KR102246954B1 - 영상 처리 장치 및 그 영상 처리 방법 - Google Patents

Abstract

영상 처리 장치가 개시된다. 영상 처리 장치는, 제1 프레임에 대응되는 제1 영역 검출 정보가 저장된 메모리, 및 제2 프레임에서 식별된 씨드 영역 및 제1 영역 검출 정보에 기초하여 영역 확장 처리(region growing processing)를 수행하여, 제2 프레임에 대응되는 제2 영역 검출 정보를 획득하고, 획득된 제2 영역 검출 정보에 기초하여 제2 프레임을 영상 처리하는 프로세서를 포함한다.

Description

영상 처리 장치 및 그 영상 처리 방법 { Image processing apparatus and image processing method thereof }

본 개시는 영상 처리 장치 및 그 영상 처리 방법에 관한 것으로, 더욱 상세하게는 영상 처리를 위한 영역 검출을 수행하는 영상 처리 장치 및 그 영상 처리 방법에 관한 것이다.

전자 기술의 발달에 힘입어 다양한 유형의 전자기기가 개발 및 보급되고 있다. 특히, 가정, 사무실, 공공 장소 등 다양한 장소에서 이용되는 디스플레이 장치는 최근 수년 간 지속적으로 발전하고 있다.

최근에는 고해상도 영상 서비스, 실시간 스트리밍 서비스에 대한 요구가 크게 증가하고 있다.

고해상도 영상 서비스를 제공하기 위하여 입력 영상에 다양한 영상 처리가 수행될 수 있다. 이 경우, 전체 영상을 객체 또는 의미 있는 영역 등으로 구분하여 영상 처리를 수행하면 좀더 향상된 영상을 획득할 수 있게 된다.

기존의 영역 검출 방법에 따르면, 각 영상 프레임에서 별도의 씨드 영역 검출 후 여러 번의 iteration을 통해 영역 확장을 수행한다. 구체적으로, 매 iteration 마다 바로 인접해 있는 픽셀 영역으로만 확산하기 때문에 최적의 결과를 위해서는 블록의 가로, 세로 개수 중 큰 값 만큼의 iteration이 필요하게 된다. 또한, 한번의 확장(iteration)을 위해 이미지 전체의 블록 수만큼 처리(scan)해야 하므로, 이미지 크기에 따라 연산 수 및 메모리 사용량이 증가하게 된다. 예를 들어, 이미지의 크기가 2배 커질 때마다 요구되는 iteration 수는 2배 증가하게 되어 총 4배의 연산 증가가 일어나게 된다. 따라서, 이미지의 픽셀 수가 많은 고해상도 대형 디스플레이에서 영역 확장 기술의 복잡도는 급격히 증가하게 된다. 특히, 이러한 문제는 짧은 시간에 여러 이미지를 처리해야 하는 실시간 비디오 처리 장치에서 더욱 심각하게 된다. 만약 iteration의 횟수를 제한하게 되면, 영역이 충분히 확장되지 않거나 씨드 영역의 변화에 따라 각 프레임에서의 검출 결과가 달라지는 문제점이 발생된다.

본 개시는 상술한 필요성에 따른 것으로, 본 개시의 목적은, 현재 프레임에서 이전 프레임의 영역 검출 결과를 이용함으로써 적은 연산 및 적은 메모리 사용으로 정확한 영역 검출 결과를 제공하는 영상 처리 장치 및 그 영상 처리 방법을 제공함에 있다.

이상과 같은 목적을 달성하기 위한 본 개시의 일 실시 예에 따른 영상 처리 장치는, 제1 프레임에 대응되는 제1 영역 검출 정보가 저장된 메모리 및 제2 프레임에서 식별된 씨드 영역 및 상기 제1 영역 검출 정보에 기초하여 영역 확장 처리(region growing processing)를 수행하여, 상기 제2 프레임에 대응되는 제2 영역 검출 정보를 획득하고, 상기 획득된 제2 영역 검출 정보에 기초하여 상기 제2 프레임을 영상 처리하는 프로세서를 포함한다.

또한, 상기 프로세서는, 상기 식별된 씨드 영역에 인접한 제1 인접 픽셀 영역 및 상기 제1 영역 검출 정보에 대응되는 제1 픽셀 영역에 인접한 제2 인접 픽셀 영역을 식별하고, 상기 씨드 영역 및 상기 제1 인접 픽셀 영역 간 유사도에 기초하여 상기 씨드 영역에 대한 영역 확장 처리를 수행하고, 상기 제1 픽셀 영역 및 상기 제2 인접 픽셀 영역 간 유사도에 기초하여 상기 제1 픽셀 영역에 대한 영역 확장 처리를 수행할 수 있다.

상기 프로세서는, 상기 씨드 영역 및 상기 제1 인접 픽셀 영역 간 유사도가 임계 값 이상인 제3 픽셀 영역을 검출 영역에 추가하고, 상기 제3 픽셀 영역에 인접한 제3 인접 픽셀 영역 및 상기 제3 픽셀 영역 간 유사도가 임계 값 이상인 제4 픽셀 영역을 상기 검출 영역에 추가하며, 상기 제1 픽셀 영역 및 상기 제2 인접 픽셀 영역 간 유사도가 상기 임계 값 이상인 제5 픽셀 영역을 상기 검출 영역에 추가하고, 상기 제5 픽셀 영역에 인접한 제6 인접 픽셀 영역 및 상기 제5 픽셀 영역 간 유사도가 임계 값 이상인 픽셀 영역을 상기 검출 영역에 추가할 수 있다.

또한, 상기 프로세서는, 상기 제2 프레임을 복수 개의 픽셀 블록으로 식별하고, 상기 복수 개의 픽셀 블록 중 제1 라인에 속한 픽셀 블록들 각각에 대해 상기 씨드 영역인지 여부를 식별하면서 상기 씨드 영역 또는 제1 픽셀 영역의 인접 픽셀 블록인지 여부를 식별하여 영역 검출을 수행하고, 상기 제1 라인에 대한 영역 검출이 종료된 후 제2 라인에 속한 픽셀 블록들에 각각에 대해 영역 검출을 수행할 수 있다.

또한, 상기 프로세서는, 상기 제1 라인에 속한 픽셀 블록들 각각에 대해 제1 방향으로 순차적으로 영역 검출을 수행하고, 상기 제2 라인에 속한 픽셀 블록들 각각에 대해 상기 제1 방향과 상이한 제2 방향으로 순차적으로 영역 검출을 수행할 수 있다.

또한, 상기 제1 영역 검출 정보는, 상기 제1 프레임에 포함된 복수의 픽셀 블록 각각이 검출 영역에 속할 제1 확률 정보를 포함하고, 상기 제2 영역 검출 정보는, 상기 제2 프레임에 포함된 복수의 픽셀 블록 각각이 상기 검출 영역에 속할 제2 확률 정보를 포함하고, 상기 프로세서는, 상기 제1 확률 정보 및 상기 제2 씨드 영역에 기초하여 상기 제2 확률 정보를 획득할 수 있다.

또는, 상기 제1 영역 검출 정보는, 상기 제1 프레임에 포함된 복수의 픽셀 블록 각각이 검출 영역인지 여부를 나타내는 제1 식별 정보를 포함하고, 상기 제2 영역 검출 정보는, 상기 제2 프레임에 포함된 복수의 픽셀 블록 각각이 상기 검출 영역인지 여부를 나타내는 제2 식별 정보를 포함하며, 상기 프로세서는, 상기 제1 식별 정보 및 상기 제2 씨드 영역에 기초하여 상기 제2 식별 정보를 획득할 수 있다.

또한, 상기 프로세서는, 상기 제2 프레임을 복수 개의 픽셀 블록으로 식별하고, 상기 복수 개의 픽셀 블록 각각에 대해 순차적으로 영역 검출을 수행하며, 상기 제2 영역 검출 정보는, 상기 제2 프레임에 포함된 현재 픽셀 블록을 기준으로 이전에 처리된 픽셀 블록에 대해서는 상기 제2 프레임의 영역 검출 결과를 포함하고, 이후에 처리될 픽셀 블럭에 대해서는 상기 제1 프레임의 영역 검출 결과를 포함할 수 있다.

또한, 상기 프로세서는, 상기 제1 영역 검출 정보가 획득되면, 상기 제1 영역 검출 정보에 기초하여 상기 제1 프레임을 영상 처리하고, 상기 제1 영역 검출 정보를 상기 메모리에 저장하며, 상기 획득된 제2 영역 검출 정보에 기초하여 상기 제2 프레임을 영상 처리하고, 상기 제2 영역 검출 정보를 상기 메모리에 저장할 수 있다.

또한, 상기 제2 영역 검출 정보는, 상기 제2 프레임의 영역 검출 결과에 기초하여 상기 메모리에 저장된 상기 제1 영역 검출 정보를 업데이트하여 획득될 수 있다.

또한, 디스플레이를 더 포함하며, 상기 프로세서는, 상기 영상 처리된 제1 및 제2 프레임을 순차적으로 디스플레이하도록 상기 디스플레이를 제어하고, 상기 제1 프레임은 상기 영상 처리된 제1 영역을 포함하고, 상기 제2 프레임은 상기 영상 처리된 제2 영역을 포함하고, 상기 제2 영역은 상기 제1 영역 및 상기 제1 영역 외의 제3 영역을 포함할 수 있다.

여기서, 상기 제1 및 제2 프레임은, 4K UHD(Ultra High Definition) 영상 또는 8K UHD 영상 프레임일 수 있다.

또한, 상기 프로세서는, 상이한 색상 정보에 기초하여 식별된 각 씨드 영역에 기초하여 영역 확장 처리를 수행하고, 상기 제2 영역 검출 정보에 포함된 상이한 색상의 각 객체 영역 별로 영상 처리를 수행할 수 있다.

또한, 상기 프로세서는, 상기 제2 프레임 및 상기 제2 영역 검출 정보를 학습 네트워크 모델에 적용하여 영상 처리된 출력 영상을 획득하며, 상기 학습 네트워크 모델은, 상이한 색상의 각 객체 영역 별로 개별적으로 영상 처리를 적용하도록 학습된 모델일 수 있다.

또한, 상기 학습 네트워크 모델은, 상이한 색상의 각 객체 영역 별로 개별적으로 콘트라스트 조정을 수행하도록 학습된 모델일 수 있다.

한편, 본 개시의 일 실시 예에 따른 영상 처리 장치의 영상 처리 방법은, 제1 프레임에 대응되는 제1 영역 검출 정보 저장하는 단계, 제2 프레임에서 식별된 씨드 영역 및 상기 제1 영역 검출 정보에 기초하여 영역 확장 처리를 수행하여, 상기 제2 프레임에 대응되는 제2 영역 검출 정보를 획득하는 단계 및, 상기 획득된 제2 영역 검출 정보에 기초하여 상기 제2 프레임을 영상 처리하는 단계를 포함할 수 있다.

또한, 상기 제2 영역 검출 정보를 획득하는 단계는, 상기 식별된 씨드 영역에 인접한 제1 인접 픽셀 영역 및 상기 제1 영역 검출 정보에 대응되는 제1 픽셀 영역에 인접한 제2 인접 픽셀 영역을 식별하고, 상기 씨드 영역 및 상기 제1 인접 픽셀 영역 간 유사도에 기초하여 상기 씨드 영역에 대한 영역 확장 처리를 수행하고, 상기 제1 픽셀 영역 및 상기 제2 인접 픽셀 영역 간 유사도에 기초하여 상기 제1 픽셀 영역에 대한 영역 확장 처리를 수행할 수 있다.

또한, 상기 제2 영역 검출 정보를 획득하는 단계는, 상기 씨드 영역 및 상기 제1 인접 픽셀 영역 간 유사도가 임계 값 이상인 제3 픽셀 영역을 검출 영역에 추가하고, 상기 제3 픽셀 영역에 인접한 제3 인접 픽셀 영역 및 상기 제3 픽셀 영역 간 유사도가 임계 값 이상인 제4 픽셀 영역을 상기 검출 영역에 추가하며, 상기 제1 픽셀 영역 및 상기 제2 인접 픽셀 영역 간 유사도가 상기 임계 값 이상인 제5 픽셀 영역을 상기 검출 영역에 추가하고, 상기 제5 픽셀 영역에 인접한 제6 인접 픽셀 영역 및 상기 제5 픽셀 영역 간 유사도가 임계 값 이상인 픽셀 영역을 상기 검출 영역에 추가할 수 있다.

또한, 상기 제2 영역 검출 정보를 획득하는 단계는, 상기 제2 프레임을 복수 개의 픽셀 블록으로 식별하고, 상기 복수 개의 픽셀 블록 중 제1 라인에 속한 픽셀 블록들 각각에 대해 상기 씨드 영역인지 여부를 식별하면서 상기 씨드 영역 또는 제1 픽셀 영역의 인접 픽셀 블록인지 여부를 식별하여 영역 검출을 수행하고, 상기 제1 라인에 대한 영역 검출이 종료된 후 제2 라인에 속한 픽셀 블록들에 각각에 대해 영역 검출을 수행할 수 있다.

또한, 상기 제2 영역 검출 정보를 획득하는 단계는, 상기 제1 라인에 속한 픽셀 블록들 각각에 대해 제1 방향으로 순차적으로 영역 검출을 수행하고, 상기 제2 라인에 속한 픽셀 블록들 각각에 대해 상기 제1 방향과 상이한 제2 방향으로 순차적으로 영역 검출을 수행할 수 있다.

상술한 다양한 실시 예들에 따르면, 적은 연산으로 정확한 영역 검출 결과를 획득할 수 있게 된다. 즉, 프레임마다 씨드 영역이 상이하더라도 일관된 검출 결과를 획득할 수 있게 된다. 또한, 적은 연산으로 인해 메모리 사용량도 줄일 수 있게 된다.

도 1은 본 개시의 일 실시 예에 따른 영상 처리 장치의 구현 예를 설명하기 위한 도면이다.
도 2는 본 개시의 일 실시 예에 따른 영상 처리 장치의 구성을 나타내는 블록도이다.
도 3a 및 도 3b, 도 4a 및 도 4b, 도 5a 및 도 5b는 본 개시의 일 실시 예에 따른 영역 검출 방법을 설명하기 위한 도면들이다.
도 6a 및 도 6b는 본 개시의 일 실시 예에 따른 픽셀 블록의 처리 방법을 자세히 설명하기 위한 도면들이다.
도 7a 내지 도 7c는 본 개시의 다양한 실시 예에 따른 영역 검출 정보의 구현 예를 설명하기 위한 도면들이다.
도 8a 내지 도 8c, 도 9a 및 도 9b는 본 개시의 다양한 실시 예에 따른 영역 검출 순서를 설명하기 위한 도면들이다.
도 10은 본 개시의 일 실시 예에 따른 씬 검출 방법을 설명하기 위한 도면이다.
도 11은 본 개시의 일 실시 예에 따른 복수의 객체를 검출하는 방법을 설명하기 위한 도면이다.
도 12a 및 도 12b는 본 개시의 일 실시 예에 따른 영상 처리 방법을 설명하기 위한 도면들이다.
도 13은 본 개시의 일 실시 예에 따른 학습 네트워크 모델의 세부 구성을 설명하기 위한 도면이다.
도 14는 본 개시의 다른 실시 예에 따른 영상 처리 장치의 일 구현 예를 나타내는 도면이다.
도 15는 본 개시의 일 실시 예에 따른 영상 처리 방법을 설명하기 위한 흐름도이다.

이하에서는 첨부 도면을 참조하여 본 개시를 상세히 설명한다.

본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 개시에 대해 구체적으로 설명하기로 한다.　

본 개시의 실시 예에서 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 개시의 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.

본 개시의 실시 예들은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 특정한 실시 형태에 대해 범위를 한정하려는 것이 아니며, 개시된 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 실시 예들을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "구성되다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

A 및 B 중 적어도 하나라는 표현은 "A" 또는 "B" 또는 "A 및 B" 중 어느 하나를 나타내는 것으로 이해되어야 한다.

본 개시에서 "모듈" 혹은 "부"는 적어도 하나의 기능이나 동작을 수행하며, 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다. 또한, 복수의 "모듈" 혹은 복수의 "부"는 특정한 하드웨어로 구현될 필요가 있는 "모듈" 혹은 "부"를 제외하고는 적어도 하나의 모듈로 일체화되어 적어도 하나의 프로세서(미도시)로 구현될 수 있다.

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.

도 1은 본 발명의 일 실시 예에 따른 영상 처리 장치의 구현 예를 설명하기 위한 도면이다.

영상 처리 장치(100)는 도 1에 도시된 바와 같이 TV로 구현될 수 있으나, , 이에 한정되는 것은 아니며 셋탑 박스, 스마트 폰, 태블릿 PC, 노트북 PC, 카메라, 캠코더, HMD(Head mounted Display), NED(Near Eye Display), LFD(large format display), Digital Signage(디지털 간판), DID(Digital Information Display), 비디오 월(video wall), 프로젝터 디스플레이 등과 같이 영상 처리가 가능한 장치라면 이에 한정되지 않는다.

영상 처리 장치(100)는 다양한 해상도의 영상 또는 다양한 압축 영상을 수신할 수 있다. 예를 들어, 영상 처리 장치(100)는 SD(Standard Definition), HD(High Definition), Full HD, Ultra HD 영상(4K, 8K, 16K, 32K 등) 중 어느 하나의 영상을 수신할 수 있다. 또한 영상 처리 장치(100)는 MPEG(예를 들어, MP2, MP4, MP7 등), AVC, H.264, HEVC 등으로 압축된 형태로 영상을 수신할 수도 있다.

영상 처리 장치(100)는 수신된 영상의 특성에 기초하여 다양한 영상 처리를 수행할 수 있다. 여기서, 영상은 디지털 영상이 될 수 있다. 디지털 영상이란 아날로그 영상이 샘플링, 양자화, 코딩 등의 과정을 거쳐 변환된 영상을 의미한다. 디지털 영상은 좌표 또는 행렬 위치를 이용하여 각 픽셀을 2차원 형태로 배열하여 구분할 수 있다. 영상 처리는 영상 개선(image enhancement), 영상 복원(image restoration), 영상 변환(image transformation), 영상 분석(image analysis), 영상 인식(image understanding) 또는 영상 압축(image compression) 중 적어도 하나를 포함하는 디지털 영상 처리가 될 수 있다.

영상 처리 장치(100)는 전체 영상을 객체 또는 의미 있는 영역 등으로 영역으로 구분하여 영상 처리를 수행할 수 있다. 즉, 영상 처리 장치(100)는 픽셀 단위가 아닌 고수준에서의 영상 처리를 수행할 수 있다. 구체적으로, 영상 처리 장치(100)는 영상에 포함된 각 영역의 타입 또는 특성 중 적어도 하나에 기초하여 영역을 식별하고, 각 영역 별로 상이한 파라미터를 적용하여 영상 처리할 수 있다. 예를 들어, 영상 처리 장치(100)는 각 영역의 타입(하늘, 산, 들판, 사람, 건물 등)나 특성(질감, 색상, 밝기)을 기준으로 영역을 검출(또는 구분)하고 각 영역에 적절한 타입의 영상 처리, 또는 각 영역에 적절한 파라미터를 적용하여 영상 처리를 수행할 수 있다. 예를 들어, 영상 처리 장치(100)는 SD(Standard Definition), HD(High Definition), Full HD 등의 저해상도 영상이 입력되는 경우 UHD 영상과 같이 고해상도 영상으로 확대하는 과정에서 블러(Blur)된 텍스처에 대한 향상 처리를 수행하거나, 고해상도 영상이 입력되더라도 영상 압축 등으로 인한 텍스처 손실을 보상하기 위하여 텍스처 향상 처리를 수행할 수 있다.

본 개시에 따른 영상 처리 장치(100)는 현재 프레임의 영역 검출을 위해 이전 프레임의 영역 검출 결과를 이용할 수 있다. 이하에서는, 도면을 참조하여 본 개시의 다양한 실시 예에 대해 설명하도록 한다.

도 2a는 본 발명의 일 실시 예에 따른 영상 처리 장치의 구성을 나타내는 블록도이다.

도 2a에 따르면, 영상 처리 장치(100)는 메모리(110) 및 프로세서(120)를 포함한다.

메모리(110)는 프로세서(120)와 전기적으로 연결되며, 본 개시의 다양한 실시 예를 위해 필요한 데이터를 저장할 수 있다. 메모리(110)는 데이터 저장 용도에 따라 영상 처리 장치(100)에 임베디드된 메모리 형태로 구현되거나, 영상 처리 장치(100)에 탈부착이 가능한 메모리 형태로 구현될 수도 있다. 예를 들어, 영상 처리 장치(100)의 구동을 위한 데이터의 경우 영상 처리 장치(100)에 임베디드된 메모리에 저장되고, 영상 처리 장치(100)의 확장 기능을 위한 데이터의 경우 영상 처리 장치(100)에 탈부착이 가능한 메모리에 저장될 수 있다. 한편, 영상 처리 장치(100)에 임베디드된 메모리의 경우 휘발성 메모리(예: DRAM(dynamic RAM), SRAM(static RAM), 또는 SDRAM(synchronous dynamic RAM) 등), 비휘발성 메모리(non-volatile Memory)(예: OTPROM(one time programmable ROM), PROM(programmable ROM), EPROM(erasable and programmable ROM), EEPROM(electrically erasable and programmable ROM), mask ROM, flash ROM, 플래시 메모리(예: NAND flash 또는 NOR flash 등), 하드 드라이브, 또는 솔리드 스테이트 드라이브(solid state drive(SSD)) 중 적어도 하나로 구현될 수 있다. 또한, 영상 처리 장치(100)에 탈부착이 가능한 메모리의 경우 메모리 카드(예를 들어, CF(compact flash), SD(secure digital), Micro-SD(micro secure digital), Mini-SD(mini secure digital), xD(extreme digital), MMC(multi-media card) 등), USB 포트에 연결가능한 외부 메모리(예를 들어, USB 메모리) 등과 같은 형태로 구현될 수 있다.

일 실시 예에 따라 메모리(110)는 외부 장치(예를 들어, 소스 장치), 외부 저장 매체(예를 들어, USB), 외부 서버(예를 들어 웹 하드) 등으로부터 수신된 영상을 저장할 수 있다. 여기서, 영상은 디지털 동영상이 될 수 있으나 이에 한정되는 것은 아니다.

프로세서(120)는 메모리(110)와 전기적으로 연결되며, 영상 처리 장치(100)의 전반적인 동작을 제어한다.

일 실시 예에 따라 프로세서(120)는 디지털 영상 신호를 처리하는 디지털 시그널 프로세서(digital signal processor(DSP), 마이크로 프로세서(microprocessor), T-CON(Timing controller)으로 구현될 수 있다. 다만, 이에 한정되는 것은 아니며, 중앙처리장치(central processing unit(CPU)), MCU(Micro Controller Unit), MPU(micro processing unit), 컨트롤러(controller), 어플리케이션 프로세서(application processor(AP)), 또는 커뮤니케이션 프로세서(communication processor(CP)), ARM 프로세서, NPU(Neural Processing Unit) 중 하나 또는 그 이상을 포함하거나, 해당 용어로 정의될 수 있다. 또한, 프로세서(120)는 프로세싱 알고리즘이 내장된 SoC(System on Chip), LSI(large scale integration)로 구현될 수도 있고, FPGA(Field Programmable gate array) 형태로 구현될 수도 있다.

프로세서(120)는 메모리(110)에 저장된 영상 또는 실시간으로 수신되는 영상에 대한 영상 처리를 위해, 영상에 포함된 대상 영역(또는 관심 영역 또는 관심 객체)를 식별한다. 본 명세서에서 "영역(region)"은 영상의 한 부분을 지칭하는 용어로써 적어도 하나의 픽셀 블록 또는 픽셀 블록들의 집합을 의미한다. 또한, 픽셀 블록은 적어도 하나의 픽셀을 포함하는 인접한 픽셀들의 집합을 의미한다.

구체적으로, 프로세서(120)는 영상을 구성하는 각 프레임에서 적어도 하나의 대상 영역을 검출하고, 검출된 대상 영역(이하, 검출 영역)에 대한 영상 처리를 수행할 수 있다. 이하에서는 검출 영역과 관련된 정보를 영역 검출 정보라고 명명하도록 한다.

일 실시 예에 따라 프로세서(120)는 제1 프레임에서 획득된 제1 영역 검출 정보를 이용하여 제2 프레임에 대응되는 제2 영역 검출 정보를 획득할 수 있다. 여기서, 제1 및 제2 프레임은 동영상을 구성하는 프레임이고, 제2 프레임이 현재 처리 대상인 프레임이라면 제1 프레임은 이전에 처리된 프레임이 될 수 있다. 예를 들어, 동영상이 실시간 스트리밍 영상인 경우 제1 프레임은 제2 프레임 이전에 스트리밍된 프레임이 될 수 있다. 다만, 이에 한정되는 것은 아니며 제1 프레임은 제2 프레임을 기준으로 기설정된 프레임 간격(예를 들어 2 프레임 간격) 이전의 프레임이 될 수도 있다. 이하에서는 설명의 편의를 위하여 제1 및 제2 프레임을 각각 이전 프레임 및 현재 프레임으로 명명하도록 한다.

영역 검출 정보는 각 픽셀 블록들과 검출 영역 간 관계를 나타내는 정보를 포함할 수 있다. 영역 검출 정보는 맵(map), 마스크(mask) 또는 룩업 테이블(look up table) 형태로 구현될 수 있다. 예를 들어, 영역 검출 정보는, 각 픽셀 블록이 각 픽셀 블록이 검출 영역에 속할 확률 정보 또는 검출 영역인지 여부를 나타내는 식별 정보를 포함할 수 있다. 예를 들어, 확률 정보 또는 식별 정보가 픽셀 블록 단위의 행렬 형태로 배열되는 구조를 가질 수 있다.

일 예로, 영역 검출 정보는 각 픽셀 블록 별로 검출 영역에 속할 확률을 포함하는 정보가 될 수 있다. 예를 들어, 특정 비트 정보(예를 들어, 8 비트 정보(0~255의 수치))를 이용하여 검출 영역에 대한 각 픽셀 블록의 확률 정보를 나타낼 수 있다. 또는 0~100의 % 수치를 이용하여 각 픽셀 블록의 확률 정보를 나타낼 수도 있다.

다른 예로, 영역 검출 정보는 검출 영역에 속하는 픽셀 블록을 제1 식별 정보(예를 들어, "1")로, 검출 영역에 속하지 않는 픽셀 블록을 제2 식별 정보(예를 들어, "0")로 구별하는 정보가 될 수 있다. 또는, 검출 영역에 속하는 픽셀 블록들에만 식별 정보를 부여하는 맵 형태로 구현될 수도 있다.

프로세서(120)는 현재 프레임(제2 프레임)에서 식별된 씨드 영역 및 이전 프레임(제1 프레임)에 대응되는 제1 영역 검출 정보에 기초하여 영역 확장 처리(region growing processing)를 수행하여 현재 프레임에 대응되는 제2 영역 검출 정보를 획득할 수 있다. 여기서, 씨드 영역은 초기 영역(initial region)이라고도 명명할 수 있다. 씨드 영역은 기설정된 기준에 따라 식별된 적어도 하나의 픽셀 블록 또는 픽셀 블록들의 집합을 의미할 수 있다.

일 예에 따라 제2 영역 검출 정보는 메모리(110)에 저장된 제1 영역 검출 정보를 업데이트하여 획득될 수 있다. 즉, 프로세서(120)는 메모리(110)에 저장된 제1 영역 검출 정보를 제2 프레임에서의 영역 검출 결과에 기초하여 수정함으로써 제2 영역 검출 정보를 획득할 수 있다. 예를 들어, 제2 프레임에 대한 영역 검출 처리가 종료되면, 메모리(120)에 저장된 제1 영역 검출 정보는 제2 영역 검출 정보로 업데이트되므로 메모리 사용량을 줄일 수 있게 된다.

한편, 이전 프레임인 제1 프레임에 대응되는 제1 영역 검출 정보는, 제2 영역 검출 정보와 동일한 방법으로 획득되어 메모리(110)에 저장될 수 있다. 즉, 제1 프레임에서 식별된 씨드 영역 및 제3 프레임의 제3 영역 검출 정보에 기초하여 획득될 수 있다. 여기서, 제3 프레임은 제1 프레임의 이전 프레임이 될 수 있다. 다만, 제1 프레임이 동영상의 첫번째 프레임인 경우 프로세서(120)가 이전 프레임의 영역 검출 정보를 이용할 수 없으므로 제1프레임에서 식별된 씨드 영역 만을 이용하여 영역 확장 처리를 수행할 수도 있다.

일 실시 예에 따라 프로세서(120)는 현재 프레임을 복수의 픽셀 블록으로 식별하고, 각 픽셀 블록이 씨드(seed) 영역인지 여부, 즉 기설정된 기준을 만족하는지 식별할 수 있다. 씨드 영역 식별은 각 픽셀 블록에 대해 개별적으로 수행되므로, 식별된 씨드 영역은 하나의 픽셀 블록일 수도 있지만, 서로 이격된 복수의 픽셀 블록을 포함할 수 있음은 물론이다. 예를 들어, 프로세서(120)는 픽셀 값 분석(예를 들어, variance, edge, color 및/또는 texture) 또는 딥 러닝 기반의 AI 기술을 이용하여 씨드 영역을 검출할 수 있다.

일 예로, 프로세서(120)는 각 픽셀 블록의 픽셀 값에 기초하여 획득된 색상 정보(예를 들어, 평균 픽셀 값, 최대 픽셀 값, 최소 픽셀 값), 밝기 정보, 분산 정보, 표준 편차 정보, 에지 정보, 텍스처 정보 등에 기초하여 씨드 영역을 검출할 수 있다. 예를 들어, 각 픽셀 블록의 픽셀 값에 기초하여 분산(variance)을 산출하고, 산출된 분산이 임계 값보다 작은 픽셀 블록을 평탄(flat) 영역으로 식별할 수 있다. 다른 예로, 프로세서(120)는 특정 픽셀 블록의 평균 값이 하늘색에 가까운 푸른색 계통이라면 해당 픽셀 블록을 하늘(sky) 영역으로 식별할 수 있다. 또 다른 예로, 프로세서(120)는 특정 픽셀 블록의 분산 값이 크고 에지의 방향에 일관성이 없다면 해당 픽셀 블록을 텍스쳐(texture) 영역으로 식별할 수 있다. 또한, 프로세서(120)는 텍스처 영역의 색상 정보에 기초하여 산 영역, 바위 영역 등을 식별할 수도 있다.

다른 예로, 프로세서(120)는 딥 러닝 기반의 인공 신경망(또는 심층 인공 신경망) 즉, 학습 네트워크 모델을 이용하여 씨드 영역을 식별할 수 있다. 여기서, 학습 네트워크 모델이란 기본 인공지능 모델이 학습 알고리즘에 의하여 다수의 학습 데이터들을 이용하여 학습된 것을 의미할 수 있다. 이러한 학습은 본 개시에 따른 인공지능이 수행되는 기기 자체에서 이루어질 수도 있고, 별도의 서버 및/또는 시스템을 통해 이루어 질 수도 있다. 학습 알고리즘의 예로는, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)이 있으나, 이에 한정되지 않는다. 학습 네트워크 모델은 입력 영상에 대해 연속적인 합성 곱 연산을 통하여 사용자가 원하는 출력 데이터를 얻을 수 있도록 설계되고, 수많은 영상을 학습하는 시스템 형태로 구현될 수 있다. 특히, 객체 검출을 위한 학습 네트워크 모델은 입력 영상에 대해서 의미 있는 내용의 특정 객체들의 위치와 크기, 명칭을 예측할 수 있다.

학습 네트워크 모델은, 도 2b에 도시된 바와 같이 복수의 신경망 레이어들로 구성될 수 있다. 복수의 신경망 레이어들 각각은 복수의 가중치들(weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치들 간의 연산을 통해 신경의 연산을 수행한다. 복수의 신경망 레이어들이 갖고 있는 복수의 가중치들은 인공 지능 모델의 학습 결과에 의해 최적화될 수 있다. 예를 들어, 학습 과정 동안 인공 지능 모델에서 획득한 로스(loss) 값 또는 코스트(cost) 값이 감소 또는 최소화되도록 복수의 가중치들이 갱신될 수 있다. 인공 신경망은 DNN(Deep Neural Network)을 포함할 수 있으며, 예를 들어, 도 2c에 도시된 바와 같이 컨벌루션 및 풀링 처리를 수행하는 CNN(Convolutuional Neural Network), RNN(Recurrent Neural Network) 뿐 아니나, LSTM(Long Short Term Memory Network), GRU(Gated Recurrent Units), DNN(Deep Neural Network) (예를 들어, REDMON, Joseph; FARHADI, Ali. Yolov3: An incremental improvement. arXiv preprint arXiv:1804.02767, 2018)), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 또는 심층 Q-네트워크 (Deep Q-Networks) 등이 있으나, 이에 한정되는 것은 아니다. 예를 들어, 프로세서(120)는 CPU, AP, DSP(Digital Signal Processor) 등과 같은 범용 프로세서, GPU, VPU(Vision Processing Unit)와 같은 그래픽 전용 프로세서 또는 NPU(Neural Processing Unit)와 같은 인공지능 전용 프로세서로 구현되어 인공 지능 기능을 수행하여 각 영상 프레임에 포함된 씨드 영역을 식별할 수 있다.

프로세서(120)는 현재 프레임(제2 프레임)에서 식별된 씨드 영역 및 이전 프레임(제1 프레임)의 제1 영역 검출 정보에 기초하여 영역 확장 처리를 수행하여 현재 프레임에 대응되는 제2 영역 검출 정보를 획득할 수 있다. 영역 확장 처리는 씨드 영역으로 선택되지는 않았지만, 검출 영역에 속하는 블록들을 반복적으로 선택해 나가는 처리를 의미한다. 영역 확장 처리는 검출 영역을 한번에 모두 검출하는 것이 어렵기 때문에 이용된다.

구체적으로, 프로세서(120)는 식별된 씨드 영역 및 제1 영역 검출 정보에 대응되는 제1 픽셀 영역에 인접한 인접 픽셀 영역을 식별할 수 있다. 즉, 프로세서(120)는 식별된 씨드 영역에 인접한 제1 인접 픽셀 영역 및 제1 픽셀 영역에 인접한 제2 인접 픽셀 영역을 식별할 수 있다. 여기서, 인접 픽셀 영역이란 특정 픽셀 영역을 둘러싸고 있는 적어도 하나의 주변 픽셀 영역이 될 수 있다.

일 실시 예에 따라, 프로세서(120)는 제2 프레임을 복수 개의 픽셀 블록으로 식별하고, 복수 개의 픽셀 블록 중 씨드 블록 및 제1 영역 검출 정보에 대응되는 픽셀 블록을 식별하고, 식별된 픽셀 블록들의 인접 픽셀 블록을 식별할 수 있다. 예를 들어, 씨드 영역이 하나의 픽셀 블록인 경우, 인접 픽셀 영역은 해당 픽셀 블록의 상하좌우 및 대각선 방향으로 인접한 8개의 픽셀 블록이 될 수 있다. 또는 인접 픽셀 영역은 해당 픽셀 블록의 상하좌우 방향에 인접한 4개의 픽셀 블록이 될 수 있다. 또는 인접 픽셀 영역은 해당 픽셀 블록의 상하좌우 및 좌측 상부 대각선 방향의 픽셀 블록, 우측 하부 대각성 방향의 픽셀 블록을 포함하는 6개의 픽셀 블록이 될 수 있다. 또는 인접 픽셀 블록은 해당 픽셀 블록의 상하좌우 및 우측 상부 대각선 방향의 픽셀 블록, 좌측 하부 대각성 방향의 픽셀 블록을 포함하는 6개의 픽셀 블록이 될 수 있다.

이어서, 프로세서(120)는 씨드 영역 및 제1 인접 픽셀 영역 간 유사도에 기초하여 씨드 영역에 대한 영역 확장 처리를 수행하고, 제1 픽셀 영역 및 제2 인접 픽셀 영역 간 유사도에 기초하여 제1 픽셀 영역에 대한 영역 확장 처리를 수행할 수 있다.

예를 들어, 프로세서(120)는 씨드 영역 및 제1 인접 픽셀 영역 간 유사도가 임계 값 이상인 제3 픽셀 영역을 검출 영역에 추가(또는 추가 씨드 영역으로 추가)하고, 제3 픽셀 영역에 인접한 제3 인접 픽셀 영역 및 제3 픽셀 영역 간 유사도가 임계 값 이상인 제4 픽셀 영역을 검출 영역에 추가할 수 있다. 또한, 프로세서(120)는 제1 픽셀 영역 및 제2 인접 픽셀 영역 간 유사도가 임계 값 이상인 제5 픽셀 영역을 검출 영역에 추가하고, 제5 픽셀 영역에 인접한 제6 인접 픽셀 영역 및 제5 픽셀 영역 간 유사도가 임계 값 이상인 픽셀 영역을 검출 영역에 추가할 수 있다.

이 경우, 프로세서(120)는 제2 프레임을 구성하는 복수 개의 픽셀 블록 중 제1 라인에 속한 픽셀 블록들 각각에 대해 씨드 영역인지 여부를 식별하면서 씨드 영역 또는 제1 픽셀 영역의 인접 픽셀 블록인지 여부를 식별하고 상술한 방식으로 유사도를 판단하여 영역 검출을 수행할 수 있다. 즉, 프로세서(120)는 씨드 영역 검출 후 영역 확장 처리를 수행하는 것이 아니라, 각 픽셀 블록들의 순서에서 씨드 영역 검출 및 영역 확장 처리를 동시에 수행할 수 있다. 이에 따라 본 명세서에서는 씨드 영역 및 영역 확장 처리를 통합하여 영역 검출(또는 영역 검출 처리)로 명명하도록 한다.

또한, 프로세서(120)는 제1 라인에 대한 영역 검출이 종료된 후 제2 라인에 속한 픽셀 블록들에 각각에 대해 제1 라인과 동일한 방식으로 영역 검출을 수행할 수 있다. 여기서, 제2 라인은 제1 라인의 다음 라인이 될 수 있다. 다만, 이에 한정되는 것은 아니며 제2 라인은 제1 라인과 기 설정된 라인 간격 만큼 이격된 다음 라인이 될 수도 있다.

일 실시 예에 따라 프로세서(120)는 제1 라인에 속한 픽셀 블록들 각각에 대해 제1 방향으로 순차적으로 영역 검출을 수행하고, 제2 라인에 속한 픽셀 블록들 각각에 대해 동일한 제1 방향으로 순차적으로 영역 검출을 수행할 수 있다. 예를 들어, 프로세서(120)는 제1 라인에 속한 픽셀 블록들 각각 및 제2 라인에 속한 픽셀 블록들 각각에 대해 좌측에서 우측 방향으로 순차적으로 영역 검출을 수행할 수 있다.

다른 실시 예에 따라 프로세서(120)는 제1 라인에 속한 픽셀 블록들 각각에 대해 제1 방향으로 순차적으로 영역 검출을 수행하고, 제2 라인에 속한 픽셀 블록들 각각에 대해 제1 방향과 상이한 제2 방향으로 순차적으로 영역 검출을 수행할 수 있다. 일 예로, 프로세서(120)는 제1 라인에 속한 픽셀 블록들 각각에 대해 좌측에서 우측 방향으로 순차적으로 영역 확장 처리를 수행하고, 제2 라인에 속한 픽셀 블록들 각각에 대해 우측에서 좌측 방향으로 순차적으로 영역 확장 처리를 수행할 수 있다. 다른 예로, 프로세서(120)는 제1, 2 라인에 속한 픽셀 블록들 각각에 대해 좌측에서 우측 방향으로 순차적으로 영역 검출을 수행하고, 제3, 4 라인에 속한 픽셀 블록들 각각에 대해 우측에서 좌측 방향으로 순차적으로 영역 검출을 수행할 수 있다.

여기서, 프로세서(120)는 영역 확장을 위한 유사도 판단을 위해 씨드 영역 검출에 이용되는 기준과 동일, 유사 또는 상이한 유사도 기준을 적용할 수 있다.

일 실시 예에 따라 프로세서(120)는 픽셀 값 분석을 통해 유사도를 측정할 수 있다. 일 예로, 프로세서(120)는 씨드 영역(또는 제1 픽셀 영역)의 픽셀 값에 기초하여 획득된 색상 정보(예를 들어, 평균 픽셀 값, 최대 픽셀 값, 최소 픽셀 값), 밝기(intensity) 정보, 히스토그램(histogram) 정보, 분산 정보, 표준 편차 정보, 에지 정보, 텍스처 정보 등의 인접 픽셀 블록 각각의 대응되는 정보 간 유사도를 측정할 수 있다. 예를 들어, 프로세서(120)가 분산에 기초하여 유사도를 측정하는 경우, 씨드 영역의 제1 분산 및 인접 픽셀 블록들 각각의 제2 분산을 비교하여 임계값보다 차이가 작은 인접 픽셀 블록을 검출 영역으로 추가할 수 있다.

한편, 프로세서(120)는 다양한 비용 함수(cost function)에 기초하여 특정 픽셀 블록 및 인접 픽셀 블록 간 유사도를 획득될 수도 있다. 예를 들어, MSE(Mean Square Error), SAD(Sum of absolute difference), MAD(Median Absolute Deviation), 상관 관계(correlation) 등을 사용할 수 있다. 일 예로, 상관 관계는 일정한 수치로 계산되어 두 변량 x, y이 서로 관련성이 있다고 추측되는 관계를 의미하며, 관계성의 정도는 상관 계수(correlation coefficient)라고 불리는 수치로 나타내어질 수 있다. 다른 예로, 대상 픽셀 블럭의 MSE를 산출하고, MSE 관점에서 대상 픽셀 블럭와 인접 픽셀 블록 간 유사도를 획득할 수 있다. 예를 들어, MSE 차이에 기초하여 유사도가 결정될 수 있다.

상술한 바와 같이 프로세서(120)는 제1 프레임에 대응되는 제1 영역 검출 정보에 기초하여 제2 프레임에 대한 영역 검출을 수행한다. 이에 따라, 제2 프레임에 포함됨 픽셀 블록을 순차적으로 처리하면서 실시간으로 획득되는 제2 영역 검출 정보는, 제2 프레임에 포함된 현재 픽셀 블록을 기준으로 이전에 처리된 픽셀 블록에 대해서는 제2 프레임의 영역 검출 결과를 포함하고, 이후에 처리될 픽셀 블럭에 대해서는 제1 프레임의 영역 검출 결과를 포함할 수 있다. 또한, 현재 픽셀 블록에 대해서는 처리가 종료되기 전까지 제2 프레임의 영역 검출 결과를 포함하고, 처리가 종료된 후에는 제1 프레임의 영역 검출 결과를 포함할 수 있다.

프로세서(120)는 상술한 방법으로 각 프레임 별로 영역 검출 정보가 획득되면, 획득된 영역 검출 정보에 기초하여 각 프레임을 영상 처리하여 출력 영상을 획득한다. 이 경우, 제1 프레임의 영상 처리 및 제2 프레임의 영역 검출 처리는 독립적으로 수행될 수 있다. 예를 들어, 1 프레임의 영상 처리 및 제2 프레임의 영역 검출 처리는 병렬적으로 또는 순차적으로 수행될 수 있다. 일 예에 따라, 프로세서(120)는 평탄 영역을 검출한 후 평탄 영역에 대한 텍스처 향상 처리를 수행하여 출력 영상을 획득할 수 있다. 여기서, 출력 영상은 UHD(Ultra High Definition) 영상 특히, 4K UHD 영상 또는 8K UHD 영상일 수 있으나, 이에 한정되는 것은 아니다.

도 3a 및 도 3b, 도 4a 및 도 4b, 도 5a 및 도 5b는 본 개시의 일 실시 예에 따른 영역 검출 방법을 설명하기 위한 도면들이다.

도 3a 및 도 3b, 도 4a 및 도 4b, 도 5a 및 도 5b에서는 설명의 편의를 위하여 검출 영역이 하트 형상인 것으로 가정하고, 영역 검출 정보가 식별 정보를 포함하는 것으로 가정하였다.

도 3a 및 도 3b는 본 개시의 일 실시 예에 따라 제1 프레임에서의 영역 검출 방법을 설명하기 위한 도면이다. 여기서, 제1 프레임은 동영상의 첫번째 프레임일 수 있다.

도 3a에 도시된 바와 같이 프로세서(120)는 제1 프레임을 복수의 픽셀 블록으로 식별하고, 각 픽셀 블록을 기설정된 라인 단위로 기설정된 방향으로 스캐닝하면서 씨드 영역 식별 및 영역 확장 처리(이하, 영역 검출)를 수행할 수 있다. 도 3a에서는 설명의 편의를 위하여 7*6개의 픽셀 블록으로 식별한 것으로 도시하였다.

일 예로, 프로세서(120)는 각 픽셀 블록 라인 단위로 좌측 방향에서 우측 방향으로 스캐닝하면서 영역 검출을 수행할 수 있다. 다만, 이에 한정되는 것은 아니며, 각 픽셀 블록 라인 단위로 우측 방향에서 좌측 방향으로 스캐닝하면서 영역 검출을 수행하는 것도 가능하다.

예를 들어, 프로세서(120)는 제1 프레임에 포함된 (1, 1) 블록부터 순차적으로 씨드 영역인지 여부를 식별함과 동시에 영역 확장 처리를 수행할 수 있다. 다만, 첫번째 프레임에서는 이전 프레임에 대한 영역 검출 정보가 없는 상태이므로 첫번째 씨드 영역이 검출되기 전까지 영역 확장 처리를 수행할 수 없을 것이다.

프로세서(120)는 첫번째 라인에 대한 영역 검출 처리가 종료되면, 다음 라인에 대해서도 동일한 방식으로 영역 검출 처리를 수행할 수 있다. 예를 들어, (4, 4) 블록(311)이 제1 프레임에서 유일한 씨드 영역인 경우, (4, 4) 블록(311)이 씨드 영역으로 검출될 때까지 검출 블록은 없게 된다. 예를 들어, 도 3b에 도시된 바와 같이 검출 영역에 속하는 픽셀 블록에 식별 정보 "1"을 부여하고, 그 외의 픽셀 블록에 식별 정보 "0"을 부여하는 형태로 영역 검출 맵을 생성하게 되면, (1, 1) 내지 (4, 3) 블록은 모두 식별 정보 "0"을 가지게 된다.

(4, 4) 블록(311)이 씨드 영역으로 검출되면, (5, 4) 블록부터는 씨드 영역 검출 및 영역 확장 처리가 동시에 이루어질 수 있다. 즉, 프로세서(120)는 (5, 4) 블록부터 씨드 영역인지 여부를 식별함과 동시에 (4, 4) 블록의 인접 픽셀인지 여부를 식별하고, 인접 픽셀에 대해 유사도 판단을 하게 된다.

도 3a에 따르면 결과적으로 (5, 4) 블록(312) 및 (4, 5) 블록(313)으로 영역 확장이 이루어져 총 3개의 영역(310)이 검출된 것을 확인할 수 있고, 도 3b에 도시된 바와 같은 제1 프레임에 대응되는 제1 영역 검출 정보(410)를 획득할 수 있다. 단, (5, 4) 블록(312)은 씨드 영역인 (4, 4) 블록(311)으로부터 확장된 영역이나, (4, 5) 블록(313)은 (4, 4) 블록(311) 또는 (5, 4) 블록(312)으로부터 확장된 영역일 수 있다.

도 4a 및 도 4b는 도 3a 및 도 3b에 도시된 제1 프레임 이후의 제2 프레임에서의 영역 검출 방법을 설명하기 위한 도면들이다.

도 4a에 도시된 바와 같이 프로세서(120)는 제2 프레임에 포함된 (1, 1) 블록부터 순차적으로 씨드 영역인지 여부를 식별함과 동시에 영역 확장 처리를 수행할 수 있다. 이 경우, 프로세서(120)는 제1 프레임에서 획득된 제1 영역 검출 정보를 이용할 수 있다. 즉, 프로세서(120)는 제1 프레임에서 검출된 총 3개의 픽셀 블록(310)에 대한 정보를 가지고 영역 검출을 수행할 수 있다. 예를 들어, 프로세서(120)는 도 4b에 도시된 바와 같이 제1 영역 검출 정보(410)를 기반으로 하여 영역 검출을 수행할 수 있다.

일 예에 따라 프로세서(120)는 제2 프레임에 포함된 (1, 1) 블록부터 순차적으로 스캐닝하면서 제1 영역 검출 정보(410)를 수정할 수 있다. 예를 들어, (5, 3) 블록(321)이 제2 프레임에서 유일한 씨드 영역인 경우를 가정한다. 제1 영역 검출 정보(410)에 따르면, 4 번째 라인부터 검출된 영역 정보가 포함되어 있으므로, 2번째 라인까지는 영역 확장이 이루어질 수 없게 된다. 다만, 씨드 영역 검출은 이와 별개이므로 모든 라인에서 씨드 영역이 검출 가능하지만, (5, 3) 블록(321)이 제2 프레임에서 유일한 씨드 영역인 경우로 가정하였기 때문에 2번째 라인까지는 영역 확장이 이루어질 수 없게 된다.

프로세서(120)가 제1 영역 검출 정보(410)에 포함된 (4, 4) 블록에 기초하여 (3, 3) 블록(322)을 검출(영역 확장)하면, (3, 3) 블록(322)이 검출 영역으로 추가된다. 예를 들어, 제1 영역 검출 정보(410)는 (3, 3) 블록(322)이 식별 정보 "1"을 가지는 것으로 수정(410-1)된다. 즉, 씨드 영역인 (5, 3) 블록(321) 전에 처리되는 (3, 3), (4, 3) 등의 3 번째 라인에 포함된 픽셀 블록들이 검출 영역으로 확장되게 된다.

프로세서(120)는 계속하여 각 픽셀 블록이 씨드 영역인지 식별하면서 영역 확장 처리를 수행할 수 있다. 프로세서(120)는 (5, 3) 블록(321) 순서에서 (5, 3) 블록(321)을 씨드 영역으로 검출할 수 있으나, 해당 픽셀 블록(321)은 유사도 측정을 통한 영역 확장 처리에 의해서도 추가될 수 있음은 물론이다. 도 4a를 참고하면 각 픽셀 블록에 대해 영역 검출이 순차적으로 수행되면서 결국 8개의 픽셀 블록(320)의 검출 영역으로 식별되었음을 확인할 수 있다. 예를 들어, 도 4b에 도시된 바와 같이 제1 영역 검출 정보(410)가 계속하여 수정되면서 모든 픽셀 블록에 대한 영역 검출 처리가 종료되면, 제2 프레임에 대응되는 제2 영역 검출 정보(420)를 획득할 수 있게 된다.

도 5a 및 도 5b는 도 4a 및 도 4b에 도시된 제2 프레임 이후의 제3 프레임에서의 영역 검출 방법을 설명하기 위한 도면들이다.

도 5a에 도시된 바와 같이 프로세서(120)는 제3 프레임에 포함된 (1, 1) 블록부터 순차적으로 씨드 영역인지 여부를 식별함과 동시에 영역 확장 처리를 수행할 수 있다. 즉, 프로세서(120)는 제2 프레임에서 검출된 총 8개의 픽셀 블록(320)에 대한 정보를 가지고 영역 검출을 수행할 수 있다. 예를 들어, 프로세서(120)는 도 5b에 도시된 바와 같이 제2 영역 검출 정보(420)를 기반으로 하여 영역 검출을 수행할 수 있다.

일 예에 따라 프로세서(120)는 제3 프레임에 포함된 (1, 1) 블록부터 순차적으로 스캐닝하면서 제2 영역 검출 정보(420)를 수정할 수 있다. 예를 들어, (4, 5) 블록(331)이 제3 프레임에서 유일한 씨드 영역인 경우를 가정한다. 제2 영역 검출 정보(420)에 따르면, 3 번째 라인부터 검출된 영역 정보가 포함되어 있으므로, 1 번째 라인까지는 영역 확장이 이루어질 수 없게 된다. 다만, 씨드 영역 검출은 이와 별개이므로 모든 라인에서 씨드 영역이 검출 가능하지만, (4, 5) 블록(331)이 제3 프레임에서 유일한 씨드 영역인 경우로 가정하였기 때문에 1번째 라인까지는 영역 확장이 이루어질 수 없게 된다.

프로세서(120)가 제2 영역 검출 정보(420)에 포함된 (3, 3) 블록에 기초하여 2 번째 라인에 포함된 (3, 3) 블록(322)을 검출(영역 확장)하면, (3, 3) 블록(332)이 검출 영역으로 추가된다. 예를 들어, 제2 영역 검출 정보(420)는 (3, 3) 블록(332)이 식별 정보 "1"을 가지는 것으로 수정(420-1)된다. 즉, 씨드 영역인 (4, 5) 블록(331) 전에 처리되는 (2,2), (3,2), (5,2), (6,2) 등의 2 번째 라인에 포함된 픽셀 블록들이 검출 영역으로 확장되게 된다.

프로세서(120)는 계속하여 각 픽셀 블록이 씨드 영역인지 식별하면서 영역 확장 처리를 수행할 수 있다. 프로세서(120)는 (4, 5) 블록(331) 순서에서 (4, 5) 블록(331)을 씨드 영역으로 검출할 수 있으나, 해당 픽셀 블록(331)은 유사도 측정을 통한 영역 확장 처리에 의해서도 추가될 수 있음은 물론이다. 도 5a를 참고하면 각 픽셀 블록에 대해 영역 검출이 순차적으로 수행되면서 결국 13개의 픽셀 블록(330)의 검출 영역으로 식별되었음을 확인할 수 있다. 예를 들어, 도 5b에 도시된 바와 같이 제2 영역 검출 정보(420)가 계속하여 수정되면서 모든 픽셀 블록에 대한 영역 검출 처리가 종료되면, 제3 프레임에 대응되는 제3 영역 검출 정보(430)를 획득할 수 있게 된다.

프로세서(120)는 각 프레임의 처리 순서에서 획득된 영역 검출 정보에 기초하여 영상 처리를 수행하고, 영상 처리된 프레임을 순차적으로 영상 처리 장치(100)에 구비된 디스플레이를 통해 디스플레이하거나, 디스플레이를 구비하는 외부 장치로 전송할 수 있다. 이 경우, 각 프레임에서 순차적으로 검출 영역이 점차 확장되는 형태가 되므로, 각 출력 프레임에서 동일한 영상 처리가 수행된 영역이 점차 확장되는 형태가 될 수 있다. 예를 들어, 제1 프레임은 영상 처리된 제1 영역을 포함하고, 제1 프레임 이후의 제2 프레임은 제1 영역과 동일하게 영상 처리된 제2 영역을 포함할 수 있다. 여기서, 제2 영역은 제1 영역 및 제1 영역과 동일하게 영상 처리된 제3 영역을 포함할 수 있다. 또한, 제2 프레임 이후의 제3 프레임은 제2 영역과 동일하게 영상 처리된 제4 영역을 포함할 수 있으며, 여기서 제4 영역은 제2 영역 및 제2 영역 외의 제5 영역을 포함할 수 있다.

다만, 상술한 실시 예에서는 현재 프레임에서의 영역 검출 결과에 기초하여 이전 프레임에 대응되는 제1 영역 검출 정보를 업데이트하여 제2 영역 검출 정보를 획득하는 것으로 설명하였지만, 이는 일 실시 예에 불과하며 영역 검출 정보를 획득하는 방법은 다양하게 변경가능하다. 다른 예로 이전 프레임의 영역 검출 정보를 대체하여 수정하는 것이 아니라, 이전 프레임의 영역 검출 정보를 이용하여 현재 프레임의 영역 검출 정보를 새로 생성할 수도 있다. 예를 들어, 이전 프레임에서 대상 검출 영역에 대응되는 정보(예를 들어 식별 정보 "1") 만을 이용하고 나머지 영역에 대해서는 현재 프레임의 영역 검출 결과에 기초하여 정보를 새로 생성할 수 있다.

한편, 상술한 실시 예와 달리 프로세서(120)는 딥 러닝 기반의 인공 신경망(또는 심층 인공 신경망) 즉, 학습 네트워크 모델을 이용하여 영역 확장 처리를 수행할 수도 있다. 여기서, 학습 네트워크 모델은 입력 영상에 포함된 각 픽셀 영역에 대해 동일한 객체인지 여부를 예측할 수 있도록 학습된 모델일 수 있다.

일 예에 따라 학습 네트워크 모델은 동일한 객체에 속하는 복수의 트레이닝 픽셀 블록을 입력받아 학습된 모델이 될 수 있다. 이에 따라 학습 네트워크 모델에 영상을 입력하게 되면, 학습 네트워크 모델은 각 픽셀 블록 단위로 동일한 객체에 해당하는지에 대한 확률 정보를 출력할 수 있다.

다른 예에 따라 학습 네트워크 모델은 동일한 객체에 속하는 현재 트레이닝 프레임에 포함된 복수의 픽셀 블록 및 이전 프레임의 영역 검출 정보를 입력받아 학습된 모델이 될 수 있다. 이에 따라 학습 네트워크 모델에 대상 프레임 및 이전 프레임의 영역 검출 정보를 입력하게 되면, 학습 네트워크 모델은 대상 프레임의 각 픽셀 블록 단위로 동일한 객체에 해당하는지에 대한 확률 정보를 출력할 수 있다.

도 6a 및 도 6b는 본 개시의 일 실시 예에 따른 픽셀 블록의 처리 방법을 자세히 설명하기 위한 도면들이다.

본 개시의 일 실시 예에 따르면, 현재 프레임에 대한 영역 검출을 수행하면서, 실시간으로 획득되는 영역 검출 정보는, 현재 프레임에 포함된 현재 픽셀 블록을 기준으로 이전에 처리된 픽셀 블록에 대해서는 현재 프레임의 영역 검출 결과를 포함하고, 이후에 처리될 픽셀 블럭에 대해서는 이전 프레임의 영역 검출 결과를 포함할 수 있다.

예를 들어, 도 6a에 도시된 바와 같이 (4, 4) 블록(e)을 현재 처리 대상인 픽셀 블록으로 가정하면, 프로세서(120)는 e 블록이 씨드 영역인지 여부를 식별하면서 e 블록의 인접 픽셀 블록(a 내지 d, f 내지 i) 중 e 블록과 유사하면서 이미 검출된 영역이 있는지 식별한다. 만약 e 블록이 씨드 영역이 아니더라도, e 블록의 인접 픽셀 블록(a 내지 d, f 내지 i) 중 e 블록과 유사하면서 이미 검출된 영역이 있으면, 프로세서(120)는 e 블록을 검출 영역으로 추가한다. 한편, 본 개시의 일 실시 예에 따르면, 블록의 인접 픽셀 블록(a 내지 d, f 내지 i) 중 현재 프레임에서 이미 검출 처리가 수행된 상측 및 좌측에 위치한 a, b, c, d 블록은 현재 프레임의 검출 결과를 가지는 반면, 현재 처리 대상인 e 블록 및 아직 검출 처리가 수행되지 않은 우측 및 하측에 위치한 f, g, h, i 블록은 이전 프레임의 검출 결과를 가지고 있다. 다만, 종래기술에 따르면, e 블록에 인접한 9 개의 인접 픽셀 블록 모두 현재 프레임에서 검출 결과를 가진다는 점에서 차이가 있다.

한편, 상술한 실시 예에서는 인접 픽셀 블록을 현재 픽셀 블록 주변의 9개의 픽셀 블록인 것으로 상정하였으나, 이에 한정되는 것은 아니다. 예를 들어 도 6b에 도시된 바와 같이 인접 픽셀 영역은 현재 픽셀 블록과의 다양한 연결성에 기초하여 선택될 수 있다.

도 7a 내지 도 7c는 본 개시의 다양한 실시 예에 따른 영역 검출 정보의 구현 예를 설명하기 위한 도면들이다.

본 개시의 일 실시 예에 따르면, 영역 검출 정보는 검출 단위인 픽셀 블록 단위의 행렬 형태로 구성되며, 각 픽셀 블록은 검출 여부를 나타내는 식별 정보를 포함하는 형태가 될 수 있다. 예를 들어, 도 7a에 도시된 바와 같이 검출된 블록은 제1 식별 정보(예를 들어, "1")를 포함하고, 그외 블록은 제2 식별 정보(예를 들어, "0")을 포함하는 형태가 될 수 있다.

본 개시의 다른 실시 예에 따르면, 영역 검출 정보는 검출 단위인 픽셀 블록 단위의 행렬 형태로 구성되며, 각 픽셀 블록은 검출 대상 블록에 대한 확률을 포함하는 형태가 될 수 있다. 예를 들어, 도 7b에 도시된 바와 같이 영역 검출 정보는 각 픽셀 블록에 대응되는 확률 정보를 8 비트 정보(0~255의 수치) 형태로 포함할 수 있다. 다만, 이에 한정되는 것은 아니며 영역 검출 정보는 % 정보(1-100의 수치)를 포함할 수 있다.

한편, 프로세서(120)는 특정 픽셀 블록에 대한 복수의 확률 정보 중 최대 값 또는 평균 값을 이용하여 최종 확률 정보를 선택할 수 있다. 예를 들어, 프로세서(120)는 특정 픽셀 블록에 대해 씨드 영역일 확률(1-100 수치인 경우)이 90이고, 영역 확장 처리에 의한 확률이 95, 91, 92 등 인 경우 이 중 최대 값인 95을 최종 확률 정보로 선택하거나, 평균 값인 92를 최종 확률 정보로 선택할 수 있다. 영역 검출 정보가 확률 정보를 포함하는 경우, 각 확률 정보는 다양한 영상 처리를 위한 가중치 정보로 이용될 수 있다. 예를 들어, 프로세서(120)는 각 픽셀 블록에 대응되는 확률 정보를 0~1 범위 사이 수치로 노멀라이징하여 샤프니스 처리, 텍스처 처리 등을 위한 가중치로 이용할 수 있다.

본 개시의 또 다른 실시 예에 따르면, 영역 검출 정보는 도 7c에 도시된 바와 같이 검출 영역에 속하는 픽셀 블록들의 식별 정보를 포함하는 룩업 테이블 형태로 구현될 수 있다.

도 8a 내지 도 8c, 도 9a 및 도 9b는 본 개시의 다양한 실시 예에 따른 영역 검출 순서를 설명하기 위한 도면들이다.

본 개시의 일 실시 예에 따르면, 프로세서(120)는 각 픽셀 블럭 라인에서 기설정된 방향으로 일관되게 순차적으로 픽셀 블럭을 처리할 수 있다("raster scan"이라 명명). 예를 들어, 프로세서(120)는 도 8a에 도시된 바와 같이 제1 라인에서 좌측에서 우측 방향으로 픽셀 블럭을 처리하고, 나머지 라인에서도 동일하게 좌측에서 우측 방향으로 픽셀 블럭을 처리할 수 있다.

본 개시의 다른 실시 예에 따르면, 프로세서(120)는 각 픽셀 블럭 라인에서 교번적으로 방향을 바꾸어 순차적으로 픽셀 블럭을 처리할 수 있다("zig-zag scan"이라 명명). 예를 들어 도 9b에 도시된 바와 같이 홀수 라인에서 좌측에서 우측 방향으로, 짝수 라인에서 우측에서 좌측 방향으로 픽셀 블럭을 처리할 수 있다. 다만, 홀수 라인에서 우측에서 좌측 방향으로, 짝수 라인에서 좌측에서 우측 방향으로 픽셀 블럭을 처리할 수 있음은 물론이다.

본 개시의 또 다른 실시 예에 따르면, 프로세서(120)는 기설정된 간격의 라인 단위로 교번적으로 방향을 바꾸어 순차적으로 픽셀 블럭을 처리할 수 있다. 예를 들어, 프로세서(120)는 도 8c에 도시된 바와 같이 제1 및 제2 라인에서 좌측에서 우측 방향으로 픽셀 블럭을 처리하고, 제3 및 제4 라인에서 우측에서 좌측 방향으로 픽셀 블럭을 처리할 수 있다.

도 9a 및 도 9b는 도 8a 및 도 8b에 도시된 검출 방법에 따른 검출 결과를 설명하기 위한 도면들이다.

도 9a 및 도 9b에 도시된 바와 같이 특정 영역(910)이 검출 대상이고, 현재 프레임에서 (7, 2) 블록(911)이 유일한 씨드 영역이며, 이전 프레임에서 검출된 검출 영역이 (6, 5), (7, 5), (6, 6), (7, 6) 픽셀 블럭인 경우를 가정한다.

본 개시의 일 실시 예에 따라, 프로세서(120)가 도 8a에 도시된 "raster scan" 방식을 이용하는 경우 도 9a 에 도시된 바와 같이 씨드 영역(911)이 검출되기 전까지 즉, (7, 2) 블록(911) 처리 전까지 영역을 검출하지 못하게 되므로 2 번째 라인에서 (7, 2) 블록(911) 만을 검출하게 된다.

반면, 본 개시의 다른 실시 예에 따라, 프로세서(120)가 도 8b에 도시된 "zig-zag scan" 방식을 이용하는 경우 도 9b 에 도시된 바와 같이 씨드 영역(911) 검출 후, 영역 확장에 의해 (6, 2), (5, 2), (4, 2)를 순차적으로 검출할 수 있으므로 2 번째 라인에서 (7, 2), (6, 2), (5, 2), (4, 2) 블록을 검출할 수 있게 된다. 이에 따라 추가적인 연산이나 메모리 없이도 "raster scan" 방식에 비해 영역 확장 처리에 의한 영역 확산 속도가 빨라질 수 있게 된다.

도 10은 본 개시의 일 실시 예에 따른 씬 검출 방법을 설명하기 위한 도면이다.

도 10에 도시된 바에 따르면 프로세서(120)는 씨드 영역(S) 및 씨드가 아닌 영역(S’)을 검출한 후, 씨드 영역(S) 및 씨드가 아닌 영역(S’) 각각에 대한 영역 확장을 수행할 수 있다. 여기서, 씨드가 아닌 영역(S’)이란 씨드 영역과 전혀 다른 픽셀 값(예를 들어, variance, edge, color 및/또는 texture) 특성을 가지는 영역이 될 수 있다. 씨드가 아닌 영역(S’)은 씨드 영역(S)과의 픽셀 값 비교를 통해 검출되거나, 딥 러닝 기반의 AI 기술을 이용하여 검출될 수 있다.

프로세서(120)는 이전 프레임의 영역 검출 정보, 즉 씨드 영역(S)을 기반으로 한 영역 검출 정보 및 씨드가 아닌 영역(S’)을 기반으로 한 영역 검출 정보 각각에 기초하여 현재 프레임에 대한 영역 확장을 수행할 수 있다.

예를 들어, 도 10에 도시된 바와 같이 프로세서(110)는 첫번째 프레임에서 씨드 영역(S) 및 씨드가 아닌 영역(S’)을 식별하고 본 개시에 따른 영역 확장 방법에 기초하여 씨드 영역(S) 및 씨드가 아닌 영역(S’)을 각각 영역 확장할 수 있다. 즉, 이전 프레임의 영역 검출 정보에 기초하여 각 영역에 대한 영역 확장을 수행하면, 프로세서(120)는 어느 시점에 씨드 영역(S)을 기반으로 검출된 객체가 포함되지 않은 프레임을 검출할 수 있게 된다. 예를 들어, 프로세서(120)는 씨드 영역(S)에 기초하여 확장된 영역(ES)은 포함하지 않고 씨드가 아닌 영역(S’)에 기초하여 확장된 영역(ES’) 만을 포함하는 프레임을 식별할 수 있게 된다. 이 경우 프로세서(120)는 해당 프레임에서 씬이 변경되었다고 판단할 수 있다.

도 11은 본 개시의 일 실시 예에 따른 복수의 객체를 검출하는 방법을 설명하기 위한 도면이다.

도 11에 도시된 바와 같이 프로세서(120)는 하나의 영상 프레임 내에서 복수의 씨드 영역, 특히 서로 다른 객체 각각에 대응되는 씨드 영역을 검출할 수 있다. 물론 경우에 따라 하나의 객체 내에서 복수의 씨드 영역이 검출될 수도 있으나, 본 실시 예에서는 설명의 편의를 위하여 하나의 객체에 대해 하나의 씨드 영역 만이 검출되는 것으로 상정하였다.

예를 들어, 프로세서(120)는 픽셀 블록 단위로 픽셀 값 정보(예를 들어 색상 정보, 밝기 정보, 분산 정보, 표준 편차 정보, 에지 정보 또는 텍스처 정보 중 적어도 하나)에 기초하여 제1 픽셀 값을 가지는 픽셀 블록을 제1 씨드 영역(S1)으로 검출하고, 제1 픽셀 값과 상이한 제2 픽셀 값을 가지는 픽셀 블록을 제2 씨드 영역(S2)으로 검출할 수 있다. 이 경우, 제1 픽셀 값과 상이한 제2 픽셀 값은 기설정된 임계 정보(예를 들어, 기설정된 임계 계조 범위)에 기초하여 식별될 수 있다.

프로세서(120)는 도 11에 도시된 바와 같이 제1 및 제2 씨드 영역(S1, S2)각각에 기초하여 본 개시의 일 실시 예에 따른 영역 확장(ES1, ES2)을 수행하여 복수의 객체 영역(O1, O2)을 검출할 수 있다.

도 12a 및 도 12b는 본 개시의 일 실시 예에 따른 영상 처리 방법을 설명하기 위한 도면들이다.

상술한 일 실시 예에 따라 프로세서(120)가 색상 정보(예를 들어, 평균 픽셀 값, 최대 픽셀 값, 최소 픽셀 값)에 기초하여 씨드 영역을 식별하고, 영역 확장을 수행하는 경우 상이한 색상을 가지는 각 객체 영역이 검출될 수 있다. 예를 들어, 도 12a에 도시된 바와 같이 하늘색을 가지는 하늘 객체(1210), 녹색을 가지는 나무 객체(1220)와 같이 객체의 타입이 상이한 경우 뿐 아니라, 노란색 꽃 객체(1230) 및 분홍색 꽃 객체(1240)와 같이 동일한 타입이지만, 색상이 상이한 경우 별도의 객체로 검출될 수 있다.

이 경우, 프로세서(120)는 구분된 객체 별 영상 처리(또는 화질 처리)를 수행할 수 있다.

일 예로, 프로세서(120)는 객체 별, 특히 상이한 색상의 객체 별로 색상을 분석하여 콘트라스트(명암비)를 개별적으로 조정할 수 있다. 예를 들어, 프로세서(120)는 상이한 색상의 객체 별로 콘트라스트 커브(또는 감마 커브)를 생성하여 콘트라스트 조정하거나, 상이한 데이터 베이스에 기초하여 콘트라스트 조정을 수행할 수 있다. 이에 따라 상이한 색상의 각 객체 별로 밝은 부분은 더 밝게, 어두운 부분은 더 어둡게 함으로써 더 넓은 범위의 색감과 밝기를 표현할 수 있게 된다.

또한, 프로세서(120)는 HDR 기능에 기초하여 객체 별 콘트라스트 조정할 수 있다. 여기서, HDR(High Dynamic Range) 기능이란 컨텐츠와 함께 제공되는 메타 데이터에 기초하여 컨텐츠에 대한 톤 맵핑(tone mapping)을 수행하여 디스플레이하는 기능을 의미한다. 톤 맵핑이란 수신된 메타 데이터에 기초하여 컨텐츠의 오리지널 톤을 디스플레이(140)의 다이내믹 레인지에 맞추어 표현하는 방법이다. 여기서, 메타 데이터는, 컨텐츠의 컬러 공간 정보, 컨텐츠의 비트수 정보, 컨텐츠의 피크 휘도 정보, 컨텐츠의 톤 맵핑 정보, 마스터링 모니터 정보(예를 들어 최대 밝기 정보) 중 적어도 하나를 포함할 수 있다.

일 예로, 프로세서(120)는 메타 데이터에 기초한 컨텐츠의 최대 휘도를 디스플레이(140)의 표시 능력 즉, 디스플레이(140)가 표현 가능한 최대 휘도에 맵핑하여 제공할 수 있다. 예를 들어, 프로세서(120)는 도 12b에 도시된 바와 같이 상이한 색상의 각 객체 별로 적용하여 상이한 톤 맵핑 그래프를 적용하여 컨텐츠를 영상 처리할 수 있다. 다만, 이에 한정되는 것은 아니며, 각 객체 별, 예를 들어 색상 기반 객체로 텍스처 처리, NR(Noise reduction) 처리 등과 같은 다양한 영상 처리를 개별적으로 수행할 수 있다. 경우에 따라 프로세서(120)는 장면에 따라 콘트라스트를 최적화하여 최적화된 색감을 제공하는 다이나믹 톤 매핑(Dynamic Tone Mapping) 기술을 이용할 수 있다.

또는, 프로세서(120)는 딥 러닝 기반의 AI 기술을 적용하여 상이한 색상을 가지는 객체 별 영상 처리(또는 화질 처리)를 수행할 수 있다. 예를 들어, 프로세서(120)는 상이한 색상을 가지는 객체 별로 영상 처리가 학습된 네트워크 모델에 이미지 및 각 객체 별 영역 검출 정보를 입력하여 각 객체 별로 영상 처리가 수행된 이미지를 획득할 수 있다.

일 예로, 프로세서(120)는 객체 별, 특히 상이한 색상을 가지는 객체 별로 콘트라스트(명암비) 조정이 학습된 네트워크 모델에 이미지를 입력하여 각 객체 별로 콘트라스트가 조정된 이미지를 획득할 수 있다. 다른 예로, 프로세서(120)는 상이한 색상의 각 객체 별로 텍스처 처리가 학습된 네트워크 모델을 이미지에 적용하여 상이한 색상을 가지는 객체 별로 텍스처 처리된 이미지를 획득할 수 있다.

한편, 프로세서(120)는 디스플레이(140)가 백라이트를 이용하는 LCD 패널로 구현되는 경우, 로컬 디밍 방식을 이용하여 각 객체 별 콘트라스트 조정을 수행할 수도 있다. 예를 들어, 프로세서(120)는 각 객체의 디스플레이 영역에 기초하여 대응되는 백라이트 블록 별로 밝기를 조정하여 콘트라스트 조정을 수행할 수 있다.

다만, 상술한 실시 예에서는 색상 정보에 기초하여 영상 처리를 위한 각 객체를 구분한 것으로 설명하였으나, 이에 한정되는 것은 아니며 색상 정보 외에, 밝기 정보, 분산 정보, 표준 편차 정보, 에지 정보 또는 텍스처 정보 중 적어도 하나를 추가적으로 고려하여 영상 처리를 위한 각 객체를 식별할 수 있다. 예를 들어, 동일한 주황색이라도 꽃 객체 및 낙엽 객체의 텍스처가 다를 수 있으므로, 이들 각각에 대해 상이한 영상 처리가 수행될 수 있다.

도 13은 본 개시의 일 실시 예에 따른 학습 네트워크 모델의 세부 구성을 설명하기 위한 도면이다.

도 13에 따르면, 본 개시의 일 실시 예에 따른 학습 네트워크 모델(1300)은, 학습부(1310) 및 인식부(1320)를 포함할 수 있다.

본 개시의 일 실시 예에 따르면, 프로세서(120)는 학습 네트워크 모델(1300)을 이용하여 각 프레임의 씨드 영역을 검출할 수 있다. 경우에 따라서는 학습 네트워크 모델(1300)을 이용하여 영역 확장 처리를 수행하는 것도 가능하다.

학습부(1310)는 씨드 영역 검출을 위한 기준을 갖는 인식 모델을 생성 또는 학습시킬 수 있다. 학습부(1310)는 수집된 학습 데이터를 이용하여 판단 기준을 갖는 인식 모델을 생성할 수 있다. 일 예로, 학습부(1310)는 객체가 포함된 이미지를 학습 데이터로서 이용하여 이미지에 포함된 객체를 판단하는 기준을 갖는 객체 인식 모델을 생성, 학습 또는 갱신시킬 수 있다. 또 다른 예로, 학습부(1310)는 객체가 포함된 이미지에 포함된 주변 정보를 학습 데이터로서 이용하여 이미지에 포함된 객체 주변에 다양한 추가 정보를 판단하는 기준을 갖는 주변 정보 인식 모델을 생성, 학습 또는 갱신시킬 수 있다.

인식부(1320)는 소정의 데이터를 학습된 인식 모델의 입력 데이터로 사용하여, 소정의 데이터에 포함된 인식 대상을 추정할 수 있다. 일 예로, 인식부(1320)는 객체가 포함된 객체 영역(또는, 이미지)를 학습된 인식 모델의 입력 데이터로 사용하여 객체 영역에 포함된 객체에 대한 객체 정보, 예를 들어 씨드 영역을 획득(또는, 추정, 추론)할 수 있다.

학습부(1310)의 적어도 일부 및 인식부(1320)의 적어도 일부는, 소프트웨어 모듈로 구현되거나 적어도 하나의 하드웨어 칩 형태로 제작되어 영상 처리 장치(100)에 탑재될 수 있다. 예를 들어, 학습부(1310) 및 인식부(1320) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치 또는 객체 인식 장치에 탑재될 수도 있다. 이 때, 인공 지능을 위한 전용 하드웨어 칩은 확률 연산에 특화된 전용 프로세서로서, 기존의 범용 프로세서보다 병렬처리 성능이 높아 기계 학습과 같은 인공 지능 분야의 연산 작업을 빠르게 처리할 수 있다. 학습부(1310) 및 인식부(3020)가 소프트웨어 모듈(또는, 인스트럭션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 이 경우, 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.

도 14은 본 개시의 다른 실시 예에 따른 영상 처리 장치의 일 구현 예를 나타내는 도면이다.

도 14에 따르면, 영상 처리 장치(100')는 메모리(110), 프로세서(120), 통신부(또는 입력부)(130), 디스플레이(140) 및 사용자 인터페이스(150)를 포함한다. 도 14에 도시된 구성 중 도 2에 도시된 구성과 중복되는 구성에 대해서는 자세한 설명을 생략하도록 한다.

본 개시의 일 실시 예에 따르면, 메모리(110)는 본 개시에 따른 다양한 동작들에서 생성되는 데이터를 저장하는 단일 메모리로 구현될 수 있다,

다만, 본 개시의 다른 실시 예에 따르면, 메모리(110)는 제1 내지 제3 메모리를 포함하도록 구현될 수 있다.

제1 메모리는 통신부(130)를 통해 입력된 영상 중 적어도 일부를 저장할 수 있다. 특히, 제1 메모리는 입력된 영상 프레임 중 적어도 일부 영역을 저장할 수 있다. 이 경우 적어도 일부 영역은 본 발명의 일 실시 예에 따른 영상 처리를 수행하기에 필요한 영역이 될 수 있다. 일 실시 예에 따라, 제1 메모리는 N 라인 메모리로 구현될 수 있다. 예를 들어, N 라인 메모리는 세로 방향으로 17 라인 상당의 용량을 가지는 메모리가 될 수 있으나, 이에 한정되는 것은 아니다. 예를 들어, 1080p(1,920×1,080의 해상도)의 Full HD 영상이 입력되는 경우 Full HD 영상에서 17 라인의 영상 영역 만이 제1 메모리에 저장된다. 이와 같이 제1 메모리는 N 라인 메모리로 구현되고, 입력된 영상 프레임 중 일부 영역 만이 영상 처리를 위해 저장되는 이유는 하드웨어적 한계에 따라 제1 메모리의 메모리 용량이 제한적이기 때문이다.

제2 메모리는 획득된 영역 검출 정보 등을 저장하기 위한 메모리로, 본 발명의 다양한 실시 예에 따라 다양한 사이즈의 메모리로 구현될 수 있다. 예를 들어, 본 발명의 일 실시 예에 따라 입력 영상의 각 픽셀 블럭에 대응되는 영역 검출 정보를 저장하는 경우, 해당 영역 검출 정보를 저장하기에 적절한 사이즈로 구현될 수도 있다.

제3 메모리는 영상 처리(예를 들어, 텍스처 향상 처리)된 출력 영상이 저장되는 메모리로, 다양한 실시 예에 따라 다양한 사이즈의 메모리로 구현될 수 있다. 예를 들어, 본 개시의 일 실시 예에 따라 입력 영상의 각 픽셀 값에 대응되는 텍스처 성분을 모두 적용하여 출력 영상을 획득하여 디스플레이하도록 구현되는 경우, 제3 메모리는 입력 영상의 크기와 같거나 큰 사이즈로 구현될 수 있다. 다른 실시 예에 따라 제1 메모리의 사이즈에 대응되는 영상 단위로 영상을 출력하거나, 픽셀 라인 단위로 출력하는 등의 경우에는 해당 영상 저장을 위한 적절한 사이즈로 구현될 수도 있다. 다만, 제1 메모리 또는 제2 메모리에 출력 영상이 오버라이트되거나, 출력 영상이 저장되지 않고 바로 디스플레이되는 형태로 구현되는 경우 등에 제3 메모리는 필요하지 않을 수 있다.

통신부(130)는 다양한 타입의 컨텐츠를 수신한다. 예를 들어 통신부(130)는 AP 기반의 Wi-Fi(와이파이, Wireless LAN 네트워크), 블루투스(Bluetooth), 지그비(Zigbee), 유/무선 LAN(Local Area Network), WAN, 이더넷, IEEE 1394, HDMI(High Definition Multimedia Interface), MHL (Mobile High-Definition Link), USB (Universal Serial Bus), DP(Display Port), 썬더볼트(Thunderbolt), VGA(Video Graphics Array)포트, RGB 포트, D-SUB(D-subminiature), DVI(Digital Visual Interface) 등과 같은 통신 방식을 통해 외부 장치(예를 들어, 소스 장치), 외부 저장 매체(예를 들어, USB), 외부 서버(예를 들어 웹 하드) 등으로부터 스트리밍 또는 다운로드 방식으로 영상 신호를 입력받을 수 있다. 여기서, 영상 신호는 디지털 영상 신호(예를 들어, 디지털 동영상 신호)가 될 수 있으나 이에 한정되는 것은 아니다.

디스플레이(140)는 자발광 소자를 포함하는 디스플레이 또는 비자발광 소자 및 백라이트를 포함하는 디스플레이로 구현될 수 있다. 예를 들어, LCD(Liquid Crystal Display), OLED(Organic Light Emitting Diodes) 디스플레이, LED(Light Emitting Diodes), Micro LED, mini LED, PDP(Plasma Display Panel), QLED(Quantum dot light-emitting diodes) 등과 같은 다양한 형태의 디스플레이로 구현될 수 있다. 디스플레이(160) 내에는 a-si TFT, LTPS(low temperature poly silicon) TFT, OTFT(organic TFT) 등과 같은 형태로 구현될 수 있는 구동 회로, 백라이트 유닛 등도 함께 포함될 수 있다. 한편, 디스플레이(140)는 터치 센서와 결합된 터치 스크린, 플렉시블 디스플레이(flexible display), 롤러블 디스플레이(rollable display), 3차원 디스플레이(3D display) 등으로 구현될 수 있다.

또한, 본 개시의 일 실시 예에 따른, 디스플레이(140)는 영상을 출력하는 디스플레이 패널 뿐만 아니라, 디스플레이 패널을 하우징하는 베젤을 포함할 수 있다. 특히, 본 개시의 일 실시 예에 따른, 베젤은 사용자 인터렉션을 감지하기 위한 터치 센서(미도시)를 포함할 수 있다.

프로세서(120)는 본 개시의 다양한 실시 예에 따라 처리된 영상을 디스플레이하도록 디스플레이(140)를 제어할 수 있다.

일 예에 따라 프로세서(120)는 그래픽 처리 기능(비디오 처리 기능)을 수행할 수 있다. 예를 들어, 프로세서(120)는 연산부(미도시) 및 렌더링부(미도시)를 이용하여 아이콘, 이미지, 텍스트 등과 같은 다양한 객체를 포함하는 화면을 생성할 수 있다. 여기서, 연산부(미도시)는 수신된 제어 명령에 기초하여 화면의 레이아웃에 따라 각 객체들이 표시될 좌표값, 형태, 크기, 컬러 등과 같은 속성값을 연산할 수 있다. 그리고, 렌더링부(미도시)는 연산부(미도시)에서 연산한 속성값에 기초하여 객체를 포함하는 다양한 레이아웃의 화면을 생성할 수 있다. 일 실시 예에 따라 해당 동작은 메인 CPU와 별도로 구비된 GPU(미도시)에 의해 수행될 수 있다. 또한, 프로세서(120)는 비디오 데이터에 대한 디코딩, 스케일링, 노이즈 필터링, 프레임 레이트 변환, 해상도 변환 등과 같은 다양한 이미지 처리를 수행할 수 있다.

다른 예에 따라, 프로세서(120)는 오디오 데이터에 대한 처리를 수행할 수 있다. 구체적으로, 프로세서(120)는 오디오 데이터에 대한 디코딩이나 증폭, 노이즈 필터링 등과 같은 다양한 처리가 수행될 수 있다.

출력부(150)는 음향 신호를 출력한다. 예를 들어, 출력부(150)는 프로세서(140)에서 처리된 디지털 음향 신호를 아날로그 음향 신호로 변환하고 증폭하여 출력할 수 있다. 예를 들어, 출력부(150)는 적어도 하나의 채널을 출력할 수 있는, 적어도 하나의 스피커 유닛, D/A 컨버터, 오디오 앰프(audio amplifier) 등을 포함할 수 있다. 일 예로, 출력부(150)는 L 채널, R 채널을 각각 재생하는 L 채널 스피커 및 R 채널 스피커를 포함할 수 있다. 다만, 이에 한정되는 것은 아니며, 출력부(150)는 다양한 형태로 구현가능하다. 다른 예로, 출력부(150)는 L 채널, R 채널, Center 채널을 재생하는 사운드 바 형태로 구현되는 것도 가능하다.

사용자 인터페이스(160)는 버튼, 터치 패드, 마우스 및 키보드와 같은 장치로 구현되거나, 상술한 디스플레이 기능 및 조작 입력 기능도 함께 수행 가능한 터치 스크린, 리모콘 수신부 등으로 구현될 수 있다. 여기서, 버튼은 영상 처리 장치(100)의 본체 외관의 전면부나 측면부, 배면부 등의 임의의 영역에 형성된 기계적 버튼, 터치 패드, 휠 등과 같은 다양한 유형의 버튼이 될 수 있다.

영상 처리 장치(100)는 구현 예에 따라 튜너, 복조부를 추가적으로 포함할 수 있다. 튜너(미도시)는 안테나를 통해 수신되는 RF(Radio Frequency) 방송 신호 중 사용자에 의해 선택된 채널 또는 기 저장된 모든 채널을 튜닝하여 RF 방송 신호를 수신할 수 있다. 복조부(미도시)는 튜너에서 변환된 디지털 IF 신호(DIF)를 수신하여 복조하고, 채널 복호화 등을 수행할 수도 있다. 또한, 영상 처리 장치(100)는 구현 예에 따라 리모콘 수신부(미도시)를 더 포함할 수 있다. 리모콘 송수신부(미도시)는 적외선 통신, 블루투스 통신 또는 와이파이 통신 중 적어도 하나의 통신 방식을 통해 외부 원격 제어 장치로부터 리모콘 신호를 수신하거나, 리모콘 신호를 송신할 수 있다.

도 15는 본 개시의 일 실시 예에 따른 영상 처리 방법을 설명하기 위한 흐름도이다.

도 15에 도시된 영상 처리 방법에 따르면, 우선, 영상 처리 장치(100)는 제1 프레임에 대응되는 제1 영역 검출 정보 저장한다(S1510).

이어서, 영상 처리 장치(100)는 제2 프레임에서 식별된 씨드 영역 및 제1 영역 검출 정보에 기초하여 영역 확장 처리를 수행하여(S1520), 제2 프레임에 대응되는 제2 영역 검출 정보를 획득할 수 있다(S1530). 여기서, 제2 프레임은 예를 들어 동영상 컨텐츠에서 제1 프레임 바로 이후 프레임 또는 제1 프레임 이이후 프레임이 될 수 있다.

이어서, 영상 처리 장치(100)는 획득된 제2 영역 검출 정보에 기초하여 제2 프레임을 영상 처리한다(S1540).

또한, 제2 영역 검출 정보를 획득하는 단계(S1520, S1530)에서는 식별된 씨드 영역에 인접한 제1 인접 픽셀 영역 및 제1 영역 검출 정보에 대응되는 제1 픽셀 영역에 인접한 제2 인접 픽셀 영역을 식별하고, 씨드 영역 및 제1 인접 픽셀 영역 간 유사도에 기초하여 씨드 영역에 대한 영역 확장 처리를 수행하고, 제1 픽셀 영역 및 제2 인접 픽셀 영역 간 유사도에 기초하여 제1 픽셀 영역에 대한 영역 확장 처리를 수행할 수 있다.

또한, 제2 영역 검출 정보를 획득하는 단계(S1520, S1530)에서는 씨드 영역 및 제1 인접 픽셀 영역 간 유사도가 임계 값 이상인 제3 픽셀 영역을 검출 영역에 추가하고, 제3 픽셀 영역에 인접한 제3 인접 픽셀 영역 및 제3 픽셀 영역 간 유사도가 임계 값 이상인 제4 픽셀 영역을 검출 영역에 추가하며, 제1 픽셀 영역 및 제2 인접 픽셀 영역 간 유사도가 임계 값 이상인 제5 픽셀 영역을 검출 영역에 추가하고, 제5 픽셀 영역에 인접한 제6 인접 픽셀 영역 및 제5 픽셀 영역 간 유사도가 임계 값 이상인 픽셀 영역을 검출 영역에 추가할 수 있다.

또한, 제2 영역 검출 정보를 획득하는 단계(S1520, S1530)에서는 제2 프레임을 복수 개의 픽셀 블록으로 식별하고, 복수 개의 픽셀 블록 중 제1 라인에 속한 픽셀 블록들 각각에 대해 씨드 영역인지 여부를 식별하면서 씨드 영역 또는 제1 픽셀 영역의 인접 픽셀 블록인지 여부를 식별하여 영역 검출을 수행하고, 제1 라인에 대한 영역 검출이 종료된 후 제2 라인에 속한 픽셀 블록들에 각각에 대해 영역 검출을 수행할 수 있다.

또한, 제2 영역 검출 정보를 획득하는 단계(S1520, S1530)에서는 제1 라인에 속한 픽셀 블록들 각각에 대해 제1 방향으로 순차적으로 영역 검출을 수행하고, 제2 라인에 속한 픽셀 블록들 각각에 대해 제1 방향과 상이한 제2 방향으로 순차적으로 영역 검출을 수행할 수 있다.

여기서, 제1 영역 검출 정보는, 제1 프레임에 포함된 복수의 픽셀 블록 각각이 검출 영역인지 여부를 나타내는 제1 식별 정보를 포함하고, 제2 영역 검출 정보는, 제2 프레임에 포함된 복수의 픽셀 블록 각각이 검출 영역인지 여부를 나타내는 제2 식별 정보를 포함할 수 있다. 이 경우, 제2 영역 검출 정보를 획득하는 단계(S1520, S1530)에서는 제1 식별 정보 및 제2 씨드 영역에 기초하여 제2 식별 정보를 획득할 수 있다.

또는, 제1 영역 검출 정보는, 제1 프레임에 포함된 복수의 픽셀 블록 각각이 검출 영역에 속할 제1 확률 정보를 포함하고, 제2 영역 검출 정보는, 제2 프레임에 포함된 복수의 픽셀 블록 각각이 검출 영역에 속할 제2 확률 정보를 포함할 수 있다. 이 경우, 제2 영역 검출 정보를 획득하는 단계(S1520, S1530)에서는 제1 확률 정보 및 제2 씨드 영역에 기초하여 제2 확률 정보를 획득할 수 있다.

실시 예에 따라, 제2 영역 검출 정보는, 제2 프레임에 포함된 현재 픽셀 블록을 기준으로 이전에 처리된 픽셀 블록에 대해서는 제2 프레임의 영역 검출 결과를 포함하고, 이후에 처리될 픽셀 블럭에 대해서는 제1 프레임의 영역 검출 결과를 포함할 수 있다.

또한, 영상 처리 장치(100)는 제1 영역 검출 정보가 획득되면, 제1 영역 검출 정보에 기초하여 제1 프레임을 영상 처리하고, 제1 영역 검출 정보를 저장할 수 있다. 또한, 영상 처리 장치(100)는 획득된 제2 영역 검출 정보에 기초하여 제2 프레임을 영상 처리하고, 제2 영역 검출 정보를 저장할 수 있다.

또한, 영상 처리 장치(100)는 제1 및 제2 영역 검출 정보에 기초하여 각각 d영상 처리된 제1 및 제2 프레임을 순차적으로 디스플레이할 수 있다. 여기서, 제1 및 제2 프레임은, 4K UHD(Ultra High Definition) 영상 또는 8K UHD 영상 프레임일 수 있다.

상술한 다양한 실시 예들에 따르면, 적은 연산(예를 들어 한번의 iteration) 으로 정확한 영역 검출 결과를 획득할 수 있게 된다. 즉, 프레임마다 씨드 영역이 상이하더라도 일관된 검출 결과를 획득할 수 있게 된다. 또한, 적은 연산으로 인해 메모리 사용량도 줄일 수 있게 된다.

한편, 본 개시의 일 실시 예에 따르면, 도 3a 및 도 3b, 도 4a 및 도 4b, 도 5a 및 도 5b에서 설명한 바와 같이 각 프레임에서 순차적으로 검출 영역이 점차 확장되는 형태가 될 수 있다. 이에 따라 각 출력 프레임에서 동일한 영상 처리가 수행된 영역이 점차 확장되는 형태가 될 수 있다. 예를 들어, 현재 출력되는 프레임에서 영상 처리(예를 들어 텍스처 처리)된 영역이 이전에 출력된 프레임에서 영상 처리된 영역에 비해 확장되고, 이후에 출력되는 프레임에서 동일하게 영상 처리된 영역이 현재 출력되는 프레임에 비해 확장된다면 본 개시의 일 실시 예를 침해한 것으로 판단할 수 있다. 여기서, 확장이란 현재 출력되는 프레임에서 영상 처리된 영역이 이전에 출력된 프레임에서 영상 처리된 영역을 포함하면서 추가적으로 다른 영역 포함하는 것을 의미한다.

다만, 본 개시의 다양한 실시 예들은 영상 처리 장치 뿐 아니라, 셋탑 박스와 같은 영상 수신 장치, TV와 같은 디스플레이 장치, 서버 등 영상 처리가 가능한 모든 영상 처리 장치에 적용될 수 있음은 물론이다.

한편, 상술한 본 개시의 다양한 실시 예들에 따른 방법들은, 기존 영상 처리 장치에 설치 가능한 어플리케이션 형태로 구현될 수 있다.

또한, 상술한 본 개시의 다양한 실시 예들에 따른 방법들은, 기존 영상 처리 장치에 대한 소프트웨어 업그레이드, 또는 하드웨어 업그레이드 만으로도 구현될 수 있다.

또한, 상술한 본 개시의 다양한 실시 예들은 영상 처리 장치에 구비된 임베디드 서버, 또는 영상 처리 장치 및 디스플레이 장치 중 적어도 하나의 외부 서버를 통해 수행되는 것도 가능하다.

한편, 본 개시의 일시 예에 따르면, 이상에서 설명된 다양한 실시 예들은 기기(machine)(예: 컴퓨터)로 읽을 수 있는 저장 매체(machine-readable storage media에 저장된 명령어를 포함하는 소프트웨어로 구현될 수 있다. 기기는, 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 동작이 가능한 장치로서, 개시된 실시 예들에 따른 영상 처리 장치(예: 영상 처리 장치(A))를 포함할 수 있다. 명령이 프로세서에 의해 실행될 경우, 프로세서가 직접, 또는 프로세서의 제어 하에 다른 구성요소들을 이용하여 명령에 해당하는 기능을 수행할 수 있다. 명령은 컴파일러 또는 인터프리터에 의해 생성 또는 실행되는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 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.

또한, 본 개시의 일 실시 예에 따르면, 이상에서 설명된 다양한 실시 예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 온라인으로 배포될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.

또한, 상술한 다양한 실시 예들에 따른 구성 요소(예: 모듈 또는 프로그램) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소가 다양한 실시 예에 더 포함될 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다. 다양한 실시 예들에 따른, 모듈, 프로그램 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.

이상에서는 본 개시의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 개시는 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 개시의 요지를 벗어남이 없이 당해 개시에 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 개시의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.

100: 영상 처리 장치 110: 메모리
120: 프로세서

Claims (20)

1. 제1 프레임에 대응되는 제1 영역 검출 정보가 저장된 메모리; 및
   제2 프레임에서 식별된 씨드(seed) 영역 및 상기 제1 영역 검출 정보에 대응되는 제1 픽셀 영역에 기초하여 영역 확장 처리(region growing processing)를 수행하여, 상기 제2 프레임에 대응되는 제2 영역 검출 정보를 획득하고,
   상기 획득된 제2 영역 검출 정보에 기초하여 상기 제2 프레임을 영상 처리하는 프로세서;를 포함하고,
   상기 프로세서는,
   상기 식별된 씨드 영역에 인접한 제1 인접 픽셀 영역 및 상기 제1 픽셀 영역에 인접한 제2 인접 픽셀 영역 각각에 기초하여 영역 확장 처리를 수행하는 영상 처리 장치.
2. 제1항에 있어서,
   상기 프로세서는,
   상기 씨드 영역 및 상기 제1 인접 픽셀 영역 간 유사도에 기초하여 상기 씨드 영역에 대한 영역 확장 처리를 수행하고,
   상기 제1 픽셀 영역 및 상기 제2 인접 픽셀 영역 간 유사도에 기초하여 상기 제1 픽셀 영역에 대한 영역 확장 처리를 수행하는, 영상 처리 장치.
3. 제2항에 있어서,
   상기 프로세서는,
   상기 씨드 영역 및 상기 제1 인접 픽셀 영역 간 유사도가 임계 값 이상인 제3 픽셀 영역을 검출 영역에 추가하고,
   상기 제3 픽셀 영역에 인접한 제3 인접 픽셀 영역 및 상기 제3 픽셀 영역 간 유사도가 임계 값 이상인 제4 픽셀 영역을 상기 검출 영역에 추가하며,
   상기 제1 픽셀 영역 및 상기 제2 인접 픽셀 영역 간 유사도가 상기 임계 값 이상인 제5 픽셀 영역을 상기 검출 영역에 추가하고,
   상기 제5 픽셀 영역에 인접한 제6 인접 픽셀 영역 및 상기 제5 픽셀 영역 간 유사도가 임계 값 이상인 픽셀 영역을 상기 검출 영역에 추가하는, 영상 처리 장치.
4. 제2항에 있어서,
   상기 프로세서는,
   상기 제2 프레임을 복수 개의 픽셀 블록으로 식별하고, 상기 복수 개의 픽셀 블록 중 제1 라인에 속한 픽셀 블록들 각각에 대해 상기 씨드 영역인지 여부를 식별하면서 상기 씨드 영역 또는 제1 픽셀 영역의 인접 픽셀 블록인지 여부를 식별하여 영역 검출을 수행하고,
   상기 제1 라인에 대한 영역 검출이 종료된 후 제2 라인에 속한 픽셀 블록들에 각각에 대해 영역 검출을 수행하는, 영상 처리 장치.
5. 제4항에 있어서,
   상기 프로세서는,
   상기 제1 라인에 속한 픽셀 블록들 각각에 대해 제1 방향으로 순차적으로 영역 검출을 수행하고,
   상기 제2 라인에 속한 픽셀 블록들 각각에 대해 상기 제1 방향과 상이한 제2 방향으로 순차적으로 영역 검출을 수행하는, 영상 처리 장치.
6. 제1항에 있어서,
   상기 제1 영역 검출 정보는, 상기 제1 프레임에 포함된 복수의 픽셀 블록 각각이 검출 영역에 속할 제1 확률 정보를 포함하고,
   상기 제2 영역 검출 정보는, 상기 제2 프레임에 포함된 복수의 픽셀 블록 각각이 상기 검출 영역에 속할 제2 확률 정보를 포함하고,
   상기 프로세서는,
   상기 제1 확률 정보 및 상기 씨드 영역과 다른 제2 씨드 영역에 기초하여 상기 제2 확률 정보를 획득하는, 영상 처리 장치.
7. 제1항에 있어서,
   상기 제1 영역 검출 정보는, 상기 제1 프레임에 포함된 복수의 픽셀 블록 각각이 검출 영역인지 여부를 나타내는 제1 식별 정보를 포함하고,
   상기 제2 영역 검출 정보는, 상기 제2 프레임에 포함된 복수의 픽셀 블록 각각이 상기 검출 영역인지 여부를 나타내는 제2 식별 정보를 포함하며,
   상기 프로세서는,
   상기 제1 식별 정보 및 상기 씨드 영역과 다른 제2 씨드 영역에 기초하여 상기 제2 식별 정보를 획득하는, 영상 처리 장치.
8. 제1항에 있어서,
   상기 프로세서는,
   상기 제2 프레임을 복수 개의 픽셀 블록으로 식별하고, 상기 복수 개의 픽셀 블록 각각에 대해 순차적으로 영역 검출을 수행하며,
   상기 제2 영역 검출 정보는,
   상기 제2 프레임에 포함된 현재 픽셀 블록을 기준으로 이전에 처리된 픽셀 블록에 대해서는 상기 제2 프레임의 영역 검출 결과를 포함하고, 이후에 처리될 픽셀 블럭에 대해서는 상기 제1 프레임의 영역 검출 결과를 포함하는, 영상 처리 장치.
9. 제1항에 있어서,
   상기 프로세서는,
   상기 제1 영역 검출 정보가 획득되면, 상기 제1 영역 검출 정보에 기초하여 상기 제1 프레임을 영상 처리하고, 상기 제1 영역 검출 정보를 상기 메모리에 저장하며,
   상기 획득된 제2 영역 검출 정보에 기초하여 상기 제2 프레임을 영상 처리하고, 상기 제2 영역 검출 정보를 상기 메모리에 저장하는, 영상 처리 장치.
10. 제1항에 있어서,
    상기 제2 영역 검출 정보는,
    상기 제2 프레임의 영역 검출 결과에 기초하여 상기 메모리에 저장된 상기 제1 영역 검출 정보를 업데이트하여 획득되는, 영상 처리 장치.
11. 제1항에 있어서,
    디스플레이;를 더 포함하며,
    상기 프로세서는,
    상기 영상 처리된 제1 및 제2 프레임을 순차적으로 디스플레이하도록 상기 디스플레이를 제어하며,
    상기 제1 프레임은 상기 영상 처리된 제1 영역을 포함하고,
    상기 제2 프레임은 상기 영상 처리된 제2 영역을 포함하고,
    상기 제2 영역은 상기 제1 영역 및 상기 제1 영역 외의 제3 영역을 포함하는, 영상 처리 장치.
12. 제1항에 있어서,
    상기 제1 및 제2 프레임은,
    4K UHD(Ultra High Definition) 영상 또는 8K UHD 영상 프레임인, 영상 처리 장치.
13. 제1항에 있어서,
    상기 프로세서는,
    상이한 색상 정보에 기초하여 식별된 각 씨드 영역에 기초하여 영역 확장 처리를 수행하고,
    상기 제2 영역 검출 정보에 포함된 상이한 색상의 각 객체 영역 별로 영상 처리를 수행하는, 영상 처리 장치.
14. 제13항에 있어서,
    상기 프로세서는,
    상기 제2 프레임 및 상기 제2 영역 검출 정보를 학습 네트워크 모델에 적용하여 영상 처리된 출력 영상을 획득하며,
    상기 학습 네트워크 모델은,
    상이한 색상의 각 객체 영역 별로 개별적으로 영상 처리를 적용하도록 학습된 모델인, 영상 처리 장치.
15. 제14항에 있어서,
    상기 학습 네트워크 모델은,
    상이한 색상의 각 객체 영역 별로 개별적으로 콘트라스트 조정을 수행하도록 학습된 모델인, 영상 처리 장치.
16. 영상 처리 장치의 영상 처리 방법에 있어서,
    제1 프레임에 대응되는 제1 영역 검출 정보 저장하는 단계;
    제2 프레임에서 식별된 씨드 영역 및 상기 제1 영역 검출 정보에 대응되는 제1 픽셀 영역에 기초하여 영역 확장 처리를 수행하여, 상기 제2 프레임에 대응되는 제2 영역 검출 정보를 획득하는 단계;
    상기 획득된 제2 영역 검출 정보에 기초하여 상기 제2 프레임을 영상 처리하는 단계; 및
    상기 식별된 씨드 영역에 인접한 제1 인접 픽셀 영역 및 상기 제1 픽셀 영역에 인접한 제2 인접 픽셀 영역 각각에 기초하여 영역 확장 처리를 수행하는 단계;를 포함하는 영상 처리 방법.
17. 제16항에 있어서,
    상기 제2 영역 검출 정보를 획득하는 단계는,
    상기 씨드 영역 및 상기 제1 인접 픽셀 영역 간 유사도에 기초하여 상기 씨드 영역에 대한 영역 확장 처리를 수행하고,
    상기 제1 픽셀 영역 및 상기 제2 인접 픽셀 영역 간 유사도에 기초하여 상기 제1 픽셀 영역에 대한 영역 확장 처리를 수행하는, 영상 처리 방법.
18. 제17항에 있어서,
    상기 제2 영역 검출 정보를 획득하는 단계는,
    상기 씨드 영역 및 상기 제1 인접 픽셀 영역 간 유사도가 임계 값 이상인 제3 픽셀 영역을 검출 영역에 추가하고,
    상기 제3 픽셀 영역에 인접한 제3 인접 픽셀 영역 및 상기 제3 픽셀 영역 간 유사도가 임계 값 이상인 제4 픽셀 영역을 상기 검출 영역에 추가하며,
    상기 제1 픽셀 영역 및 상기 제2 인접 픽셀 영역 간 유사도가 상기 임계 값 이상인 제5 픽셀 영역을 상기 검출 영역에 추가하고,
    상기 제5 픽셀 영역에 인접한 제6 인접 픽셀 영역 및 상기 제5 픽셀 영역 간 유사도가 임계 값 이상인 픽셀 영역을 상기 검출 영역에 추가하는, 영상 처리 방법.
19. 제17항에 있어서,
    상기 제2 영역 검출 정보를 획득하는 단계는,
    상기 제2 프레임을 복수 개의 픽셀 블록으로 식별하고, 상기 복수 개의 픽셀 블록 중 제1 라인에 속한 픽셀 블록들 각각에 대해 상기 씨드 영역인지 여부를 식별하면서 상기 씨드 영역 또는 제1 픽셀 영역의 인접 픽셀 블록인지 여부를 식별하여 영역 검출을 수행하고,
    상기 제1 라인에 대한 영역 검출이 종료된 후 제2 라인에 속한 픽셀 블록들에 각각에 대해 영역 검출을 수행하는, 영상 처리 방법.
20. 영상 처리 장치의 프로세서에 의해 실행되는 경우 상기 영상 처리 장치가 동작을 수행하도록 하는 컴퓨터 명령을 저장하는 비일시적 컴퓨터 판독 가능 매체에 있어서, 상기 동작은,
    제1 프레임에 대응되는 제1 영역 검출 정보를 저장하는 단계;
    제2 프레임에서 식별된 씨드 영역 및 상기 제1 영역 검출 정보에 대응되는 제1 픽셀 영역에 기초하여 영역 확장 처리를 수행하여, 상기 제2 프레임에 대응되는 제2 영역 검출 정보를 획득하는 단계;
    상기 획득된 제2 영역 검출 정보에 기초하여 상기 제2 프레임을 영상 처리하는 단계; 및
    상기 식별된 씨드 영역에 인접한 제1 인접 픽셀 영역 및 상기 제1 픽셀 영역에 인접한 제2 인접 픽셀 영역 각각에 기초하여 영역 확장 처리를 수행하는 단계;를 포함하는, 비일시적 컴퓨터 판독 가능 매체.

Images