속할 확률(사후 확률),

: 특정그룹C인 경우에 특정객체(X)가 그룹C에 속할 가능성(Likelihood),

: 특정그룹C가 발생할 확률(클래스 사전확률),

: 특정객체가 발생할 확률)

예를 들어, 측정된 표적 특징 벡터(X)가 지정된 표적(True_로 분류될 확률은 다음의 수학식 10을 이용하여 계산될 수 있다. 표적 특징 벡터(X)가 서로 독립적이면, 측정된 표적 특징 벡터(X)가 지정된 표적(True)으로 분류될 확률은, 각각의 특징들이 발생할 확률의 곱으로 표현될 수도 있다. 반대로, 표적 특징 벡터(X)가 오인 표적(False)으로 분류될 확률도 각각 특징들이 오인 표적(False)에서 발생했을 확률들의 곱으로 표현될 수도 있다.

[수학식 10]

(

: 지정된 표적(True) 혹은 오인 표적(False) 발생할 확률 (클래스 사전확률),

: 위 3개의 측정된 표적 특징 데이터가 지정된 표적으로 분류될 확률(사후확률),

: 위 3개의 측정된 표적 특징 데이터가 오인 표적으로 분류될 확률(사후확률),

: 위 3개의 측정된 표적 특징 데이터가 지정된 표적에서 기인될 확률(가능성; Liklihood),

: 상기의 3개의 측정된 표적 특징 데이터가 오인표적에서 기인될 확률(가능성; Liklihood))

예를 들어, 측정된 표적 특징 데이터가 오인 표적(False)으로 분류될 확률은 다음의 수학식 11을 이용하여 계산될 수 있다.

[수학식 11]

예를 들어, 표적 유형의 분류는, 다음의 조건들에 기초하여 수행될 수 있다.

도 15는 본 발명의 일 실시 예에 따른 표적 탐지를 위한 동작의 흐름도이다.

1501 동작에서, 표적 탐지를 위한 장치(예: 장치(300) 또는 장치(300)의 제어부(301))는, 적외선 영상 센서(예: 적외선 영상 센서(309))의 시야각에서의 지정된 표적의 예상 방향에 대한 방위각 및 고각에 기초하여 상기 적외선 영상 센서의 상기 시야각에서의 자동 이득 조정(AGC; auto gain control) 활성화 영역을 설정할 수 있다.

1503 동작에서, 상기 장치는, 상기 지정된 표적 이외의 미지정된 표적과 요격탄이 조우하여 화염 및 파편이 발생될 확률의 계산에 기초하여 자동 이득 조정 억제 영역을 설정할 수 있다.

1503 동작에서 상기 장치는, 상기 시야각에서의 상기 자동 이득 조정 활성화 영역 및 상기 자동 이득 조정 억제 영역이 설정된 상기 적외선 영상 센서를 이용하여 획득된 적외선 영상 에 대한, 그래디언트 벡터 필드(GVF; gradient vector field)에서의 벡터 분석을 기초로 표적을 탐지할 수 있다.

일 실시 예에 따르면, 상기 적외선 영상 센서의 상기 시야각에서의 상기 자동 이득 조정 활성화 영역 및 상기 자동 이득 조정 억제 영역은, 기 설정된 발생 가능한 오차가 적용될 수 있다.

일 실시 예에 따르면, 상기 적외선 영상에 대한, 상기 그래디언트 벡터 필드에서의 상기 벡터 분석을 기초로 상기 표적을 탐지하는 동작은, 상기 그래디언트 벡터 필드에서의 그래디언트의 크기(magnitude) 및 발산(divergence)을 계산하는 동작, 상기 크기가 지정된 임계 값보다 크고, 상기 발신이 상기 지정된 임계값보다 작은 것에 기초하여, 상기 적외선 영상에 대응되는 이진 데이터를 생성하는 동작, 상기 생성된 이진 데이터에 기초하여 표적 후보 영역들을 설정하는 동작, 상기 적외선 영상에서 상기 설정된 표적 후보 영역들에 대응하는 영상들을 분리하는 동작, 상기 분리된 영상들 각각에 대해, X축 방향 및 Y축 방향으로 벡터 크기에 대한 다항식 계수를 추출하는 동작, 및 상기 추출된 다항식 계수를 기 학습된 뉴럴 네트워크 학습 모델에 입력하여, 상기 설정된 표적 후보 영역들 각각을 표적 또는 화염에 대응되는 영역으로 분류하는 동작을 포함할 수 있다.

일 실시 예에 따르면, 상기 장치는, 상기 생성된 이진 데이터에 대해, 기 설정된 필터의 필터 값들을 적용하는 동작을 더 수행할 수 있다.

일 실시 예에 따르면, 상기 장치는, 상기 기 설정된 필터의 상기 필터 값들을 적용한 상기 생성된 이진 데이터에 대한 라벨링을 하는 동작을 더 수행할 수 있다.

일 실시 예에 따르면, 상기 장치는 상기 표적의 탐지에 기초하여, 상기 지정된 표적과 미지정된 표적을 포함하는 모델링한 영상에서 표적 후보 영역들을 설정하는 동작, 및 상기 설정된 표적 후보 영역들의 특징 값들에 기초하여, 상기 지정된 표적을 포착하는 동작을 더 수행할 수 있다.

일 실시 예에 따르면, 상기 설정된 표적 후보 영역들의 상기 특징 값들에 기초하여, 상기 지정된 표적을 포착하는 동작은, 상기 표적 후보 영역들 각각에 대해, 둥근 정도(Roundness), 길쭉한 정도(Elongation), 및 주축과 X축간 각도(Orientation)를 포함하는 기 설정된 표적 특징들에 대응하는 특징들의 특징 값들을 계산하는 동작, 상기 계산된 특징 값들의 평균 및 표준 편차를 계산하는 동작, 상기 계산된 평균 및 표준 편차에 따른 Naive Bayes 정리를 이용하여, 상기 표적 후보 영역들이 상기 지정된 표적이 포함되는 영역과 상기 미지정된 표적이 포함되는 영역으로 분류될 확률을 계산하는 동작, 및 상기 계산된 확률에 기초하여, 상기 표적 후보 영역들을 분류하여 상기 지정된 표적을 포착하는 동작을 포함할 수 있다.

본 문서의 다양한 실시예들은 기기(machine)(예: 컴퓨터)로 읽을 수 있는 저장 매체(machine-readable storage media)(예: 메모리(307)(내장 메모리 또는 외장 메모리))에 저장된 명령어를 포함하는 소프트웨어(예: 프로그램)로 구현될 수 있다. 기기는, 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 동작이 가능한 장치로서, 개시된 실시예들에 따른 전자 장치(예: 전자 장치(300))를 포함할 수 있다. 상기 명령이 프로세서(예: 제어부(301))에 의해 실행될 경우, 프로세서가 직접, 또는 상기 프로세서의 제어하에 다른 구성요소들을 이용하여 상기 명령에 해당하는 기능을 수행할 수 있다. 명령은 컴파일러 또는 인터프리터에 의해 생성 또는 실행되는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장됨을 구분하지 않는다.

일시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다.

이상의 설명은 본 발명의 기술사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경 등이 가능함을 쉽게 알 수 있을 것이다. 즉, 본 발명에 개시된 실시 예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것으로서, 이러한 실시 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다.

따라서, 본 발명의 보호 범위는 후술되는 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims

표적 탐지를 위한 방법에 있어서,
적외선 영상 센서의 시야각에서의 지정된 표적의 예상 방향에 대한 방위각 및 고각에 기초하여 상기 적외선 영상 센서의 상기 시야각에서의 자동 이득 조정(AGC; auto gain control) 활성화 영역을 설정하는 동작;
상기 지정된 표적 이외의 미지정된 표적과 요격탄이 조우하여 화염 및 파편이 발생될 확률의 계산에 기초하여 자동 이득 조정 억제 영역을 설정하는 동작;
상기 시야각에서의 상기 자동 이득 조정 활성화 영역 및 상기 자동 이득 조정 억제 영역이 설정된 상기 적외선 영상 센서를 이용하여 획득된 적외선 영상 에 대한, 그래디언트 벡터 필드(GVF; gradient vector field)에서의 벡터 분석을 기초로 표적을 탐지하는 동작;
상기 표적의 탐지에 기초하여, 상기 지정된 표적과 미지정된 표적을 포함하는 모델링한 영상에서 표적 후보 영역들을 설정하는 동작, 및
상기 설정된 표적 후보 영역들의 특징 값들에 기초하여, 상기 지정된 표적을 포착하는 동작을 포함하는 표적 탐지를 위한 방법.
제 1항에 있어서, 상기 적외선 영상 센서의 상기 시야각에서의 상기 자동 이득 조정 활성화 영역 및 상기 자동 이득 조정 억제 영역은,
기 설정된 발생 가능한 오차가 적용되어, 설정된 표적 탐지를 위한 방법.
제 1항에 있어서, 상기 적외선 영상에 대한, 상기 그래디언트 벡터 필드에서의 상기 벡터 분석을 기초로 상기 표적을 탐지하는 동작은,
상기 그래디언트 벡터 필드에서의 그래디언트의 크기(magnitude) 및 발산(divergence)을 계산하는 동작,
상기 크기가 지정된 임계 값보다 크고, 상기 발산이 상기 지정된 임계값보다 작은 것에 기초하여, 상기 적외선 영상에 대응되는 이진 데이터를 생성하는 동작,
상기 생성된 이진 데이터에 기초하여 표적 후보 영역들을 설정하는 동작,
상기 적외선 영상에서 상기 설정된 표적 후보 영역들에 대응하는 영상들을 분리하는 동작,
상기 분리된 영상들 각각에 대해, X축 방향 및 Y축 방향으로 벡터 크기에 대한 다항식 계수를 추출하는 동작, 및
상기 추출된 다항식 계수를 기 학습된 신경망(Neural Network) 학습 모델에 입력하여, 상기 설정된 표적 후보 영역들 각각을 표적 또는 화염에 대응되는 영역으로 분류하는 동작을 포함하는 표적 탐지를 위한 방법.
제 3항에 있어서,
상기 생성된 이진 데이터에 대해, 기 설정된 필터의 필터 값들을 적용하는 동작을 더 포함하는 표적 탐지를 위한 방법.
제 4항에 있어서,
상기 기 설정된 필터의 상기 필터 값들을 적용한 상기 생성된 이진 데이터에 대한 라벨링을 하는 동작을 더 포함하는 표적 탐지를 위한 방법.
삭제
제 1항에 있어서, 상기 설정된 표적 후보 영역들의 상기 특징 값들에 기초하여, 상기 지정된 표적을 포착하는 동작은,
상기 표적 후보 영역들 각각에 대해, 둥근 정도(Roundness), 길쭉한 정도(Elongation), 및 주축과 X축간 각도(Orientation)를 포함하는 기 설정된 표적 특징들에 대응하는 특징들의 특징 값들을 계산하는 동작,
상기 계산된 특징 값들의 평균 및 표준 편차를 계산하는 동작,
상기 계산된 평균 및 표준 편차에 따른 Naive Bayes 정리를 이용하여, 상기 표적 후보 영역들이 상기 지정된 표적이 포함되는 영역과 상기 미지정된 표적이 포함되는 영역으로 분류될 확률을 계산하는 동작, 및
상기 계산된 확률에 기초하여, 상기 표적 후보 영역들을 분류하여 상기 지정된 표적을 포착하는 동작을 포함하는 표적 탐지를 위한 방법.
컴퓨터 프로그램을 저장하고 있는 컴퓨터 판독 가능 기록매체로서,
상기 컴퓨터 프로그램은, 프로세서에 의해 실행되면,
적외선 영상 센서의 시야각에서의 지정된 표적의 예상 방향에 대한 방위각 및 고각 중 적어도 하나에 기초하여 상기 적외선 영상 센서의 상기 시야각에서의 자동 이득 조정(AGC; auto gain control) 활성화 영역을 설정하는 동작;
상기 지정된 표적 이외의 미지정된 표적과 요격탄이 조우하여 화염 및 파편이 발생될 확률의 계산에 기초하여 자동 이득 조정 억제 영역을 설정하는 동작;
상기 시야각에서의 상기 자동 이득 조정 활성화 영역 및 상기 자동 이득 조정 억제 영역이 설정된 상기 적외선 영상 센서를 이용하여 획득된 적외선 영상 에 대한, 그래디언트 벡터 필드(GVF; gradient vector field)에서의 벡터 분석을 기초로 표적을 탐지하는 동작;
상기 표적의 탐지에 기초하여, 상기 지정된 표적과 미지정된 표적을 포함하는 모델링한 영상에서 표적 후보 영역들을 설정하는 동작, 및
상기 설정된 표적 후보 영역들의 특징 값들에 기초하여, 상기 지정된 표적을 포착하는 동작을 포함하는 방법을 상기 프로세서가 수행하도록 하기 위한 명령어를 포함하는, 컴퓨터 판독 가능한 기록매체.
컴퓨터 판독 가능한 기록매체에 저장되어 있는 컴퓨터 프로그램으로서,
상기 컴퓨터 프로그램은, 프로세서에 의해 실행되면,
적외선 영상 센서의 시야각에서의 지정된 표적의 예상 방향에 대한 방위각 및 고각 중 적어도 하나에 기초하여 상기 적외선 영상 센서의 상기 시야각에서의 자동 이득 조정(AGC; auto gain control) 활성화 영역을 설정하는 동작;
상기 지정된 표적 이외의 미지정된 표적과 요격탄이 조우하여 화염 및 파편이 발생될 확률의 계산에 기초하여 자동 이득 조정 억제 영역을 설정하는 동작;
상기 시야각에서의 상기 자동 이득 조정 활성화 영역 및 상기 자동 이득 조정 억제 영역이 설정된 상기 적외선 영상 센서를 이용하여 획득된 적외선 영상 에 대한, 그래디언트 벡터 필드(GVF; gradient vector field)에서의 벡터 분석을 기초로 표적을 탐지하는 동작;
상기 표적의 탐지에 기초하여, 상기 지정된 표적과 미지정된 표적을 포함하는 모델링한 영상에서 표적 후보 영역들을 설정하는 동작, 및
상기 설정된 표적 후보 영역들의 특징 값들에 기초하여, 상기 지정된 표적을 포착하는 동작을 포함하는 방법을 상기 프로세서가 수행하도록 하기 위한 명령어를 포함하는, 컴퓨터 판독 가능한 기록매체에 저장되어 있는 컴퓨터 프로그램.
표적 탐지를 위한 장치에 있어서,
제어부; 및
상기 제어부와 전기적으로 연결된 메모리를 포함하며, 상기 메모리는, 상기 제어부가,
적외선 영상 센서의 시야각에서의 지정된 표적의 예상 방향에 대한 방위각 및 고각 중 적어도 하나에 기초하여 상기 적외선 영상 센서의 상기 시야각에서의 자동 이득 조정(AGC; auto gain control) 활성화 영역을 설정하며,
상기 지정된 표적 이외의 미지정된 표적과 요격탄이 조우하여 화염 및 파편이 발생될 확률의 계산에 기초하여 자동 이득 조정 억제 영역을 설정하며,
상기 시야각에서의 상기 자동 이득 조정 활성화 영역 및 상기 자동 이득 조정 억제 영역이 설정된 상기 적외선 영상 센서를 이용하여 획득된 적외선 영상 에 대한, 그래디언트 벡터 필드(GVF; gradient vector field)에서의 벡터 분석을 기초로 표적을 탐지하며,
상기 표적의 탐지에 기초하여, 상기 지정된 표적과 미지정된 표적을 포함하는 모델링한 영상에서 표적 후보 영역들을 설정하며,
상기 설정된 표적 후보 영역들의 특징 값들에 기초하여, 상기 지정된 표적을 포착하도록 하는 명령을 포함하는 표적 탐지를 위한 장치.