KR102382962B1 - 영상의 세그먼트 처리 방법 및 세그먼트 처리 방법을 수행하는 장치 - Google Patents

영상의 세그먼트 처리 방법 및 세그먼트 처리 방법을 수행하는 장치 Download PDF

Info

Publication number
KR102382962B1
KR102382962B1 KR1020190162826A KR20190162826A KR102382962B1 KR 102382962 B1 KR102382962 B1 KR 102382962B1 KR 1020190162826 A KR1020190162826 A KR 1020190162826A KR 20190162826 A KR20190162826 A KR 20190162826A KR 102382962 B1 KR102382962 B1 KR 102382962B1
Authority
KR
South Korea
Prior art keywords
segments
segment
image
input image
highest point
Prior art date
Application number
KR1020190162826A
Other languages
English (en)
Other versions
KR20210072475A (ko
Inventor
류홍근
Original Assignee
재단법인대구경북과학기술원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 재단법인대구경북과학기술원 filed Critical 재단법인대구경북과학기술원
Priority to KR1020190162826A priority Critical patent/KR102382962B1/ko
Publication of KR20210072475A publication Critical patent/KR20210072475A/ko
Application granted granted Critical
Publication of KR102382962B1 publication Critical patent/KR102382962B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06K9/6267—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

영상의 세그먼트 처리 방법 및 세그먼트 처리 방법을 수행하는 장치가 개시된다. 본 발명의 일실시예에 따른 세그먼트 처리 방법은 입력 영상에서 복수의 세그먼트들을 식별하는 단계; 상기 식별된 복수의 세그먼트들 각각으로부터 세그먼트의 특징 데이터를 결정하는 단계; 및 상기 세그먼트의 특징 데이터에 기초하여 상기 식별된 복수의 세그먼트들 중 동일한 객체에 대응하는 세그먼트들을 분류하는 단계를 포함할 수 있다.

Description

영상의 세그먼트 처리 방법 및 세그먼트 처리 방법을 수행하는 장치{Method and Device for Processing Segments of Video}
본 발명은 영상의 세그먼트 처리 방법 및 세그먼트 처리 방법을 수행하는 장치에 관한 것으로, 보다 구체적으로는 영상에서 동일한 객체에 대응하는 서로 다른 세그먼트들을 결정함으로써 세그먼트를 분류하는 방법 및 장치에 관한 것이다.
최근에 영상에서 객체를 인식하거나 분석하는 기술에 대한 연구가 활발히 이루어지고 있다. 영상에서 원하는 정보를 얻기 위해서 기계학습이나 딥러닝이 많이 이용된다.
그러나, 영상에서 객체를 인식하거나 추출하기 위한 기계학습이나 딥러닝을 할 때, 영상을 그대로 사용할 경우 원하는 정보를 추출하기 어려운 단점이 있다. 따라서, 영상에서 객체를 인식하거나 추출하기 위해 영상을 가공하고, 객체에 대응하는 세그먼트를 이용하는 기술이 요구된다.
본 발명은 영상을 변환하여 세그먼트를 식별하고, 영상에서 동일한 객체에 대응하는 서로 다른 세그먼트들을 분류함으로써 영상에서 객체의 영역과 같은 객체 정보를 획득하는 방법 및 장치를 제공한다.
본 발명의 일실시예에 따른 세그먼트 처리 방법은 입력 영상에서 복수의 세그먼트들을 식별하는 단계; 상기 식별된 복수의 세그먼트들 각각으로부터 세그먼트의 특징 데이터를 결정하는 단계; 및 상기 세그먼트의 특징 데이터에 기초하여 상기 식별된 복수의 세그먼트들 중 동일한 객체에 대응하는 세그먼트들을 분류하는 단계를 포함할 수 있다.
상기 세그먼트를 식별하는 단계는, 상기 입력 영상의 픽셀값과 변환 영상을 위한 기준값을 비교하여 상기 입력 영상으로부터 변환 영상을 생성하는 단계; 및 상기 변환 영상에서 유사한 속성을 나타내는 영역들의 집합인 세그먼트를 결정하는 단계를 포함할 수 있다.
상기 세그먼트의 특징 데이터를 결정하는 단계는, 상기 입력 영상으로부터 식별된 세그먼트에서 적어도 하나의 최고점을 결정하거나 또는 적어도 하나의 최저점을 결정할 수 있다.
상기 세그먼트들을 분류하는 단계는, 상기 최고점 또는 최저점을 이용하여 세그먼트들이 동일한 객체에 대응하는 세그먼트인지 여부를 판단할 수 있다.
상기 최저점 또는 최고점은, 상기 세그먼트에 속하는 기준 픽셀 및 상기 기준 픽셀에 인접한 주변 픽셀들을 비교함으로써 결정될 수 있다.
상기 동일한 객체에 대응하는 세그먼트인지 여부를 판단하는 단계는, 상기 복수의 세그먼트들 중 하나의 세그먼트에 속하는 상기 최고점 및 최저점을 연결하는 내부 라인을 생성하는 단계; 및 상기 복수의 세그먼트들 중 서로 다른 세그먼트에 포함된 내부 라인 간의 거리 및 방향 차이에 기초하여 상기 서로 다른 세그먼트들이 동일한 객체에 대응하는 세그먼트인지 여부를 결정할 수 있다.
상기 세그먼트들을 분류하는 단계는, 상기 복수의 세그먼트들 중에서 서로 다른 세그먼트들이 외부 라인으로 연결되는 경우, 상기 서로 다른 세그먼트들이 동일한 객체에 대응하는 세그먼트 인지 여부를 판단할 수 있다.
본 발명의 일실시예에 따른 영상의 세그먼트를 기계학습에 이용하여 객체를 추출하는 방법은 입력 영상의 픽셀값과 변환 영상을 위한 기준값을 비교하여 상기 입력 영상으로부터 변환 영상을 생성하는 단계; 상기 변환 영상에서 유사한 속성을 나타내는 영역들의 집합인 세그먼트를 결정하는 단계; 상기 서로 다른 세그먼트들이 동일한 객체에 대응하는 세그먼트들을 분류하는 단계; 상기 세그먼트들을 실제 영상의 객체와 비교하여 상기 기준값을 업데이트하는 단계를 포함할 수 있다.
본 발명의 일실시예에 따른 세그먼트 처리 방법을 수행하는 세그먼트 처리 장치에 있어서, 세그먼트 처리 장치는 프로세서를 포함하고, 상기 프로세서는, 입력 영상에서 복수의 세그먼트들을 식별하고, 상기 식별된 복수의 세그먼트들 각각으로부터 세그먼트의 특징 데이터를 결정하고, 상기 세그먼트의 특징 데이터에 기초하여 상기 식별된 복수의 세그먼트들 중 동일한 객체에 대응하는 세그먼트들을 분류할 수 있다.
상기 프로세서는, 상기 입력 영상의 픽셀값과 변환 영상을 위한 기준값을 비교하여 상기 입력 영상으로부터 변환 영상을 생성하고, 상기 변환 영상에서 유사한 속성을 나타내는 영역들의 집합인 세그먼트를 결정할 수 있다.
상기 프로세서는, 상기 입력 영상으로부터 식별된 세그먼트에서 적어도 하나의 최고점을 결정하거나 또는 적어도 하나의 최저점을 결정하고, 상기 최고점 또는 최저점을 이용하여 세그먼트들이 동일한 객체에 대응하는 세그먼트인지 여부를 판단할 수 있다.
상기 최저점 또는 최고점은, 상기 세그먼트에 속하는 기준 픽셀 및 상기 기준 픽셀에 인접한 주변 픽셀들을 비교함으로써 결정될 수 있다.
상기 프로세서는, 상기 복수의 세그먼트들 중 하나의 세그먼트에 속하는 상기 최고점 및 최저점을 연결하는 내부 라인을 생성하고, 상기 복수의 세그먼트들 중 서로 다른 세그먼트에 포함된 내부 라인 간의 거리 및 방향 차이에 기초하여 상기 서로 다른 세그먼트들이 동일한 객체에 대응하는 세그먼트인지 여부를 결정할 수 있다.
상기 프로세서는, 상기 복수의 세그먼트들 중에서 서로 다른 세그먼트들이 외부 라인으로 연결되는 경우, 상기 서로 다른 세그먼트들이 동일한 객체에 대응하는 세그먼트 인지 여부를 판단할 수 있다.
본 발명의 일실시예에 따른 영상의 세그먼트를 기계학습에 이용하여 객체를 추출하는 방법을 수행하는 객체 추출 장치에 있어서, 객체 추출 장치는 프로세서를 포함하고, 상기 프로세서는, 입력 영상의 픽셀값과 변환 영상을 위한 기준값을 비교하여 상기 입력 영상으로부터 변환 영상을 생성하고, 상기 변환 영상에서 유사한 속성을 나타내는 영역들의 집합인 세그먼트를 결정하고, 상기 서로 다른 세그먼트들이 동일한 객체에 대응하는 세그먼트들을 분류하고, 상기 세그먼트들을 실제 영상의 객체와 비교하여 상기 기준값을 업데이트할 수 있다.
본 발명의 일실시예에 따르면 영상을 변환하여 세그먼트를 식별하고, 영상에서 동일한 객체에 대응하는 서로 다른 세그먼트들을 분류함으로써 영상에서 객체의 영역과 같은 정보를 획득할 수 있다.
도 1은 본 발명의 일실시예에 따른 영상의 세그먼트 처리 장치의 구조를 도시한 도면이다.
도 2는 발명의 일실시예에 따른 영상의 세그먼트 처리 방법의 플로우 차트를 도시한 도면이다.
도 3는 본 발명의 일실시예에 따른 변환된 영상에 포함되는 복수의 세그먼트 및 세그먼트의 특징 데이터를 추출한 예시를 도시한 도면이다.
도 4는 본 발명의 일실시예에 따른 영상을 변환하는 예 및 세그먼트와 연관된 라인을 추출한 예를 도시한 도면이다.
도 5는 본 발명의 일실시예에 따른 영상의 세그먼트에서 최고점 및 최저점을 추출하는 과정을 도시한 도면이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 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.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
도 1은 본 발명의 일실시예에 따른 영상의 세그먼트 처리 장치의 구조를 도시한 도면이다.
본 발명의 세그먼트 처리 장치(101)는 프로세서를 포함한다. 세그먼트 처리 장치(101)에 포함된 프로세서는 본 발명의 세그먼트 처리 방법을 수행할 수 있다. 세그먼트 처리 장치(101)는 입력 영상에서 세그먼트를 식별하고, 세그먼트의 특징 데이터를 추출함으로써 동일한 객체에 대응하는 세그먼트들을 분류할 수 있다.
세그먼트들을 분류하기 위해 세그먼트 처리 장치(101)는 먼저 입력 영상을 수신하고, 입력 영상에 포함된 복수의 세그먼트를 식별할 수 있다. 여기서 세그먼트는 입력 영상을 구성하는 픽셀들의 픽셀 값에 기초하여 결정될 수 있다.
구체적으로, 세그먼트 처리 장치(101)는 입력 영상을 픽셀 값에 기초하여 변환한다. 이 때, 세그먼트 처리 장치(101)는 변환 영상을 위한 기준값을 설정하고 입력 영상의 픽셀값을 기준값과 비교하여 변환 영상을 생성한다.
일례로, 입력 영상이 8 비트의 픽셀로 구성된 경우, 픽셀 값은 0-256일 수 있다. 세그먼트 처리 장치(101)는 기준값을 128로 설정하고, 입력 영상을 구성하는 모든 픽셀 각각에 대해 픽셀 값이 128 보다 미만인 경우는 0으로, 128 이상인 경우는 1로 픽셀값을 수정함으로써 입력 영상을 변환할 수 있다. 이에 따라, 변환 영상은 도 1의 세그먼트 처리 장치(101)에 의한 출력 결과와 같이 0 또는 1의 픽셀 값을 가지는 픽셀들로만 구성될 수 있다.
세그먼트 처리 장치(101)는 영상에서 객체를 정확하게 추출하기 위해 영상을 변환하는 것이기 때문에, 세그먼트 처리 장치(101)는 세그먼트를 분류한 결과와 영상에서 실제 객체와의 대응 정도에 따라 기준값을 업데이트하거나 조정할 수 있다. 즉, 기준값은 가능한 픽셀 값들 중 중간 값으로 설정될 수 있고, 또는 세그먼트를 정확히 분류하기 위해 복수의 기준값이 존재할 수 있다.
또한, 세그먼트 처리 장치(101)는 기계학습이나 딥러닝을 통해 영상의 세그먼트를 분류한 결과와 영상에서 실제 객체와의 대응하는 정도에 따라 기준값을 업데이트할 수 있다.
세그먼트는 변환된 영상에서 픽셀값과 같은 속성이 유사한 영역들의 집합을 의미할 수 있다. 일례로, 도 1에서 출력결과 변환 영상은 0 또는 1의 픽셀 값을 가지는 픽셀들로만 구성되고, 도 1의 102, 103과 같이 같은 픽셀 값을 가지는 픽셀들끼리 폐쇄된 영역을 이루고 있는 경우, 하나의 세그먼트로 정의될 수 있다. 다만, 픽셀값 동일한 경우뿐만 아니라, 유사하거나 다른 속성이 유사한 경우에도 하나의 세그먼트로 식별될 수 있다.
따라서 하나의 세그먼트는 변환 전의 입력 영상에서 배경이 아닌 객체에 대응될 수 있다. 다만, 변환 영상에서 식별된 세그먼트들은 분리되어 있더라도 변환 전의 입력 영상에서 하나의 객체에 대응될 수 있다.
도 2의 세그먼트 처리 장치(101)에 의한 출력 결과는 변환된 영상에서 4개의 세그먼트가 식별된 것을 도시한 것이다. 이 때, 세그먼트 처리 장치(101)는 세그먼트들(102, 103)이 입력 영상에 포함된 하나의 객체인 객체1에 대응하는 것으로 분류한다.
세그먼트 처리 장치(101)는 세그먼트들이 동일한 객체에 대응하는 세그먼트인지 여부를 판단하기 위해서 세그먼트의 특징 데이터를 이용할 수 있다. 세그먼트 처리 장치(101)는 복수의 세그먼트들 각각에서 특징 데이터를 결정할 수 있다.
여기서 특징 데이터는 하나의 세그먼트에 속하는 하나 이상의 최고점, 최저점, 최좌점 및 최우점을 포함할 수 있다. 또한, 특징 데이터는 최고점 및 최저점을 연결하거나 최좌점 및 최우점을 연결하는 내부 라인과 서로 다른 세그먼트를 연결하는 외부 라인을 포함할 수 있다.
최고점, 최저점, 최좌점 및 최우점은 한 세그먼트를 이루는 영역 별로 존재할 수 있다. 즉, 본 발명에서 최고점, 최저점, 최좌점 및 최우점은 한 세그먼트에 포함된 영역 내 최고점, 최저점, 최좌점 및 최우점일 수 있다. 세그먼트 처리 장치(101)는 추출한 최고점, 최저점, 최좌점 및 최우점을 이용하여 최고점 및 최저점을 연결하거나 최좌점 및 최우점을 연결하는 내부 라인을 생성할 수 있다.
세그먼트 처리 장치(101)는 서로 다른 세그먼트들 간의 내부 라인의 방향에 기초하여 하나의 객체에 대응하는 세그먼트들인지 판단할 수 있다. 외부 라인은 서로 다른 세그먼트들에 포함된 내부 라인을 연결하는 라인을 의미할 수 있다.
서로 다른 세그먼트들에 포함된 내부 라인이 일정한 조건을 만족할 때 세그먼트 처리 장치(101)는 외부라인을 생성한다. 세그먼트 처리 장치(101)는 외부 라인이 연결된 세그먼트들을 하나의 객체에 대응하는 것으로 세그먼트들을 분류할 수 있다.
본 발명이 적용되는 일례로, 본 발명의 세그먼트 처리 장치(101)는 과수원 영상에서 과수원에서 주행로를 추정하는 데 이용될 수 있다. 즉, 세그먼트 처리 장치(101)는 과수원 영상에서 세그먼트들을 객체로 분류함으로써 나무 영역 및 나무와 지면의 경계 지점의 후보를 결정할 수 있다. 또한, 기계학습이나 딥러닝을 적용하여 세그먼트 처리 장치(101)는 세그먼트들을 객체에 정확히 분류함으로써 나무 영역 및 나무와 지면의 경계를 추출할 수 있다.
도 2는 발명의 일실시예에 따른 영상의 세그먼트 처리 방법의 플로우 차트를 도시한 도면이다.
단계(201)에서, 세그먼트 처리 장치는 입력 영상에서 복수의 세그먼트들을 식별할 수 있다. 세그먼트 처리 장치는 입력 영상에서 유사한 속성을 나타내는 영역들을 추출하여 세그먼트로 식별할 수 있다.
세그먼트 처리 장치는 입력 영상의 픽셀값과 변환 영상을 위한 기준값을 비교하여 상기 입력 영상으로부터 변환 영상을 생성할 수 있다. 일례로, 입력 영상에 포함된 픽셀들의 픽셀값이 미리 설정한 기준값보다 클 경우와 작을 경우로 나누어 입력 영상을 2가지의 픽셀 값 중 하나의 픽셀 값을 갖도록 함으로써 변환 영상을 생성할 수 있다.
또는, 세그먼트 처리 장치는 복수의 기준 값을 설정하고 기준값과 입력 영상의 픽셀값을 비교하여 기준값에 따라 미리 정한 픽셀값 중 하나의 픽셀 값을 갖도록 함으로써 변환 영상을 생성할 수 있다. 다른 예로, 픽셀 값이 아닌 영상에서의 위치 정보나 인접 픽셀들에 대한 정보와 같은 다른 속성을 이용하여 영상을 변환할 수 있다.
세그먼트 처리 장치는 변환 영상에서 유사한 속성을 나타내는 영역들의 집합을 세그먼트로 결정할 수 있다. 일례로, 세그먼트는 변환 영상에서 동일한 픽셀값을 가지는 픽셀들이 인접한 영역들의 집합을 의미할 수 있다. 또한, 세그먼트는 변환된 영상에서 같은 픽셀 값을 가지는 픽셀들이 인접해서 모여 있으면서 다른 픽셀 값을 갖는 픽셀들로 둘러싸인 영역을 의미할 수 있다.
단계(202)에서, 세그먼트 처리 장치는 식별된 복수의 세그먼트들 각각으로부터 세그먼트의 특징 데이터를 결정할 수 있다. 특징 데이터는 최고점, 최저점, 최좌점 및 최우점을 포함하고, 최고점 및 최저점을 연결하거나 최좌점 및 최우점을 연결하는 내부 라인 및 서로 다른 세그먼트를 연결하는 외부 라인을 포함할 수 있다.
최고점, 최저점, 최좌점 및 최우점은 구체적으로 아래 과정을 통해 결정된다. 세그먼트 처리 장치는 세그먼트에 속하는 기준 픽셀을 설정하고, 기준 픽셀에 인접한 주변 픽셀들을 비교함으로써 최고점, 최저점, 최좌점 및 최우점을 결정할 수 있다.
세그먼트 처리 장치는 기준 픽셀을 주변 픽셀에 따라 업데이트하면서 최고점, 최저점, 최좌점 및 최우점을 결정할 수 있다. 구체적인 최고점, 최저점, 최좌점 및 최우점을 결정하는 과정은 도 5에서 후술한다.
단계(203)에서, 세그먼트 처리 장치는 세그먼트의 특징 데이터에 기초하여 식별된 복수의 세그먼트들 중 동일한 객체에 대응하는 세그먼트들을 분류할 수 있다.
세그먼트 처리 장치는 최고점 또는 최저점을 이용하여 세그먼트들이 동일한 객체에 대응하는 세그먼트인지 여부를 판단할 수 있다. 구체적으로, 특정 세그먼트의 최고점과 다른 세그먼트의 최저점이 일정한 조건을 만족하는 경우, 두 세그먼트를 하나의 객체에 대응하는 세그먼트로 결정할 수 있다. 이 때, 일정한 조건은 두 점을 연결하는 외부 라인의 각도, 세그먼트의 방향, 세그먼트에 포함된 내부 라인의 방향, 두 점의 거리에 대한 조건을 포함할 수 있다.
일례로, 세그먼트 처리 장치는 복수의 세그먼트들 각각의 세그먼트에 속하는 최고점 및 최저점을 연결하는 내부 라인을 생성할 수 있다. 세그먼트 처리 장치는 결정된 최고점과 같은 세그먼트에 속하고, 결정된 최고점과 일정 각도 범위 내에 대응되는 최저점을 연결함으로써 내부 라인을 생성할 수 있다.
최고점과 같은 세그먼트에 속하고, 최고점과 일정 각도 범위 내에 최저점이 존재하지 않는 경우, 세그먼트 처리 장치는 최고점과 영상의 가로축 상 위치가 동일하고, 영상의 세로축 상 위치가 세그먼트 내에서 가장 하단에 위치한 픽셀을 고점과 연결함으로써 내부 라인을 생성할 수 있다.
세그먼트 처리 장치는 복수의 세그먼트들 중 서로 다른 세그먼트에 포함된 내부 라인 간의 거리 및 방향 차이에 기초하여 서로 다른 세그먼트들이 동일한 객체에 대응하는 세그먼트인지 여부를 결정할 수 있다. 이 때, 내부 라인 간의 방향 차이는 내부 라인 간의 각도 차이를 의미할 수 있다.
따라서, 내부 라인 간의 방향이나 거리 차이가 미리 정해진 범위 내일 경우, 세그먼트 처리 장치는 내부 라인을 포함하는 서로 다른 세그먼트를 하나의 객체에 대응하는 세그먼트로 판단할 수 잇다.
일례로, 복수의 세그먼트들 중에서 서로 다른 세그먼트들이 외부 라인으로 연결되는 경우, 세그먼트 처리 장치는 서로 다른 세그먼트들이 동일한 객체에 대응하는 세그먼트 인지 여부를 판단할 수 있다.
외부 라인은 서로 다른 세그먼트를 연결하는 라인을 의미할 수 있다. 외부 라인은 서로 다른 세그먼트에 포함된 내부 라인 간의 거리 및 방향 차이가 미리 정해진 범위 내일 경우 두 내부 라인을 연결하는 라인일 수 있다.
변환된 영상에서 서로 다른 세그먼트가 위, 아래로 세그먼트 처리 장치는 내부 라인 및 외부 라인을 생성하면서 표 1과 같은 내부 라인 및 외부 라인과 관련된 특징 데이터를 결정할 수 있다. 표 1에서 서로 다른 세그먼트는 변환된 영상에서 위, 아래로 배치되어 있는 경우이다.
Figure 112019127020893-pat00001
세그먼트 처리 장치는 위 특징 데이터들을 이용하여 세그먼트에 대응하는 객체에 대한 정보를 획득할 수 있다.
도 3는 본 발명의 일실시예에 따른 변환된 영상에 포함되는 복수의 세그먼트 및 세그먼트의 특징 데이터를 추출한 예시를 도시한 도면이다.
도 3는 세그먼트 처리 장치가 영상을 변환하고, 변환된 영상에서 각 세그먼트(310, 320, 330, 340, 350)의 최고점(311, 321, 331, 341-343, 351), 최저점(312, 322, 332, 352, 344-346)을 결정하고, 내부 라인(303-308) 및 외부 라인(301, 302)을 생성한 예를 도시한 도면이다.
도 3에서 세그먼트 처리 장치는 입력 영상의 픽셀값을 기준값과 비교한 결과에 따라 입력 영상의 픽셀값이 1과 0이 되도록 변환하여 변환 영상을 생성한 것이다. 도 3에서 픽셀값이 1인 영역의 집합마다 각각 하나의 세그먼트(310, 320, 330, 340, 350)로 식별된다.
도 3에서 세그먼트(310)는 단일한 최고점(311) 및 최저점(312)을 포함하고 있고, 그 최고점(311)과 최저점(312)를 잇는 내부 라인(303)을 추출하여 점선으로 표시한 것이다. 다른 예로, 세그먼트(340)은 단일한 세그먼트이지만 최고점 및 최저점은 영역 별로 추출되기 때문에 복수의 최고점(341-343)과 복수의 최저점(344-346)을 포함하고 있다. 이에 따라, 최고점 및 최저점을 잇는 내부 라인 또한 3개(306-308)가 추출되었다.
도 3에서 세그먼트(340)에서 최고점(341)과 최저점(345) 사이에 내부 라인이 생성되지 않은 이유는 최저점(345)가 최고점(341)에서 일정 각도 범위 내에 대응되는 최저점이 아니기 때문이다. 이와 마찬가지로, 세그먼트(350)과 세그먼트(340) 간에 외부 라인이 생성되지 않은 이유는 두 세그먼트의 방향 및 거리의 차이가 일정 범위보다 크기 때문이다.
따라서, 도 3에서 세그먼트(340)에 포함된 내부라인(306)과 세그먼트(310)에 포함된 내부라인(303)간의 방향 및 거리 차이가 일정 범위 내를 만족하기 때문에 세그먼트 처리 장치에 의해 외부 라인(301)이 생성되었다.
세그먼트 처리 장치는 외부 라인을 통해 연결되는 세그먼트들(320과 330, 310과 340)을 하나의 객체로 분류할 수 있다. 즉, 세그먼트 처리 장치는 최고점, 최저점, 내부 라인 등의 특징 데이터를 이용하여, 세그먼트들(320, 330)을 임의의 객체 1에 대응하는 것으로 분류하고, 세그먼트들(310, 340)을 객체 2, 세그먼트(350)를 객체 3에 대응하는 것으로 분류할 수 있다.
도 4는 본 발명의 일실시예에 따른 영상을 변환하는 예 및 세그먼트와 연관된 라인을 추출한 예를 도시한 도면이다.
도 4의 (a)는 입력 영상의 예로서 과수원 영상을 나타낸 것이다. 도 4의 (b)는 세그먼트 처리 장치가 도 4의 (a)를 구성하는 픽셀들의 픽셀값을 기준값과 비교하여 입력 영상인 도 4의 (a)를 변환한 변환 영상이다.
도 4의 (b)의 변환 영상에서 흰색 영역은 세그먼트로 식별된 영역을 의미한다. 따라서, 도 4의 (a)와 비교할 때 세그먼트는 도 4의 (a)에서 나무에 대응할 수 있다. 도 4의 (b)에서처럼 세그먼트 처리 장치는 각 세그먼트에 대해 내부 라인을 추출할 수 있다.
도 4의 (c)는 도 4의 (b)에서 생성한 내부 라인을 도 4의 (a)에 표시한 도면이다. 도 4의 (c)에서처럼 도 4의 (b)에서 생성한 내부 라인들이 변환 전 영상에 포함된 나무와 같은 객체의 영역을 나타낸다.
결과적으로, 도 4의 (c)에 표시된 세그먼트의 특징 데이터를 이용하여 라인들을 활용하여 세그먼트 처리 장치는 객체의 영역 및 지면과의 경계 등을 찾는 기계학습이나 딥러닝에 이용할 있다.
도 5는 본 발명의 일실시예에 따른 영상의 세그먼트에서 최고점 및 최저점을 추출하는 과정을 도시한 도면이다.
일례로, 도 5와 같이 변환된 영상에서 하나의 세그먼트(501)에 대해 최고점을 결정할 때, 세그먼트 처리 장치는 기준 픽셀을 결정할 수 있다. 도 5는 세그먼트 처리 장치는 최 우측, 최 하단에 위치한 픽셀(502)를 기준 픽셀로 설정한 것을 도시한 것이다.
이 때, 세그먼트 처리 장치는 기준 픽셀을 위치를 업데이트하면서 최고점 또는 최저점을 결정할 수 있다. 구체적으로, 현재 기준 픽셀(502)에서 반시계 방향으로 기준 픽셀을 업데이트 하면서 최고점을 찾는 제1 방법과, 시계 방향으로 기준 픽셀을 업데이트 하면서 최고점을 찾는 제2 방법이 있다.
일례로, 제1 방법에서 세그먼트 처리 장치는 기준 픽셀과 인접한 8개의 픽셀 중 +90도 방향(우측)에 인접한 픽셀을 시작으로, -135도 방향(기준 픽셀의 좌측 아래)에 인접한 픽셀까지 반시계 방향으로 총 6개의 픽셀들의 픽셀 값을 판단한다.
도 5에서 세그먼트에 포함된 픽셀들의 픽셀값은 1로, 그 외 영역의 픽셀값은 0으로 설정되어 있다. 세그먼트 처리 장치는 도 5에서 현재 기준 픽셀(502)에서 픽셀과 인접한 8개의 픽셀 중 영상의 세로축 상 위쪽 방향을 기준으로 +90도 방향(우측)에 인접한 픽셀을 시작으로, -135도 방향(기준 픽셀의 좌측 아래)에 인접한 픽셀까지 반시계 방향으로 총 6개의 픽셀들의 픽셀값이 1인지를 판단한다.
구체적으로, +90도 방향의 픽셀은 값이 0이므로, 다음 픽셀(502)의 픽셀값을 판단한다. 픽셀(502)의 픽셀값은 1이기 때문에 세그먼트 처리 장치는 픽셀(502)를 기준 픽셀로 업데이트한다. 이처럼 제1 방법을 이용할 경우, 세그먼트 처리 장치는 세그먼트 내에서 반시계로 기준 픽셀을 이동시키면서 최고점을 결정할 수 있다.
최고점 결정은 기준 픽셀의 +45도 방향에서 -90도 방향까지의 인접한 픽셀이 없는 경우, 그 기준 픽셀을 최고점으로 결정하고, 이전 기준 픽셀을 현재 기준 픽셀로 업데이트한다. 업데이트된 기준 픽셀이 초기에 설정한 기준 픽셀과 동일할 때 최고점 결정의 과정이 끝난다.
최고점 결정을 함에 있어, 최고점과 영상의 세로축 상의 위치가 동일한 픽셀들이 연속되는 경우, 연속된 픽셀들 중 중간에 있는 픽셀이 최고점으로 결정될 수 있다.
제2 방법을 이용할 경우, 영상의 세로축 상 위쪽 방향을 기준으로 기준 픽셀의 -90도부터 +135도까지 시계 방향 순서로 인접한 픽셀들의 픽셀값을 판단하면서 기준 픽셀을 업데이트한다.
최저점 추출의 경우, 세그먼트 처리 장치는 세그먼트의 최 좌측, 최 상단에 위치한 픽셀을 기준 픽셀로 설정한다. 그리고, 세그먼트 처리 장치는 영상의 세로축 상 아래쪽 방향을 기준으로 기준 픽셀의 +90도에서 -135도까지 인접한 픽셀들의 픽셀값을 판단하면서 기준 픽셀을 업데이트한다. 이 때, 영상의 세로축 상 아래쪽 방향을 기준으로 기준 픽셀의 +45도 방향에서 -90도 방향에 픽셀값이 1인 픽셀이 없는 경우 현재 기준 픽셀이 최저점으로 결정될 수 있다.
한편, 본 발명에 따른 방법은 컴퓨터에서 실행될 수 있는 프로그램으로 작성되어 마그네틱 저장매체, 광학적 판독매체, 디지털 저장매체 등 다양한 기록 매체로도 구현될 수 있다.
본 명세서에 설명된 각종 기술들의 구현들은 디지털 전자 회로조직으로, 또는 컴퓨터 하드웨어, 펌웨어, 소프트웨어로, 또는 그들의 조합들로 구현될 수 있다. 구현들은 데이터 처리 장치, 예를 들어 프로그램가능 프로세서, 컴퓨터, 또는 다수의 컴퓨터들의 동작에 의한 처리를 위해, 또는 이 동작을 제어하기 위해, 컴퓨터 프로그램 제품, 즉 정보 캐리어, 예를 들어 기계 판독가능 저장 장치(컴퓨터 판독가능 매체) 또는 전파 신호에서 유형적으로 구체화된 컴퓨터 프로그램으로서 구현될 수 있다. 상술한 컴퓨터 프로그램(들)과 같은 컴퓨터 프로그램은 컴파일된 또는 인터프리트된 언어들을 포함하는 임의의 형태의 프로그래밍 언어로 기록될 수 있고, 독립형 프로그램으로서 또는 모듈, 구성요소, 서브루틴, 또는 컴퓨팅 환경에서의 사용에 적절한 다른 유닛으로서 포함하는 임의의 형태로 전개될 수 있다. 컴퓨터 프로그램은 하나의 사이트에서 하나의 컴퓨터 또는 다수의 컴퓨터들 상에서 처리되도록 또는 다수의 사이트들에 걸쳐 분배되고 통신 네트워크에 의해 상호 연결되도록 전개될 수 있다.
컴퓨터 프로그램의 처리에 적절한 프로세서들은 예로서, 범용 및 특수 목적 마이크로프로세서들 둘 다, 및 임의의 종류의 디지털 컴퓨터의 임의의 하나 이상의 프로세서들을 포함한다. 일반적으로, 프로세서는 판독 전용 메모리 또는 랜덤 액세스 메모리 또는 둘 다로부터 명령어들 및 데이터를 수신할 것이다. 컴퓨터의 요소들은 명령어들을 실행하는 적어도 하나의 프로세서 및 명령어들 및 데이터를 저장하는 하나 이상의 메모리 장치들을 포함할 수 있다. 일반적으로, 컴퓨터는 데이터를 저장하는 하나 이상의 대량 저장 장치들, 예를 들어 자기, 자기-광 디스크들, 또는 광 디스크들을 포함할 수 있거나, 이것들로부터 데이터를 수신하거나 이것들에 데이터를 송신하거나 또는 양쪽으로 되도록 결합될 수도 있다. 컴퓨터 프로그램 명령어들 및 데이터를 구체화하는데 적절한 정보 캐리어들은 예로서 반도체 메모리 장치들, 예를 들어, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(Magnetic Media), CD-ROM(Compact Disk Read Only Memory), DVD(Digital Video Disk)와 같은 광 기록 매체(Optical Media), 플롭티컬 디스크(Floptical Disk)와 같은 자기-광 매체(Magneto-Optical Media), 롬(ROM, Read Only Memory), 램(RAM, Random Access Memory), 플래시 메모리, EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM) 등을 포함한다. 프로세서 및 메모리는 특수 목적 논리 회로조직에 의해 보충되거나, 이에 포함될 수 있다.
또한, 컴퓨터 판독가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용매체일 수 있고, 컴퓨터 저장매체 및 전송매체를 모두 포함할 수 있다.
본 명세서는 다수의 특정한 구현물의 세부사항들을 포함하지만, 이들은 어떠한 발명이나 청구 가능한 것의 범위에 대해서도 제한적인 것으로서 이해되어서는 안되며, 오히려 특정한 발명의 특정한 실시형태에 특유할 수 있는 특징들에 대한 설명으로서 이해되어야 한다. 개별적인 실시형태의 문맥에서 본 명세서에 기술된 특정한 특징들은 단일 실시형태에서 조합하여 구현될 수도 있다. 반대로, 단일 실시형태의 문맥에서 기술한 다양한 특징들 역시 개별적으로 혹은 어떠한 적절한 하위 조합으로도 복수의 실시형태에서 구현 가능하다. 나아가, 특징들이 특정한 조합으로 동작하고 초기에 그와 같이 청구된 바와 같이 묘사될 수 있지만, 청구된 조합으로부터의 하나 이상의 특징들은 일부 경우에 그 조합으로부터 배제될 수 있으며, 그 청구된 조합은 하위 조합이나 하위 조합의 변형물로 변경될 수 있다.
마찬가지로, 특정한 순서로 도면에서 동작들을 묘사하고 있지만, 이는 바람직한 결과를 얻기 위하여 도시된 그 특정한 순서나 순차적인 순서대로 그러한 동작들을 수행하여야 한다거나 모든 도시된 동작들이 수행되어야 하는 것으로 이해되어서는 안 된다. 특정한 경우, 멀티태스킹과 병렬 프로세싱이 유리할 수 있다. 또한, 상술한 실시형태의 다양한 장치 컴포넌트의 분리는 그러한 분리를 모든 실시형태에서 요구하는 것으로 이해되어서는 안되며, 설명한 프로그램 컴포넌트와 장치들은 일반적으로 단일의 소프트웨어 제품으로 함께 통합되거나 다중 소프트웨어 제품에 패키징 될 수 있다는 점을 이해하여야 한다.
한편, 본 명세서와 도면에 개시된 본 발명의 실시 예들은 이해를 돕기 위해 특정 예를 제시한 것에 지나지 않으며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시 예들 이외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 자명한 것이다.

Claims (14)

  1. 입력 영상에서 복수의 세그먼트들을 식별하는 단계;
    상기 식별된 복수의 세그먼트들 각각으로부터 세그먼트의 특징 데이터를 결정하는 단계; 및
    상기 세그먼트의 특징 데이터에 기초하여 상기 식별된 복수의 세그먼트들 중 동일한 객체에 대응하는 세그먼트들을 분류하는 단계
    를 포함하며,
    상기 세그먼트의 특징 데이터를 결정하는 단계는,
    상기 입력 영상으로부터 식별된 세그먼트에서 적어도 하나의 최고점을 결정하거나 또는 적어도 하나의 최저점을 결정하고,
    상기 세그먼트들을 분류하는 단계는,
    상기 복수의 세그먼트들 중 하나의 세그먼트에 속하는 상기 최고점 및 최저점을 연결하는 내부 라인을 생성하는 단계; 및
    상기 복수의 세그먼트들 중 서로 다른 세그먼트에 포함된 내부 라인 간의 거리 및 방향 차이에 기초하여 상기 서로 다른 세그먼트들이 동일한 객체에 대응하는 세그먼트인지 여부를 결정하는 단계;를 포함하는 세그먼트 처리 방법.
  2. 제1항에 있어서,
    상기 세그먼트를 식별하는 단계는,
    상기 입력 영상의 픽셀값과 변환 영상을 위한 기준값을 비교하여 상기 입력 영상으로부터 변환 영상을 생성하는 단계; 및
    상기 변환 영상에서 유사한 속성을 나타내는 영역들의 집합인 세그먼트를 결정하는 단계
    를 포함하는 세그먼트 처리 방법.
  3. 삭제
  4. 제1항에 있어서,
    상기 최저점 또는 최고점은,
    상기 세그먼트에 속하는 기준 픽셀 및 상기 기준 픽셀에 인접한 주변 픽셀들을 비교함으로써 결정되는 세그먼트 처리 방법.
  5. 삭제
  6. 제1항에 있어서,
    상기 세그먼트들을 분류하는 단계는,
    상기 복수의 세그먼트들 중에서 서로 다른 세그먼트들이 외부 라인으로 연결되는 경우, 상기 서로 다른 세그먼트들이 동일한 객체에 대응하는 세그먼트 인지 여부를 판단하는 세그먼트 처리 방법.
  7. 영상의 세그먼트를 기계학습에 이용하여 객체를 추출하는 방법에 있어서,
    입력 영상의 픽셀값과 변환 영상을 위한 기준값을 비교하여 상기 입력 영상으로부터 변환 영상을 생성하는 단계;
    상기 변환 영상에서 유사한 속성을 나타내는 영역들의 집합인 세그먼트들을 결정하는 단계;
    상기 서로 다른 세그먼트들이 동일한 객체에 대응하는 세그먼트들을 분류하는 단계;
    상기 세그먼트들을 실제 영상의 객체와 비교하여 상기 기준값을 업데이트하는 단계
    를 포함하며,
    상기 분류하는 단계는,
    상기 입력 영상으로부터 결정된 세그먼트들에서 적어도 하나의 최고점을 결정하거나 또는 적어도 하나의 최저점을 결정하는 단계;
    상기 세그먼트들 중 하나의 세그먼트에 속하는 상기 최고점 및 최저점을 연결하는 내부 라인을 생성하는 단계; 및
    상기 세그먼트들 중 서로 다른 세그먼트에 포함된 내부 라인 간의 거리 및 방향 차이에 기초하여 상기 서로 다른 세그먼트들이 동일한 객체에 대응하는 세그먼트인지 여부를 결정하는 단계;를 포함하는 객체 추출 방법.
  8. 세그먼트 처리 방법을 수행하는 세그먼트 처리 장치에 있어서,
    세그먼트 처리 장치는 입력 영상에서 복수의 세그먼트들을 식별하고, 상기 식별된 복수의 세그먼트들 각각으로부터 세그먼트의 특징 데이터를 결정하고, 상기 세그먼트의 특징 데이터에 기초하여 상기 식별된 복수의 세그먼트들 중 동일한 객체에 대응하는 세그먼트들을 분류하는 프로세서를 포함하고,
    상기 프로세서는,
    상기 입력 영상으로부터 식별된 상기 복수의 세그먼트에서 적어도 하나의 최고점을 결정하거나 또는 적어도 하나의 최저점을 결정하고,
    상기 복수의 세그먼트들 중 하나의 세그먼트에 속하는 상기 최고점 및 최저점을 연결하는 내부 라인을 생성하고,
    상기 복수의 세그먼트들 중 서로 다른 세그먼트에 포함된 내부 라인 간의 거리 및 방향 차이에 기초하여 상기 서로 다른 세그먼트들이 동일한 객체에 대응하는 세그먼트인지 여부를 결정하는,
    세그먼트 처리 장치.
  9. 제8항에 있어서,
    상기 프로세서는,
    상기 입력 영상의 픽셀값과 변환 영상을 위한 기준값을 비교하여 상기 입력 영상으로부터 변환 영상을 생성하고, 상기 변환 영상에서 유사한 속성을 나타내는 영역들의 집합인 세그먼트를 결정하는, 세그먼트 처리 장치.
  10. 삭제
  11. 제8항에 있어서,
    상기 최저점 또는 최고점은,
    상기 세그먼트에 속하는 기준 픽셀 및 상기 기준 픽셀에 인접한 주변 픽셀들을 비교함으로써 결정되는 세그먼트 처리 장치.
  12. 삭제
  13. 제8항에 있어서,
    상기 프로세서는,
    상기 복수의 세그먼트들 중에서 서로 다른 세그먼트들이 외부 라인으로 연결되는 경우, 상기 서로 다른 세그먼트들이 동일한 객체에 대응하는 세그먼트 인지 여부를 판단하는 세그먼트 처리 장치.
  14. 영상의 세그먼트를 기계학습에 이용하여 객체를 추출하는 방법을 수행하는 객체 추출 장치에 있어서,
    객체 추출 장치는 입력 영상의 픽셀값과 변환 영상을 위한 기준값을 비교하여 상기 입력 영상으로부터 변환 영상을 생성하고, 상기 변환 영상에서 유사한 속성을 나타내는 영역들의 집합인 세그먼트들을 결정하고, 상기 서로 다른 세그먼트들이 동일한 객체에 대응하는 세그먼트들을 분류하고, 상기 세그먼트들을 실제 영상의 객체와 비교하여 상기 기준값을 업데이트하는 프로세서를 포함하고,
    상기 프로세서는,
    상기 입력 영상으로부터 식별된 상기 세그먼트들에서 적어도 하나의 최고점을 결정하거나 또는 적어도 하나의 최저점을 결정하고,
    상기 세그먼트들 중 하나의 세그먼트에 속하는 상기 최고점 및 최저점을 연결하는 내부 라인을 생성하고,
    상기 세그먼트들 중 서로 다른 세그먼트에 포함된 내부 라인 간의 거리 및 방향 차이에 기초하여 상기 서로 다른 세그먼트들이 동일한 객체에 대응하는 세그먼트인지 여부를 결정하는는,
    객체 추출 장치.
KR1020190162826A 2019-12-09 2019-12-09 영상의 세그먼트 처리 방법 및 세그먼트 처리 방법을 수행하는 장치 KR102382962B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190162826A KR102382962B1 (ko) 2019-12-09 2019-12-09 영상의 세그먼트 처리 방법 및 세그먼트 처리 방법을 수행하는 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190162826A KR102382962B1 (ko) 2019-12-09 2019-12-09 영상의 세그먼트 처리 방법 및 세그먼트 처리 방법을 수행하는 장치

Publications (2)

Publication Number Publication Date
KR20210072475A KR20210072475A (ko) 2021-06-17
KR102382962B1 true KR102382962B1 (ko) 2022-04-06

Family

ID=76603950

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190162826A KR102382962B1 (ko) 2019-12-09 2019-12-09 영상의 세그먼트 처리 방법 및 세그먼트 처리 방법을 수행하는 장치

Country Status (1)

Country Link
KR (1) KR102382962B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101868103B1 (ko) 2017-07-12 2018-06-18 군산대학교 산학협력단 다중 이동 물체의 식별 및 추적을 위한 영상 감시 장치 및 방법

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101030430B1 (ko) * 2007-09-12 2011-04-20 주식회사 코아로직 영상 처리 장치와 방법 및 그 기록매체
KR101468231B1 (ko) * 2009-09-11 2014-12-04 삼성전자주식회사 라벨 검색 방법 및 장치
JP6584123B2 (ja) * 2015-04-23 2019-10-02 キヤノン株式会社 画像処理装置、画像処理方法、及びプログラム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101868103B1 (ko) 2017-07-12 2018-06-18 군산대학교 산학협력단 다중 이동 물체의 식별 및 추적을 위한 영상 감시 장치 및 방법

Also Published As

Publication number Publication date
KR20210072475A (ko) 2021-06-17

Similar Documents

Publication Publication Date Title
US9892323B2 (en) Augmented reality device based on recognition of spatial structure and method thereof
US10395136B2 (en) Image processing apparatus, image processing method, and recording medium
US10332266B2 (en) Method and device for traffic sign recognition
EP3203417B1 (en) Method for detecting texts included in an image and apparatus using the same
US9747308B2 (en) Method and apparatus for searching an image, and computer-readable recording medium for executing the method
US8675974B2 (en) Image processing apparatus and image processing method
US10970313B2 (en) Clustering device, clustering method, and computer program product
US10304009B1 (en) Learning method and testing method for object detector based on R-CNN, and learning device and testing device using the same
KR20190002328A (ko) 문서 이미지의 텍스트와 도형을 분리하는 방법 및 장치
US11593587B2 (en) Object detection system and an object detection method
US9443162B2 (en) Intelligent background selection and image segmentation
US9361544B1 (en) Multi-class object classifying method and system
KR101836811B1 (ko) 이미지 상호간의 매칭을 판단하는 방법, 장치 및 컴퓨터 프로그램
KR101507732B1 (ko) 영역 기반의 항공 영상 분할 방법 및 이를 실행하는 프로그램 코드를 저장하는 컴퓨터로 읽을 수 있는 저장 매체
KR20080021181A (ko) 영상 데이터 처리 방법 및 그에 따른 시스템
US20140226904A1 (en) Information processing apparatus, information processing method, and non-transitory computer readable medium
US20210012177A1 (en) Apparatus And Methods Of Obtaining Multi-Scale Feature Vector Using CNN Based Integrated Circuits
JP2018018330A (ja) データ検索プログラム、データ検索方法およびデータ検索装置
WO2015118887A1 (ja) 検索システム、検索方法およびプログラム記録媒体
JP2018201161A (ja) 移動体追跡装置、移動体追跡方法およびプログラム
JP2020087165A (ja) 学習データ生成プログラム、学習データ生成装置、及び学習データ生成方法
KR102382962B1 (ko) 영상의 세그먼트 처리 방법 및 세그먼트 처리 방법을 수행하는 장치
JP2018206260A (ja) 画像処理システム、評価モデル構築方法、画像処理方法及びプログラム
US9595113B2 (en) Image transmission system, image processing apparatus, image storage apparatus, and control methods thereof
US20110150344A1 (en) Content based image retrieval apparatus and method

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right