KR102246471B1 - Apparatus for detecting nose of animal in image and method thereof - Google Patents
Apparatus for detecting nose of animal in image and method thereof Download PDFInfo
- Publication number
- KR102246471B1 KR102246471B1 KR1020200057240A KR20200057240A KR102246471B1 KR 102246471 B1 KR102246471 B1 KR 102246471B1 KR 1020200057240 A KR1020200057240 A KR 1020200057240A KR 20200057240 A KR20200057240 A KR 20200057240A KR 102246471 B1 KR102246471 B1 KR 102246471B1
- Authority
- KR
- South Korea
- Prior art keywords
- electronic device
- contour
- image
- guide area
- partial
- Prior art date
Links
Images
Classifications
-
- G06K9/00362—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G06K9/4604—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
Description
본 개시는 이미지 내 객체를 식별하는 전자 장치 및 방법에 관한 것이다. 보다 상세하게는, 적어도 하나의 객체를 포함하는 이미지로부터 객체를 식별하는 전자 장치 및 방법에 관한 것이다.The present disclosure relates to an electronic device and method for identifying an object in an image. More particularly, it relates to an electronic device and method for identifying an object from an image including at least one object.
정보통신기술이 발전함에 따라 복수의 프레임을 포함하는 영상에 포함된 객체를 식별하기 위한 기술들이 개발되고 있다. 특히, 인간이 지닌 인식 방법을 전자 장치에 적용시킴으로써, 전자 장치가 스스로 영상 내 객체를 식별하거나, 미리 설정된 소정의 객체를 식별하도록 하는 기술들이 개발되고 있다.As information and communication technology develops, technologies for identifying objects included in an image including a plurality of frames are being developed. In particular, technologies are being developed that allow the electronic device to identify an object in an image by itself or to identify a predetermined object set in advance by applying a human recognition method to an electronic device.
또한, 최근 영상 인식 기술을 기반으로, 영상으로부터 사람의 생체 정보를 획득하고, 획득된 생체 정보들을 이용하여 뱅킹, 쇼핑 및 잠금 해제 등을 위한 인증방식으로써 생체 인증 방식을 이용하는 기술 개발이 활발하게 진행되고 있다. 예를 들어, 대표적인 생체 인증 방식으로써, 영상에서 검출된 눈 영역의 이미지를 통한 홍채 인식, 영상에서 검출된 얼굴 영역의 이미지를 통한 얼굴 인식, 영상에서 검출된 손 지문 이미지를 분석하고, 분석된 결과에 기초하여 지문 인식을 수행하는 기술들이 개발되고 있다. In addition, based on recent image recognition technology, biometric information of a person is acquired from an image, and technology using biometric authentication is actively progressing as an authentication method for banking, shopping, and unlocking using the obtained biometric information. Has become. For example, as a representative biometric authentication method, iris recognition through the image of the eye area detected in the image, face recognition through the image of the face area detected in the image, the hand fingerprint image detected in the image is analyzed, and the result of the analysis Technology for performing fingerprint recognition on the basis of is being developed.
그러나, 생체 정보를 통한 인증 기술은, 인증 특성상 높은 정확도를 요구하기 때문에, 여전히 생체 정보를 통하여 정확하게 대상을 인증하기 위한 기술 개발이 요구되고 있다. 또한, 사람을 대상으로 하는 생체 인증 기술뿐만이 아니라, 동물을 대상으로 하는 생체 인증 기술의 개발 역시 요구되고 있다.However, since authentication technology using biometric information requires high accuracy due to authentication characteristics, there is still a need to develop a technology for accurately authenticating an object through biometric information. In addition, development of biometric authentication technology targeting animals as well as biometric authentication technology targeting humans is required.
일 실시 예에 따르면, 이미지 내 객체를 식별하는 전자 장치 및 방법이 제공될 수 있다.According to an embodiment, an electronic device and method for identifying an object in an image may be provided.
또한, 일 실시 예에 의하면, 전자 장치가 이미지 내 객체의 종류를 식별하고, 식별된 객체의 종류에 기초하여 상기 이미지 내 적어도 하나의 픽셀 값들을 저장하는 전자 장치가 제공될 수 있다.In addition, according to an embodiment, an electronic device may be provided in which the electronic device identifies a type of an object in an image and stores at least one pixel value in the image based on the type of the identified object.
상술한 기술적 과제를 달성하기 위한 본 개시의 일 실시 예에 따라, 이미지 내 객체를 식별하는 전자 장치는, 디스플레이; 적어도 하나의 카메라; 하나 이상의 인스트럭션을 저장하는 메모리; 및 상기 하나 이상의 인스트럭션을 실행하는 적어도 하나의 프로세서; 를 포함하고, 상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써, 상기 객체를 포함하는 이미지를 획득하고, 상기 획득된 이미지 내 상기 객체에 대응되는 적어도 하나의 가이드 영역을 결정하고, 상기 적어도 하나의 가이드 영역으로부터 상기 객체를 식별하기 위한 특징 정보를 결정하고, 상기 결정된 특징 정보를 이용하여 상기 이미지 내 객체의 종류를 식별하고, 상기 식별된 객체의 종류가 동물의 코 또는 상기 동물의 코와 관련된 부분 객체들로 식별되는 경우, 상기 객체를 포함하는 이미지 내 적어도 하나의 픽셀 값들을 저장하는 전자 장치가 제공될 수 있다.According to an embodiment of the present disclosure for achieving the above-described technical problem, an electronic device for identifying an object in an image includes: a display; At least one camera; A memory for storing one or more instructions; And at least one processor executing the one or more instructions. Including, wherein the processor executes the one or more instructions to obtain an image including the object, determine at least one guide area corresponding to the object in the obtained image, and the at least one guide area Determining feature information for identifying the object from, and identifying the type of the object in the image using the determined feature information, and the type of the identified object is the animal's nose or partial objects related to the animal's nose When identified as, an electronic device that stores at least one pixel value in an image including the object may be provided.
또한, 상기 기술적 과제를 해결하기 위한 본 개시의 또 다른 실시 예에 따라, 전자 장치가 이미지 내 객체를 식별하는 방법은 상기 객체를 포함하는 이미지를 획득하는 단계; 상기 획득된 이미지 내 상기 객체에 대응되는 적어도 하나의 가이드 영역을 결정하는 단계; 상기 적어도 하나의 가이드 영역으로부터 상기 객체를 식별하기 위한 특징 정보들을 결정하는 단계; 상기 결정된 특징 정보들을 이용하여 상기 이미지 내 객체의 종류를 식별하는 단계; 및 상기 식별된 객체의 종류가 동물의 코 또는 상기 동물의 코와 관련된 부분 객체들로 식별되는 경우, 상기 객체를 포함하는 이미지 내 적어도 하나의 픽셀 값들을 저장하는 단계; 를 포함할 수 있다.In addition, according to another embodiment of the present disclosure for solving the technical problem, a method of identifying an object in an image by an electronic device includes: obtaining an image including the object; Determining at least one guide area corresponding to the object in the acquired image; Determining feature information for identifying the object from the at least one guide area; Identifying a type of an object in the image using the determined feature information; And when the type of the identified object is identified as an animal's nose or partial objects related to the animal's nose, storing at least one pixel value in the image including the object. It may include.
또한, 전자 장치가 이미지 내 객체를 식별하는 방법에 있어서, 상기 객체를 포함하는 이미지를 획득하는 단계; 상기 획득된 이미지 내 상기 객체에 대응되는 적어도 하나의 가이드 영역을 결정하는 단계; 상기 적어도 하나의 가이드 영역으로부터 상기 객체를 식별하기 위한 특징 정보들을 결정하는 단계; 상기 결정된 특징 정보들을 이용하여 상기 이미지 내 객체의 종류를 식별하는 단계; 및 상기 식별된 객체의 종류가 동물의 코 또는 상기 동물의 코와 관련된 부분 객체들로 식별되는 경우, 상기 객체를 포함하는 이미지 내 적어도 하나의 픽셀 값들을 저장하는 단계; 를 포함하는 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체가 제공될 수 있다.In addition, a method for identifying an object in an image by an electronic device, the method comprising: obtaining an image including the object; Determining at least one guide area corresponding to the object in the acquired image; Determining feature information for identifying the object from the at least one guide area; Identifying a type of an object in the image using the determined feature information; And when the type of the identified object is identified as an animal's nose or partial objects related to the animal's nose, storing at least one pixel value in the image including the object. A computer-readable recording medium in which a program for executing a method comprising a computer is recorded on a computer may be provided.
본 개시의 일 실시 예에 의하면, 서로 다른 스케일에 따른 복수의 가이드 영역들을 이용함으로써 이미지 내 객체의 종류를 정확하게 식별할 수 있다.According to an exemplary embodiment of the present disclosure, a type of an object in an image can be accurately identified by using a plurality of guide areas according to different scales.
또한, 일 실시 예에 의하면, 객체를 식별하기 위한 복수의 조건들을 이용함으로써 이미지 내 객체를 더 정확하게 식별할 수 있다.In addition, according to an embodiment, the object in the image may be more accurately identified by using a plurality of conditions for identifying the object.
도 1은 일 실시 예에 따른 전자 장치가 이미지 내 객체를 식별하는 과정을 개략적으로 설명하기 위한 도면이다.
도 2는 일 실시 예에 따른 전자 장치가 이미지 내 객체를 식별하는 방법을 나타내는 흐름도이다.
도 3은 일 실시 예에 따른 전자 장치가 복수의 스케일에 따른 적어도 하나의 가이드 영역을 결정하는 방법을 구체적으로 설명하기 위한 흐름도이다.
도 4는 일 실시 예에 따른 전자 장치가, 적어도 하나의 가이드 영역을 결정하는 방법을 설명하기 위한 도면이다.
도 5는 일 실시 예에 따른 전자 장치가, 적어도 하나의 가이드 영역 별 객체 식별 결과에 기초하여, 이미지 내 객체의 종류를 식별하는 방법을 설명하기 위한 흐름도이다.
도 6은 일 실시 예에 따른 전자 장치가, 적어도 하나의 가이드 영역 별 객체의 식별 결과에 기초하여, 이미지 내 객체의 종류를 식별하는 방법을 설명하기 위한 도면이다.
도 7은 일 실시 예에 따른 전자 장치가 이미지 내 적어도 하나의 잡음을 제거하기 위해 이미지를 전처리 하는 방법을 설명하기 위한 도면이다.
도 8은 일 실시 예에 따른 전자 장치가 생성된 적어도 하나의 가이드 영역들 중, 일부의 가이드 영역으로부터 특징 정보들을 결정하는 과정을 설명하기 위한 도면이다.
도 9는 일 실시 예에 따른 전자 장치가 적어도 하나의 가이드 영역으로부터, 객체에 관한 윤곽을 검출하는 과정을 설명하기 위한 도면이다.
도 10은 일 실시 예에 따른 전자 장치가 이진화된 적어도 하나의 가이드 영역 내 이미지로부터 윤곽을 검출하고, 검출된 윤곽에 기초하여 객체의 종류를 식별하는 과정을 설명하기 위한 도면이다.
도 11은 일 실시 예에 따른 전자 장치가 하나의 가이드 영역 내 검출된 객체가 코에 대응될 확률을 결정하기 위해 이용하는 식별 조건들을 설명하기 위한 도면이다.
도 13은 일 실시 예에 따른 전자 장치의 블록도이다.
도 14는 또 다른 실시 예에 따른 전자 장치의 블록도이다.
도 15는 일 실시 예에 따른 서버의 블록도이다.
도 16은 일 실시 예에 따라, 전자 장치 및 서버가 서로 연동함으로써 이미지 내 객체를 식별하는 과정을 설명하기 위한 도면이다.1 is a diagram schematically illustrating a process of identifying an object in an image by an electronic device according to an exemplary embodiment.
2 is a flowchart illustrating a method of identifying an object in an image by an electronic device according to an exemplary embodiment.
3 is a flowchart illustrating a method of determining at least one guide area according to a plurality of scales by an electronic device according to an exemplary embodiment.
4 is a diagram illustrating a method of determining at least one guide area by an electronic device according to an exemplary embodiment.
5 is a flowchart illustrating a method of identifying, by an electronic device, a type of an object in an image based on an object identification result for each guide area, according to an exemplary embodiment.
FIG. 6 is a diagram illustrating a method of identifying a type of an object in an image, based on a result of identifying an object for each guide area, by an electronic device according to an exemplary embodiment.
7 is a diagram illustrating a method of preprocessing an image in order to remove at least one noise in an image by an electronic device according to an exemplary embodiment.
FIG. 8 is a diagram illustrating a process of determining feature information from some of at least one guide area in which an electronic device is generated according to an exemplary embodiment.
9 is a diagram for describing a process of detecting an outline of an object from at least one guide area by an electronic device according to an exemplary embodiment.
FIG. 10 is a diagram illustrating a process of detecting an outline from an image in at least one guide area that has been binarized and identifying a type of an object based on the detected outline, according to an exemplary embodiment.
11 is a diagram for describing identification conditions used by an electronic device to determine a probability that an object detected in one guide area corresponds to a nose, according to an exemplary embodiment.
13 is a block diagram of an electronic device according to an exemplary embodiment.
14 is a block diagram of an electronic device according to another embodiment.
15 is a block diagram of a server according to an embodiment.
16 is a diagram for describing a process of identifying an object in an image by interworking with each other between an electronic device and a server, according to an exemplary embodiment.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 개시에 대해 구체적으로 설명하기로 한다. The terms used in the present specification will be briefly described, and the present disclosure will be described in detail.
본 개시에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다. Terms used in the present disclosure have selected general terms that are currently widely used as possible while considering functions in the present disclosure, but this may vary according to the intention or precedent of a technician engaged in the art, the emergence of new technologies, and the like. In addition, in certain cases, there are terms arbitrarily selected by the applicant, and in this case, the meaning of the terms will be described in detail in the description of the corresponding invention. Therefore, the terms used in the present disclosure should be defined based on the meaning of the term and the overall contents of the present disclosure, not a simple name of the term.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.When a part of the specification is said to "include" a certain component, it means that other components may be further included rather than excluding other components unless specifically stated to the contrary. In addition, terms such as "... unit" and "module" described in the specification mean a unit that processes at least one function or operation, which may be implemented as hardware or software or a combination of hardware and software. .
아래에서는 첨부한 도면을 참고하여 본 개시의 실시 예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고 도면에서 본 개시를 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.Hereinafter, exemplary embodiments of the present disclosure will be described in detail with reference to the accompanying drawings so that those of ordinary skill in the art may easily implement the present disclosure. However, the present disclosure may be implemented in various different forms and is not limited to the embodiments described herein. In addition, in the drawings, parts irrelevant to the description are omitted in order to clearly describe the present disclosure, and similar reference numerals are attached to similar parts throughout the specification.
도 1은 일 실시 예에 따른 전자 장치가 이미지 내 객체를 식별하는 과정을 개략적으로 설명하기 위한 도면이다.1 is a diagram schematically illustrating a process of identifying an object in an image by an electronic device according to an exemplary embodiment.
일 실시 예에 의하면, 전자 장치(1000)는 적어도 하나의 객체를 포함하는 이미지를 획득하고, 획득된 이미지 내 객체 영역을 식별하며, 식별된 객체 영역이 나타내는 객체의 종류를 식별할 수 있다. 본 개시의 일 실시 예에 의하면, 전자 장치(1000)는 적어도 하나의 카메라를 이용하여 동물을 포함하는 이미지를 촬영함으로써, 동물을 포함하는 동물 이미지를 획득할 수 있다. According to an embodiment, the
일 실시 예에 의하면, 전자 장치(1000)가 식별하는 객체는 동물의 신체 부위 중 일부를 포함할 수 있다. 예를 들어, 전자 장치(1000)가 식별하는 객체는, 동물의 코 또는 동물의 코와 관련된 부분 객체들 중 적어도 하나를 포함할 수 있다. 일 실시 예에 의하면, 본 개시에 따른 부분 객체들은 동물의 콧구멍, 콧 구멍 사이에 위치하는 인중(예컨대 코와 윗입술 사이에 오목하게 골이 진 곳), 코 주변 에 위치하는 코털 중 적어도 하나를 포함할 수 있다. 본 개시에 따른 전자 장치(1000) 동물 이미지 내 동물의 코 영역, 또는 동물의 코와 관련된 부분 객체들에 대한 영역으로써, 콧 구멍, 인중, 코 주변에 위치하는 코털을 포함하는 부분 객체 영역을 검출하고, 검출된 영역 내 객체 또는 부분 객체의 종류를 식별할 수 있다.According to an embodiment, the object identified by the
일 실시 예에 의하면, 전자 장치는(1000)는 서버 (2000)와 통신할 수 있는 통신 모듈을 포함하는 다양한 형태의 장치로 구현될 수 있다. 예를 들어, 전자 장치(1000)는 디지털 카메라, 모바일 단말, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), 태블릿 PC, 전자북 단말기, 디지털방송용 단말기, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션, MP3 플레이어 등이 있을 수 있으나, 이에 한정되는 것은 아니다. 또한, 일 실시 예에 의하면, 전자 장치(1000)는 사용자에 의해 착용될 수 있는 장치(wearable device)일 수도 있다. According to an embodiment, the
예를 들어, 웨어러블 디바이스는 액세서리 형 장치(예컨대, 시계, 반지, 팔목 밴드, 발목 밴드, 목걸이, 안경, 콘택트 렌즈), 머리 착용형 장치(Head Mounted Display Device, HMD), 직물 또는 의류 일체형 장치(예: 전자 의복), 신체 부착형 장치(예컨대, 스킨 패드(skin pad)), 또는 생체 이식형 장치(예: implantable circuit) 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다.For example, wearable devices include accessory type devices (e.g., watches, rings, wrist bands, ankle bands, necklaces, glasses, contact lenses), head mounted display devices (HMD), textile or clothing integrated devices ( Examples: electronic clothing), a body-attached device (eg, a skin pad), or a living body implantable device (eg, an implantable circuit) may be included, but is not limited thereto.
일 실시 예에 의하면, 서버(2000)는 네트워크(3000)를 통하여 전자 장치(1000)와 연결됨으로써, 전자 장치와 데이터를 송수신할 수 있는 기타 컴퓨팅 장치를 포함할 수 있다. 또한, 일 실시 예에 의하면, 서버 장치(2000)는 웨어러블 디바이스를 관리하기 위한 W-BMS(Wearable Business Management Server)일 수 있다. 일 실시 예에 의하면, 네트워크(3000)는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN), 부가가치 통신망(Value Added Network; VAN), 이동 통신망(mobile radio communication network), 위성 통신망 및 이들의 상호 조합을 포함하고, 도 1에 도시된 각 네트워크 구성 주체가 서로 원활하게 통신을 할 수 있도록 하는 포괄적인 의미의 데이터 통신망이며, 유선 인터넷, 무선 인터넷 및 모바일 무선 통신망을 포함할 수 있다.According to an embodiment, the
일 실시 예에 의하면, 전자 장치(1000)는 사용자의 입력에 기초하여, 동물 이미지를 획득하고, 획득된 동물 이미지를 표시함과 함께, 복수의 가이드 영역들 중 적어도 하나의 가이드 영역(114)을 화면(102, 104)에 표시할 수 있다. 또한, 일 실시 예에 의하면, 전자 장치(1000)는 사용자가 동물 이미지를 촬영하는 동안, 사용자의 촬영 편의를 위하여 '강아지의 코를 촬영해 주세요' 와 같은 안내 메시지(112, 116)를 화면(102, 104)에 더 제공할 수도 있다. According to an embodiment, the
본 개시에 따른 전자 장치(1000)는 가이드 영역(114)에 촬영된 객체의 종류를 식별하고, 식별된 객체의 종류가 미리 설정된 객체의 종류와 일치하는 경우, 동물 이미지 내 다른 동물의 신체를 촬영하기 위한 안내 메시지를 출력할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 사용자의 입력에 기초하여 획득된 이미지 내 가이드 영역(112)에 포함된 객체의 종류를 식별하고, 식별된 객체의 종류가 미리 설정된 객체의 종류와 일치하는 경우, 가이드 영역(112)을 미리 설정된 주기에 따라 깜빡이거나, 현재 표시된 가이드 영역(112)의 색을 변경하여 표시함으로써, 사용자에게 이미지가 정확하게 촬영되었음을 나타낼 수도 있다. 일 실시 예에 의하면, 전자 장치(1000)는 사용자 입력에 기초하여 획득된 이미지 내 객체의 종류를 '코' 또는 '코와 관련된 부분 객체들'로 인식하고, 인식된 '코' 또는 '부분 객체들'을 포함하는 이미지에 대한 정보를 전자 장치에 더 저장할 수도 있다.The
도 2는 일 실시 예에 따른 전자 장치가 이미지 내 객체를 식별하는 방법을 나타내는 흐름도이다.2 is a flowchart illustrating a method of identifying an object in an image by an electronic device according to an exemplary embodiment.
S210에서, 전자 장치(1000)는 객체를 포함하는 이미지를 획득할 수 있다. 예를 들어, 전자 장치(1000)는 전자 장치 내 포함된 적어도 하나의 카메라를 이용하여 이미지를 획득할 수 있다. 전자 장치(1000)는 적어도 하나의 카메라를 이용하여 제1 이미지를 획득한 후, 다음 프레임의 제2 이미지를 획득할 수 있다. 즉, 전자 장치(1000)는 객체에 관한 복수의 이미지들을 포함하는 영상을 획득할 수도 있다.In S210, the
S220에서, 전자 장치(1000)는 획득된 이미지 내 객체에 대응되는 적어도 하나의 가이드 영역을 결정할 수 있다. 예를 들어, 전자 장치(1000)는 제1 가이드 영역을 생성하고, 생성된 제1 가이드 영역을 미리 설정된 스케일에 따라 스케일링함으로써 복수의 제2 가이드 영역들을 생성할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 제1 가이드 영역은 전자 장치의 화면에 표시하고, 제2 가이드 영역들은 전자 장치의 화면에 표시하지 않을 수 있다. In S220, the
일 실시 예에 의하면, 전자 장치(1000)는 미리 설정된 위치에 따라 제1 가이드 영역을 결정할 수 있다. 또 다른 실시 예에 의하면, 전자 장치(1000)는 전자 장치에 포함된 적어도 하나의 센서를 통하여, 사용자의 움직임에 따른 센서 값을 획득하고, 획득된 센서 값에 기초하여 제1 가이드 영역의 좌표를 결정할 수도 있다.According to an embodiment, the
S230에서, 전자 장치(1000)는 적어도 하나의 가이드 영역으로부터 객체를 식별하기 위한 특징 정보들을 결정할 수 있다. 예를 들어, 전자 장치(1000)는 적어도 하나의 가이드 영역으로부터 검출된 객체에 관한 윤곽을 이용하여, 윤곽의 좌표 정보를 결정하고, 윤곽의 좌표 정보에 기초하여 특징 정보를 결정할 수 있다. 보다 상세하게는, 전자 장치(1000)는 적어도 하나의 가이드 영역으로부터 콧구멍에 관한 제1 부분 윤곽 및 코 인중선에 관한 제2 부분 윤곽을 검출하고, 제1 부분 윤곽 및 제2 부분 윤곽의 상대적 위치에 관한 식별 조건에 기초하여, 특징 정보들을 결정할 수 있다.In S230, the
S240에서, 전자 장치(1000)는 특징 정보들을 이용하여 이미지 내 객체의 종류를 식별할 수 있다. 예를 들어, 전자 장치(1000)는 특징 정보 내 제1 부분 윤곽의 좌표 정보 및 제2 부분 윤곽의 좌표 정보에 기초하여, 제1 부분 윤곽 및 제2 부분 윤곽의 상대적 위치에 관한 식별 조건을 결정하고, 결정된 식별 조건 별 점수들을 가중합함으로써 생성된 특징 정보를 이용하여 이미지 내 객체의 종류를 식별할 수 있다.In S240, the
또 다른 실시 예에 의하면, 전자 장치(1000)는 특징 정보를 인공 지능(Artificial intelligence) 모델에 입력함으로써, 이미지 내 객체의 종류를 식별할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 특징 정보를 인공 지능 모델에 입력하기 전, 특징 정보들을 인공 지능 모델에 입력되기에 적합한 기 설정된 크기로 리사이징(resizing)할 수도 있다. According to another embodiment, the
일 실시 예에 의하면, 전자 장치(1000)가 이용하는 인공 지능 모델은, 특징 정보가 입력되면, 객체의 종류가 미리 정의된 레이블(label) 별(예컨대, 콧구멍, 코, 코 인중선 등) 확률 값들을 출력할 수 있다. 또 다른 실시 예에 의하면, 전자 장치(1000)가 이용하는 인공 지능 모델은, 특징 정보가 입력되면, 입력된 특징 정보에 가장 높은 확률로 대응되는 레이블(예컨대, 코, 코털, 콧구멍, 인중선) 객체의 종류로써 출력할 수 있다. 또 다른 실시 에에 의하면, 인공 지능 모델은, 특징 정보가 입력되면, 해당 특징 정보에 대응되는 이미지 내 객체가 동물의 코 인지 아닌지 여부에 대한 값을 출력할 수도 있다.According to an embodiment, in the artificial intelligence model used by the
전자 장치(1000)가 이용하는 인공 지능 모델은 여러 계층을 가진 깊은 신경망(deep neural network) 구조로 형성되는 인공 신경망 모델 또는 기타 인공 지능 학습 알고리즘에 따라 학습될 수 있는 기계 학습 모델을 포함할 수 있다. 일 실시 예에 의하면 전자 장치가 이용하는 인공 신경망 모델은 합성곱 신경망(Convolutional Neural Network), DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network), MLP(Multilayer Perceptron)을 포함할 수 있으나, 이에 한정되지 않는다. The artificial intelligence model used by the
일 실시 예에 의하면, 전자 장치(1000)가 이용하는 인공 신경망 모델은, 다층 퍼셉트론(MLP)으로써, 인접한 레이어의 퍼셉트론간의 연결은 존재하나, 동일한 레이어의 퍼셉트론끼리의 연결이 존재하지 않는 피드포워드(FeedForward) 형태의 인공 신경망일 수 있다. 또 다른 실시 예에 의하면, 전자 장치(1000)가 이용하는 인공 신경망은 컨벌루션 레이어와 풀링 레이어(pooling layer)가 반복 사용되는 CNN 구조에 풀리 커넥티드 레이어(fully-connected)가 연결된 구조일 수 있다.According to an embodiment, the artificial neural network model used by the
S250에서, 전자 장치(1000)는 식별된 객체의 종류가 동물의 코 또는 동물의 코와 관련된 부분 객체들로 식별되는 경우, 객체를 포함하는 이미지 내 적어도 하나의 픽셀 값들을 저장할 수 있다. 예를 들어, 전자 장치(1000)는 획득된 이미지 내 객체가 동물의 코로 식별되는 경우, 추후 동물을 인증하기 위한 수단으로써, 동물의 코로 식별된 이미지에 대한 정보를 전자 장치의 메모리에 저장하고, 메모리에 저장된 코를 포함하는 이미지를 생체 인증을 위해 사용할 수 있다.In S250, when the type of the identified object is identified as an animal's nose or partial objects related to the animal's nose, the
또한, 일 실시 예에 의하면, 전자 장치(1000)는 '강아지의 코를 촬영해 주세요'와 같은 안내 메시지의 출력에 응답하여, 사용자 입력에 따른 동물의 이미지를 획득하고, 획득된 이미지 내 객체의 종류가 강아지의 코로 식별되는 경우, 현재 획득된 이미지에 대한 정보를 메모리에 저장할 수 있다. In addition, according to an embodiment, the
또한, 일 실시 예에 의하면, 전자 장치(1000)는 식별된 객체의 종류가 동물의 코 또는 코와 관련된 부분 객체들로 식별되는 경우, 이미지 전체에 대한 정보를 저장하는 것이 아닌, 식별된 객체를 포함하는 가이드 영역 내 픽셀들에 대한 정보만을 저장할 수 도 있다. 또한, 전자 장치(1000)는 식별된 객체의 종류가 동물의 코 또는 동물의 코과 관련된 부분 객체들로 식별되는 경우, 객체를 포함하는 이미지 내 적어도 하나의 픽셀 값들을 저장할 뿐만 아니라, 저장된 적어도 하나의 픽셀 값들에 매칭하여 식별된 객체의 종류를 더 저장할 수도 있다.In addition, according to an embodiment, when the type of the identified object is identified as a nose or partial objects related to the nose of an animal, the
도 3은 일 실시 예에 따른 전자 장치가 복수의 스케일에 따른 적어도 하나의 가이드 영역을 결정하는 방법을 구체적으로 설명하기 위한 흐름도이다.3 is a flowchart illustrating a method of determining at least one guide area according to a plurality of scales by an electronic device according to an exemplary embodiment.
S310에서, 전자 장치(1000)는 이미지 내 미리 설정된 기준 픽셀을 포함하도록 객체에 대응되는 제1 가이드 영역을 결정할 수 있다. 예를 들어, 전자 장치(1000)는 전자 장치의 화면의 크기에 기초하여, 기준 픽셀의 좌표를 결정하고, 결정된 좌표에 위치하는 기준 픽셀을 포함하도록 제1 가이드 영역을 결정할 수 있다. In S310, the
또 다른 실시 예에 의하면, 전자 장치(1000)는 전자 장치 내에 포함된 적어도 하나의 센서를 통하여 획득된 센싱값에 기초하여, 현재 전자 장치가 향하는 방향 및 현재 전자 장치의 위치 및 촬영 대상의 위치의 상대적인 관계를 나타내는 위치 정보를 결정하고, 상기 방향 및 위치 정보에 기초하여 제1 가이드 영역을 결정할 수 있다. 또한, 일 실시 예에 의하면, 전자 장치(1000)는 기준 픽셀의 위치에서 미리 설정된 길이의 폭 및 높이만큼 연장된 선분을 가지는 사각 형태의 제1 가이드 영역을 결정할 수도 있다. 일 실시 예에 의하면 제1 가이드 영역은 정사각 형태로 형성될 수 있으나, 이에 한정되는 것은 아니다.According to another embodiment, the
S320에서, 전자 장치(1000)는 제1 가이드 영역을 미리 설정된 스케일에 따라 스케일링함으로써, 객체에 대응되는 적어도 하나의 제2 가이드 영역을 결정할 수도 있다. 예를 들어, 전자 장치(1000)는 스케일링 계수를 1.1로 결정하고, 결정된 스케일링 계수를 제1 가이드 영역 내 가로 길이에 적용함으로써, 제1 가이드 영역의 가로 길이 보다 10% 증가된 길이의 가로 길이를 가지는 제2 가이드 영역을 결정할 수 있다. 또한, 전자 장치(1000)는 스케일링 계수 1.1을 제1 가이드 영역의 세로 길이에 적용함으로써, 제1 가이드 영역의 세로 길이 보다 10% 증가된 세로 길이를 가지는 제2 가이드 영역을 결정할 수도 있다. In S320, the
도 4는 일 실시 예에 따른 전자 장치가, 적어도 하나의 가이드 영역을 결정하는 방법을 설명하기 위한 도면이다.4 is a diagram illustrating a method of determining at least one guide area by an electronic device according to an exemplary embodiment.
도 3에서 상술한 바와 같이, 전자 장치(1000)는 제1 가이드 영역(416)을 결정한 후, 결정된 제1 가이드 영역(416)을 미리 설정된 스케일에 따라 스케일링함으로써 적어도 하나의 제2 가이드 영역들(412, 414, 418, 422)를 생성할 수 있다. 일 실시 예에 의하면, 제1 가이드 영역(416)은 전자 장치의 화면상에 표시될 수 있지만, 제2 가이드 영역들은 전자 장치의 화면에 표시되지 않을 수 있다. 전자 장치(1000)는 제1 가이드 영역에 기초하여 생성된 제2 가이드 영역들을 화면에 표시하지 않고, 단지 이미지 내 객체를 식별하기 위한 연산 과정에만 이용할 수도 있다.As described above in FIG. 3, after determining the
예를 들어, 전자 장치(1000)는 제1 가이드 영역(416)내 좌측 하단의 모서리 지점을 기준 픽셀의 좌표로 결정하고, 결정된 기준 픽셀의 위치에서, 미리 설정된 가로 폭(402)의 길이만큼 연장된 가로 선분 및 세로 높이(404)의 길이만큼 연장된 세로 선분을 포함하는 제1 가이드 영역(416)을 화면에 표시할 수 있다. 전자 장치의 사용자는 제1 가이드 영역(416)내에 표시되는 전자 장치의 화면에 기초하여, 촬영 대상 영역을 쉽게 결정할 수 있다.For example, the
또한, 일 실시 예에 의하면, 전자 장치(1000)는 제1 가이드 영역의 가로 길이 또는 세로 길이 중 적어도 하나의 길이를 증가 시키거나 감소 시키기 위한 스케일링 계수를 결정하고, 결정된 스케일링 계수를 제1 가이드 영역에 적용함으로써, 제2 가이드 영역들을 결정할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 제1 가이드 영역 보다 넓은 면적을 가지는 제2 가이드 영역들(412, 414)을 2개 결정하고, 제1 가이드 영역 보다 좁은 면적을 가지는 제2 가이드 영역들(418, 422)를 2개 결정할 수 있다. In addition, according to an embodiment, the
본 개시에 따른 전자 장치(1000)는 제1 가이드 영역 및 적어도 하나의 제2 가이드 영역 각각으로부터 특징 정보들을 추출하고, 추출된 특징 정보를 이용하여 이미지 내 객체를 식별할 수 있다. 그러나 또 다른 실시 예에 의하면, 본 개시에 따른 전자 장치(1000)는 제1 가이드 영역 및 제2 가이드 영역 별로 객체에 대응될 확률 값을 결정하고, 결정된 확률 값이 미리 설정된 임계치 보다 큰지 여부에 기초하여, 1차적으로 가이드 영역들에 대한 객체를 식별할 수 있다. 본 개시에 따른 전자 장치(1000)는 확률 값이 미리 설정된 임계치 보다 작은 가이드 영역들에 대한 객체는 식별되지 않은 것으로 결정하고, 확률 값이 미리 설정된 임계치 보다 큰 가이드 영역들로부터 추출된 특징 정보들만을 이용하여 객체의 종류를 2차로 식별할 수 있다. 또 다른 실시 예에 의하면, 전자 장치(1000)는 확률 값이 미리 설정된 임계치 보다 큰 가이드 영역들로부터 추출된 특징 정보들만을 인공 지능 모델에 입력함으로써, 이미지 내 객체의 종류를 식별할 수도 있다.The
따라서, 본 개시에 따른 전자 장치(1000)는 제1 이미지 생성된 모든 가이드 영역들에 대하여 인공 지능 연산을 수행하는 것이 아니라, 적어도 하나의 가이드 영역 별로 추출된 특징 정보들을 이용하여, 미리 설정된 기준에 따라 1차로 객체를 식별해 본 후, 객체로 식별되지 않은 가이드 영역들에 대해서는 2차로 객체 식별 과정을 수행하지 않음으로써, 전자 장치의 연산 효율을 높일 수 있다. 전자 장치(1000)가 복수의 가이드 영역들 각각에 대해서 결정된 객체 식별 값에 기초하여, 전체 이미지 내 객체의 종류를 식별하는 방법은 후술하는 도 5 내지 6을 참조하여 더 구체적으로 설명하기로 한다.Accordingly, the
도 5는 일 실시 예에 따른 전자 장치가, 적어도 하나의 가이드 영역 별 객체 식별 결과에 기초하여, 이미지 내 객체의 종류를 식별하는 방법을 설명하기 위한 흐름도이다.5 is a flowchart illustrating a method of identifying, by an electronic device, a type of an object in an image based on an object identification result for each guide area, according to an exemplary embodiment.
S520에서, 전자 장치(1000)는 제1 가이드 영역 및 적어도 하나의 제2 가이드 영역 각각에 대한 객체의 종류를 식별한다. 예를 들어, 전자 장치(1000)는 제1 가이드 영역 및 제2 가이드 영역 별로 객체에 관한 윤곽(contour)을 검출하고, 검출된 윤곽 내 윤곽 성분들을 이용하여 결정된 식별 조건에 서로 다른 가중치를 적용함으로써, 가이드 영역 별로 검출된 윤곽이 객체에 대응될 확률을 결정할 수 있다. 전자 장치(1000)는 가이드 영역 별로 검출된 윤곽이 객체에 대응될 확률 값에 기초하여, 가이드 영역 별 객체의 종류를 식별할 수 있다.In S520, the
S540에서, 전자 장치(1000)는 식별된 객체의 종류 중, 동일한 종류의 객체로 식별된 가이드 영역의 빈도수를 결정할 수 있다. 예를 들어, 전자 장치(1000)는 가이드 영역 별로 식별된 객체의 종류를 카운팅함으로써, 동일 종류로 식별된 가이드 영역의 수를 계산할 수 있다. S560에서, 전자 장치(1000)는 동일한 종류의 객체로 식별되는 가이드 영역의 빈도수에 기초하여 이미지 내 객체의 종류를 식별한다. 일 실시 예에 의하면, 전자 장치(1000)는 가이드 영역들 중, 가장 많은 수로 카운팅된 객체의 종류를, 이미지 내 객체의 종류로 식별할 수 있다.In S540, the
도 6은 일 실시 예에 따른 전자 장치가, 적어도 하나의 가이드 영역 별 객체의 식별 결과에 기초하여, 이미지 내 객체의 종류를 식별하는 방법을 설명하기 위한 도면이다.FIG. 6 is a diagram illustrating a method of identifying a type of an object in an image, based on a result of identifying an object for each guide area, by an electronic device according to an exemplary embodiment.
도 6을 참조하면, 전자 장치(1000)가 가이드 영역 별로 식별된 객체의 종류를 이용하여, 전체 이미지 내 객체의 종류를 식별하는 케이스들이 도시된다. 예를 들어, 케이스 (602)를 참조하면, 제1 가이드 영역(예컨대 BOX 0)에 대응되는 객체가 코(Nose)로 식별되고, 제2 가이드 영역(예컨대 Box 1)에 대응되는 객체는 코(Nose)로 식별되며, 나머지 가이드 영역들(예컨대, Box 2, 3, 4)에 대해서는 확률 값이 기 설정된 임계치 이하로 판별됨에 따라, 나머지 가이드 영역들에 대응되는 객체들이 식별되지 않은 경우가 도시된다. 케이스(602)의 경우, 전자 장치(1000)는 코(nose)로 식별된 가이드 영역의 빈도수가 2로 가장 크므로, 전체 이미지 내 객체의 종류를 코(nose)로 식별할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 동일한 종류의 빈도수를 나타내는 가이드 영역의 수를 카운팅함에 있어, 식별되지 않은 가이드 영역의 빈도수는 카운팅 하지 않을 수 있다.Referring to FIG. 6, cases in which the
또 다른 실시 예에 따라, 예를 들어, 케이스 (604)를 참조하면, 제1 가이드 영역(예컨대 BOX 0)에 대응되는 객체가 왼쪽 눈(Left eye) 로 식별되고, 제2 가이드 영역(예컨대 Box 1)에 대응되는 객체는 코(Nose)로 식별되며, 제3 가이드 영역(예컨대 Box 2)에 대응되는 객체가 왼쪽 눈(Left eye)로 식별되고, 나머지 가이드 영역들(예컨대, Box 3, 4)에 대해서는 확률 값이 기 설정된 임계치 이하로 판별됨에 따라, 나머지 가이드 영역들에 대응되는 객체들이 식별되지 않은 경우가 도시된다. According to another embodiment, for example, referring to the case 604, an object corresponding to a first guide area (eg, BOX 0) is identified as a left eye, and a second guide area (eg, Box 0) The object corresponding to 1) is identified by nose, the object corresponding to the third guide area (eg, Box 2) is identified by the left eye, and the remaining guide areas (eg,
케이스(604)의 경우, 전자 장치(1000)는 왼쪽 눈(Left eye)으로 식별된 가이드 영역의 빈도수가 2이고, 코(nose)로 식별된 가이드 영역의 빈도수가 1이며, 객체가 식별되지 않은 가이드 영역의 빈도수가 2이므로, 왼쪽 눈(Left eye)으로 식별된 가이드 영역의 빈도수와 객체가 식별되지 않은 가이드 영역의 빈도수를 비교하게 된다. 그러나, 일 실시 예에 의하면, 전자 장치(1000)는 객체가 식별되지 않은 가이드 영역의 빈도수는, 카운팅계산에 이용하지 않을 수 있으므로, 전자 장치(1000)는 왼쪽 눈(Left eye)으로 식별된 가이드 영역의 빈도수가 가장 높은 것으로 결정한 후, 이미지 내 객체의 종류를 왼쪽 눈으로 식별할 수 있다.In the case of the case 604, the
또 다른 실시 예에 따라, 케이스(606)을 참조하면, 제1 가이드 영역(예컨대 BOX 0)에 대응되는 객체가 왼쪽 눈(Left eye) 로 식별되고, 제2 가이드 영역(예컨대 Box 1)에 대응되는 객체는 오른쪽 눈(right eye)으로 식별되며, 제3 가이드 영역(예컨대 Box 2)에 대응되는 객체가 코(nose)로 식별되고, 나머지 가이드 영역들(예컨대, Box 3, 4)에 대해서는 확률 값이 기 설정된 임계치 이하로 판별됨에 따라, 나머지 가이드 영역들에 대응되는 객체들이 식별되지 않은 경우가 도시된다. According to another embodiment, referring to the case 606, an object corresponding to a first guide area (eg, BOX 0) is identified as a left eye, and corresponds to a second guide area (eg, Box 1). The object is identified as the right eye, the object corresponding to the third guide area (eg, Box 2) is identified as a nose, and the remaining guide areas (eg,
케이스(606)에서, 전자 장치(1000)는 왼쪽 눈(Left eye) 로 식별된 가이드의 빈도수가 1이고, 오른쪽 눈(right eye)으로 식별된 가이드의 빈도수도 1이며, 코(nose)로 식별된 가이드 영역의 빈도수가 1이므로, 가이드 영역들 중, 동일한 종류의 객체를 나타내는 가이드 영역의 빈도수를 결정하지 못할 수 있다. 케이스(606)과 같이, 전자 장치(1000)는 동일한 종류의 객체를 나타내는 가이드 영역의 빈도수를 결정하지 못하는 경우, 이미지 내 객체의 종류가 식별되지 않은 것으로 결정할 수 있다. 전자 장치(1000)는 이미지 내 객체의 종류가 식별되지 않는 경우, 'none'과 같은 글자를 화면에 출력할 수 있다.In the case 606, the
또 다른 실시 예에 따라, 케이스(608)을 참조하면, 제1 가이드 영역(예컨대 BOX 0)에 대응되는 객체가 왼쪽 눈(Left eye) 로 식별되고, 제2, 3, 4 가이드 영역(예컨대 Box 1, 2, 3)에 대응되는 객체는 모두 코(nose)로 식별되며, 제5 가이드 영역 (예컨대 Box 4)에 대응되는 객체가 오른쪽 눈(right eye)으로 식별되는 경우가 도시된다. 케이스(608)에서, 전자 장치(1000)는 코(nose)로 식별된 가이드 영역의 빈도수는 3이고, 왼쪽 눈으로 식별된 가이드 영역의 빈도수는 1이며, 오른쪽 눈으로 식별된 가이드 영역의 빈도수를 1로 결정할 수 있다. 따라서, 전자 장치(1000)는 코로 식별된 가이드 영역이 빈도수가 3으로 가장 크므로, 이미지 내 객체의 종류를 코(nose)로 식별할 수 있다.According to another embodiment, referring to the case 608, an object corresponding to the first guide area (eg, BOX 0) is identified as a left eye, and the second, third, and fourth guide areas (eg, Box 0) All objects corresponding to 1, 2, and 3) are identified as noses, and an object corresponding to the fifth guide area (eg, Box 4) is identified as a right eye. In the case 608, in the
또 다른 실시 예에 따라, 케이스(610)을 참조하면, 제1, 2 가이드 영역(예컨대 BOX 0, 1)에 대응되는 객체가 각각 코(nose)로 식별되고, 제3 가이드 영역(예컨대 Box 2)에 대응되는 객체는 모두 오른쪽 눈(right eye)으로 식별되며, 제 4, 5 가이드 영역(예컨대, Box 3, 4)에 대응되는 객체가 왼쪽 눈(left eye)으로 식별되는 경우가 도시된다. 케이스(610)에서, 전자 장치(1000)는 코(nose)로 식별된 가이드 영역의 빈도수가 2이고, 오른쪽 눈으로 식별된 가이드 영역의 빈도수가 1이며, 왼쪽 눈으로 식별된 가이드 영역의 빈도수를 2로 결정할 수 있다. 따라서, 전자 장치(1000)는 현재 코로 식별된 가이드 영역의 빈도수 및 왼쪽 눈으로 식별된 가이드 영역의 빈도수가 오른쪽 눈으로 식별된 가이드 영역의 빈도수보다 크다고 결정할 수 있다. 그러나, 전자 장치(1000)는 오른쪽 눈으로 식별된 가이드 영역의 빈도수 보다 크다고 결정된, 코로 식별된 가이드 영역의 빈도수 및 왼쪽 눈으로 식별된 가이드 영역의 빈도수가 2로 동일하므로, 이미지 내 객체의 종류를 식별할 수 없는 것으로 결정할 수 있다. 따라서, 전자 장치(1000)는 케이스(606)과 유사하게, 이미지 내 객체를 식별할 수 없는 것으로 결정함과 함께 'none'과 같은 안내 메시지를 화면에 출력할 수도 있다.According to another embodiment, referring to the case 610, objects corresponding to the first and second guide areas (eg, BOX 0 and 1) are identified as noses, respectively, and the third guide area (eg, Box 2) is identified as a nose. ) Is identified as a right eye, and an object corresponding to the fourth and fifth guide areas (eg,
도 7은 일 실시 예에 따른 전자 장치가 이미지 내 적어도 하나의 잡음을 제거하기 위해 이미지를 전처리 하는 방법을 설명하기 위한 도면이다.7 is a diagram illustrating a method of preprocessing an image in order to remove at least one noise in an image by an electronic device according to an exemplary embodiment.
본 개시의 일 실시 예에 따르면, 전자 장치(1000)는 획득한 이미지 내 잡음을 제거하고, 코 검출의 정확도를 향상시키기 위해서 이미지를 전처리할 수 있다. 일 실시 예에 의하면, S720에서, 전자 장치(1000)는 이미지 내의 픽셀 값들에 소정의 커널을 적용함으로써 이미지 내 잡음을 제거할 수 있다.According to an embodiment of the present disclosure, the
일 실시 예에 의하면, 전자 장치(1000)는 가우시안 분포를 나타내는 가우시안 커널을 적용함으로써 이미지 내 가우시안 잡음을 제거할 수 있다. 예를 들어, 전자 장치(1000)가 획득하는 이미지 내에는, 이미지를 촬영한 이미지 센서 자체 특성으로 인한 잡음과 같이 가우시안 분포를 따르는 잡음들이 포함될 수 있다. 이러한 잡음들은 이미지 또는 복수의 이미지를 포함하는 영상의 품질을 떨어뜨릴 수 있다. 전자 장치(1000)는 가우시안 분포(Gaussian Distribution)를 나타내는, 미리 설정된 크기의 가우시안 커널을 이미지에 적용함으로써, 이미지 내 가우시안 잡음을 제거할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 이미지를 소정의 부분 영역들로 분할하고, 분할된 부분 영역들 별로 가우시안 커널을 적용할 수도 있다. 그러나, 이에 한정되는 것은 아니며, 전자 장치(1000)는 이미지 내 잡음(Noise)을 제거하기 위한 기타 이미지 필터들을 이용하여 잡음을 제거할 수도 있다.According to an embodiment, the
S740에서, 전자 장치(1000)는 잡음이 제거된 이미지 내 픽셀 값들을 변환할 수 있다. 일 실시 예에 따라 가우시안 커널을 사용하는 경우, 전자 장치(1000)는 가우시안 잡음이 제거된 이미지 내 픽셀 값들의 히스토그램을 평활화(equalizing) 할 수 있다. 예를 들어, 전자 장치(1000)는 이미지 내 픽셀 값들에 기초하여 이미지의 밝기 값들을 픽셀 별로 획득할 수 있다. 전자 장치(1000)는 이미지 내 픽셀 별로 밝기 값을 소정의 레벨로 분류한 빈(bin)들에, 이미지 내 픽셀들의 밝기 값을 분류함으로써, 이미지 내 밝기 값에 대한 히스토그램을 생성할 수 있다. In S740, the
일 실시 예에 의하면, 히스토그램은 이미지 내에서 특정 밝기 값을 나타내는 픽셀의 수를 포함하는 bin을 포함할 수 있고, bin들은 밝기 값을 분류하기 위한 소정의 범위를 가질 수 있다. 전자 장치(1000)는 이미지에 대한 밝기 값의 분포를 나타내는 히스토그램을 평활화함으로써, 이미지 내 밝기 값들이 이미지 전체에 골고루 분포되게 할 수 있다. 또한, 전자 장치(1000)는 이미지에 대한 히스토그램을 평활화함으로써, 이미지 전체의 contrast를 향상시킬 수 있다.According to an embodiment, the histogram may include a bin including the number of pixels representing a specific brightness value in an image, and the bins may have a predetermined range for classifying brightness values. The
그러나, 또 다른 실시 예에 의하면, 전자 장치(1000)는 히스토그램이 아닌, 이미지 내 픽셀들의 세기(intensity)를 평활화(equalizing)할 수도 있다. 또한, 전자 장치(1000)는 상술한 평준화방법에 외에 기타 공지의 픽셀 값들을 평준화 하기 위한 방법을 사용하여 이미지 내 픽셀 값들을 평준화할 수도 있다.However, according to another embodiment, the
S760에서, 전자 장치(1000)는 픽셀 값들이 변환된 이미지들을 적어도 하나의 부분 영역들로 분할하고, 분할된 부분 영역 별로 결정되는 임계값들을 이용하여 부분 영역들 내 픽셀 값들을 이진화 할 수 있다. 예를 들어, 전자 장치(1000)는 이미지를 그레이 스케일(gray scale)이미지로 변환하고, 기 설정된 임계값을 이용하여 이미지를 이진화 할 수도 있다.In S760, the
그러나, 본 개시의 일 실시 예에 따른 전자 장치(1000)는 이미지를 하나 이상의 부분 영역들로 분할하고, 분할된 부분 영역들 별로 임계값을 결정함으로써, 이미지의 부분 영역별 서로 다르게 결정된 임계값을 이용하여 부분 영역 별 픽셀 값들을 이진화 할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 이미지가 그레이 스케일로 변환된 상태인 경우, 부분 영역 별로 결정된 임계값을 이용하여 부분 영역 내 픽셀별 밝기 값을 이진화 할 수도 있다. 전자 장치(1000)는 부분 영역 별로 서로 다른 임계값을 이용하여 이미지를 이진화 함으로써, 이진화된 이미지로부터 객체에 대응되는 윤곽을 더 정확하게 검출할 수 있다. 또 다른 실시 예에 의하면, 전자 장치(1000)는 부부 영역 별로 이진화된 밝기 값을 포함하는 가이드 영역으로부터 객체에 관한 윤곽을 검출할 수도 있다. However, the
또한, 일 실시 예에 따라 전자 장치(1000)가 히스토그램 평활화 기법을 이용하는 경우, 전자 장치(1000)는 히스토그램이 평활화된 이미지들을 적어도 하나의 부분 영역들로 분할하며, 분할된 부분 영역 별로 결정되는 임계값들을 이용하여 부분 영역들 내 픽셀 값들을 이진화 할 수도 있다.In addition, according to an embodiment, when the
도 8은 일 실시 예에 따른 전자 장치가 생성된 적어도 하나의 가이드 영역들 중, 일부의 가이드 영역으로부터 특징 정보들을 결정하는 과정을 설명하기 위한 도면이다.FIG. 8 is a diagram illustrating a process of determining feature information from some of at least one guide area in which an electronic device is generated according to an exemplary embodiment.
S820에서, 전자 장치(1000)는 이미지 내 적어도 하나의 가이드 영역들을 생성할 수 있다. S820은 도 3 내지 도 4에서 전자 장치(1000)가 제1 가이드 영역을 결정하고, 결정된 제1 가이드 영역을 미리 설정된 스케일에 따라 스케일링함으로써 제2 가이드 영역들을 생성하는 과정에 대응될 수 있으므로 구체적인 설명은 생략하기로 한다.In S820, the
S840에서, 전자 장치(1000)는 적어도 하나의 가이드 영역 별 객체에 관한 윤곽을 검출할 수 있다. 예를 들어, 전자 장치(1000)는 이진화된 이미지에서 특징점을 추출하고, 추출된 특징점 중 같은 이미지 값을 나타내는 점들의 집합을 식별함으로써, 이미지 내 객체에 대응되는 윤곽(contour)을 검출할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 이미지 내 객체에 대응되는 복수의 윤곽들을 검출할 수 있고, 검출된 윤곽들 중, 최외곽 윤곽들을 결정할 수도 있다. In S840, the
일 실시 예에 의하면, 전자 장치(1000)는 convex hull 알고리즘을 이용하여 이미지 내 검출된 윤곽들 중, 최외곽(max contour)를 검출할 수도 있다. 또한, 일 실시 예에 의하면, 전자 장치(1000)는 이진화된 적어도 하나의 가이드 영역으로부터 윤곽을 검출한 후, 검출된 윤곽에 대하여 중간값 필터를 적용함으로써, 윤곽의 경계를 평탄화(smoothing)하는 과정을 더 수행할 수도 있다. 전자 장치(1000)는 평탄화된 후보 윤곽선을 적어도 하나의 가이드 영역 별 객체에 관한 윤곽으로 검출할 수 있다.According to an embodiment, the
S860에서, 전자 장치(1000)는 검출된 윤곽이 객체에 대응될 확률을 결정할 수 있다. 예를 들어, 전자 장치(1000)는 이진화된 이미지 영역을 포함하는 적어도 하나의 가이드 영역 별로 최외곽 윤곽을 검출하고, 검출된 최외곽 윤곽들 각각이 객체에 대응될 확률을 결정할 수 있다. In S860, the
보다 상세하게는, 전자 장치(1000)는 적어도 하나의 가이드 영역 별 윤곽에 관한 윤곽 성분들을 결정하고, 결정된 윤곽 성분들을 이용하여 객체를 식별하기 위한 제1 식별 조건을 결정할 수 있다. 전자 장치(1000)는 결정된 식별 조건에 서로 다른 가중치를 적용함으로써, 적어도 하나의 가이드 영역 내 윤곽들이 객체에 대응될 확률을 결정할 수 있다. In more detail, the
일 실시 예에 의하면, 제1 식별 조건은, 동물 이미지 내 동물의 코 영역을 식별하기 위한 조건으로써, 상기 검출된 윤곽의 면적, 상기 검출된 윤곽의 좌표, 상기 검출된 윤곽의 높이 및 상기 윤곽의 폭의 비율, 상기 최외곽 윤곽의 면적 및 상기 최외곽 윤곽의 면적을 제외한 상기 윤곽 내 면적의 비율을 포함할 수 있다.According to an embodiment, the first identification condition is a condition for identifying the nose area of the animal in the animal image, and includes the area of the detected contour, the coordinates of the detected contour, the height of the detected contour, and It may include a ratio of a width, an area of the outermost contour, and a ratio of an area within the contour excluding an area of the outermost contour.
예를 들어, 전자 장치(1000)는 하나의 가이드 영역에서 검출된 윤곽의 윤곽 성분들로써 윤곽의 높이, 윤곽의 폭, 윤곽의 면적, 윤곽들 중 최외곽 윤곽의 면적, 윤곽을 구성하는 픽셀들을 결정할 수 있다. 전자 장치(1000)는 윤곽 성분들에 기초하여 상기 윤곽의 면적, 윤곽의 경계에 관한 좌표 졍보, 검출된 윤곽의 높이 및 윤곽의 폭의 비율(Aspect ratio), 윤곽의 면적 및 최외곽 윤곽의 면적을 제외한 윤곽 내 면적의 비율(solidity)과 같은 제1 식별 조건들을 결정할 수 있다. For example, the
전자 장치(1000)는 하나의 가이드 영역에서 검출된 윤곽 및 상기 윤곽을 구성하는 윤곽 성분들로부터 상술한 바와 같은 제1 식별 조건을 결정한 후, 검출된 윤곽들이, 서로 다른 가중치를 가지는 제1 식별 조건 내 각각의 항목에 해당할 점수를 결정할 수 있다. 전자 장치(1000)는 가이드 영역에서 검출된 윤곽에 대하여, 식별 조건 별 점수를 할당한 후, 할당된 점수들을 식별 조건 별로 서로 다르게 할당된 가중치에 따라 가중합함으로써, 가이드 영역 내 윤곽이 객체에 대응될 확률을 결정할 수 있다.The
S880에서, 전자 장치(1000)는 적어도 하나의 가이드 영역 별로 결정된 객체에 대응될 확률 값들이 기 설정된 임계치 이상인지 여부를 결정할 수 있다. 또한, 전자 장치(1000)는 적어도 하나의 가이드 영역들 중, 기 설정된 임계치 보다 큰 윤곽을 포함하는 가이드 영역이 무엇인지 여부를 식별할 수 있다. 전자 장치(1000)는 미리 설정된 임계치 보다 큰, 확률 값을 나타내는 윤곽을 포함하는 가이드 영역으로부터만 특징 정보를 추출하고, 추출된 특징 정보를 이용하여 이미지 내 객체의 식별 과정을 한번 더 수행하게 된다.In S880, the
일 실시 예에 의하면, 전자 장치(1000)는 미리 설정된 임계치 보다 큰 확률 값을 나타내는 윤곽을 포함하는 가이드 영역들로부터 특징 정보를 추출하기 전, 가이드 영역들을 미리 설정된 크기로 리사이징(resizing)할 수 있다. 전자 장치(1000)는 미리 설정된 크기로 리사이징된 적어도 하나의 가이드 영역으로부터 특징 정보를 결정할 수도 있다.According to an embodiment, the
본 개시에 따른 전자 장치(1000)는 이미지 내 적어도 하나의 가이드 영역들로부터 추출된 윤곽들이 객체에 대응될 확률 값들을 결정하고, 결정된 확률들이 기 설정된 임계치 이하인 가이드 영역에 대해서는 객체가 식별되지 않은 것으로 결정하며, 확률 값들이 기 설정된 임계치보다 큰 가이드 영역으로부터만 특징 정보를 추출하고, 추출된 특징 정보를 인공 지능 모델에 입력함으로써, 인공 지능 연산량을 감소시킬 수 있다. The
즉, 전자 장치(1000)는 이미지 내 가이드 영역들에 대하여 1차로 객체에 대응될 확률 값을 결정해 본 후, 객체에 대응될 확률 값이 높은 가이드 영역으로부터 추출된 특징 벡터를 이용하여, 객체에 대응될 확률 값이 높은 가이드 영역에 대해서만 인공 지능 모델을 이용하여 인공 지능 연산을 수행함으로써, 신속하고, 정확하게 이미지 내 객체의 종류를 식별할 수 있다.That is, the
도 9는 일 실시 예에 따른 전자 장치가 적어도 하나의 가이드 영역으로부터, 객체에 관한 윤곽을 검출하는 과정을 설명하기 위한 도면이다.9 is a diagram for describing a process of detecting an outline of an object from at least one guide area by an electronic device according to an exemplary embodiment.
전자 장치(1000)가 S840단계에 대응되는 윤곽 검출 방법을 이용하여, 가이드 영역 별 객체에 대응되는 윤곽을 검출할 수 있다. 예를 들어, 전자 장치(1000)는 이미지 내 특징점을 추출하고, 추출된 특징점을 연결함으로써 객체에 대한 윤곽을 검출할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 이미지 내 부분 영역 별로 결정된 임계값들에 기초하여, 이진화된 이미지의 가이드 영역 으로부터 윤곽(contour)을 검출할 수도 있다. The
일 실시 예에 의하면, 전자 장치(1000)는 이진화된 가이드 영역으로부터 검출된 윤곽들을 클러스터링함으로써, 기 설정된 면적보다 큰 면적을 가지는 윤곽들을 결정할 수 있다. 또 다른 실시 예에 의하면, 전자 장치(1000)는 이진화된 가이드 영역으로부터 추출된 복수의 윤곽들을 근사(approximation)함으로써, 복수의 윤곽들 중, 상대적으로 큰 면적을 가지는 윤곽을 결정할 수 있다. 전자 장치(1000)는 이진화된 가이드 영역으로부터 검출된 윤곽들을 소정의 기준에 따라 클러스터링함으로써 콧구멍에 관한 제1 부분 윤곽 및 동물의 코의 인중선에 관한 제2 부분 윤곽들을 결정할 수 있다.According to an embodiment, the
도 10은 일 실시 예에 따른 전자 장치가 이진화된 적어도 하나의 가이드 영역 내 이미지로부터 윤곽을 검출하고, 검출된 윤곽에 기초하여 객체의 종류를 식별하는 과정을 설명하기 위한 흐름도이다.10 is a flowchart illustrating a process of detecting an outline from an image in at least one guide area that has been binarized and identifying a type of an object based on the detected outline, according to an exemplary embodiment.
일 실시 예에 의하면, 전자 장치(1000)는 이미지 내 복수의 가이드 영역들을 이진화 하고, 이진화된 복수의 가이드 영역 각각으로부터 객체에 관한 윤곽을 검출할 수 있다. 예를 들어, S970에서, 전자 장치(1000)는 가이드 영역 각각으로부터 검출된 윤곽들의 윤곽 성분에 기초하여 제1 식별 조건을 결정하고 결정된 제1 식별 조건에 기초하여, 가이드 영역 내 윤곽들이 객체에 대응될 확률을 결정할 수 있다. 전자 장치(1000)는 가이드 영역들 중, 가이드 영역 내 윤곽들이 객체에 대응될 확률이 기 설정된 임계치 보다 낮은 가이드 영역들은 제거하고, 가이드 영역 내 윤곽들이 객체에 대응될 확률이 기 설정된 임계치 보다 큰 가이드 영역에 대해서만 2차로 객체 식별 과정을 수행할 수 있다.According to an embodiment, the
예를 들어, 전자 장치(1000)는 가이드 영역 내 동물의 콧구멍에 관한 제1 부분 윤곽 및 동물의 코 인중선에 관한 제2 부분 윤곽을 검출할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 가이드 영역으로부터 검출된 제1 부분 윤곽 및 제2 부분 윤곽의 좌표 정보를 결정하고, 결정된 제1 부분 윤곽 및 제2 부분 윤곽의 좌표 정보에 기초하여 특징 정보를 결정할 수 있다. 전자 장치(1000)는 1차 식별 과정에 따라 가이드 영역 내 윤곽들이 객체에 대응될 확률을 식별하고, 상기 식별된, 가이드 영역 내 윤곽들이 객체에 대응될 확률이 기 설정된 임계치보다 큰 가이드 영역을 이진화 하며, 이진화된 가이드 영역으로부터 제1 부분 윤곽 및 제2 부분 윤곽을 검출할 수도 있다. For example, the
S980에서, 전자 장치(1000)는 객체에 대응될 확률이 기 설정된 임계치 보다 큰 윤곽을 포함하는 가이드 영역으로부터, 검출된 제1 부분 윤곽 및 제2 부분 윤곽의 상대적 위치에 관한 제2 식별 조건을 결정하고, 제2 식별 조건의 항목 별 점수 값에 기초하여 특징 정보를 결정하며, 결정된 특징 정보가 나타내는 점수 값에 기초하여, 이미지 내 객체에 대한 2차 식별 과정을 수행할 수 있다.In S980, the
도 11은 일 실시 예에 따른 전자 장치가 이진화된 적어도 하나의 가이드 영역 내 검출된 객체가 동물의 코에 대응될 확률을 결정하기 위해 이용하는 식별 조건들을 설명하기 위한 도면이다.FIG. 11 is a diagram for describing identification conditions used by an electronic device to determine a probability that an object detected in at least one binarized guide area corresponds to a nose of an animal, according to an exemplary embodiment.
예를 들어, 전자 장치(1000)는 제1 식별 조건(1152)를 이용하여, 이미지 내 복수의 가이드 영역들 각각으로부터 검출된 윤곽이 코에 대응될 확률 값을 결정하고, 결정된 확률 값들이 소정의 임계치 보다 큰 가이드 영역에 대해서만, 다시 2차 객체(예컨대 동물의 코) 식별 과정을 수행하게 된다. 전자 장치(1000)는 초기 생성된 복수의 가이드 영역들 중, 일부의 가이드 영역에 대해서만, 제2 식별 조건(1156)을 이용하여 객체 인식 과정을 수행함으로써, 이미지 내 객체의 인식 과정을 신속하고 정확하게 수행할 수 있다.For example, the
예를 들어, 전자 장치(1000)는 객체의 적어도 일부를 포함하는 이미지를 획득하고, 획득된 이미지에 복수의 가이드 영역들을 생성할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 가이드 영역들 각각으로부터 객체에 대한 윤곽들을 검출하고, 검출된 윤곽 성분들을 이용하여 제1 식별 조건(1152)을 결정한다. 제1 식별 조건(1152)은 윤곽 면적, 검출된 윤곽의 좌표 정보를 포함할 수 있다. 또한, 일 실시 예에 의하면, 제1 식별 조건은 검출된 윤곽의 높이 및 윤곽의 폭의 비율(aspect ratio) 및 최외곽 윤곽의 면적 및 최외곽 윤곽의 면적을 제외한 윤곽 내 면적의 비율(solidity)을 더 포함할 수도 있으나, 이에 한정되는 것은 아니다. 또한, 일 실시 예에 의하면, 윤곽 성분(1146)은 윤곽의 높이, 윤곽 폭, 윤곽 면적, 윤곽을 구성하는 픽셀들, 및 상기 윤곽을 구성하는 픽셀들의 좌표 정보를 포함할 수 있다.For example, the
일 실시 예에 의하면, 전자 장치(1000)가 이용하는 윤곽 성분(1146), 제1 식별 조건(1152) 및 제2 식별 조건(1156)들은, 식별 번호(1142, 1148, 1154) 각각에 매칭되어 메모리에 미리 저장될 수 있다.According to an embodiment, the contour component 1146, the first identification condition 1152, and the second identification condition 1156 used by the
전자 장치(1000)는 제1 식별 조건(1152)을 이용하여, 복수의 가이드 영역들 각각으로부터 검출된 윤곽이 객체에 대응될 확률을 결정하고, 객체에 대응될 확률이 기 설정된 임계치 보다 큰 윤곽을 포함하는 적어도 하나의 가이드 영역으로부터 적어도 하나의 부분 윤곽들을 검출할 수 있다. 예를 들어, 전자 장치(1000)는 적어도 하나의 가이드 영역으로부터 제1 부분 윤곽 및 제2 부분 윤곽을 검출할 수 있다. 전자 장치(1000)는 검출된 제1 부분 윤곽의 좌표 정보 및 제2 부분 윤곽의 좌표 정보에 기초하여, 부분 윤곽들의 상대적 위치에 관한 정보들을 이용하여 제2 식별 조건(1156)을 결정할 수 있다. 예를 들어, 전자 장치(1000)는 적어도 하나의 가이드 영역으로부터 검출된 제1 부분 윤곽의 좌표 정보 및 제2 부분 윤곽의 좌표 정보 사이의 상대적 위치에 관한 정보를 이용하여 제2 식별 조건을 결정할 수 있다.The
일 실시 예에 의하면, 제2 식별 조건(1156)은 코 세로선 윤곽과 콧구멍 윤곽의 위치에 관한 조건, 양쪽 콧 구멍 윤곽의 위치 범위에 관한 조건, 코 세로선 윤곽과 콧구멍 윤곽의 위치 범위에 관한 조건, 코 세로선 윤곽과 콧구멍 윤곽의 중첩 범위에 관한 조건, 콧 구멍 윤곽의 최대 크기에 관한 조건을 포함할 수 있으나, 이에 한정되는 것은 아니다.According to an embodiment, the second identification condition 1156 is a condition for the position of the vertical nose contour and the nostril contour, the condition for the position range of both nostril contours, and the position range of the vertical nose contour and the nostril contour. The condition, a condition for an overlapping range of the vertical nose contour and the nostril contour, and a condition for the maximum size of the nostril contour may be included, but are not limited thereto.
또 다른 실시 예에 의하면, 제2 식별 조건(1156)은 제2 부분 윤곽의 좌표 정보 중 가장 큰 Y축 성분 값이 상기 제1 부분 윤곽의 좌표 정보 중 가장 큰 Y축 성분값 보다 작은지 여부에 관한 제1 부분 식별 조건, 상기 제1 부분 윤곽과 상기 제2 부분 윤곽의 중심선이 겹치는지 여부에 관한 제2 부분 식별 조건, 상기 제1 부분 윤곽의 전체 면적이 기 설정된 임계 면적 이하인지 여부에 관한 제3 부분 식별 조건을 포함할 수 도 있다.According to another embodiment, the second identification condition 1156 is determined whether the largest Y-axis component value among the coordinate information of the second partial contour is less than the largest Y-axis component value among the coordinate information of the first partial contour. A first partial identification condition regarding, a second partial identification condition regarding whether the center line of the first partial contour and the second partial contour overlap, and regarding whether the total area of the first partial contour is less than or equal to a preset threshold area It may also include a third part identification condition.
예를 들어, 전자 장치(1000)는 1차로 식별 과정에 의해 객체에 대응될 확률이 기 설정된 임계치 이상인 가이드 영역으로부터, 동물의 콧구멍에 관한 제1 부분 윤곽 및 동물의 코의 인중선에 관한 제2 부부 윤곽을 검출하고, 제1 부부 윤곽 및 제2 부분 윤곽의 좌표 정보를 결정할 수 있다. 전자 장치(1000)는 제2 부분 윤곽(예컨대 코의 인중선에 대한 윤곽)의 좌표 정보 중 가장 큰 Y축 성분 및 제1 부분 윤곽(예컨대 콧구멍에 대한 윤곽)의 좌표 정보 중 가장 큰 Y축 성분 값을 비교함으로써, 이미지 내 코 세로선 부분이 콧구멍 보다 아래에 위치하는지 여부를 식별할 수 있다. For example, the
또 다른 실시 에에 의하면, 전자 장치(1000)는 제1 부분 윤곽의 좌표 정보에 기초하여 제1 부분 윤곽이, 이미지 내 기 설정된 제1 영역 범위에 위치하는지, 또는 제2 부분 윤곽의 좌표 정보에 기초하여, 제2 부분 윤곽이 이미지 내 기 설정된 제2 영역 범위 내에 위치하는지 식별할 수 있다. 전자 장치(1000)는 제1 부분 윤곽의 좌표 정보에 기초하여 제1 부분 윤곽이, 이미지 내 기 설정된 제1 영역 범위에 위치하고, 제2 부분 윤곽의 좌표 정보에 기초하여, 제2 부분 윤곽이 이미지 내 기 설정된 제2 영역 범위 내에 위치할 경우, 가이드 영역 내 객체를 코로 식별할 수 있다.According to another implementation, the
또 다른 실시 예에 의하면, 전자 장치(1000)는 제1 부분 윤곽의 좌표 정보에 기초하여, 제1 부분 윤곽 중, 왼쪽 콧구멍 윤곽의 가장 우측 X축 성분 값과, 제1 부분 윤곽 중, 오른쪽 콧구멍 윤곽의 가장 왼쪽 X축 성분 값이, 제2 부분 윤곽 내 코의 인중선의 X축 성분 범위 내에 포함되지 않는지 여부를 식별할 수 있다. 전자 장치(1000)는 제1 부분 윤곽 중, 왼쪽 콧구멍 윤곽의 가장 우측 X축 성분 값과, 제1 부분 윤곽 중, 오른쪽 콧구멍 윤곽의 가장 왼쪽 X축 성분 값이, 제2 부분 윤곽 내 코의 인중선의 X축 성분 범위 내에 포함되지 않는 경우, 가이드 영역 내 객체를 코로 식별할 수 있다.According to another embodiment, the
또 다른 실시 예에 의하면, 전자 장치(1000)는 제1 부분 윤곽의 좌표 정보 및 제2 부분 윤곽의 좌표 정보에 기초하여, 제1 부분 윤곽 및 제2 부분 윤곽이 겹치는 면적을 결정할 수 있다. 전자 장치(1000)는 제1 부분 윤곽 및 제2 부분 윤곽이 겹치는 면적이 미리 설정된 범위 내에 있는지 여부를 식별하고, 제1 부분 윤곽 및 제2 부분 윤곽이 겹치는 면적이 미리 설정된 범위 내에 있는 경우, 가이드 영역 내 객체를 코로 식별할 수 있다.According to another embodiment, the
또 다른 실시 예에 의하면, 전자 장치(1000)는 제1 부분 윤곽의 좌표 정보에 기초하여 제1 부분 윤곽의 면적을 결정할 수 있고, 결정된 제1 부분 윤곽의 면적이 기 설정된 범위 내인 경우에만, 가이드 영역 내 객체의 종류를 코로 식별할 수 있다.According to another embodiment, the
일 실시 예에 의하면, 전자 장치(1000)는 가이드 영역으로부터 검출된 제1 부분 윤곽 및 제2 부분 윤곽이 제2 식별 조건 중 하나의 조건이라도 만족하지 않을 경우, 가이드 영역 내 객체를 코로 식별하지 못할 수도 있다. 그러나 또 다른 실시 예에 의하면, 전자 장치(1000)는 제1 부분 윤곽 및 제2 부분 윤곽이 제2 식별 조건(1156)을 모두 만족하는 경우, 가이드 영역 내 객체를 코로 식별할 수도 있다.According to an embodiment, when the first partial contour and the second partial contour detected from the guide area do not satisfy even one of the second identification conditions, the
또한, 일 실시 예에 의하면, 전자 장치(1000)는 제1 부분 윤곽 및 제2 부분 윤곽의 좌표 정보에 기초하여 제2 식별 조건의 항목별 점수를 결정할 수도 있다. 전자 장치(1000)는 제1 부분 윤곽 및 제2 부분 윤곽에 대해, 제2 식별 조건(1156) 내에 포함된 부분 식별 조건들에 대한 항목 별 점수를 결정하고, 결정된 제2 식별 조건의 항목 별 점수 값을 가중합함으로써 특징 정보를 결정할 수도 있다. 전자 장치(1000)는 특징 정보가 나타내는 최종 점수 값이 기 설정된 임계치 이상인 경우에만, 이미지 내 객체를 코로 식별할 수도 있다.In addition, according to an embodiment, the
도 12은 일 실시 예에 따른 전자 장치의 블록도이다.12 is a block diagram of an electronic device according to an exemplary embodiment.
도 13는 또 다른 실시 예에 따른 전자 장치의 블록도이다.13 is a block diagram of an electronic device according to another embodiment.
도 12에 도시된 바와 같이, 전자 장치(1000)는 프로세서(1300), 메모리(1700), 카메라 모듈(1610) 및 디스플레이부(1210)를 포함할 수 있다. 그러나 도시된 구성 요소 모두가 필수구성요소인 것은 아니다. 도시된 구성요소보다 많은 구성요소에 의해 전자 장치(1000)가 구현될 수도 있고, 그보다 적은 구성 요소에 의해서도 전자 장치(1000)가 구현될 수도 있다.As shown in FIG. 12, the
예를 들어, 도 13에 도시된 바와 같이, 일 실시 예에 따른 전자 장치(1000)는 프로세서(1300), 메모리(1700), 카메라 모듈(1610) 및 디스플레이부(1210)이외에 사용자 입력 인터페이스(1100), 음향 출력부(1220) 및 진동 모터(1230)를 더 포함하는 출력부(1200), 센싱부(1400), 네트워크 인터페이스(1500), A/V 입력부(1600), 체결부(미도시)를 더 포함할 수도 있다. For example, as shown in FIG. 13, the
사용자 입력 인터페이스(1100)는, 사용자가 전자 장치 (1000)를 제어하기 위한 시퀀스를 입력하는 수단을 의미한다. 예를 들어, 사용자 입력 인터페이스(1100)에는 키 패드(key pad), 돔 스위치 (dome switch), 터치 패드(접촉식 정전 용량 방식, 압력식 저항막 방식, 적외선 감지 방식, 표면 초음파 전도 방식, 적분식 장력 측정 방식, 피에조 효과 방식 등), 조그 휠, 조그 스위치 등이 있을 수 있으나 이에 한정되는 것은 아니다. 사용자 입력 인터페이스(1100)는 전자 장치(1000)가 디스플레이 상에 출력한 화면에 대한 사용자의 입력 시퀀스를 수신할 수 있다. 또한, 사용자 입력 인터페이스(1100)는 디스플레이를 터치하는 사용자의 터치 입력 또는 디스플레이상 그래픽 사용자 인터페이스를 통한 키 입력을 수신할 수도 있다.The
출력부(1200)는, 오디오 신호 또는 비디오 신호 또는 진동 신호를 출력할 수 있으며, 출력부(1200)는 디스플레이부(1210), 음향 출력부(1220), 및 진동 모터(1230)를 포함할 수 있다.The
디스플레이부(1210)는 전자 장치(1000)에서 처리되는 정보를 표시 출력하기 위한 화면을 포함한다. 또한, 화면은 동물 이미지를 사용자가 촬영하도록 하기 위한 안내 메시지, 적어도 하나의 가이드 영역들을 표시할 수 있다. 음향 출력부(1220)는 네트워크 인터페이스 (1500)로부터 수신되거나 메모리(1700)에 저장된 오디오 데이터를 출력한다. 또한, 음향 출력부(1220)는 전자 장치(1000)에서 수행되는 기능과 관련된 음향 신호를 출력한다. 진동 모터(1230)는 진동 신호를 출력할 수 있다. 예를 들어, 진동 모터(1230)는 전자 장치(1000)에서 수행되는 기능들의 출력에 대응하는 진동 신호를 출력할 수 있다.The
프로세서(1300)는, 통상적으로 전자 장치(1000)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(1300)는, 메모리(1700)에 저장된 프로그램들을 실행함으로써, 사용자 입력부(1100), 출력부(1200), 센싱부(1400), 통신부(1500), A/V 입력부(1600) 등을 전반적으로 제어할 수 있다. 또한, 프로세서(1300)는 메모리(1700)에 저장된 프로그램들을 실행함으로써, 도 1 내지 도 11에 기재된 전자 장치(1000)의 기능을 수행할 수 있다.The
구체적으로, 프로세서(1300)는 사용자 입력부를 제어함으로써 전자 장치의 화면을 터치하는 사용자의 입력을 획득할 수 있다. 일 실시 예에 의하면, 프로세서(1300)는 사용자의 음성을 획득하도록 마이크로폰을 제어할 수도 있다. 프로세서(1300)는 사용자 입력에 기초하여 객체를 포함하는 이미지들을 획득할 수 있고, 이미지 내 객체가 식별되지 않는 경우, 사용자로부터 재 수신된 사용자 입력에 기초하여, 객체를 포함하는 이미지를 다시 획득할 수 있다.Specifically, the
일 실시 예에 의하면, 프로세서(1300)는 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행함으로써, 상기 객체를 포함하는 이미지를 획득하고, 상기 획득된 이미지 내 상기 객체에 대응되는 적어도 하나의 가이드 영역을 결정하고, 상기 적어도 하나의 가이드 영역으로부터 상기 객체를 식별하기 위한 특징 정보들을 결정하며, 결정된 특징 정보들을 이용하여 이미지 내 객체의 종류를 식별할 수 있다. 또한, 프로세서(1300)는 식별된 객체의 종류가 동물의 코 또는 상기 동물의 코와 관련된 부분 객체들로 식별되는 경우, 상기 객체를 포함하는 이미지 내 적어도 하나의 픽셀 값들을 저장할 수 있다.According to an embodiment, the
또 다른 실시 예에 의하면, 프로세서(1300)는 상기 결정된 특징 정보를 인공 지능(Artificial intelligence) 모델에 입력함으로써 상기 이미지 내 객체의 종류를 식별하며, 상기 식별된 객체의 종류가 동물의 코 또는 상기 동물의 코과 관련된 부분 객체들로 식별되는 경우, 상기 객체를 포함하는 이미지 내 적어도 하나의 픽셀 값들을 저장할 수 있다. 일 실시 예에 의하면, 상기 인공 지능 모델은 인공 신경망 모델을 포함할 수 있고, 인공 신경망 모델은, 입력 레이어, 출력 레이어 및 상기 입력 레이어와 출력 레이어 사이의 하나 이상의 히든 레이어들을 포함하고, 상기 입력 레이어, 출력 레이어 및 상기 히든 레이어들 사이의 연결 강도에 관한 가중치가 갱신되는 전방향(FeedForward) 네트워크일 수 있다.According to another embodiment, the
또한, 일 실시 예에 의하면, 프로세서(1300)는 하나 이상의 인스트럭션을 실행함으로써, 상기 획득된 이미지 내 미리 설정된 기준 픽셀을 포함하도록 상기 객체에 대응되는 제1 가이드 영역을 결정하고, 상기 결정된 제1 가이드 영역을 미리 설정된 스케일에 따라 스케일링함으로써 상기 객체에 대응되는 적어도 하나의 제2 가이드 영역을 결정하고, 상기 제1 가이드 영역 및 상기 적어도 하나의 제2 가이드 영역 각각에 대한 특징 정보를 결정할 수 있다.In addition, according to an embodiment, the
또한, 일 실시 예에 의하면, 프로세서(1300)는 상기 제1 가이드 영역을 상기 디스플레이 상에 표시하고, 상기 적어도 하나의 제2 가이드 영역은 상기 디스플레이 상에 표시하지 않도록 상기 디스플레이를 제어할 수 있다.In addition, according to an embodiment, the
또한, 프로세서(1300)는 적어도 하나의 가이드 영역으로부터 추출된 특징 정보가 입력되면, 상기 객체의 종류에 대한 확률 값을 출력하는 인공 지능(Artificial intelligence)을 이용하여 상기 객체의 종류를 식별할 수 있다.Also, when the feature information extracted from at least one guide area is input, the
일 실시 예에 의하면, 프로세서(1300)는 상기 제1 가이드 영역 및 상기 적어도 하나의 제2 가이드 영역 각각에 대한 객체의 종류를 식별하고, 상기 식별된 객체의 종류 중, 동일한 종류의 객체로 식별되는 가이드 영역의 빈도수를 결정하고, 상기 결정된 빈도수에 기초하여 상기 이미지 내 객체의 종류를 식별할 수 있다.According to an embodiment, the
일 실시 예에 의하면, 프로세서(1300)는 상기 획득된 이미지 내의 픽셀값들에 가우시안 분포를 나타내는 가우시안 커널을 적용함으로써, 상기 획득된 이미지 내 가우시안 잡음을 제거하고, 상기 가우시안 잡음이 제거된 이미지 내 픽셀 값들의 히스토그램을 평활화(equalizing) 하고, 상기 히스토그램이 평활화된 이미지 내 상기 적어도 하나의 가이드 영역을 결정할 수 있다.According to an embodiment, the
또한, 프로세서(1300)는 상기 적어도 하나의 가이드 영역 별로 상기 객체에 관한 윤곽을 검출하고, 상기 검출된 윤곽이 상기 객체에 대응될 확률을 결정하고, 상기 결정된 확률이 기 설정된 임계치보다 큰 윤곽을 포함하는 상기 적어도 하나의 가이드 영역으로부터 상기 특징 정보를 결정할 수 있다.In addition, the
또한, 프로세서(1300)는 상기 검출된 윤곽 내 윤곽 성분들을 이용하여 상기 객체를 식별하기 위한 제1 식별 조건을 결정하고, 상기 결정된 제1 식별 조건에 서로 다른 가중치를 적용함으로써, 상기 적어도 하나의 가이드 영역 내 윤곽이 상기 객체에 대응될 확률을 결정할 수 있다.In addition, the
또한, 프로세서(1300)는 히스토그램이 평활화된 이미지들을 미리 설정된 크기의 적어도 하나의 부분 영역들로 분할하고, 상기 분할된 부분 영역들의 픽셀 값에 기초하여, 상기 부분 영역별로 임계값들을 결정하고, 상기 결정된 임계값들에 기초하여 상기 부분 영역들 내 픽셀 값들을 이진화 하고, 상기 이진화된 픽셀 값들을 포함하는 이미지 내, 상기 적어도 하나의 가이드 영역 별로 상기 객체에 관한 윤곽을 검출할 수 있다.In addition, the
또한, 프로세서(1300)는 객체에 대응될 확률이 기 설정된 임계치보다 큰 윤곽을 포함하는 상기 적어도 하나의 가이드 영역으로부터, 동물의 콧구멍에 관한 제1 부분 윤곽 및 상기 동물의 코 인중선에 관한 제2 부분 윤곽을 검출하고, 상기 검출된 제1 부분 윤곽의 좌표 정보 및 상기 제2 부분 윤곽의 좌표 정보를 결정하고, 상기 결정된 제1 부분 윤곽의 좌표 정보 및 상기 제2 부분 윤곽의 좌표 정보에 기초하여 상기 특징 정보를 결정할 수 있다.In addition, the
또한, 프로세서(1300)는 상기 검출된 제1 부분 윤곽 및 상기 검출된 제2 부분 윤곽의 상대적 위치에 관한 제2 식별 조건을 결정하고, 상기 제1 부분 윤곽의 좌표 정보 및 상기 제2 부분 윤곽의 좌표 정보에 기초하여 상기 제2 식별 조건의 항목 별 점수 값을 결정하고, 상기 결정된 제2 식별 조건의 항목 별 점수 값에 기초하여 상기 특징 정보를 결정할 수 있다.In addition, the
센싱부(1400)는, 전자 장치(1000)의 상태 또는 전자 장치(1000) 주변의 상태를 감지하고, 감지된 정보를 프로세서(1300)로 전달할 수 있다. 센싱부(1400)는, 지자기 센서(Magnetic sensor)(1410), 가속도 센서(Acceleration sensor)(1420), 온/습도 센서(1430), 적외선 센서(1440), 자이로스코프 센서(1450), 위치 센서(예컨대, GPS)(1460), 기압 센서(1470), 근접 센서(1480), 및 RGB 센서(illuminance sensor)(1490) 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 각 센서들의 기능은 그 명칭으로부터 당업자가 직관적으로 추론할 수 있으므로, 구체적인 설명은 생략하기로 한다.The
네트워크 인터페이스(1500)는, 전자 장치(1000)가 다른 장치(미도시) 및 서버(2000)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 다른 장치(미도시)는 전자 장치(1000)와 같은 컴퓨팅 장치이거나, 센싱 장치일 수 있으나, 이에 제한되지 않는다. 예를 들어, 네트워크 인터페이스(1500)는, 무선 통신 인터페이스(1510), 유선 통신 인터페이스(1520) 및 이동 통신부(530)를 포함할 수 있다. The
무선 통신 인터페이스(1510)는 근거리 통신부(short-range wireless communication unit), 블루투스 통신부, 근거리 무선 통신부(Near Field Communication unit), WLAN(와이파이) 통신부, 지그비(Zigbee) 통신부, 적외선(IrDA, infrared Data Association) 통신부, WFD(Wi-Fi Direct) 통신부 등을 포함할 수 있으나, 이에 한정되는 것은 아니다. 유선 통신 인터페이스(1520)는 서버(2000)또는 전자 장치(1000)를 유선으로 연결할 수 있다.The
이동 통신부(1530)는, 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신한다. 여기에서, 무선 신호는, 음성 신호, 화상 통화 호 신호 또는 문자/멀티미디어 메시지 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다.The
일 실시 예에 의하면, 네트워크 인터페이스(1500)는 프로세서의 제어에 의하여, 객체를 촬영한 이미지에 대한 정보 또는 복수의 프레임으로 구성된 영상들에 대한 정보를 서버로 전송할 수도 있다. 또한, 네트워크 인터페이스(1500)는 서버로부터 이미지 내 객체를 인식한 결과에 대한 정보를 더 수신할 수도 있다. According to an embodiment, the
A/V(Audio/Video) 입력부(1600)는 오디오 신호 또는 비디오 신호 입력을 위한 것으로, 이에는 카메라(1610)와 마이크로폰(1620) 등이 포함될 수 있다. 카메라(1610)는 화상 통화모드 또는 촬영 모드에서 이미지 센서를 통해 정지영상 또는 동영상 등의 화상 프레임을 얻을 수 있다. 이미지 센서를 통해 캡쳐된 이미지는 프로세서(1300) 또는 별도의 이미지 처리부(미도시)를 통해 처리될 수 있다. 예를 들어, 카메라 모듈(1610)은 사용자 입력에 기초하여, 동물 이미지를 복수 횟수로 획득할 수 있다.The A/V (Audio/Video)
마이크로폰(1620)은, 외부의 음향 신호를 입력 받아 전기적인 음성 데이터로 처리한다. 예를 들어, 마이크로폰(1620)은 외부 디바이스 또는 사용자로부터 음향 신호를 수신할 수 있다. 마이크로폰(1620)은 사용자의 음성 입력을 수신할 수 있다. 마이크로폰(1620)은 외부의 음향 신호를 입력 받는 과정에서 발생 되는 잡음(noise)을 제거하기 위한 다양한 잡음 제거 알고리즘을 이용할 수 있다. The
메모리(1700)는, 프로세서(1300)의 처리 및 제어를 위한 프로그램을 저장할 수 있고, 전자 장치(1000)로 입력되거나, 출력되는 데이터를 저장할 수도 있다. 또한, 메모리(1700)는 전자 장치(1000)가 사용자 입력에 기초하여 획득한, 객체를 포함하는 이미지, 영상에 대한 정보, 이미지 또는 영상에 표시된 적어도 하나의 가이드 영역에 대한 정보, 가이드 영역으로부터 검출된 윤곽에 대한 정보, 가이드 영역 별 객체의 식별 결과에 대한 정보, 가이드 영역 별 윤곽이 객체에 대응될 확률을 결정하기 위한 복수의 윤곽 성분, 또는 1차 식별 조건 또는 2차 식별 조건에 대한 정보를 더 저장할 수도 있다.The
메모리(1700)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. The
메모리(1700)에 저장된 프로그램들은 그 기능에 따라 복수 개의 모듈들로 분류할 수 있는데, 예를 들어, UI 모듈(1710), 터치 스크린 모듈(1720), 알림 모듈(1730) 등으로 분류될 수 있다. Programs stored in the
UI 모듈(1710)은, 애플리케이션 별로 전자 장치(1000)와 연동되는 특화된 UI, GUI 등을 제공할 수 있다. 터치 스크린 모듈(1720)은 사용자의 터치 스크린 상의 터치 제스처를 감지하고, 터치 제스처에 관한 정보를 프로세서(1300)로 전달할 수 있다. 일부 실시예에 따른 터치 스크린 모듈(1720)은 터치 코드를 인식하고 분석할 수 있다. 터치 스크린 모듈(1720)은 컨트롤러를 포함하는 별도의 하드웨어로 구성될 수도 있다.The
알림 모듈(1730)은 전자 장치(1000)의 이벤트 발생을 알리기 위한 신호를 발생할 수 있다. 전자 장치(1000)에서 발생되는 이벤트의 예로는 호 신호 수신, 메시지 수신, 키 신호 입력, 일정 알림 등이 있다. 알림 모듈(1730)은 디스플레이부(1210)를 통해 비디오 신호 형태로 알림 신호를 출력할 수도 있고, 음향 출력부(1220)를 통해 오디오 신호 형태로 알림 신호를 출력할 수도 있고, 진동 모터(1230)를 통해 진동 신호 형태로 알림 신호를 출력할 수도 있다.The
도 14는 일 실시 예에 따른 서버의 블록도이다.14 is a block diagram of a server according to an embodiment.
서버(2000)는 네트워크 인터페이스(2100), 데이터 베이스(2200) 및 프로세서(2300)를 포함할 수 있다. 네트워크 인터페이스(2100)는 14 도시된 전자 장치(1000)의 네트워크 인터페이스(1500)에 대응될 수 있다. 예를 들어, 네트워크 인터페이스(2100)는 전자 장치(1000)로부터 객체들을 촬영한 이미지 또는 영상에 대한 정보를 수신하건, 수신된 이미지 또는 영상 내 객체를 인식한 결과에 대한 정보를 전자 장치(1000)로 전송할 수 있다. The
데이터 베이스(2200)는 도 14에 도시된 전자 장치(1000)의 메모리(1700)에 대응될 수 있다. 예를 들어, 데이터 베이스(2200)는 전자 장치(1000)가 사용자 입력에 기초하여 획득한, 객체를 포함하는 이미지, 영상에 대한 정보, 이미지 또는 영상에 표시된 적어도 하나의 가이드 영역에 대한 정보, 가이드 영역으로부터 검출된 윤곽에 대한 정보, 가이드 영역 별 객체의 식별 결과에 대한 정보, 가이드 영역 별 윤곽이 객체에 대응될 확률을 결정하기 위한 윤곽 성분, 또는 식별 조건에 대한 정보를 더 저장할 수 있다.The database 2200 may correspond to the
프로세서(2300)는 통상적으로 서버(2000)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(2300)는, 서버(2000)의 DB(2200)에 저장된 프로그램들을 실행함으로써, DB(2200) 및 네트워크 인터페이스(2100) 등을 전반적으로 제어할 수 있다. 또한, 프로세서(2300)는 DB(2100)에 저장된 프로그램들을 실행함으로써, 도 1 내지 도14에서의 전자 장치(1000)의 동작의 일부를 수행할 수 있다. 예를 들어, 프로세서(2300)는 전자 장치로부터 객체를 포함하는 이미지에 대한 정보를 수신하고, 수신된 이미지 내 객체에 대응되는 적어도 하나의 가이드 영역을 결정하고, 적어도 하나의 가이드 영역으로부터 객체를 식별하기 위한 특징 정보를 결정하며, 결정된 특징 정보에 기초하여 이미지 내 객체가 동물의 코인지 여부를 식별할 수 있다. 또한, 프로세서(2300)는 이미지에 대한 분석 결과를 전자 장치(1000)로 전송할 수도 있다. The processor 2300 typically controls the overall operation of the
도 15는 일 실시 예에 따라, 전자 장치 및 서버가 서로 연동함으로써 이미지 내 객체를 식별하는 과정을 설명하기 위한 도면이다.15 is a diagram illustrating a process of identifying an object in an image by interworking with each other between an electronic device and a server, according to an exemplary embodiment.
S1602에서, 전자 장치(1000)는 코 또는 코 관련 부분 객체들을 포함하는 이미지를 획득할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 전자 장치 내 적어도 하나의 카메라를 이용하여, 동물 이미지를 포함하는 영상을 획득할 수도 있다. S1604에서, 전자 장치(1000)는 코 또는 코 관련 부분 객체들을 포함하는 이미지를 서버(2000)로 전송할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 동물을 포함하는 이미지 또는 영상에 대한 정보를 서버(2000)로 전송할 수도 있다.In S1602, the
S1606에서, 서버(2000)는 이미지 내 객체에 대응되는 적어도 하나의 가이드 영역을 결정할 수 있다. 예를 들어, 서버(2000)는 이미지 내 제1 가이드 영역을 결정하고, 결정된 제1 가이드 영역을 미리 설정된 스케일에 따라 스케일링함으로써 제2 가이드 영역들을 결정할 수도 잇다. In S1606, the
S1608에서, 서버(2000)는 생성된 적어도 하나의 가이드 영역으로부터 객체를 식별하기 위한 특징 정보들을 결정할 수 있다. 일 실시 예에 의하면, 서버(2000)는 1차 객체 식별 과정을 통하여, 검출된 윤곽이 객체에 대응될 소정의 확률 값을 만족하지 않는 가이드 영역은 제거하고, 검출된 윤곽이 객체에 대응될 확률이 높은 가이드 영역들로부터만 특징 정보를 결정할 수도 있다.In S1608, the
S1610에서, 서버(2000)는 추출된 특징 정보를 미리 학습된 인공 지능 모델에 입력함으로써, 이미지 내 객체의 종류를 식별할 수 있다. 또 다른 실시 예에 의하면, 서버(2000)는 초기 생성된 가이드 영역들 중, 코에 대응될 확률 값이 기 설정된 임계치 이상인, 가이드 영역으로부터 제1 부분 윤곽 및 제2 부분 윤곽을 검출하고, 제1 부분 윤곽 및 제2 부분 윤곽의 좌표 정보에 기초하여 제2 식별 조건을 결정할 수 있다. 서버(2000)는 제1 부분 윤곽 및 제2 부분 윤곽이 좌표 정보에 기초하여, 제1 부분 윤곽 및 제2 부분 윤곽에 대한 제2 식별 조건의 항목 별 점수를 가중합 함으로써 특징 정보를 생성하며, 생성된 특징 정보가 나타내는 점수 값에 기초하여, 가이드 영역 내 객체를 식별할 수도 있다.In S1610, the
S1612에서, 서버(2000)는 식별된 객체의 종류가 동물의 코 또는 동물의 코과 관련된 부분 객체들로 식별되는 경우, 해당 객체를 포함하는 이미지 내 적어도 하나의 픽셀 값들을 데이터 베이스에 저장할 수 있다. S1614에서, 서버(2000)는 이미지를 분석함으로써, 이미지 내 객체 인식 결과에 대한 정보를 전자 장치(1000)로 전송할 수 있다. S1616에서, 전자 장치(1000)는 서버로부터 수신된 이미지 내 객체 인식 결과에 대한 정보를 출력할 수 있다.In S1612, when the type of the identified object is identified as an animal's nose or partial objects related to the animal's nose, the
일 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 본 개시를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. The method according to an embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, and the like alone or in combination. The program instructions recorded in the medium may be specially designed and configured for the present disclosure, or may be known and usable to those skilled in computer software.
또한, 상기 일 실시 예에 다른 방법을 수행하도록 하는 프로그램이 저장된 기록매체를 포함하는 컴퓨터 프로그램 장치가 제공될 수 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. In addition, a computer program device including a recording medium storing a program for performing another method may be provided in the above embodiment. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic media such as floptical disks. -A hardware device specially configured to store and execute program instructions such as magneto-optical media, and ROM, RAM, flash memory, and the like. Examples of program instructions include not only machine language codes such as those produced by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like.
이상에서 본 개시의 실시예에 대하여 상세하게 설명하였지만 본 개시의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 개시의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 개시의 권리범위에 속한다.Although the embodiments of the present disclosure have been described in detail above, the scope of the present disclosure is not limited thereto, and various modifications and improvements of those skilled in the art using the basic concept of the present disclosure defined in the following claims are also included in the present disclosure. It belongs to the scope of rights.
Claims (15)
디스플레이;
적어도 하나의 카메라;
하나 이상의 인스트럭션을 저장하는 메모리; 및
상기 하나 이상의 인스트럭션을 실행하는 적어도 하나의 프로세서; 를 포함하고,
상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,
상기 객체를 포함하는 이미지를 획득하고,
상기 획득된 이미지 내 상기 객체에 대응되는 서로 다른 스케일의 적어도 하나의 가이드 영역을 결정하고,
상기 적어도 하나의 가이드 영역으로부터 상기 객체를 식별하기 위한 특징 정보를 결정하고,
상기 결정된 특징 정보에 기초하여 상기 서로 다른 스케일의 적어도 하나의 가이드 영역 각각에 대한 객체의 종류를 식별한 결과, 동일한 종류의 객체로 식별되는 가이드 영역의 빈도수에 기초하여 상기 이미지 내 객체의 종류를 식별하고,
상기 식별된 객체의 종류가 동물의 코 또는 상기 동물의 코와 관련된 부분 객체들로 식별되는 경우, 상기 객체를 포함하는 이미지 내 적어도 하나의 픽셀 값들을 저장하는, 전자 장치.In an electronic device for identifying an object in an image,
display;
At least one camera;
A memory for storing one or more instructions; And
At least one processor executing the one or more instructions; Including,
The processor executes the one or more instructions,
Obtaining an image including the object,
Determining at least one guide area of different scales corresponding to the object in the acquired image,
Determining feature information for identifying the object from the at least one guide area,
As a result of identifying the type of the object for each of the at least one guide area of the different scale based on the determined characteristic information, the type of the object in the image is identified based on the frequency of the guide area identified as an object of the same type. and,
When the type of the identified object is identified as an animal's nose or partial objects related to the animal's nose, the electronic device stores at least one pixel values in an image including the object.
상기 획득된 이미지 내 미리 설정된 기준 픽셀을 포함하도록 상기 객체에 대응되는 제1 가이드 영역을 결정하고,
상기 결정된 제1 가이드 영역을 미리 설정된 스케일에 따라 스케일링함으로써 상기 객체에 대응되는 적어도 하나의 제2 가이드 영역을 결정하고,
상기 제1 가이드 영역 및 상기 적어도 하나의 제2 가이드 영역 각각에 대한 특징 정보를 결정하는 것인, 전자 장치.The method of claim 1, wherein the at least one processor
Determining a first guide area corresponding to the object to include a preset reference pixel in the obtained image,
Determining at least one second guide area corresponding to the object by scaling the determined first guide area according to a preset scale,
The electronic device comprising determining feature information for each of the first guide area and the at least one second guide area.
상기 제1 가이드 영역을 상기 디스플레이 상에 표시하고, 상기 적어도 하나의 제2 가이드 영역은 상기 디스플레이 상에 표시하지 않도록 상기 디스플레이를 제어하는 것을 특징으로 하는, 전자 장치.The method of claim 2, wherein the at least one processor
The electronic device according to claim 1, wherein the display is controlled so that the first guide area is displayed on the display and the at least one second guide area is not displayed on the display.
상기 적어도 하나의 가이드 영역으로부터 추출된 특징 정보가 입력되면, 상기 객체의 종류에 대한 확률 값을 출력하는 인공 지능(Artificialintelligence)을 이용하여 상기 객체의 종류를 식별하는 것을 특징으로 하는 전자 장치.The method of claim 1, wherein the at least one processor
When the feature information extracted from the at least one guide area is input, the type of the object is identified using artificial intelligence that outputs a probability value for the type of the object.
상기 제1 가이드 영역 및 상기 적어도 하나의 제2 가이드 영역 각각에 대한 객체의 종류를 식별하고,
상기 식별된 객체의 종류 중, 동일한 종류의 객체로 식별되는 가이드 영역의 빈도수를 결정하고,
상기 결정된 빈도수에 기초하여 상기 이미지 내 객체의 종류를 식별하는 것을 특징으로 하는, 전자 장치.The method of claim 2, wherein the at least one processor
Identifying a type of an object for each of the first guide area and the at least one second guide area,
Among the types of the identified objects, the frequency of the guide area identified as an object of the same type is determined, and
The electronic device, characterized in that to identify the type of the object in the image based on the determined frequency.
상기 획득된 이미지 내의 픽셀값들에 커널을 적용함으로써, 상기 획득된 이미지 내 잡음을 제거하고,
상기 잡음이 제거된 이미지 내 픽셀 값들을 변환 하고,
상기 픽셀 값들이 변환된 이미지 내 상기 적어도 하나의 가이드 영역을 결정하는, 전자 장치.The method of claim 1, wherein the at least one processor
By applying a kernel to pixel values in the acquired image, noise in the acquired image is removed,
Converting pixel values in the image from which the noise has been removed,
The electronic device, wherein the pixel values determine the at least one guide area in the converted image.
상기 적어도 하나의 가이드 영역 별로 상기 객체에 관한 윤곽을 검출하고,
상기 검출된 윤곽이 상기 객체에 대응될 확률을 결정하고,
상기 결정된 확률이 기 설정된 임계치보다 큰 윤곽을 포함하는 상기 적어도 하나의 가이드 영역으로부터 상기 특징 정보를 결정하는, 전자 장치.The method of claim 6, wherein the at least one processor
Detecting an outline of the object for each of the at least one guide area,
Determine a probability that the detected contour corresponds to the object,
The electronic device, wherein the characteristic information is determined from the at least one guide area including an outline having the determined probability greater than a preset threshold.
상기 검출된 윤곽 내 윤곽 성분들을 이용하여 상기 객체를 식별하기 위한 제1 식별 조건을 결정하고,
상기 결정된 제1 식별 조건에 서로 다른 가중치를 적용함으로써, 상기 적어도 하나의 가이드 영역 내 윤곽이 상기 객체에 대응될 확률을 결정하는, 전자 장치.The method of claim 7, wherein the at least one processor
Determine a first identification condition for identifying the object by using the detected contour components in the contour,
The electronic device comprising: determining a probability that the outline in the at least one guide area corresponds to the object by applying different weights to the determined first identification condition.
상기 픽셀 값들이 변환된 이미지들을 미리 설정된 크기의 적어도 하나의 부분 영역들로 분할하고,
상기 분할된 부분 영역들의 픽셀 값에 기초하여, 상기 부분 영역별로 임계값들을 결정하고,
상기 결정된 임계값들에 기초하여 상기 부분 영역들 내 픽셀 값들을 이진화 하고,
상기 이진화된 픽셀 값들을 포함하는 이미지 내, 상기 적어도 하나의 가이드 영역 별로 상기 객체에 관한 윤곽을 검출하는, 전자 장치.The method of claim 7, wherein the at least one processor
Dividing the images converted from the pixel values into at least one partial region of a preset size,
Based on the pixel values of the divided partial regions, threshold values are determined for each partial region,
Binarizing pixel values in the partial regions based on the determined threshold values,
An electronic device configured to detect an outline of the object for each of the at least one guide area in the image including the binarized pixel values.
상기 윤곽 성분들은 상기 검출된 윤곽의 높이, 상기 윤곽의 폭, 상기 검출된 윤곽의 면적, 상기 검출된 윤곽 중 최외곽 윤곽의 면적, 상기 윤곽을 구성하는 픽셀들을 포함하고, 상기 제1 식별 조건은 상기 검출된 윤곽의 면적, 상기 검출된 윤곽의 좌표, 상기 검출된 윤곽의 높이 및 상기 윤곽의 폭의 비율, 상기 최외곽 윤곽의 면적 및 상기 최외곽 윤곽의 면적을 제외한 상기 윤곽 내 면적의 비율을 포함하는 것을 특징으로 하는, 전자 장치.The method of claim 8,
The contour components include a height of the detected contour, a width of the contour, an area of the detected contour, an area of an outermost contour among the detected contours, and pixels constituting the contour, and the first identification condition is The area of the detected contour, the coordinate of the detected contour, the ratio of the height of the detected contour and the width of the contour, the area of the outermost contour, and the ratio of the area within the contour excluding the area of the outermost contour It characterized in that it comprises, electronic device.
상기 객체에 대응될 확률이 기 설정된 임계치보다 큰 윤곽을 포함하는 상기 적어도 하나의 가이드 영역으로부터, 동물의 콧구멍에 관한 제1 부분 윤곽 및 상기 동물의 코 인중선에 관한 제2 부분 윤곽을 검출하고,
상기 검출된 제1 부분 윤곽의 좌표 정보 및 상기 제2 부분 윤곽의 좌표 정보를 결정하고,
상기 결정된 제1 부분 윤곽의 좌표 정보 및 상기 제2 부분 윤곽의 좌표 정보에 기초하여 상기 특징 정보를 결정하는 전자 장치.The method of claim 8, wherein the at least one processor
From the at least one guide area including a contour having a probability corresponding to the object greater than a preset threshold, a first partial contour of the animal's nostril and a second partial contour of the animal's nasal midline are detected, ,
Determine coordinate information of the detected first partial contour and coordinate information of the second partial contour,
An electronic device that determines the feature information based on the determined coordinate information of the first partial contour and coordinate information of the second partial contour.
상기 검출된 제1 부분 윤곽 및 상기 검출된 제2 부분 윤곽의 상대적 위치에 관한 제2 식별 조건을 결정하고,
상기 제1 부분 윤곽의 좌표 정보 및 상기 제2 부분 윤곽의 좌표 정보에 기초하여 상기 제2 식별 조건의 항목 별 점수 값을 결정하고,
상기 결정된 제2 식별 조건의 항목 별 점수 값에 기초하여 상기 특징 정보를 결정하는 전자 장치.The method of claim 11, wherein the at least one processor
Determining a second identification condition with respect to the detected first partial contour and the relative position of the detected second partial contour,
Determine a score value for each item of the second identification condition based on the coordinate information of the first partial contour and the coordinate information of the second partial contour,
An electronic device that determines the feature information based on the determined score value for each item of the second identification condition.
상기 제2 부분 윤곽의 좌표 정보 중 가장 큰 Y축 성분 값이 상기 제1 부분 윤곽의 좌표 정보 중 가장 큰 Y축 성분값 보다 작은지 여부에 관한 제1 부분 식별 조건, 상기 제1 부분 윤곽과 상기 제2 부분 윤곽의 중심선이 겹치는지 여부에 관한 제2 부분 식별 조건, 상기 제1 부분 윤곽의 전체 면적이 기 설정된 임계 면적 이하인지 여부에 관한 제3 부분 식별 조건을 포함하는 것을 특징으로 하는, 전자 장치.The method of claim 12, wherein the second identification condition is
The first partial identification condition regarding whether the largest Y-axis component value among the coordinate information of the second partial contour is less than the largest Y-axis component value among the coordinate information of the first partial contour, the first partial contour and the A second partial identification condition as to whether or not the center line of the second partial contour overlaps, and a third partial identification condition as to whether the total area of the first partial contour is less than or equal to a preset threshold area. Device.
상기 인공 지능 모델은, 입력 레이어, 출력 레이어 및 상기 입력 레이어와 출력 레이어 사이의 하나 이상의 히든 레이어들을 포함하고, 상기 입력 레이어, 출력 레이어 및 상기 히든 레이어들 사이의 연결 강도에 관한 가중치가 갱신되는 인공 신경망 모델 또는 인공 지능 학습 알고리즘에 따라 학습되는 기계 학습 모델을 포함하는 것을 특징으로 하는, 전자 장치.The method of claim 4,
The artificial intelligence model includes an input layer, an output layer, and one or more hidden layers between the input layer and the output layer, and the weight of the connection strength between the input layer, the output layer, and the hidden layers is updated. An electronic device comprising a neural network model or a machine learning model that is learned according to an artificial intelligence learning algorithm.
상기 객체를 포함하는 이미지를 획득하는 단계;
상기 획득된 이미지 내 상기 객체에 대응되는 서로 다른 스케일의 적어도 하나의 가이드 영역을 결정하는 단계;
상기 적어도 하나의 가이드 영역으로부터 상기 객체를 식별하기 위한 특징 정보들을 결정하는 단계;
상기 결정된 특징 정보들을 이용하여 상기 이미지 내 객체의 종류를 식별하는 단계; 및
상기 식별된 객체의 종류가 동물의 코 또는 상기 동물의 코와 관련된 부분 객체들로 식별되는 경우, 상기 객체를 포함하는 이미지 내 적어도 하나의 픽셀 값들을 저장하는 단계; 를 포함하고,
상기 객체의 종류를 식별하는 단계는,
상기 서로 다른 스케일의 적어도 하나의 가이드 영역 각각에 대해 객체를 식별한 결과 상기 식별된 객체의 종류 중 동일한 종류의 객체로 식별되는 가이드 영역의 빈도수를 결정하는 단계; 및
상기 결정된 빈도수에 기초하여 상기 이미지 내 객체의 종류를 식별하는 단계; 를 더 포함하는, 방법.In a method for an electronic device to identify an object in an image,
Obtaining an image including the object;
Determining at least one guide area of different scales corresponding to the object in the acquired image;
Determining feature information for identifying the object from the at least one guide area;
Identifying a type of an object in the image using the determined feature information; And
Storing at least one pixel value in an image including the object when the type of the identified object is identified as an animal's nose or partial objects related to the animal's nose; Including,
Identifying the type of the object,
Determining a frequency of a guide area identified as an object of the same type among the types of the identified object as a result of identifying an object for each of the at least one guide area of the different scale; And
Identifying the type of the object in the image based on the determined frequency; The method further comprising.
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200057240A KR102246471B1 (en) | 2020-05-13 | 2020-05-13 | Apparatus for detecting nose of animal in image and method thereof |
PCT/KR2021/006010 WO2021230680A1 (en) | 2020-05-13 | 2021-05-13 | Method and device for detecting object in image |
US17/573,510 US20220139113A1 (en) | 2020-05-13 | 2022-01-11 | Method and device for detecting object in image |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200057240A KR102246471B1 (en) | 2020-05-13 | 2020-05-13 | Apparatus for detecting nose of animal in image and method thereof |
Publications (1)
Publication Number | Publication Date |
---|---|
KR102246471B1 true KR102246471B1 (en) | 2021-04-30 |
Family
ID=75740427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200057240A KR102246471B1 (en) | 2020-05-13 | 2020-05-13 | Apparatus for detecting nose of animal in image and method thereof |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102246471B1 (en) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021230680A1 (en) * | 2020-05-13 | 2021-11-18 | Pireco Co,. Ltd. | Method and device for detecting object in image |
CN114151942A (en) * | 2021-09-14 | 2022-03-08 | 海信家电集团股份有限公司 | Air conditioner and human face area detection method |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180109665A (en) | 2017-03-27 | 2018-10-08 | 삼성전자주식회사 | A method and apparatus of image processing for object detection |
KR20190041775A (en) * | 2017-10-13 | 2019-04-23 | 주식회사 테오아 | Method for registration and identity verification of using companion animal’s muzzle pattern |
KR20200044209A (en) * | 2018-10-11 | 2020-04-29 | 주식회사 핏펫 | Computer program and theminal for providing individual animal information based on the facial and nose pattern imanges of the animal |
-
2020
- 2020-05-13 KR KR1020200057240A patent/KR102246471B1/en active IP Right Grant
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180109665A (en) | 2017-03-27 | 2018-10-08 | 삼성전자주식회사 | A method and apparatus of image processing for object detection |
KR20190041775A (en) * | 2017-10-13 | 2019-04-23 | 주식회사 테오아 | Method for registration and identity verification of using companion animal’s muzzle pattern |
KR20200044209A (en) * | 2018-10-11 | 2020-04-29 | 주식회사 핏펫 | Computer program and theminal for providing individual animal information based on the facial and nose pattern imanges of the animal |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021230680A1 (en) * | 2020-05-13 | 2021-11-18 | Pireco Co,. Ltd. | Method and device for detecting object in image |
CN114151942A (en) * | 2021-09-14 | 2022-03-08 | 海信家电集团股份有限公司 | Air conditioner and human face area detection method |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102659288B1 (en) | Image display device and operating method for the same | |
US11151360B2 (en) | Facial attribute recognition method, electronic device, and storage medium | |
US11915515B2 (en) | Facial verification method and apparatus | |
US11151453B2 (en) | Device and method for recommending product | |
CN110751043B (en) | Face recognition method and device based on face visibility and storage medium | |
US20210064871A1 (en) | Apparatus and method for recognition of text information | |
WO2020078119A1 (en) | Method, device and system for simulating user wearing clothing and accessories | |
KR102530045B1 (en) | Image display device and operating method for the same | |
US20210081754A1 (en) | Error correction in convolutional neural networks | |
KR102236904B1 (en) | Method and apparatus for compositing images | |
KR20190072066A (en) | Terminal and server providing a video call service | |
KR102246471B1 (en) | Apparatus for detecting nose of animal in image and method thereof | |
CN106471440A (en) | Eye tracking based on efficient forest sensing | |
CN110291794B (en) | Method and apparatus for filtering video | |
US20220130019A1 (en) | Electronic device and method for processing image by same | |
CN112115790A (en) | Face recognition method and device, readable storage medium and electronic equipment | |
US20220139113A1 (en) | Method and device for detecting object in image | |
KR102243466B1 (en) | Method and apparatus for detecting eye of animal in image | |
KR20190048630A (en) | Electric terminal and method for controlling the same | |
KR102237131B1 (en) | Appratus and method for processing image including at least one object | |
CN113454647A (en) | Electronic device for recognizing object in image and operation method thereof | |
KR20200094607A (en) | Electronic device and operating method for generating caption information for a image sequence | |
CN114140839B (en) | Image transmission method, device, equipment and storage medium for face recognition | |
CN108133221B (en) | Object shape detection device, image processing device, object shape detection method, and monitoring system | |
KR20210157052A (en) | Object recognition method and object recognition apparatus |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GRNT | Written decision to grant |