KR102390774B1 - 타겟 객체를 인식하기 위한 방법, 장치 및 시스템 - Google Patents

타겟 객체를 인식하기 위한 방법, 장치 및 시스템 Download PDF

Info

Publication number
KR102390774B1
KR102390774B1 KR1020207012204A KR20207012204A KR102390774B1 KR 102390774 B1 KR102390774 B1 KR 102390774B1 KR 1020207012204 A KR1020207012204 A KR 1020207012204A KR 20207012204 A KR20207012204 A KR 20207012204A KR 102390774 B1 KR102390774 B1 KR 102390774B1
Authority
KR
South Korea
Prior art keywords
region
sub
target objects
recognition result
category
Prior art date
Application number
KR1020207012204A
Other languages
English (en)
Other versions
KR20210084335A (ko
Inventor
다밍 뉴
진 우
카이거 천
하이위 자오
솨이 이
Original Assignee
센스타임 인터내셔널 피티이. 리미티드.
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 센스타임 인터내셔널 피티이. 리미티드. filed Critical 센스타임 인터내셔널 피티이. 리미티드.
Publication of KR20210084335A publication Critical patent/KR20210084335A/ko
Application granted granted Critical
Publication of KR102390774B1 publication Critical patent/KR102390774B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
    • G06K19/04—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the shape
    • G06K19/041—Constructional details
    • G06K19/047—Constructional details the record carrier being shaped as a coin or a gambling token
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/52017—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 particularly adapted to short-range imaging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
    • G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
    • G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
    • G06K19/06018—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking one-dimensional coding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
    • G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
    • G06K19/067—Record carriers with conductive marks, printed circuits or semiconductor circuit elements, e.g. credit or identity cards also with resonating or responding marks without active components
    • G06K19/0672—Record carriers with conductive marks, printed circuits or semiconductor circuit elements, e.g. credit or identity cards also with resonating or responding marks without active components with resonating marks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
    • G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
    • G06K19/067—Record carriers with conductive marks, printed circuits or semiconductor circuit elements, e.g. credit or identity cards also with resonating or responding marks without active components
    • G06K19/07—Record carriers with conductive marks, printed circuits or semiconductor circuit elements, e.g. credit or identity cards also with resonating or responding marks without active components with integrated circuit chips
    • G06K19/077—Constructional details, e.g. mounting of circuits in the carrier
    • G06K19/07743—External electrical contacts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/0008—General problems related to the reading of electronic memory record carriers, independent of its reading method, e.g. power transfer
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/10009—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves
    • G06K9/6201—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Toxicology (AREA)
  • Electromagnetism (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Image Analysis (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

본 명세서의 실시예들은 타겟 인식 방법, 장치 및 시스템을 제공한다. 본 방법은 타겟 영역 내의 타겟 객체들의 화상 인식 결과 및 무선 주파수 인식 결과를 획득하고, 그 후 무선 주파수 인식 결과 및 화상 인식 결과에 따라 타겟 영역 내의 타겟 객체들의 분포를 결정하는 것을 포함한다. 무선 주파수 인식 결과 및 화상 인식 결과가 융합되기 때문에, 타겟 영역 내의 타겟 객체들이 정확하게 인식되어, 인식 정확도를 향상시킬 수 있다.

Description

타겟 객체를 인식하기 위한 방법, 장치 및 시스템
본 출원은 2020년 3월 20일자로 출원된 PCT 출원 제PCT/IB2020/052583호의 국내 단계이고, 2019년 12월 23일자로 출원된 싱가포르 특허 출원 제10201913005Y호의 우선권을 주장하며, 그 전체가 본 명세서에 참조로 포함된다.
본 개시내용은 컴퓨터 비전 기술 분야에 관한 것으로, 특히 타겟 객체를 인식하기 위한 방법, 장치 및 시스템에 관한 것이다.
일상적인 생산 및 생활 동안, 일부 타겟 객체들은 통상적으로 인식될 필요가 있다. 보드 게임의 엔터테인먼트 장면을 예로 들면, 일부 보드 게임들에서는, 데스크톱 상의 게임 통화들은 데스크톱 상의 게임 통화들의 위치, 카테고리 및 수를 획득하도록 인식될 필요가 있다. 그러나, 종래의 인식 방법은 낮은 인식 정확도를 갖는다.
한국공개특허공보 제10-2018-0034469호(2018.04.04)호에 개시된 바와 같이, 검출 시스템은 이미지 분석 디바이스에 의해 수행된 이미지 분석의 결과를 사용하여 게임 테이블에서 수행된 사기를 검출하는 제어 디바이스를 포함하고, 이 검출 시스템에 사용된 게임을 위한 대체 통화는 상이한 컬러들을 갖는 복수의 플라스틱 층이 적층되고, 착색 층이 적어도 중간에 포함되고, 백색 층들 또는 얇은 컬러 층들(착색 층의 컬러보다 얇은 컬러를 갖는 층들일 수 있음)이 중간에 배치된 착색 층의 양측에 적층되는 다층 구조를 갖는다. 착색층을 포함하고, 백색층 또는 얇은 컬러 층(이들 층은 착색층보다 얇은 컬러의 층일 수 있음)을 이 중간의 착색층의 양면에 적층한 다층 구조가 사용된다.
한국공개특허공보 제10-2019-0026792호(2019.03.13)에 개시된 바와 같이, 게임 관리 시스템은 카지노 시설 내의 복수의 테이블에서 수행되는 카지노 게임을 관리한다. 게임 관리 시스템은: 베트 게임 토큰들을 캡처함으로써 이미지를 획득하는 카메라; 이미지 내의 게임 토큰의 위치에 기초하여 베팅 대상을 지정함으로써 이미지 내의 게임 토큰들의 유형 및 수에 기초하여 베팅 양을 지정하는 제어 디바이스; 카지노 게임의 게임 결과를 결정하는 카드 분배 디바이스; 베팅 대상, 베팅 양, 및 게임 결과에 기초하여, 복수의 테이블 중 각각의 테이블 및 각각의 게임에 대한 카지노 매니저의 수익을 계산하는 산술 디바이스; 및 수익을 기록하는 기록 장치를 포함한다. 게이밍 토큰들의 각각의 것들의 각각의 값을 적어도 지정하는 정보를 저장하는 각각의 RF 태그들은 게이밍 토큰들의 각각의 것들에 내장되고, 딜러 양 검출부는 RF 태그들을 판독하기 위한 RF 판독기를 포함한다.
본 개시내용은 타겟 객체를 인식하기 위한 방법, 장치, 및 시스템을 제공한다.
구체적으로, 본 개시내용은 다음의 기술적 해결책들을 통해 구현된다.
타겟 객체를 인식하기 위한 방법이 본 개시내용의 실시예들의 제1 양태에 따라 제공되고, 이는:
타겟 영역의 화상을 획득하는 단계;
화상에 따라 타겟 영역 내의 타겟 객체들의 화상 인식 결과를 결정하는 단계;
타겟 영역 내의 타겟 객체들의 무선 주파수 인식 결과를 획득하는 단계; 및
무선 주파수 인식 결과 및 화상 인식 결과에 따라 타겟 영역 내의 타겟 객체들의 분포를 결정하는 단계를 포함한다.
일부 실시예들에서, 화상에 따라 타겟 영역 내의 타겟 객체들의 화상 인식 결과를 결정하는 단계는: 화상을 신경망을 통해 처리하여 타겟 영역 내의 타겟 객체들의 화상 인식 결과를 출력하는 단계를 포함한다.
일부 실시예들에서, 타겟 영역 내의 타겟 객체들의 무선 주파수 인식 결과를 획득하는 단계는: 타겟 영역 내의 타겟 객체들의 무선 주파수 인식 결과를 타겟 영역에 배열된 무선 주파수 검출 안테나를 통해 획득하는 단계를 포함한다.
일부 실시예들에서, 무선 주파수 인식 결과는 무선 주파수 검출 안테나를 통해 타겟 객체 각각에 배치된 무선 주파수 인식 태그를 판독함으로써 획득된다.
일부 실시예들에서, 타겟 영역은 적어도 하나의 서브-영역을 포함하고; 화상 인식 결과는 적어도 하나의 서브-영역 각각 내의 타겟 객체의 최대 신뢰도를 갖는 N개의 후보 카테고리 및 적어도 하나의 서브-영역 각각 내의 타겟 객체들의 수를 포함하고;
무선 주파수 인식 결과 및 화상 인식 결과에 따라 타겟 영역 내의 타겟 객체들의 분포를 결정하는 단계는:
화상 인식 결과에서의 신뢰도의 내림차순 및 화상 인식 결과에서의 적어도 하나의 서브-영역 각각 내의 타겟 객체들의 수의 내림차순에 따라, 화상 인식 결과에서의 적어도 하나의 서브-영역 각각에서의 N개의 후보 카테고리 및 타겟 객체들의 수를, 무선 주파수 인식 결과에서의 카테고리들 및 각각의 카테고리의 타겟 객체들의 수와 매칭시키고,
적어도 하나의 서브-영역 각각에서 타겟 객체들의 수 및 카테고리를 획득하는 단계를 포함한다.
일부 실시예들에서, 화상 인식 결과에서의 신뢰도의 내림차순 및 화상 인식 결과에서의 적어도 하나의 서브-영역 각각 내의 타겟 객체들의 수의 내림차순에 따라, 화상 인식 결과에서의 적어도 하나의 서브-영역 각각에서의 N개의 후보 카테고리 및 타겟 객체들의 수를, 무선 주파수 인식 결과에서의 카테고리들 및 각각의 카테고리의 타겟 객체들의 수와 매칭시키는 단계는:
m번째 서브-영역 내의 타겟 객체들의 k번째 후보 카테고리 및 m번째 서브-영역 내의 타겟 객체들의 수를, 무선 주파수 인식 결과에서의 카테고리들 및 각각의 카테고리의 타겟 객체들의 수와 매칭시키는 단계 -k번째 후보 카테고리는 신뢰도 번호 k에 대응하는 N개의 후보 카테고리 중 하나이고; 신뢰도의 내림차순에 따라 화상 인식 결과에서의 m번째 서브-영역 내의 타겟 객체의 최대 신뢰도를 갖는 N개의 후보 카테고리를 순위화함으로써 신뢰도 번호들이 획득되고; m번째 서브-영역은 적어도 하나의 서브-영역에서의 서브-영역 번호 m에 대응하는 서브-영역이고; 화상 인식 결과에서의 적어도 하나의 서브-영역 각각 내의 타겟 객체들의 수를 내림차순으로 순위화함으로써 서브-영역 번호들이 획득됨-;
무선 주파수 인식 결과에서의 카테고리들이 k번째 후보 카테고리를 포함하고, 무선 주파수 인식 결과에서의 k번째 후보 카테고리의 타겟 객체들의 수가 0보다 크다는 것에 응답하여, m번째 서브-영역 내의 타겟 객체들의 카테고리가 화상 인식 결과에서의 m번째 서브-영역 내의 타겟 객체들의 k번째 후보 카테고리이고, m번째 서브-영역 내의 타겟 객체들의 수가 화상 인식 결과에서의 m번째 서브-영역 내의 타겟 객체들의 수라고 결정하는 단계; 및
무선 주파수 인식 결과에서의 k번째 후보 카테고리의 타겟 객체들의 수로부터 m번째 서브-영역 내의 타겟 객체들의 수를 공제하여 조정된 무선 주파수 인식 결과를 획득하는 단계를 포함한다.
일부 실시예들에서, 본 방법은:
무선 주파수 인식 결과에서의 카테고리들이 k번째 후보 카테고리를 포함하지 않는다는 것에 응답하여 또는 무선 주파수 인식 결과에서의 카테고리들이 k번째 후보 카테고리를 포함하지만 무선 주파수 인식 결과에서의 k번째 후보 카테고리의 타겟 객체들의 수가 0보다 크지 않다는 것에 응답하여, 매칭이 성공적이지 않다는 것을 결정하는 단계; 및
m번째 서브-영역을 매칭될 서브-영역으로서 취하는 단계를 추가로 포함한다.
일부 실시예들에서, 매칭될 서브-영역이 존재한다고 결정할 때, 본 방법은:
무선 주파수 인식 결과에서의 각각의 카테고리의 타겟 객체들의 수가 0보다 크지 않다는 것에 응답하여, 매칭될 서브-영역에서의 최대 신뢰도를 갖는 N개의 후보 카테고리들에서, 하나 이상의 후보 카테고리가 무선 주파수 인식 결과의 카테고리들에서 나타난다고 결정하는 단계, 매칭될 서브-영역 내의 타겟 객체들의 카테고리로서 하나 이상의 나타난 후보 카테고리에서 최대 신뢰도를 갖는 후보 카테고리를 취하는 단계, 및 화상 인식 결과에서의 매칭될 서브-영역 내의 타겟 객체들의 수를 매칭될 서브-영역 내의 타겟 객체들의 수로서 취하는 단계를 추가로 포함한다.
일부 실시예들에서, 매칭될 서브-영역이 존재한다고 결정할 때, 본 방법은:
무선 주파수 인식 결과에서의 각각의 카테고리의 타겟 객체들의 수가 0보다 크지 않다는 것에 응답하여, 매칭될 서브-영역에서의 최대 신뢰도를 갖는 N개의 후보 카테고리 중 어느 것도 무선 주파수 인식 결과의 카테고리들에서 나타나지 않는다고 결정하는 단계, 최대 신뢰도를 갖는 후보 카테고리를 매칭될 서브-영역 내의 타겟 객체들의 카테고리로서 취하는 단계, 및 화상 인식 결과에서의 매칭될 서브-영역 내의 타겟 객체들의 수를 매칭될 서브-영역 내의 타겟 객체들의 수로서 취하는 단계를 추가로 포함한다.
일부 실시예들에서, 매칭될 서브-영역이 존재한다고 결정할 때, 본 방법은:
무선 주파수 인식 결과에서의 적어도 하나의 카테고리의 타겟 객체들의 수가 0보다 크다는 것에 응답하여, 무선 주파수 인식 결과에서의 최대 수의 타겟 객체들을 갖는 카테고리를 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 타겟 객체들의 카테고리로서 취하고, 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 타겟 객체들의 수를 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 타겟 객체들의 수로서 취하는 단계; 및
무선 주파수 인식 결과에서의 최대 수의 타겟 객체들을 갖는 카테고리에서의 타겟 객체들의 수로부터 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 타겟 객체들의 수를 공제하여 조정된 무선 주파수 인식 결과를 획득하는 단계를 추가로 포함한다.
일부 실시예들에서, 화상은 타겟 객체의 평면도 또는 측면도이다.
일부 실시예들에서, 평면도는 타겟 영역 위의 화상 수집 디바이스에 의해 수집되고, 측면도는 타겟 영역의 측면에 있는 화상 수집 디바이스에 의해 수집된다.
본 개시내용의 실시예들의 제2 양태에 따라 타겟 객체를 인식하기 위한 장치가 제공되며, 이는 타겟 영역의 화상을 획득하도록 구성되는 제1 획득 모듈;
화상에 따라 타겟 영역 내의 타겟 객체들의 화상 인식 결과를 결정하도록 구성되는 제1 결정 모듈;
타겟 영역 내의 타겟 객체들의 무선 주파수 인식 결과를 획득하도록 구성되는 제2 획득 모듈; 및
무선 주파수 인식 결과 및 화상 인식 결과에 따라 타겟 영역 내의 타겟 객체들의 분포를 결정하도록 구성되는 제2 결정 모듈을 포함한다.
일부 실시예들에서, 제1 획득 모듈은: 화상을 신경망을 통해 처리하여 타겟 영역 내의 타겟 객체들의 화상 인식 결과를 출력하도록 구성된다.
일부 실시예들에서, 제2 획득 모듈은 타겟 영역에 배열된 무선 주파수 검출 안테나를 통해 타겟 영역 내의 타겟 객체들의 무선 주파수 인식 결과를 획득하도록 구성된다.
일부 실시예들에서, 무선 주파수 인식 결과는 무선 주파수 검출 안테나를 통해 타겟 객체 각각에 배치된 무선 주파수 인식 태그를 판독함으로써 획득된다.
일부 실시예들에서, 타겟 영역은 적어도 하나의 서브-영역을 포함하고; 화상 인식 결과는 적어도 하나의 서브-영역 각각 내의 타겟 객체의 최대 신뢰도를 갖는 N개의 후보 카테고리 및 적어도 하나의 서브-영역 각각 내의 타겟 객체들의 수를 포함하고;
제2 결정 모듈은:
화상 인식 결과에서의 신뢰도의 내림차순 및 화상 인식 결과에서의 적어도 하나의 서브-영역 각각 내의 타겟 객체들의 수의 내림차순에 따라, 화상 인식 결과에서의 적어도 하나의 서브-영역 각각에서의 N개의 후보 카테고리 및 타겟 객체들의 수를, 무선 주파수 인식 결과에서의 카테고리들 및 각각의 카테고리의 타겟 객체들의 수와 매칭시키고;
적어도 하나의 서브-영역 각각에서 타겟 객체들의 수 및 카테고리를 획득하도록 구성된다.
일부 실시예들에서, 제2 결정 모듈은:
m번째 서브-영역 내의 타겟 객체들의 k번째 후보 카테고리 및 m번째 서브-영역 내의 타겟 객체들의 수를, 무선 주파수 인식 결과에서의 카테고리들 및 각각의 카테고리의 타겟 객체들의 수와 매칭시키도록 구성되는 매칭 유닛 -k번째 후보 카테고리는 신뢰도 번호 k에 대응하는 N개의 후보 카테고리 중 하나이고; 신뢰도의 내림차순에 따라 화상 인식 결과에서의 m번째 서브-영역 내의 타겟 객체의 최대 신뢰도를 갖는 N개의 후보 카테고리를 순위화함으로써 신뢰도 번호들이 획득되고; m번째 서브-영역은 적어도 하나의 서브-영역에서의 서브-영역 번호 m에 대응하는 서브-영역이고; 화상 인식 결과에서의 적어도 하나의 서브-영역 각각 내의 타겟 객체들의 수를 내림차순으로 순위화함으로써 서브-영역 번호들이 획득됨-;
무선 주파수 인식 결과에서의 카테고리들이 k번째 후보 카테고리를 포함하고, 무선 주파수 인식 결과에서의 k번째 후보 카테고리의 타겟 객체들의 수가 0보다 크다는 것에 응답하여, m번째 서브-영역 내의 타겟 객체들의 카테고리가 화상 인식 결과에서의 m번째 서브-영역 내의 타겟 객체들의 k번째 후보 카테고리이고, m번째 서브-영역 내의 타겟 객체들의 수가 화상 인식 결과에서의 m번째 서브-영역 내의 타겟 객체들의 수라고 결정하도록 구성되는 결정 유닛; 및
무선 주파수 인식 결과에서의 k번째 후보 카테고리의 타겟 객체들의 수로부터 m번째 서브-영역 내의 타겟 객체들의 수를 공제하여 조정된 무선 주파수 인식 결과를 획득하도록 구성되는 조정 유닛을 포함한다.
일부 실시예들에서, 본 장치는:
무선 주파수 인식 결과에서의 카테고리들이 k번째 후보 카테고리를 포함하지 않는다는 것에 응답하여 또는 무선 주파수 인식 결과에서의 카테고리들이 k번째 후보 카테고리를 포함하지만 무선 주파수 인식 결과에서의 k번째 후보 카테고리의 타겟 객체들의 수가 0보다 크지 않다는 것에 응답하여, 매칭이 성공적이지 않다고 결정하도록 구성되는 제3 결정 모듈; 및
m번째 서브-영역을 매칭될 서브-영역으로서 취하도록 구성되는 제4 결정 모듈을 추가로 포함한다.
일부 실시예들에서, 매칭될 서브-영역이 존재한다고 결정할 때, 장치는:
무선 주파수 인식 결과에서의 각각의 카테고리의 타겟 객체들의 수가 0보다 크지 않다는 것에 응답하여, 매칭될 서브-영역에서의 최대 신뢰도를 갖는 N개의 후보 카테고리들에서, 하나 이상의 후보 카테고리가 무선 주파수 인식 결과의 카테고리들에서 나타난다고 결정하고, 매칭될 서브-영역 내의 타겟 객체들의 카테고리로서 하나 이상의 나타난 후보 카테고리에서 최대 신뢰도를 갖는 후보 카테고리를 취하고, 화상 인식 결과에서의 매칭될 서브-영역 내의 타겟 객체들의 수를 매칭될 서브-영역 내의 타겟 객체들의 수로서 취하도록 구성되는 제5 결정 모듈을 추가로 포함한다.
일부 실시예들에서, 매칭될 서브-영역이 존재한다고 결정할 때, 장치는:
무선 주파수 인식 결과에서의 각각의 카테고리의 타겟 객체들의 수가 0보다 크지 않다는 것에 응답하여, 매칭될 서브-영역에서의 최대 신뢰도를 갖는 N개의 후보 카테고리 중 어느 것도 무선 주파수 인식 결과의 카테고리들에서 나타나지 않는다고 결정하고, 최대 신뢰도를 갖는 후보 카테고리를 매칭될 서브-영역 내의 타겟 객체들의 카테고리로서 취하고, 화상 인식 결과에서의 매칭될 서브-영역 내의 타겟 객체들의 수를 매칭될 서브-영역 내의 타겟 객체들의 수로서 취하도록 구성되는 제6 결정 모듈을 추가로 포함한다.
일부 실시예들에서, 매칭될 서브-영역이 존재한다고 결정할 때, 장치는:
무선 주파수 인식 결과에서의 적어도 하나의 카테고리의 타겟 객체들의 수가 0보다 크다는 것에 응답하여, 무선 주파수 인식 결과에서의 최대 수의 타겟 객체들을 갖는 카테고리를 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 타겟 객체들의 카테고리로서 취하고, 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 타겟 객체들의 수를 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 타겟 객체들의 수로서 취하도록 구성되는 제7 결정 모듈; 및
무선 주파수 인식 결과에서의 최대 수의 타겟 객체들을 갖는 카테고리에서의 타겟 객체들의 수로부터 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 타겟 객체들의 수를 공제하여 조정된 무선 주파수 인식 결과를 획득하도록 구성되는 조정 모듈을 추가로 포함한다.
일부 실시예들에서, 화상은 타겟 객체의 평면도 또는 측면도이다.
일부 실시예들에서, 평면도는 타겟 영역 위의 화상 수집 디바이스에 의해 수집되고, 측면도는 타겟 영역의 측면에 있는 화상 수집 디바이스에 의해 수집된다.
본 개시내용의 실시예들의 제3 양태에 따라 타겟 객체를 인식하기 위한 시스템이 제공되며, 이는:
타겟 영역의 화상을 획득하도록 구성되는 화상 수집 장치;
타겟 영역 내의 타겟 객체들의 무선 주파수 인식 결과를 획득하도록 구성되는 무선 주파수 검출 장치; 및
화상에 따라 타겟 영역 내의 타겟 객체들의 화상 인식 결과를 결정하고; 무선 주파수 인식 결과 및 화상 인식 결과에 따라 타겟 영역 내의 타겟 객체들의 분포를 결정하도록 구성되는 프로세서를 포함한다.
일부 실시예들에서, 무선 주파수 검출 장치는:
무선 주파수 검출 안테나 및 무선 주파수 인식 태그들을 포함하고;
무선 주파수 인식 태그들은 각각의 타겟 객체에 개별적으로 배치되고, 무선 주파수 검출 안테나는 타겟 영역에 배치된다.
일부 실시예들에서, 무선 주파수 인식 태그는 타겟 객체에 내장되거나 타겟 객체의 표면에 부착된다.
일부 실시예들에서, 복수의 타겟 영역이 있고;
시스템은:
각각의 타겟 영역을 격리시키고, 타겟 영역 내의 무선 주파수 검출 장치가 다른 타겟 영역들 내의 타겟 객체들의 무선 주파수 신호를 획득하는 것을 방지하도록 구성되는 격리 장치를 추가로 포함한다.
일부 실시예들에서, 격리 장치는 금속 재료로 제조된다.
일부 실시예들에서, 화상 수집 장치는 타겟 영역 위에 배치된 제1 화상 수집 장치 및/또는 타겟 영역의 측면에 배치된 제2 화상 수집 장치를 포함한다.
일부 실시예들에서, 프로세서에 의해, 화상에 따라 타겟 영역 내의 타겟 객체들의 화상 인식 결과를 결정하는 것은:
화상을 신경망을 통해 처리하여 타겟 영역 내의 타겟 객체들의 화상 인식 결과를 출력하는 것을 포함한다.
일부 실시예들에서, 타겟 영역은 적어도 하나의 서브-영역을 포함하고; 화상 인식 결과는 적어도 하나의 서브-영역 각각 내의 타겟 객체의 최대 신뢰도를 갖는 N개의 후보 카테고리 및 적어도 하나의 서브-영역 각각 내의 타겟 객체들의 수를 포함하고;
프로세서에 의해, 무선 주파수 인식 결과 및 화상 인식 결과에 따라 타겟 영역 내의 타겟 객체들의 분포를 결정하는 것은:
화상 인식 결과에서의 신뢰도의 내림차순 및 화상 인식 결과에서의 적어도 하나의 서브-영역 각각 내의 타겟 객체들의 수의 내림차순에 따라, 화상 인식 결과에서의 적어도 하나의 서브-영역 각각에서의 N개의 후보 카테고리 및 타겟 객체들의 수를, 무선 주파수 인식 결과에서의 카테고리들 및 각각의 카테고리의 타겟 객체들의 수와 매칭시키고;
적어도 하나의 서브-영역 각각에서 타겟 객체들의 수 및 카테고리를 획득하는 것을 포함한다.
일부 실시예들에서, 프로세서에 의해, 화상 인식 결과에서의 신뢰도의 내림차순 및 화상 인식 결과에서의 적어도 하나의 서브-영역 각각 내의 타겟 객체들의 수의 내림차순에 따라, 화상 인식 결과에서의 적어도 하나의 서브-영역 각각에서의 N개의 후보 카테고리 및 타겟 객체들의 수를, 무선 주파수 인식 결과에서의 카테고리들 및 각각의 카테고리의 타겟 객체들의 수와 매칭시키는 것은:
m번째 서브-영역 내의 타겟 객체들의 k번째 후보 카테고리 및 m번째 서브-영역 내의 타겟 객체들의 수를, 무선 주파수 인식 결과에서의 카테고리들 및 각각의 카테고리의 타겟 객체들의 수와 매칭시키는 것 -k번째 후보 카테고리는 신뢰도 번호 k에 대응하는 N개의 후보 카테고리 중 하나이고; 신뢰도의 내림차순에 따라 화상 인식 결과에서의 m번째 서브-영역 내의 타겟 객체의 최대 신뢰도를 갖는 N개의 후보 카테고리를 순위화함으로써 신뢰도 번호들이 획득되고; m번째 서브-영역은 적어도 하나의 서브-영역에서의 서브-영역 번호 m에 대응하는 서브-영역이고; 화상 인식 결과에서의 적어도 하나의 서브-영역 각각 내의 타겟 객체들의 수를 내림차순으로 순위화함으로써 서브-영역 번호들이 획득됨-;
무선 주파수 인식 결과에서의 카테고리들이 k번째 후보 카테고리를 포함하고, 무선 주파수 인식 결과에서의 k번째 후보 카테고리의 타겟 객체들의 수가 0보다 크다는 것에 응답하여, m번째 서브-영역 내의 타겟 객체들의 카테고리가 화상 인식 결과에서의 m번째 서브-영역 내의 타겟 객체들의 k번째 후보 카테고리이고, m번째 서브-영역 내의 타겟 객체들의 수가 화상 인식 결과에서의 m번째 서브-영역 내의 타겟 객체들의 수라고 결정하는 것; 및
무선 주파수 인식 결과에서의 k번째 후보 카테고리의 타겟 객체들의 수로부터 m번째 서브-영역 내의 타겟 객체들의 수를 공제하여 조정된 무선 주파수 인식 결과를 획득하는 것을 포함한다.
일부 실시예들에서, 프로세서는:
무선 주파수 인식 결과에서의 카테고리들이 k번째 후보 카테고리를 포함하지 않는다는 것에 응답하여 또는 무선 주파수 인식 결과에서의 카테고리들이 k번째 후보 카테고리를 포함하지만 무선 주파수 인식 결과에서의 k번째 후보 카테고리의 타겟 객체들의 수가 0보다 크지 않다는 것에 응답하여, 매칭이 성공적이지 않다고 결정하고;
매칭될 서브-영역으로서 m번째 서브-영역을 취하도록 추가로 구성된다.
일부 실시예들에서, 매칭될 서브-영역이 존재한다고 결정할 때, 프로세서는:
무선 주파수 인식 결과에서의 각각의 카테고리의 타겟 객체들의 수가 0보다 크지 않다는 것에 응답하여, 매칭될 서브-영역에서의 최대 신뢰도를 갖는 N개의 후보 카테고리들에서, 하나 이상의 후보 카테고리가 무선 주파수 인식 결과의 카테고리들에서 나타난다고 결정하고, 매칭될 서브-영역 내의 타겟 객체들의 카테고리로서 하나 이상의 나타난 후보 카테고리에서 최대 신뢰도를 갖는 후보 카테고리를 취하고, 화상 인식 결과에서의 매칭될 서브-영역 내의 타겟 객체들의 수를 매칭될 서브-영역 내의 타겟 객체들의 수로서 취하도록 추가로 구성된다.
일부 실시예들에서, 매칭될 서브-영역이 존재한다고 결정할 때, 프로세서는:
무선 주파수 인식 결과에서의 각각의 카테고리의 타겟 객체들의 수가 0보다 크지 않다는 것에 응답하여, 매칭될 서브-영역에서의 최대 신뢰도를 갖는 N개의 후보 카테고리 중 어느 것도 무선 주파수 인식 결과의 카테고리들에서 나타나지 않는다고 결정하고, 최대 신뢰도를 후보 카테고리를 매칭될 서브-영역 내의 타겟 객체들의 카테고리로서 취하고, 화상 인식 결과에서의 매칭될 서브-영역 내의 타겟 객체들의 수를 매칭될 서브-영역 내의 타겟 객체들의 수로서 취하도록 추가로 구성된다.
일부 실시예들에서, 매칭될 서브-영역이 존재한다고 결정할 때, 프로세서는:
무선 주파수 인식 결과에서의 적어도 하나의 카테고리의 타겟 객체들의 수가 0보다 크다는 것에 응답하여, 무선 주파수 인식 결과에서의 최대 수의 타겟 객체들을 갖는 카테고리를 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 타겟 객체들의 카테고리로서 취하고, 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 타겟 객체들의 수를 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 타겟 객체들의 수로서 취하고;
무선 주파수 인식 결과에서의 최대 수의 타겟 객체들을 갖는 카테고리에서의 타겟 객체들의 수로부터 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 타겟 객체들의 수를 공제하여 조정된 무선 주파수 인식 결과를 획득하도록 추가로 구성된다.
본 개시내용의 실시예들의 제4 양태에 따르면, 컴퓨터 판독가능 저장 매체가 제공된다. 컴퓨터 프로그램이 저장되고, 컴퓨터 프로그램이 프로세서에 의해 실행될 때, 실시예들 중 임의의 하나에 따른 방법이 구현된다.
본 개시내용의 실시예들의 제5 양태에 따르면, 메모리, 프로세서, 및 메모리에 저장되고 프로세서 상에서 실행되는 컴퓨터 프로그램을 포함하는 컴퓨터 디바이스가 제공되며, 컴퓨터 프로그램이 프로세서에 의해 실행될 때, 실시예들 중 어느 하나에 따른 방법이 구현된다.
본 명세서의 실시예들은 타겟 영역 내의 타겟 객체들의 화상 인식 결과 및 무선 주파수 인식 결과를 획득하고, 그 후 무선 주파수 인식 결과 및 화상 인식 결과에 따라 타겟 영역 내의 타겟 객체들의 분포를 결정하는 것을 포함한다. 무선 주파수 인식 결과 및 화상 인식 결과가 융합되기 때문에, 타겟 영역 내의 타겟 객체들이 정확하게 인식되어, 인식 정확도를 향상시킬 수 있다.
전술한 일반적인 설명들 및 이하의 상세한 설명들은 단지 예시적이고 설명적일 뿐이며, 본 개시내용을 제한하려는 의도는 아니라는 점이 이해되어야 한다.
첨부 도면은 본 명세서에 포함되고 본 명세서의 일부를 구성한다. 이러한 첨부 도면들은 본 개시내용에 따르는 실시예들을 나타내고, 본 명세서와 함께 본 개시내용에서의 기술적 해결책들을 설명하기 위한 것이다.
도 1은 본 개시내용의 실시예들에 따른 타겟 객체를 인식하기 위한 방법의 흐름도이다.
도 2는 본 개시내용의 실시예들에 따른 타겟 영역의 개략도이다.
도 3a는 본 개시내용의 실시예에 따른 타겟 객체들의 개략도이다.
도 3b는 본 개시내용의 다른 실시예에 따른 타겟 객체들의 개략도이다.
도 4는 본 개시내용의 실시예들에 따른 각각의 서브-영역 내의 타겟 객체의 개략도이다.
도 5는 본 개시내용의 실시예들에 따른 타겟 객체를 인식하기 위한 장치의 블록도이다.
도 6은 본 개시내용의 실시예들에 따른 타겟 객체를 인식하기 위한 시스템의 개략도이다.
도 7은 본 개시내용의 실시예들에 따른 본 개시내용의 방법을 구현하기 위한 컴퓨터 디바이스의 개략적인 구조도이다.
예시적인 실시예들이 본 명세서에서 상세히 설명될 것이고, 그것의 예들은 도면들에 나타나 있다. 설명이 도면들에 관한 것이면, 달리 지시되지 않는 한, 상이한 도면들에서의 동일한 번호는 동일하거나 유사한 요소를 나타낸다. 이하의 예시적인 실시예들에서 설명되는 구현들은 본 출원과 일치하는 모든 구현들을 나타내지 않는다. 반대로, 이들은 첨부된 청구항들에 상세히 설명된 바와 같은 본 출원의 동일한 양태들에서 일관된 장치들 및 방법들에 대한 예들일 뿐이다.
본 출원에서 사용되는 용어들은 본 출원을 제한하고자 하는 것이 아니라 단지 특정 실시예를 설명하기 위한 것이다. 본 출원 및 첨부된 청구항들에서 사용되는 단일 형태의 용어들 "한(a)", "상기(said)", 및 "그(the)"는 또한, 문맥상 다른 의미가 명확하게 표현되지 않는 한, 다수 형태를 포함하는 것을 목표로 한다. 본 텍스트에서 사용되는 용어 "및/또는"은 하나 이상의 연관된 열거된 용어들을 포함하는 임의의 또는 모든 가능한 조합들을 지칭한다는 점이 또한 이해되어야 한다. 또한, 본 텍스트에서의 용어 "적어도 하나"는 다수의 타입 중 임의의 하나 또는 다수 중 적어도 2개의 임의의 조합을 나타낸다.
본 출원은 정보를 설명하기 위해 제1, 제2 및 제3과 용어들을 사용할 수 있지만, 이러한 정보는 이러한 용어들로 제한되지 않아야 한다는 점이 이해되어야 한다. 이 용어들은 단지 서로 동일한 타입의 정보를 구별하기 위해 사용된다. 예를 들어, 본 출원의 범위를 벗어나지 않는 경우에, 제1 정보는 제2 정보라고도 지칭될 수 있다; 유사하게, 제2 정보는 제1 정보라고도 지칭될 수 있다. 문맥에 따라, 예를 들어, 본 명세서에서 사용되는 용어 "라면(if)"은 "할 때(when)" 또는 "할 시(upon)" 또는 "결정에 응답하여"로서 설명될 수 있다.
본 기술분야의 통상의 기술자가 본 개시내용의 실시예들에서의 기술적 해결책들을 더 잘 이해하고 본 개시내용의 실시예들의 전술한 목적, 특징들, 및 장점들을 더 명백하고 이해할 수 있도록, 본 개시내용의 실시예들에서의 기술적 해결책들이 도면들을 조합함으로써 보다 상세히 설명된다.
도 1은 본 개시내용의 실시예들에 따른 타겟 객체를 인식하기 위한 방법의 흐름도이다. 본 방법은:
단계 S101: 타겟 영역의 화상이 획득되고;
단계 S102: 화상에 따라 타겟 영역 내의 타겟 객체들의 화상 인식 결과가 결정되고;
단계 S103: 타겟 영역 내의 타겟 객체들의 무선 주파수 인식 결과가 획득되고;
단계 S104: 무선 주파수 인식 결과 및 화상 인식 결과에 따라 타겟 영역 내의 타겟 객체들의 분포가 결정된다.
단계 S101에 있어서, 타겟 영역은 타겟 객체들이 배치되어 있는 영역이고, 예를 들어, 타겟 영역은 평면(예를 들어, 데스크톱), 컨테이너(예를 들어, 박스) 등일 수 있다. 타겟 객체는 하나 이상의 물품일 수 있고; 일부 공통 조건들에서, 타겟 객체들은 다양한 형상들, 예를 들어, 게임 통화들의 시트 형상의 물품들이다. 도 2는 보드 게임 장면에서의 데스크톱의 부분 개략도이며; 데스크톱은 다수의 타겟 영역을 포함하고, 여기서 각각의 폐쇄된 영역은 타겟 영역을 나타낸다. 이 장면에서의 타겟 객체들은 데스크톱 상의 게임 통화들이다.
각각의 타겟 객체는 타겟 영역에 적층될 수 있고, 적층 모드들은 타겟 객체들이 수직 방향으로 적층되는 제1 적층 모드 및 타겟 객체들이 수평 방향으로 적층되는 제2 적층 모드를 포함한다. 제1 적층 모드는 도 3a에 도시되어 있다. 제2 적층 모드는 도 3b에 도시되어 있다. 도 3a 및 도 3b에 도시된 실시예들에서, 각각의 타겟 객체의 형상은 원통형이고, 각각의 타겟 객체는 2개의 평행하고 동일한 크기의 하부 평면들 및 2개의 하부 평면들을 연결하는 만곡 평면을 포함한다. 제1 적층 모드에서, 최저 타겟 객체의 하부 평면은 타겟 영역과 접촉하고, 각각의 타겟 객체의 하부 평면들의 중심을 연결하는 직선은 데스크톱과 같은 타겟 영역에 수직이다. 제2 적층 모드에서, 각각의 타겟 객체의 만곡 평면은 타겟 영역과 접촉하고, 각각의 타겟 객체의 하부 평면들의 중심을 연결하는 직선은 데스크톱과 같은 타겟 영역과 평행하다.
타겟 영역에 인접한 화상 수집 장치(예를 들어, 카메라 디바이스 또는 카메라)는 타겟 객체들을 포함하는 타겟 영역들의 화상을 촬영하는데 사용된다. 화상에서 제1 적층 모드 및 제2 적층 모드로 적층된 타겟 객체들을 명확히 제시하기 위해, 타겟 영역의 측면에 배치된 화상 수집 장치는 제1 적층 모드로 적층된 타겟 객체들을 포함하는 제1 화상을 촬영하는데 사용될 수 있고, 타겟 객체들 위에 배치된 화상 수집 장치는 제2 적층 모드로 적층된 타겟 객체들을 포함하는 제2 화상을 촬영하는데 사용될 수 있다. 또한, 타겟 영역 전체의 화상을 완전히 획득하기 위해 타겟 영역의 양측에 적어도 하나의 화상 수집 장치가 설정될 수 있다. 도 2에 도시된 복수의 타겟 영역에 대해, 화상 수집 장치들은 전체 데스크톱의 양쪽, 즉 좌측 및 우측에 설정될 수 있고; 좌측 화상 수집 장치는 데스크톱의 좌측 절반(예를 들어, 점선 B의 좌측)에서 타겟 영역들을 촬영할 수 있고, 우측 화상 수집 장치는 데스크톱의 우측 절반(예를 들어, 점선 A의 우측)에서 타겟 영역들을 촬영할 수 있다.
단계 S102에 있어서, 각각의 타겟 객체가 속하는 타겟 영역은 먼저 각각의 타겟 영역의 화소 좌표 범위 및 타겟 객체의 화소 좌표 범위에 따라 결정될 수 있다. 타겟 객체의 화소 좌표 범위가 타겟 영역의 화소 좌표 범위에 속하면, 타겟 객체가 타겟 영역에 속하는 것으로 결정된다. 각각의 타겟 객체가 속하는 타겟 영역을 결정한 후에, 타겟 영역 내의 타겟 객체들의 화상 인식 결과가 추가로 획득된다. 화상 인식 결과는 타겟 영역 내의 타겟 객체들의 수, 위치, 및 카테고리를 포함한다.
일부 실시예들에서, 신경망은 타겟 영역 내의 타겟 객체들의 화상 인식 결과를 출력하기 위해 화상을 처리하는데 사용될 수 있다. 신경망은 타겟 영역 내의 타겟 객체들의 위치, 카테고리, 및 수를 예측할 수 있다. 일부 실시예들에서, 타겟 영역은 다수의 서브-영역을 포함하고; 신경망에 의해 출력되는 타겟 객체들의 위치 정보는 각각의 타겟 객체가 위치하는 서브-영역이고; 신경망에 의해 출력되는 카테고리 정보는 각각의 서브-영역 내의 타겟 객체들의 카테고리이고; 신경망에 의해 출력되는 수량 정보는 각각의 서브-영역 내의 타겟 객체들의 수이다.
예를 들어, 데스크톱 상의 게임 통화들은 백색 분리 플레이트(예를 들어, 스페이서)를 통해 다수의 서브-영역들로 분할될 수 있다. 도 4에 도시된 바와 같이, 도 4는 타겟 영역 내의 타겟 객체들을 다수의 서브-영역들로 분할하는 개략도이다. 각각의 그레이 블록은 타겟 객체이고; 상이한 블랙 박스들 내의 타겟 객체들은 상이한 서브-영역들에 속한다. 신경망은 각각의 서브-영역에서의 경계 박스, 즉 도 4에서의 블랙 박스를 획득하고, 그 후 각각의 서브-영역 내의 타겟 객체들의 카테고리 예측 결과 및 각각의 서브-영역 내의 타겟 객체들의 수량 예측 결과를 출력할 수 있다.
카테고리 예측 결과는 타겟 객체들이 서브-영역에 속하는 카테고리의 신뢰도를 포함하고, 일반적으로, 처음 3개의 신뢰도를 갖는 카테고리 예측 결과가 출력될 수 있다. 예를 들어, 카테고리 1에 속하는 타겟 객체들의 신뢰도는 0.5이고, 카테고리 2에 속하는 신뢰도는 0.3이고, 카테고리 3에 속하는 신뢰도는 0.1이고, ..., 이후 신경망은 다음 카테고리 예측 결과: {카테고리 1:0.5; 카테고리 2:0.3; 카테고리 3:0.1}를 출력할 수 있다. 수량 예측 결과는 서브-영역의 길이에 의해 표현될 수 있다. 각각의 타겟 객체에 의해 점유된 화소 길이가 N개의 화소 값이고 서브-영역의 화소 길이가 M개의 화소 값이라고 가정하면, 서브-영역 내의 타겟 객체들의 수는 M/N이다.
단계 S103에 있어서, 타겟 영역 내의 타겟 객체들의 무선 주파수 인식 결과를 획득하기 위해 타겟 영역 내에 배치된 무선 주파수 검출 안테나에 의해 타겟 영역 내의 타겟 객체들이 인식될 수 있다.
타겟 영역에서의 무선 주파수 검출 안테나의 장착 위치는 타겟 영역 내의 타겟 객체들의 인식을 구현할 수 있기만 하면 되고, 이는 본 개시내용에 의해 한정되지 않는다. 보드 게임 적용 장면에서, 무선 주파수 검출 안테나는 타겟 영역의 테이블보(tablecloth) 아래에 배열될 수 있고, 게임 통화들을 수용하기 위해 컨테이너의 하부에도 배열될 수 있다.
다수의 타겟 영역이 있다면, 각각의 타겟 영역에 대해, 무선 주파수 검출 안테나는 타겟 영역에 배치될 수 있고; 타겟 영역 내의 무선 주파수 검출 안테나는 타겟 영역 내의 타겟 객체들을 인식하기 위해서만 사용된다. 상이한 타겟 영역들 사이의 상호 간섭을 피하기 위해, 타겟 영역 내의 무선 주파수 안테나가 타겟 영역 내의 타겟 객체들을 검출하기 위해서만 사용되도록, 격리 장치가 타겟 영역들 사이에 제공될 수 있다. 격리 장치는 금속 시트와 같은 금속들로 이루어진 물품들일 수 있다. 격리 장치는 각각의 타겟 영역 주위에 배열될 수 있다. 컨테이너의 하부에 배열된 무선 주파수 검출 안테나에 대해, 격리 장치는 컨테이너 주위에 배열될 수 있다.
무선 주파수 검출 안테나를 갖는 세트로서 사용되는 무선 주파수 인식 태그는 미리 각각의 타겟 객체 상에 배치될 수 있다. 무선 주파수 인식 태그는 타겟 객체에 내장되거나 타겟 객체의 표면에 부착될 수 있다. 무선 주파수 검출 안테나에 의해 판독된 무선 주파수 인식 태그의 태그 정보가 획득될 수 있고, 타겟 영역 내의 타겟 객체의 무선 주파수 인식 결과가 태그 정보에 따라 획득될 수 있다. 무선 주파수 인식 결과는 각각의 타겟 영역 내의 타겟 객체들의 카테고리 및 수를 포함할 수 있다.
화상에 기초한 타겟 객체들의 인식은 타겟 객체들의 위치 및 수를 비교적 정확하게 인식할 수 있지만, 장면 광(scene light)과 같은 인자들에 의한 영향들로 인해, 타겟 객체들에 대한 카테고리 검출에 일부 잘못된 검출 조건들이 발생할 수 있다. 무선 주파수 기술에 기초한 타겟 객체들의 인식은 타겟 객체들의 카테고리들을 비교적 정확하게 인식할 수 있지만, 전자기 간섭 및 디바이스 손상과 같은 인자들에 의한 영향들로 인해, 타겟 객체들에 대한 수량 검출에 일부 잘못된 검출 조건들이 발생할 수 있고, 무선 주파수 인식 결과는 타겟 영역 내의 타겟 객체의 위치를 결정할 수 없다.
따라서, 단계 S104에 있어서, 타겟 객체들의 위치 및 수량은 화상 인식 결과에 의해 인식될 수 있고, 화상 인식 결과에 의해 획득된 카테고리는 무선 주파수 인식 결과에 의해 검증되어 정확한 카테고리 정보를 획득할 수 있다. 서브-영역 내의 타겟 객체들의 카테고리는 무선 주파수 인식 결과에 의해 결정될 수 있고, 서브-영역 내의 타겟 객체들의 수량은 화상 인식 결과에 의해 결정될 수 있다.
일부 실시예들에서, 타겟 영역은 적어도 하나의 서브-영역을 포함하고, 화상 인식 결과는 각각의 서브-영역 내의 타겟 객체의 최대 신뢰도를 갖는 N개의 후보 카테고리들과 및 각각의 서브-영역 내의 타겟 객체들의 수를 포함하고; 무선 주파수 인식 결과 및 화상 인식 결과에 따라 타겟 영역 내의 타겟 객체들의 분포를 결정하는 것은: 화상 인식 결과에서의 신뢰도의 내림차순 및 화상 인식 결과에서의 각각의 서브-영역 내의 타겟 객체들의 수의 내림차순에 따라 화상 인식 결과에서의 각각의 서브-영역 내의 타겟 객체들의 수 및 N개의 후보 카테고리들을, 무선 주파수 인식 결과에서의 카테고리들 및 각각의 카테고리의 타겟 객체들의 수와 매칭시키는 것; 및 각각의 서브-영역 내의 타겟 객체들의 수 및 카테고리를 획득하는 것을 포함한다. N은 1 이상인 정수이다.
후보 카테고리는 일반적으로 최대 신뢰도를 갖는 3개의 카테고리를 채택할 수 있다. 화상 인식 결과가 다음: 타겟 영역은 3개의 서브-영역을 포함하고, 서브-영역 i는 Ki 타겟 객체들(i=1, 2, 또는 3이고 K1>K2>K3이며, Ki는 1 이상인 정수임)을 포함한다고 가정하면, 각각의 서브-영역은 3개의 후보 카테고리에 대응하고; 최대 신뢰도를 갖는 후보 카테고리는 상위 1 후보 카테고리라고 지칭되고; 두번째 최대 신뢰도를 갖는 후보 카테고리는 상위 2 후보 카테고리라고 지칭되며; 세번째 최대 신뢰도를 갖는 후보 카테고리는 상위 3 후보 카테고리라고 지칭된다. 따라서, 서브-영역들 1, 2, 및 3 내의 타겟 객체들의 상위 1 후보 카테고리, 및 무선 주파수 인식 결과에서의 각각의 카테고리의 타겟 객체들의 수뿐만 아니라 카테고리들에 대해 먼저 매칭이 순차적으로 수행될 수 있고; 그 후, 서브-영역들 1, 2, 및 3 내의 타겟 객체들의 상위 2 후보 카테고리, 및 무선 주파수 인식 결과에서의 각각의 카테고리의 타겟 객체들의 수뿐만 아니라 카테고리에 대해 매칭이 순차적으로 수행될 수 있고; 최종적으로 서브-영역들 1, 2, 및 3 내의 타겟 객체들의 상위 3 후보 카테고리, 및 무선 주파수 인식 결과에서의 각각의 카테고리의 타겟 객체들의 수뿐만 아니라 카테고리에 대해 매칭이 순차적으로 수행될 수 있으며; 서브-영역들 1, 2 및 3 내의 타겟 객체들의 카테고리 및 수는 상기 매칭 결과들에 따라 획득될 수 있다.
구체적으로, m번째 서브-영역 내의 타겟 객체들의 k번째 후보 카테고리 및 m번째 서브-영역 내의 타겟 객체들의 수는 무선 주파수 인식 결과에서의 각각의 카테고리의 타겟 객체들의 수 및 카테고리들과 매칭될 수 있고; 무선 주파수 인식 결과에서의 카테고리들이 m번째 서브-영역 내의 타겟 객체들의 k번째 후보 카테고리를 포함하고, 무선 주파수 인식 결과에서의 k번째 후보 카테고리의 타겟 객체들의 수가 0보다 큰 조건 하에서, m번째 서브-영역 내의 타겟 객체들의 카테고리가 화상 인식 결과에서의 m번째 서브-영역 내의 타겟 객체들의 k번째 후보 카테고리이고 m번째 서브-영역 내의 타겟 객체들의 수가 화상 인식 결과에서의 m번째 서브-영역 내의 타겟 객체들의 수인 것으로 결정되고; m번째 서브-영역 내의 타겟 객체들의 수는 무선 주파수 인식 결과에서의 k번째 후보 카테고리의 타겟 객체들의 수로부터 공제되어 조정된 무선 주파수 인식 결과를 획득한다.
여기서, k번째 후보 카테고리는 신뢰도 번호 k에 대응하는 N개의 후보 카테고리 중 하나이고; 신뢰도들의 내림차순에 따라 화상 인식 결과에서 m개의 서브-영역 내의 타겟 객체의 최대 신뢰도를 갖는 N개의 후보 카테고리들을 순위화함으로써 신뢰도 번호들이 획득되고; m번째 서브-영역은 적어도 하나의 서브-영역에서의 서브-영역 번호 m에 대응하는 서브-영역이고; 화상 인식 결과에서 각각의 서브-영역 내의 타겟 객체들의 수를 내림차순으로 순위화함으로써 서브-영역 번호들이 획득된다.
위의 예를 따른다. 무선 주파수 인식 결과는 다음과 같다: 타겟 영역이 카테고리 C1에 속하는 J1개의 타겟 객체들, 카테고리 C2에 속하는 J2개의 타겟 객체들, 및 카테고리 C3에 속하는 J3개의 타겟 객체들을 포함한다고 가정한다. J1, J2 및 J3은 1 이상인 정수이다. 제1 라운드의 매칭 동안, 화상 인식 결과에서의 각각의 서브-영역에서 상이한 신뢰도들을 갖는 타겟 객체들의 수 및 후보 카테고리들과 무선 주파수 인식 결과에서의 각각의 카테고리의 타겟 객체들의 수 및 카테고리들을 매칭할 때, 제1 서브-영역 내의 타겟 객체들의 (C11으로 표시된) 제1 후보 카테고리 및 제1 서브-영역 내의 타겟 객체들의 (K1으로 표시된) 수는 무선 주파수 인식 결과에서의 각각의 카테고리의 타겟 객체들의 수 및 카테고리들과 매칭된다. C1, C2 및 C3이 C11과 동일한 카테고리를 포함하고(C1이 C11과 동일하다고 가정함), 무선 주파수 인식 결과에서의 C11과 동일한 카테고리의 타겟 객체들의 수가 0보다 큰 경우, 제1 서브-영역 내의 타겟 객체들의 카테고리는 C11으로서 결정되고, 제1 서브-영역 내의 타겟 객체들의 수는 K1이다. 그 후, 제1 조정된 무선 주파수 인식 결과 -J1-K1개의 타겟 객체는 카테고리 C1에 속하고, J2개의 타겟 객체는 카테고리 C2에 속하고, J3개의 타겟 객체는 카테고리 C3에 속함- 를 획득하기 위해 무선 주파수 인식 결과에서의 카테고리 C1에 대응하는 수 J1으로부터 타겟 객체들의 수 K1이 공제된다.
제2 라운드의 매칭 동안, 제2 서브-영역 내의 타겟 객체들의 (C21로 표시된) 제1 후보 카테고리 및 제2 서브-영역 내의 타겟 객체들의 (K2로 표시된) 수는 무선 주파수 인식 결과에서의 각각의 카테고리의 타겟 객체들의 수 및 카테고리들과 매칭된다. C1, C2 및 C3이 C21과 동일한 카테고리를 포함하고(C2는 C21과 동일하다고 가정함), 무선 주파수 인식 결과에서의 C21과 동일한 카테고리의 타겟 객체들의 수가 0보다 큰 경우, 제2 서브-영역 내의 타겟 객체들의 카테고리는 C21으로서 결정되고, 제2 서브-영역 내의 타겟 객체들의 수는 K2이다. 그 후, 제2 조정된 무선 주파수 인식 결과 -J1-K1개의 타겟 객체는 카테고리 C1에 속하고, J2-K2개의 타겟 객체는 카테고리 C2에 속하고, J3개의 타겟 객체는 카테고리 C3에 속함- 를 획득하기 위해 제1 조정된 무선 주파수 인식 결과에서의 카테고리 C2에 대응하는 수 J2로부터 타겟 객체들의 수 K2가 공제된다.
마지막으로, 제3 라운드의 매칭 동안, 제3 서브-영역 내의 타겟 객체들의 (C31로 표시된) 제1 후보 카테고리 및 제3 서브-영역 내의 타겟 객체들의 (K3으로 표시된) 수는 무선 주파수 인식 결과에서의 각각의 카테고리의 타겟 객체들의 수 및 카테고리들과 매칭된다. C1, C2 및 C3이 C31과 동일한 카테고리를 포함하고(C3은 C31과 동일하다고 가정함), 무선 주파수 인식 결과에서의 C31과 동일한 카테고리의 타겟 객체들의 수가 0보다 큰 경우, 제3 서브-영역 내의 타겟 객체들의 카테고리는 C31으로서 결정되고, 제3 서브-영역 내의 타겟 객체들의 수는 K3이다. 그 후, 제3 조정된 무선 주파수 인식 결과 -J1-K1개의 타겟 객체는 카테고리 C1에 속하고, J2-K2개의 타겟 객체는 카테고리 C2에 속하고, J3-K3개의 타겟 객체는 카테고리 C3에 속함- 를 획득하기 위해 제2 조정된 무선 주파수 인식 결과에서의 카테고리 C3에 대응하는 수 J3으로부터 타겟 객체들의 수 K3이 공제된다.
비교적 이상적인 매칭 조건에서, 화상 인식 결과에서의 각각의 카테고리는 무선 주파수 인식 결과에서의 대응 카테고리와 성공적으로 매칭될 수 있다(화상 인식 결과에서의 각각의 서브-영역 내의 타겟 객체들의 카테고리 및 수가 결정되는 한, 무선 주파수 인식 결과에서의 각각의 카테고리의 타겟 객체들의 수가 0인지에 관계없이, 매칭은 성공적인 것으로 간주된다). 그러나, 화상 인식 결과가 잘못 인식된 카테고리들을 포함할 수 있기 때문에, 화상 인식 결과에서의 후보 카테고리는 무선 주파수 인식 결과에 존재하지 않을 수 있다.
일부 실시예들에서, 무선 주파수 인식 결과에서의 카테고리들이 m번째 서브-영역 내의 타겟 객체들의 k번째 후보 카테고리를 포함하지 않는다는 조건 하에서, 또는 무선 주파수 인식 결과에서의 카테고리들이 m번째 서브-영역 내의 타겟 객체들의 k번째 후보 카테고리를 포함하지만 무선 주파수 인식 결과에서, m번째 서브-영역 내의 타겟 객체들의 k번째 후보 카테고리와 동일한 카테고리의 타겟 객체들의 수가 0보다 크지 않다는 조건 하에서, 매칭이 성공적이지 않고; m번째 서브-영역은 매칭될 서브-영역으로서 취해진다고 결정된다.
예를 들어, 상기 실시예들에서, 제3 서브-영역 내의 타겟 객체들의 수 및 후보 카테고리를 무선 주파수 인식 결과에서의 각각의 카테고리의 타겟 객체들의 수 및 카테고리와 매칭시킬 때, 무선 주파수 인식 결과에서의 카테고리들 C1, C2, 및 C3 중 어느 것도 화상 인식 결과에서의 C31을 포함하지 않거나, 무선 주파수 인식 결과가 C31과 동일한 카테고리를 포함하지만, 무선 주파수 인식 결과에서의 C31과 동일한 카테고리에 대응하는 수가 0보다 크지 않다는 조건 하에서(예를 들어, 화상 인식 결과에서의 제3 서브-영역에서의 후보 카테고리 C31이 무선 주파수 인식 결과에서의 C1과 동일하고 제1 서브-영역과 매칭한 후에, 재1 조정된 무선 주파수 인식 결과에서의 카테고리 C1에 속하는 타겟 객체들의 수가 제로가 되도록 조정됨), 제3 서브-영역의 매칭은 성공적이지 않고 제3 서브-영역은 매칭될 서브-영역으로서 취해질 수 있다.
실제 적용 프로세스에서, 상기 카테고리 C31과 동일한 실패한 매칭 조건은 모두 각각의 서브-영역 내의 타겟 객체들의 후보 카테고리들에 발생할 수 있다. 실패한 매칭 조건이 다른 서브-영역들 내의 타겟 객체들의 후보 카테고리들에 발생할 때, 서브-영역들은 또한 매칭될 서브-영역들로서 취해질 수 있으며, 간결함을 위해 본 명세서에서 생략된다.
일부 실시예들에서, 매칭될 서브-영역이 존재하는 조건 하에서, 본 방법은: 무선 주파수 인식 결과에서의 각각의 카테고리의 타겟 객체들의 수가 0보다 크지 않다는 것에 응답하여, 매칭될 서브-영역에서의 최대 신뢰도를 갖는 N개의 후보 카테고리들에서, 하나 이상의 후보 카테고리가 무선 주파수 인식 결과의 카테고리들에서 나타난다고 결정하는 단계, 매칭될 서브-영역 내의 타겟 객체들의 카테고리로서 하나 이상의 나타난 후보 카테고리에서 최대 신뢰도를 갖는 후보 카테고리를 취하는 단계, 및 화상 인식 결과에서의 매칭될 서브-영역 내의 타겟 객체들의 수를 매칭될 서브-영역 내의 타겟 객체들의 수로서 취하는 단계를 추가로 포함한다.
적어도 한 라운드의 매칭 후에 매칭될 서브-영역(여전히 서브-영역 3이라고 가정됨)이 존재하는 경우, 무선 주파수 인식 결과에서의 카테고리들 C1, C2 및 C3에 대응하는 타겟 객체들의 수는 0보다 크지 않고, 서브-영역 3 내의 타겟 객체들의 상위 2 후보 카테고리 C32 및 상위 3 후보 카테고리 C33은 양측 모두 무선 주파수 인식 결과의 카테고리들에서 나타나고(예를 들어, C2는 C32와 동일하고, C3은 C33과 동일함), 서브-영역 3 내의 타겟 객체들의 상위 2 후보 카테고리는 서브-영역 3 내의 타겟 객체들의 카테고리로서 사용되고, K3은 서브-영역 3 내의 타겟 객체들의 수로서 사용된다.
일부 실시예들에서, 매칭될 서브-영역이 존재하는 조건 하에서, 본 방법은: 무선 주파수 인식 결과에서의 각각의 카테고리의 타겟 객체들의 수가 0보다 크지 않다는 조건 하에서, 매칭될 서브-영역에서의 최대 신뢰도를 갖는 N개의 후보 카테고리 중 어느 것도 무선 주파수 인식 결과의 카테고리들에서 나타나지 않는다고 결정하는 단계, 최대 신뢰도를 갖는 후보 카테고리를 매칭될 서브-영역 내의 타겟 객체들의 카테고리로서 취하는 단계, 및 화상 인식 결과에서의 매칭될 서브-영역 내의 타겟 객체들의 수를 매칭될 서브-영역 내의 타겟 객체들의 수로서 취하는 단계를 추가로 포함한다.
적어도 한 라운드의 매칭 후에 매칭될 서브-영역(여전히 서브-영역 3이라고 가정됨)이 존재하는 경우, 무선 주파수 인식 결과에서의 카테고리들 C1, C2, 및 C3에 대응하는 타겟 객체들의 수는 0보다 크지 않고, 서브-영역 3 내의 타겟 객체들의 상위 1 후보 카테고리 C31, 상위 2 후보 카테고리 C32, 및 상위 3 후보 카테고리 C33 중 어느 것도 무선 주파수 인식 결과의 카테고리들에서 나타나지 않고, 서브-영역 3 내의 타겟 객체들의 상위 1 후보 카테고리는 서브-영역 3 내의 타겟 객체들의 카테고리로서 사용되고, K3은 서브-영역 3 내의 타겟 객체들의 수로서 사용된다.
일부 실시예들에서, 매칭될 서브-영역이 존재하는 조건 하에서, 본 방법은: 무선 주파수 인식 결과에서의 적어도 하나의 카테고리의 타겟 객체들의 수가 0보다 크다는 조건 하에서, 무선 주파수 인식 결과에서의 최대 수의 타겟 객체들을 갖는 카테고리를 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 타겟 객체들의 카테고리로서 취하고, 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 타겟 객체들의 수를 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 타겟 객체들의 수로서 취하는 단계; 무선 주파수 인식 결과에서의 최대 수의 타겟 객체들을 갖는 카테고리에서의 타겟 객체들의 수로부터 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 타겟 객체들의 수를 공제하여 조정된 무선 주파수 인식 결과를 획득하는 단계를 추가로 포함한다.
적어도 한 라운드의 매칭 후에 매칭될 서브-영역들(서브-영역들 2 및 3이라고 가정됨)이 존재하는 경우, 0보다 큰 타겟 객체들의 수를 갖는 카테고리들(C2 및 C3이라고 가정됨)은 무선 주파수 인식 결과에 존재하고, C2의 타겟 객체들의 수 J2는 C3의 타겟 객체들의 수 J3보다 크고, 서브-영역 2 내의 타겟 객체들의 수 K2는 서브-영역 3 내의 타겟 객체들의 수 K3보다 크기 때문에, C2는 서브-영역 2 내의 타겟 객체들의 카테고리로서 사용되고, K2는 서브-영역 2 내의 타겟 객체들의 개수로서 사용된다. 그 후, K2는 무선 주파수 인식 결과에서의 카테고리 C2의 타겟 객체들의 수 J2로부터 공제되어 조정된 무선 주파수 인식 결과 -카테고리 C2의 타겟 객체들의 수는 J2-K2이고, 카테고리 C3의 타겟 객체들의 수는 J3임-가 획득된다.
위의 관점에서, 본 개시내용의 실시예들의 인식 프로세스는 다음의 조건들을 포함할 수 있다:
단계 1: 화상 인식 결과에서의 각각의 서브-영역 내의 타겟 객체들의 수의 내림차순에 따라, 각각의 서브-영역에서의 상위 1 후보 카테고리가 먼저 통과(traverse)되고, 그 후 각각의 서브-영역에서의 상위 2 후보 카테고리가 통과되고, 마지막으로 각각의 서브-영역에서의 상위 3 후보 카테고리가 통과된다. 무선 주파수 인식 결과에서 분류되고 있는 서브-영역에 대응하는 후보 카테고리의 나머지 타겟 객체들의 수가 0보다 큰 경우, 서브-영역에 대응하는 카테고리가 후보 카테고리이고, 분류될 큐로부터 서브-영역이 제거되고(서브-영역에서의 다른 후보 카테고리들의 결정을 바로 스킵하고), 서브-영역 내의 타겟 객체들의 수는 무선 주파수 인식 결과에서, 후보 카테고리와 동일한 카테고리의 나머지 타겟 객체들의 수로부터 차감된다고 간주된다.
단계 1이 종료된 후에 4개의 조건이 발생할 것이다:
A) 무선 주파수 인식 결과에서의 각각의 카테고리의 나머지 타겟 객체들의 수는 0이고, 타겟 영역 내의 각각의 서브-영역은 분류 결과를 가지며, 즉, 각각의 서브-영역 내의 타겟 객체들의 수 및 카테고리가 결정된다. 이 경우, 인식 프로세스는 종료되고;
B) 무선 주파수 인식 결과에서의 각각의 카테고리의 나머지 타겟 객체들의 수는 0이고, 분류 결과가 없는 매칭될 서브-영역이 존재한다. 매칭될 각각의 서브-영역에 대해, 무선 주파수 인식 결과가 상위 1 내지 상위 N 후보 카테고리 중에서 하나 이상의 후보 카테고리를 포함하는 경우, 하나 이상의 후보 카테고리에서의 최대 신뢰도를 갖는 후보 카테고리는 매칭될 서브-영역 내의 타겟 객체들의 카테고리로서 취해지고; 무선 주파수 인식 결과가 N개의 후보 카테고리 중 어느 것도 포함하지 않는 경우, 상위 1 후보 카테고리는 매칭될 서브-영역 내의 타겟 객체들의 카테고리로서 취해지고; 화상 인식 결과에서의 매칭될 서브-영역 내의 타겟 객체들의 수는 매칭될 서브-영역 내의 타겟 객체들의 수로서 취해진다. 매칭될 각각의 서브-영역 내의 타겟 객체들의 수 및 카테고리가 결정된 후에, 인식 프로세스가 종료되고;
C) 무선 주파수 인식 결과에서의 하나 이상의 카테고리의 나머지 타겟 객체들의 수는 0이 아니지만, 각각의 서브-영역은 분류 결과를 갖는다. 이 경우, 인식 프로세스는 종료되고;
D) 무선 주파수 인식 결과에서의 하나 이상의 카테고리의 나머지 타겟 객체들의 수는 0이 아니고, 분류 결과가 없는 매칭될 적어도 하나의 서브-영역이 존재한다. 단계 1로부터, 무선 주파수 인식 결과에서의 하나 이상의 카테고리는 매칭될 서브-영역에서의 N개의 후보 카테고리와 상이하다는 것을 알 수 있다. 무선 주파수 인식 결과에서의 하나 이상의 카테고리에서의 최대 수의 나머지 타겟 객체들을 갖는 카테고리는 최대 수의 타겟 객체들과 매칭될 서브-영역의 카테고리로서 취해지고; 최대 수의 타겟 객체들과 매칭될 서브-영역은 분류될 큐로부터 제거되고; 무선 주파수 인식 결과에서 최대 수의 나머지 타겟 객체들을 갖는 카테고리의 나머지 타겟 객체들의 수로부터 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 타겟 객체들의 수가 차감되어 조정된 무선 주파수 인식 결과가 획득된다. 상기 단계들은 연속적으로 수행된다. 각각의 단계들을 수행함으로써 획득된 결과들에 따르면, A, B 및 C 3개의 조건이 입력되고, 그 후 결정이 수행된다.
본 개시내용의 기술적 해결책들은 아래의 실시예에 의해 예시된다.
타겟 영역이 서브-영역들 1, 2, 및 3을 포함한다고 가정하면, 화상 인식 결과는 다음과 같다:
(1) 서브-영역 1: 총 13개의 타겟 객체, 카테고리 5, 카테고리 10 및 카테고리 20인 내림차순으로 최대 신뢰도를 갖는 3개의 후보 카테고리;
(2) 서브-영역 2: 총 11개의 타겟 객체, 카테고리 5, 카테고리 10 및 카테고리 20인 내림차순으로 최대 신뢰도를 갖는 3개의 후보 카테고리;
(3) 서브-영역 3: 총 4개의 타겟 객체, 카테고리 20, 카테고리 5 및 카테고리 10인 내림차순으로 최대 신뢰도를 갖는 3개의 후보 카테고리.
무선 주파수 인식 결과는 다음과 같다:
(1) 카테고리 5: 타겟 객체들의 수는 13이고; (2) 카테고리 10: 타겟 객체들의 수는 10이며; (1) 카테고리 50: 타겟 객체들의 수는 4이다.
무선 주파수 인식 결과에 따라 통계 테이블이 생성될 수 있다. 통계 테이블은 무선 주파수 인식 결과에서의 각각의 카테고리의 타겟 객체들의 수 및 각각의 카테고리를 기록한다. 화상 인식 결과에서의 각각의 서브-영역 내의 타겟 객체들의 수를 순위화한 후에, 서브-영역 1에 대한 상위 1 후보 카테고리가 먼저 매칭된다. 서브-영역 1의 경우, 상위 1 후보 카테고리는 카테고리 5이다. 카테고리 5는 통계 테이블에 존재하기 때문에, 서브-영역 1에서의 타겟 객체들의 카테고리는 카테고리 5로서 표시된다. 화상 인식 결과에 따르면, 서브-영역 1 내의 타겟 객체들의 수는 13이다. 통계 테이블에서 카테고리 5의 타겟 객체들의 수는 13을 차감하여 0이 된다. 다음으로, 서브-영역 2의 상위 1 후보 카테고리(즉, 카테고리 5)를 매칭할 때, 통계 테이블에서 카테고리 5의 타겟 객체들의 수는 0이기 때문에, 매칭은 성공적이지 않다. 다음으로, 서브-영역 3의 상위 1 후보 카테고리(즉, 카테고리 20)와 매칭할 때, 통계 테이블은 카테고리 20을 포함하지 않기 때문에, 매칭은 성공적이지 않다.
그 후, 서브-영역 2에 대한 상위 2 후보 카테고리가 매칭된다. 서브-영역 2의 경우, 상위 2 후보 카테고리는 카테고리 10이고; 카테고리 10은 통계 테이블에 존재하기 때문에, 서브-영역 2 내의 타겟 객체들의 카테고리는 카테고리 10으로서 표시된다. 화상 인식 결과에 따르면, 서브-영역 2 내의 타겟 객체들의 수는 11이다. 통계 테이블에서의 카테고리 10의 타겟 객체들의 수는 11을 차감하여 -1로 되지만 0으로 설정된다. 다음으로, 서브-영역 3의 상위 2 후보 카테고리(즉, 카테고리 5)를 매칭할 때, 통계 테이블에서 카테고리 5의 타겟 객체들의 수는 0이기 때문에, 매칭은 성공적이지 않다.
서브-영역 3의 상위 3 후보 카테고리들은 최종적으로 매칭된다. 서브-영역 3의 상위 3 후보 카테고리(즉, 카테고리 10)는 통계 테이블에 있지 않다. 이때, 통계 테이블에서 카테고리 50의 타겟 객체들의 수는 4이고 0보다 크기 때문에, 서브-영역 3의 카테고리는 카테고리 50으로서 표시된다. 화상 인식 결과에 따르면, 서브-영역 3 내의 타겟 객체들의 수는 4이다. 통계 테이블에서 카테고리 50의 타겟 객체들의 수는 4를 차감하여 0이 된다.
마지막으로, 출력 결과는 타겟 영역 내의 각각의 서브-영역 내의 타겟 객체들의 수 및 카테고리를 포함하고, 장면을 복원하는데 적용된다. 복수의 타겟 영역이 존재하는 경우, 각각의 타겟 영역에 대해, 타겟 영역 내의 타겟 객체들은 전술한 방법에 따라 인식된다.
본 개시내용의 실시예들은 다음의 이점들을 갖는다:
(1) 본 개시내용의 실시예들은 화상 인식 모드에서의 물품들의 위치 정보 및 수량 정보를 인식하기 위한 높은 정확도와 무선 주파수 인식 모드에서의 물품 카테고리를 인식하기 위한 높은 정확도의 특성들을 조합하고; 2개의 인식 결과를 융합함으로써, 단일 센서 해결책과 비교하여, 더 많은 정보가 획득될 수 있고, 결과가 더 정확할 것이고, 타겟 영역 내의 타겟 객체들의 분포 조건이 정확히 복원될 수 있고;
(2) 처리 로직이 간단하고, 안정성이 높고, 실시간 처리 시스템에 적합하고;
(3) 본 개시내용의 실시예들은 다양한 시트 형상 물품들에 대한 인식 해결책들에 적합하고, 적용가능성은 넓다.
본 개시내용의 실시예들은 스마트 카지노 적용 장면에서 사용될 수 있고; 이 적용 시나리오에서, 타겟 객체들은 칩들(카운터들)이고; 각각의 명칭을 갖는 칩들은 카테고리에 대응하고; 타겟 영역은 (일반적으로 제1 적층 모드에서 적층되는 칩들을 배치하는데 사용되는) 베팅 영역 및 (플로팅 칩 영역이라고 지칭되는) 제2 적층 모드에서 적층되는 칩들을 저장하기 위한 영역을 포함하는 겜블링 테이블 영역이다. 플로팅 칩 영역에서, 서브-영역은 2개의 백색 분리 시트의 중간의 영역일 수 있다. 베팅 영역에서, 서브-영역은 칩에 대한 경계 박스에 대응하는 영역일 수 있다. 본 개시내용의 실시예들에 따르면, 각각의 서브-영역 내의 칩들의 수 및 카테고리가 인식될 수 있다.
본 기술분야의 통상의 기술자는 특정 구현들의 전술한 방법들에서, 단계들이 기입되는 순서가 구현 프로세스에 대한 임의의 제한을 구성하는 엄격한 실행 순서를 암시하지 않고, 단계들을 실행하는 특정 순서는 기능들 및 그의 가능한 내부 논리들에 의해 결정되어야 한다는 것을 이해할 수 있다.
도 5에 도시된 바와 같이, 본 개시내용은 타겟 객체를 인식하기 위한 장치를 추가로 제공하며, 이 장치는:
타겟 영역의 화상을 획득하도록 구성되는 제1 획득 모듈(501);
화상에 따라 타겟 영역 내의 타겟 객체들의 화상 인식 결과를 결정하도록 구성되는 제1 결정 모듈(502);
타겟 영역 내의 타겟 객체들의 무선 주파수 인식 결과를 획득하도록 구성되는 제2 획득 모듈(503); 및
무선 주파수 인식 결과 및 화상 인식 결과에 따라 타겟 영역 내의 타겟 객체들의 분포를 결정하도록 구성되는 제2 결정 모듈(504)을 포함한다.
일부 실시예들에서, 제1 획득 모듈은: 화상을 신경망을 통해 처리하여 타겟 영역 내의 타겟 객체들의 화상 인식 결과를 출력하도록 구성된다.
일부 실시예들에서, 제2 획득 모듈은 타겟 영역에 배열된 무선 주파수 검출 안테나를 통해 타겟 영역 내의 타겟 객체들의 무선 주파수 인식 결과를 획득하도록 구성된다.
일부 실시예들에서, 무선 주파수 인식 결과는 무선 주파수 검출 안테나를 통해 타겟 객체 각각에 배치된 무선 주파수 인식 태그를 판독함으로써 획득된다.
일부 실시예들에서, 타겟 영역은 적어도 하나의 서브-영역을 포함하고; 화상 인식 결과는 적어도 하나의 서브-영역 각각 내의 타겟 객체의 최대 신뢰도를 갖는 N개의 후보 카테고리 및 적어도 하나의 서브-영역 각각 내의 타겟 객체들의 수를 포함하고;
제2 결정 모듈은:
화상 인식 결과에서의 신뢰도의 내림차순 및 화상 인식 결과에서의 적어도 하나의 서브-영역 각각 내의 타겟 객체들의 수의 내림차순에 따라, 화상 인식 결과에서의 적어도 하나의 서브-영역 각각에서의 N개의 후보 카테고리 및 타겟 객체들의 수를, 무선 주파수 인식 결과에서의 카테고리들 및 각각의 카테고리의 타겟 객체들의 수와 매칭시키고;
적어도 하나의 서브-영역 각각에서 타겟 객체들의 수 및 카테고리를 획득하도록 구성된다.
일부 실시예들에서, 제2 결정 모듈은:
m번째 서브-영역 내의 타겟 객체들의 k번째 후보 카테고리 및 m번째 서브-영역 내의 타겟 객체들의 수를, 무선 주파수 인식 결과에서의 각각의 카테고리의 타겟 객체들의 수 및 카테고리들과 매칭시키도록 구성되는 매칭 유닛 -k번째 후보 카테고리는 신뢰도 번호 k에 대응하는 N개의 후보 카테고리 중 하나이고; 신뢰도의 내림차순에 따라 화상 인식 결과에서의 m번째 서브-영역 내의 타겟 객체의 최대 신뢰도를 갖는 N개의 후보 카테고리를 순위화함으로써 신뢰도 번호들이 획득되고; m번째 서브-영역은 적어도 하나의 서브-영역에서의 서브-영역 번호 m에 대응하는 서브-영역이고; 화상 인식 결과에서의 적어도 하나의 서브-영역 각각에서의 타겟 객체들의 수를 내림차순으로 순위화함으로써 서브-영역 번호들이 획득됨-;
무선 주파수 인식 결과에서의 카테고리들이 k번째 후보 카테고리를 포함하고, 무선 주파수 인식 결과에서의 k번째 후보 카테고리의 타겟 객체들의 수가 0보다 크다는 것에 응답하여, m번째 서브-영역 내의 타겟 객체들의 카테고리가 화상 인식 결과에서의 m번째 서브-영역 내의 타겟 객체들의 k번째 후보 카테고리이고 m번째 서브-영역 내의 타겟 객체들의 수가 화상 인식 결과에서의 m번째 서브-영역 내의 타겟 객체들의 수라고 결정하도록 구성되는 결정 유닛; 및
무선 주파수 인식 결과에서의 k번째 후보 카테고리의 타겟 객체들의 수로부터 m번째 서브-영역 내의 타겟 객체들의 수를 공제하여 조정된 무선 주파수 인식 결과를 획득하도록 구성되는 조정 유닛을 포함한다.
일부 실시예들에서, 본 장치는:
무선 주파수 인식 결과에서의 카테고리들이 k번째 후보 카테고리를 포함하지 않는다는 것에 응답하여 또는 무선 주파수 인식 결과에서의 카테고리들이 k번째 후보 카테고리를 포함하지만 무선 주파수 인식 결과에서의 k번째 후보 카테고리의 타겟 객체들의 수가 0보다 크지 않다는 것에 응답하여, 매칭이 성공적이지 않다고 결정하도록 구성되는 제3 결정 모듈; 및
m번째 서브-영역을 매칭될 서브-영역으로서 취하도록 구성되는 제4 결정 모듈을 추가로 포함한다.
일부 실시예들에서, 매칭될 서브-영역이 존재한다는 조건 하에서, 장치는:
무선 주파수 인식 결과에서의 각각의 카테고리의 타겟 객체들의 수가 0보다 크지 않다는 것에 응답하여, 매칭될 서브-영역에서의 최대 신뢰도를 갖는 N개의 후보 카테고리에서, 하나 이상의 후보 카테고리가 무선 주파수 인식 결과의 카테고리들에서 나타난다고 결정하고, 매칭될 서브-영역 내의 타겟 객체들의 카테고리로서 하나 이상의 나타난 후보 카테고리에서 최대 신뢰도를 갖는 후보 카테고리를 취하고, 화상 인식 결과에서의 매칭될 서브-영역 내의 타겟 객체들의 수를 매칭될 서브-영역 내의 타겟 객체들의 수로서 취하도록 구성되는 제5 결정 모듈을 추가로 포함한다.
일부 실시예들에서, 매칭될 서브-영역이 존재한다는 조건 하에서, 장치는:
무선 주파수 인식 결과에서의 각각의 카테고리의 타겟 객체들의 수가 0보다 크지 않다는 것에 응답하여, 매칭될 서브-영역에서의 최대 신뢰도를 갖는 N개의 후보 카테고리 중 어느 것도 무선 주파수 인식 결과의 카테고리들에서 나타나지 않는다고 결정하고, 최대 신뢰도를 갖는 후보 카테고리를 매칭될 서브-영역 내의 타겟 객체들의 카테고리로서 취하고, 화상 인식 결과에서의 매칭될 서브-영역 내의 타겟 객체들의 수를 매칭될 서브-영역 내의 타겟 객체들의 수로서 취하도록 구성되는 제6 결정 모듈을 추가로 포함한다.
일부 실시예들에서, 매칭될 서브-영역이 존재한다는 조건 하에서, 장치는:
무선 주파수 인식 결과에서의 적어도 하나의 카테고리의 타겟 객체들의 수가 0보다 크다는 것에 응답하여, 무선 주파수 인식 결과에서의 최대 수의 타겟 객체들을 갖는 상기 카테고리를 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 타겟 객체들의 카테고리로서 취하고, 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 타겟 객체들의 수를 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 타겟 객체들의 수로서 취하도록 구성되는 제7 결정 모듈; 및
무선 주파수 인식 결과에서의 최대 수의 타겟 객체들을 갖는 상기 카테고리에서의 타겟 객체들의 수로부터 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 타겟 객체들의 수를 공제하여 조정된 무선 주파수 인식 결과를 획득하도록 구성되는 조정 모듈을 추가로 포함한다.
일부 실시예들에서, 화상은 타겟 객체의 평면도 또는 측면도이다.
일부 실시예들에서, 평면도는 타겟 영역 위의 화상 수집 디바이스에 의해 수집되고, 측면도는 타겟 영역의 측면에 있는 화상 수집 디바이스에 의해 수집된다.
일부 실시예들에서, 본 개시내용의 실시예들에서 제공되는 장치에 포함되는 기능들 또는 모듈들은 전술한 방법 실시예들에서 설명되는 방법을 수행하도록 구성될 수 있다. 장치의 구체적인 구현에 대해, 전술한 방법 실시예들의 설명들이 참조될 수 있다. 간결성을 위해, 세부사항은 여기서 다시 설명하지 않는다.
위에 설명된 장치 실시예들은 단지 예시되어 있을 뿐이고, 여기서 분리 부분들로서 설명된 모듈들은 물리적으로 분리될 수 있거나 그렇지 않을 수 있고; 모듈들로서 디스플레이되는 부분들은 물리적 모듈들일 수 있거나 그렇지 않을 수 있고, 즉, 이들은 한 장소에 위치될 수 있고, 또한 다수의 네트워크 모듈들 상에 분산될 수 있다. 모듈들의 일부 또는 전부는 본 명세서의 해결책들의 목적들을 달성하기 위한 실제 요구들에 따라 선택될 수 있다. 본 기술분야의 통상의 기술자는 창의적인 노력을 수반하지 않고도 이해하고 구현할 수 있다.
도 6에 도시된 바와 같이, 본 개시내용의 실시예들은 타겟 객체를 인식하기 위한 시스템을 추가로 제공하며, 이 시스템은:
타겟 영역의 화상을 획득하도록 구성되는 화상 수집 장치(601);
타겟 영역 내의 타겟 객체들의 무선 주파수 인식 결과를 획득하도록 구성되는 무선 주파수 검출 장치(602); 및
화상에 따라 타겟 영역 내의 타겟 객체들의 화상 인식 결과를 결정하고; 무선 주파수 인식 결과 및 화상 인식 결과에 따라 타겟 영역 내의 타겟 객체들의 분포를 결정하도록 구성되는 프로세서(603)를 포함한다.
일부 실시예들에서, 무선 주파수 검출 장치는:
무선 주파수 검출 안테나 및 무선 주파수 인식 태그들을 포함하고;
무선 주파수 인식 태그들은 타겟 객체 각각에 개별적으로 배치되고, 무선 주파수 검출 안테나는 타겟 영역에 배치된다.
일부 실시예들에서, 무선 주파수 인식 태그는 타겟 객체에 내장되거나 타겟 객체의 표면에 부착된다.
일부 실시예들에서, 복수의 타겟 영역이 있고;
시스템은:
각각의 타겟 영역을 격리시키고, 타겟 영역 내의 무선 주파수 검출 장치가 다른 타겟 영역들 내의 타겟 객체들의 무선 주파수 신호를 획득하는 것을 방지하도록 구성되는 격리 장치를 추가로 포함한다.
일부 실시예들에서, 격리 장치는 금속 재료로 제조된다.
일부 실시예들에서, 화상 수집 장치는 타겟 영역 위에 배치된 제1 화상 수집 장치 및/또는 타겟 영역의 측면에 배치된 제2 화상 수집 장치를 포함한다.
일부 실시예들에서, 프로세서에 의해, 화상에 따라 타겟 영역 내의 타겟 객체들의 화상 인식 결과를 결정하는 것은:
화상을 신경망을 통해 처리하여 타겟 영역 내의 타겟 객체들의 화상 인식 결과를 출력하는 것을 포함한다.
일부 실시예들에서, 타겟 영역은 적어도 하나의 서브-영역을 포함하고; 화상 인식 결과는 적어도 하나의 서브-영역 각각 내의 타겟 객체의 최대 신뢰도를 갖는 N개의 후보 카테고리 및 적어도 하나의 서브-영역 각각 내의 타겟 객체들의 수를 포함하고;
프로세서에 의해, 무선 주파수 인식 결과 및 화상 인식 결과에 따라 타겟 영역 내의 타겟 객체들의 분포를 결정하는 것은:
화상 인식 결과에서의 신뢰도의 내림차순 및 화상 인식 결과에서의 적어도 하나의 서브-영역 각각 내의 타겟 객체들의 수의 내림차순에 따라, 화상 인식 결과에서의 적어도 하나의 서브-영역 각각에서의 N개의 후보 카테고리 및 타겟 객체들의 수를, 무선 주파수 인식 결과에서의 카테고리들 및 각각의 카테고리의 타겟 객체들의 수와 매칭시키고;
적어도 하나의 서브-영역 각각에서 타겟 객체들의 수 및 카테고리를 획득하는 것을 포함한다.
일부 실시예들에서, 프로세서에 의해, 화상 인식 결과에서의 신뢰도의 내림차순 및 화상 인식 결과에서의 적어도 하나의 서브-영역 각각 내의 타겟 객체들의 수의 내림차순에 따라, 화상 인식 결과에서의 적어도 하나의 서브-영역 각각에서의 N개의 후보 카테고리 및 타겟 객체들의 수를, 무선 주파수 인식 결과에서의 카테고리들 및 각각의 카테고리의 타겟 객체들의 수와 매칭시키는 것은:
m번째 서브-영역 내의 타겟 객체들의 k번째 후보 카테고리 및 m번째 서브-영역 내의 타겟 객체들의 수를, 무선 주파수 인식 결과에서의 각각의 카테고리들 및 카테고리의 타겟 객체들의 수와 매칭시키는 것 -k번째 후보 카테고리는 신뢰도 번호 k에 대응하는 N개의 후보 카테고리 중 하나이고; 신뢰도의 내림차순에 따라 화상 인식 결과에서의 m번째 서브-영역 내의 타겟 객체의 최대 신뢰도를 갖는 N개의 후보 카테고리를 순위화함으로써 신뢰도 번호들이 획득되고; m번째 서브-영역은 적어도 하나의 서브-영역에서의 서브-영역 번호 m에 대응하는 서브-영역이고; 화상 인식 결과에서의 적어도 하나의 서브-영역 각각 내의 타겟 객체들의 수를 내림차순으로 순위화함으로써 서브-영역 번호들이 획득됨-;
무선 주파수 인식 결과에서의 카테고리들이 k번째 후보 카테고리를 포함하고, 무선 주파수 인식 결과에서의 k번째 후보 카테고리의 타겟 객체들의 수가 0보다 크다는 것에 응답하여, m번째 서브-영역 내의 타겟 객체들의 카테고리가 화상 인식 결과에서의 m번째 서브-영역 내의 타겟 객체들의 k번째 후보 카테고리이고, m번째 서브-영역 내의 타겟 객체들의 수가 화상 인식 결과에서의 m번째 서브-영역 내의 타겟 객체들의 수라고 결정하는 것;
무선 주파수 인식 결과에서의 k번째 후보 카테고리의 타겟 객체들의 수로부터 m번째 서브-영역 내의 타겟 객체들의 수를 공제하여 조정된 무선 주파수 인식 결과를 획득하는 것을 포함한다.
일부 실시예들에서, 프로세서는:
무선 주파수 인식 결과에서의 카테고리들이 k번째 후보 카테고리를 포함하지 않는다는 것에 응답하여 또는 무선 주파수 인식 결과에서의 카테고리들이 k번째 후보 카테고리를 포함하지만 무선 주파수 인식 결과에서의 k번째 후보 카테고리의 타겟 객체들의 수가 0보다 크지 않다는 것에 응답하여, 매칭이 성공적이지 않다고 결정하고;
매칭될 서브-영역으로서 m번째 서브-영역을 취하도록 추가로 구성된다.
일부 실시예들에서, 매칭될 서브-영역이 존재하는 조건 하에서, 프로세서는:
무선 주파수 인식 결과에서의 각각의 카테고리의 타겟 객체들의 수가 0보다 크지 않다는 것에 응답하여, 매칭될 서브-영역에서의 최대 신뢰도를 갖는 N개의 후보 카테고리들에서, 하나 이상의 후보 카테고리가 무선 주파수 인식 결과의 카테고리들에서 나타난다고 결정하고, 매칭될 서브-영역 내의 타겟 객체들의 카테고리로서 하나 이상의 나타난 후보 카테고리에서 최대 신뢰도를 갖는 후보 카테고리를 취하고, 화상 인식 결과에서의 매칭될 서브-영역 내의 타겟 객체들의 수를 매칭될 서브-영역 내의 타겟 객체들의 수로서 취하도록 추가로 구성된다.
일부 실시예들에서, 매칭될 서브-영역이 존재하는 조건 하에서, 프로세서는:
무선 주파수 인식 결과에서의 각각의 카테고리의 타겟 객체들의 수가 0보다 크지 않다는 것에 응답하여, 매칭될 서브-영역에서의 최대 신뢰도를 갖는 N개의 후보 카테고리 중 어느 것도 무선 주파수 인식 결과의 카테고리들에서 나타나지 않는다고 결정하고, 최대 신뢰도를 갖는 후보 카테고리를 매칭될 서브-영역 내의 타겟 객체들의 카테고리로서 취하고, 화상 인식 결과에서의 매칭될 서브-영역 내의 타겟 객체들의 수를 매칭될 서브-영역 내의 타겟 객체들의 수로서 취하도록 추가로 구성된다.
일부 실시예들에서, 매칭될 서브-영역이 존재하는 조건 하에서, 프로세서는:
무선 주파수 인식 결과에서의 적어도 하나의 카테고리의 타겟 객체들의 수가 0보다 크다는 것에 응답하여, 무선 주파수 인식 결과에서의 최대 수의 타겟 객체들을 갖는 카테고리를 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 타겟 객체들의 카테고리로서 취하고, 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 타겟 객체들의 수를 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 타겟 객체들의 수로서 취하고;
무선 주파수 인식 결과에서의 최대 수의 타겟 객체들을 갖는 카테고리에서의 타겟 객체들의 수로부터 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 타겟 객체들의 수를 공제하여 조정된 무선 주파수 인식 결과를 획득하도록 추가로 구성된다.
프로세서에 의해 구현되는 다른 방법들의 실시예들은 본 개시내용의 명세서에서의 방법 실시예들과 동일하기 때문에, 간략화를 위해 본 명세서에서 생략된다.
본 개시내용의 장치의 실시예들은 컴퓨터 디바이스, 예를 들어, 서버 또는 단말 디바이스에 적용될 수 있다. 장치 실시예들은 소프트웨어를 통해 구현될 수 있고, 또한 하드웨어 또는 소프트웨어와 하드웨어의 조합을 통해 구현될 수 있다. 예를 들어, 논리적인 의미의 장치로서, 소프트웨어를 통해 구현하면, 비휘발성 메모리에 대응하는 컴퓨터 프로그램 명령어를 프로세서를 통해 내부 메모리로 판독함으로써 형성된다. 하드웨어의 레벨에서, 도 7에 도시된 바와 같이, 장치가 본 명세서에 위치되는 컴퓨터 디바이스의 하드웨어 구조도이다. 도 7에 도시된 프로세서(701), 내부 메모리(702), 네트워크 인터페이스(703), 및 비휘발성 메모리(704)에 추가하여, 실시예들에서 장치가 위치하는 서버 또는 전자 디바이스는 컴퓨터 디바이스의 실제 기능들에 따라 다른 하드웨어를 추가로 포함할 수 있으며, 이는 간결성을 위해 본 명세서에서 생략된다.
따라서, 본 개시내용의 실시예들은 컴퓨터 판독가능 저장 매체를 추가로 제공한다. 컴퓨터 프로그램이 저장되고, 컴퓨터 프로그램이 프로세서에 의해 실행될 때, 실시예들 중 임의의 하나에 따른 방법이 구현된다.
따라서, 본 개시내용의 실시예들은 메모리, 프로세서, 및 메모리에 저장되고 프로세서 상에서 실행되는 컴퓨터 프로그램을 포함하는 컴퓨터 디바이스를 추가로 제공하며, 컴퓨터 프로그램이 프로세서에 의해 실행될 때, 실시예들 중 임의의 하나에 따른 방법이 구현된다.
본 개시내용은 프로그램 코드를 포함하는 하나 이상의 저장 매체(디스크 메모리, CD-ROM, 광학 메모리 등을 포함하지만 이에 한정되지 않음)로 구현되는 컴퓨터 프로그램 제품의 형태를 사용할 수 있다. 컴퓨터 사용가능 저장 매체는 영구적 및 비영구적, 이동식 및 비이동식 매체를 포함하고, 정보 스토리지는 임의의 방법 또는 기술을 통해 구현될 수 있다. 정보는 컴퓨터 판독가능 명령, 데이터 구조, 프로그램 모듈 또는 다른 데이터일 수 있다. 컴퓨터의 저장 매체의 예들은 PRAM(Phase Change Access Memory), SRAM(Static Random Access Memory), DRAM(Dynamic Random Access Memory), 다른 타입들의 RAM(Random Access Memory), ROM(Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), 플래시 메모리 또는 다른 메모리 기술들, CD-ROM, DVD(Digital Versatile Disc), 또는 다른 광학 스토리지들, 자기 박스 타입 카세트, 자기 카세트 자기 디스크, 또는 다른 자기 저장 디바이스들, 또는 임의의 다른 비전송 매체를 포함하지만, 이들로 한정되지 않으며, 이는 컴퓨터 디바이스에 의해 액세스가능한 정보를 저장하는데 사용될 수 있다.
명세서를 고려하고 본 명세서에 개시된 명세서를 실시한 후에, 본 기술분야의 통상의 기술자는 본 개시내용의 다른 구현들을 용이하게 생각할 것이다. 본 개시내용은 본 개시내용의 임의의 변형, 사용 또는 적응적 변경을 커버하는 것을 목표로 하고; 이러한 변형들, 사용들 또는 적응적 변경들은 본 개시내용의 일반적인 원리를 따르며, 본 개시내용에 의해 개시되지 않은 본 기술 분야의 공통의 일반적인 지식 및 공통의 기술적 수단을 포함한다. 명세서 및 실시예들은 단지 예시된 것으로 간주되고, 본 개시내용의 진정한 범위 및 사상들은 다음의 청구항들에 표시되어 있다.
본 개시내용은 위에서 설명되고 도면들에 도시된 정확한 구조에 한정하지 않고, 그것의 범위를 벗어나지 않고 모든 방식으로 수정 및 변경될 수 있다는 점이 이해되어야 한다. 본 개시내용의 범위는 단지 첨부된 청구항에 의해서 제한된다.
상기 설명들은 본 개시내용의 바람직한 실시예들일 뿐이며, 본 개시내용을 제한하려는 의도는 아니다. 본 개시내용의 사상 및 원리 내에서 이루어지는 임의의 수정, 동등한 치환, 또는 개선은 본 개시내용의 보호 범위 내에 속할 것이다. 실시예들 사이의 차이들에 대한 본 출원 동향에서의 실시예들의 설명들, 및 실시예들에서의 동일하거나 유사한 부분들에 대해서는 이들 실시예들을 참조한다. 간결성을 위해, 세부사항들은 다시 설명되지 않는다.

Claims (39)

  1. 타겟 객체를 인식하는 방법으로서,
    타겟 영역의 화상을 획득하는 단계;
    상기 화상에 따라 상기 타겟 영역 내의 상기 타겟 객체들의 화상 인식 결과를 결정하는 단계;
    상기 타겟 영역 내의 상기 타겟 객체들의 무선 주파수 인식 결과를 획득하는 단계; 및
    상기 무선 주파수 인식 결과 및 상기 화상 인식 결과에 따라 상기 타겟 영역 내의 상기 타겟 객체들의 분포를 결정하는 단계를 포함하고,
    상기 타겟 영역은 적어도 하나의 서브-영역을 포함하고; 상기 화상 인식 결과는 상기 적어도 하나의 서브-영역 각각 내의 타겟 객체의 최대 신뢰도를 갖는 N개의 후보 카테고리 및 상기 적어도 하나의 서브-영역 각각 내의 상기 타겟 객체들의 수를 포함하고;
    상기 무선 주파수 인식 결과 및 상기 화상 인식 결과에 따라 상기 타겟 영역 내의 상기 타겟 객체들의 분포를 결정하는 단계는:
    상기 화상 인식 결과에서의 신뢰도의 내림차순 및 상기 화상 인식 결과에서의 상기 적어도 하나의 서브-영역 각각 내의 상기 타겟 객체들의 수의 내림차순에 따라, 상기 화상 인식 결과에서의 상기 적어도 하나의 서브-영역 각각에서의 상기 N개의 후보 카테고리 및 상기 타겟 객체들의 수를, 상기 무선 주파수 인식 결과에서의 카테고리들 및 각각의 카테고리의 상기 타겟 객체들의 수와 매칭시키는 단계; 및
    상기 적어도 하나의 서브-영역 각각에서 상기 타겟 객체들의 수 및 카테고리를 획득하는 단계를 포함하는 방법.
  2. 제1항에 있어서,
    상기 화상 인식 결과에서의 신뢰도의 내림차순 및 상기 화상 인식 결과에서의 상기 적어도 하나의 서브-영역 각각 내의 상기 타겟 객체들의 수의 내림차순에 따라, 상기 화상 인식 결과에서의 상기 적어도 하나의 서브-영역 각각에서의 상기 N개의 후보 카테고리 및 상기 타겟 객체들의 수를, 상기 무선 주파수 인식 결과에서의 카테고리들 및 각각의 카테고리의 상기 타겟 객체들의 수와 매칭시키는 단계는:
    m번째 서브-영역 내의 상기 타겟 객체들의 k번째 후보 카테고리 및 상기 m번째 서브-영역 내의 상기 타겟 객체들의 수를, 상기 무선 주파수 인식 결과에서의 카테고리들 및 각각의 카테고리의 타겟 객체들의 수와 매칭시키는 단계 -상기 k번째 후보 카테고리는 신뢰도 번호 k에 대응하는 N개의 후보 카테고리 중 하나이고; 신뢰도의 내림차순에 따라 상기 화상 인식 결과에서의 상기 m번째 서브-영역 내의 타겟 객체의 최대 신뢰도를 갖는 상기 N개의 후보 카테고리를 순위화함으로써 신뢰도 번호들이 획득되고; 상기 m번째 서브-영역은 적어도 하나의 서브-영역에서의 서브-영역 번호 m에 대응하는 서브-영역이고; 상기 화상 인식 결과에서의 상기 적어도 하나의 서브-영역 각각 내의 상기 타겟 객체들의 수를 내림차순으로 순위화함으로써 서브-영역 번호들이 획득됨-;
    상기 무선 주파수 인식 결과에서의 카테고리들이 상기 k번째 후보 카테고리를 포함하고, 상기 무선 주파수 인식 결과에서의 상기 k번째 후보 카테고리의 상기 타겟 객체들의 수가 0보다 크다는 것에 응답하여,
    상기 m번째 서브-영역 내의 상기 타겟 객체들의 카테고리가 상기 화상 인식 결과에서의 상기 m번째 서브-영역 내의 상기 타겟 객체들의 상기 k번째 후보 카테고리이고 상기 m번째 서브-영역 내의 상기 타겟 객체들의 수가 상기 화상 인식 결과에서의 상기 m번째 서브-영역 내의 상기 타겟 객체들의 수라고 결정하는 단계; 및
    상기 무선 주파수 인식 결과에서의 상기 k번째 후보 카테고리의 상기 타겟 객체들의 수로부터 상기 m번째 서브-영역 내의 상기 타겟 객체들의 수를 공제하여 조정된 무선 주파수 인식 결과를 획득하는 단계를 포함하는 방법.
  3. 제2항에 있어서,
    상기 무선 주파수 인식 결과에서의 카테고리들이 상기 k번째 후보 카테고리를 포함하지 않는다는 것에 응답하여 또는 상기 무선 주파수 인식 결과에서의 카테고리들이 상기 k번째 후보 카테고리를 포함하지만 상기 무선 주파수 인식 결과에서의 상기 k번째 후보 카테고리의 타겟 객체들의 수가 0보다 크지 않다는 것에 응답하여, 매칭이 성공적이지 않다는 것을 결정하는 단계; 및
    상기 m번째 서브-영역을 매칭될 서브-영역으로서 취하는 단계를 추가로 포함하는 방법.
  4. 제3항에 있어서,
    상기 매칭될 서브-영역이 존재한다고 결정할 때, 상기 방법은:
    상기 무선 주파수 인식 결과에서의 각각의 카테고리의 타겟 객체들의 수가 0보다 크지 않다는 것에 응답하여, 매칭될 서브-영역에서의 최대 신뢰도를 갖는 N개의 후보 카테고리들에서, 하나 이상의 후보 카테고리가 상기 무선 주파수 인식 결과의 카테고리들에서 나타난다고 결정하는 단계,
    상기 하나 이상의 나타난 후보 카테고리에서 최대 신뢰도를 갖는 후보 카테고리를 상기 매칭될 서브-영역 내의 상기 타겟 객체들의 카테고리로서 취하는 단계, 및
    상기 화상 인식 결과에서의 상기 매칭될 서브-영역 내의 상기 타겟 객체들의 수를 상기 매칭될 서브-영역 내의 타겟 객체들의 수로서 취하는 단계를 추가로 포함하는 방법.
  5. 제3항에 있어서,
    상기 매칭될 서브-영역이 존재한다고 결정할 때, 상기 방법은:
    상기 무선 주파수 인식 결과에서의 각각의 카테고리의 타겟 객체들의 수가 0보다 크지 않다는 것에 응답하여, 상기 매칭될 서브-영역에서의 최대 신뢰도를 갖는 N개의 후보 카테고리 중 어느 것도 상기 무선 주파수 인식 결과의 카테고리들에서 나타나지 않는다고 결정하는 단계,
    최대 신뢰도를 갖는 상기 후보 카테고리를 상기 매칭될 서브-영역 내의 상기 타겟 객체들의 카테고리로서 취하는 단계, 및
    상기 화상 인식 결과에서의 상기 매칭될 서브-영역 내의 상기 타겟 객체들의 수를 상기 매칭될 서브-영역 내의 상기 타겟 객체들의 수로서 취하는 단계를 추가로 포함하는 방법.
  6. 제3항에 있어서,
    매칭될 서브-영역이 존재한다고 결정할 때, 상기 방법은:
    상기 무선 주파수 인식 결과에서의 적어도 하나의 카테고리의 타겟 객체들의 수가 0보다 크다는 것에 응답하여,
    상기 무선 주파수 인식 결과에서의 최대 수의 타겟 객체들을 갖는 상기 카테고리를 상기 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 타겟 객체들의 카테고리로서 취하고,
    상기 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 타겟 객체들의 수를 상기 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 상기 타겟 객체들의 수로서 취하는 단계; 및
    상기 무선 주파수 인식 결과에서의 최대 수의 타겟 객체들을 갖는 상기 카테고리에서의 상기 타겟 객체들의 수로부터 상기 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 상기 타겟 객체들의 수를 공제하여 조정된 무선 주파수 인식 결과를 획득하는 단계를 추가로 포함하는 방법.
  7. 타겟 객체를 인식하기 위한 장치로서,
    타겟 영역의 화상을 획득하도록 구성되는 제1 획득 모듈;
    상기 화상에 따라 상기 타겟 영역 내의 타겟 객체들의 화상 인식 결과를 결정하도록 구성되는 제1 결정 모듈;
    상기 타겟 영역 내의 상기 타겟 객체들의 무선 주파수 인식 결과를 획득하도록 구성되는 제2 획득 모듈; 및
    상기 무선 주파수 인식 결과 및 상기 화상 인식 결과에 따라 상기 타겟 영역 내의 상기 타겟 객체들의 분포를 결정하도록 구성되는 제2 결정 모듈을 포함하고,
    상기 타겟 영역은 적어도 하나의 서브-영역을 포함하고; 상기 화상 인식 결과는 상기 적어도 하나의 서브-영역 각각 내의 타겟 객체의 최대 신뢰도를 갖는 N개의 후보 카테고리 및 상기 적어도 하나의 서브-영역 각각 내의 상기 타겟 객체들의 수를 포함하고;
    제2 결정 모듈은:
    상기 화상 인식 결과에서의 신뢰도의 내림차순 및 상기 화상 인식 결과에서의 상기 적어도 하나의 서브-영역 각각 내의 상기 타겟 객체들의 수의 내림차순에 따라, 상기 화상 인식 결과에서의 상기 적어도 하나의 서브-영역 각각에서의 상기 N개의 후보 카테고리 및 상기 타겟 객체들의 수를, 상기 무선 주파수 인식 결과에서의 카테고리들 및 각각의 카테고리의 상기 타겟 객체들의 수와 매칭시키고;
    상기 적어도 하나의 서브-영역 각각에서의 카테고리 및 상기 타겟 객체들의 수를 획득하도록 구성되는 장치.
  8. 제7항에 있어서,
    상기 제2 결정 모듈은:
    m번째 서브-영역 내의 상기 타겟 객체들의 k번째 후보 카테고리 및 상기 m번째 서브-영역 내의 상기 타겟 객체들의 수를, 상기 무선 주파수 인식 결과에서의 카테고리들 및 각각의 카테고리의 타겟 객체들의 수와 매칭시키도록 구성되는 매칭 유닛 -상기 k번째 후보 카테고리는 신뢰도 번호 k에 대응하는 N개의 후보 카테고리 중 하나이고; 신뢰도의 내림차순에 따라 상기 화상 인식 결과에서의 상기 m번째 서브-영역 내의 타겟 객체의 최대 신뢰도를 갖는 상기 N개의 후보 카테고리를 순위화함으로써 신뢰도 번호들이 획득되고; 상기 m번째 서브-영역은 상기 적어도 하나의 서브-영역에서의 서브-영역 번호 m에 대응하는 서브-영역이고; 상기 화상 인식 결과에서의 상기 적어도 하나의 서브-영역 각각 내의 상기 타겟 객체들의 수를 내림차순으로 순위화함으로써 서브-영역 번호들이 획득됨-;
    상기 무선 주파수 인식 결과에서의 카테고리들이 상기 k번째 후보 카테고리를 포함하고, 상기 무선 주파수 인식 결과에서의 상기 k번째 후보 카테고리의 상기 타겟 객체들의 수가 0보다 크다는 것에 응답하여,
    상기 m번째 서브-영역 내의 상기 타겟 객체들의 카테고리가 상기 화상 인식 결과에서의 상기 m번째 서브-영역 내의 상기 타겟 객체들의 k번째 후보 카테고리이고 상기 m번째 서브-영역 내의 상기 타겟 객체들의 수가 상기 화상 인식 결과에서의 상기 m번째 서브-영역 내의 상기 타겟 객체들의 수라고 결정하도록 구성되는 결정 유닛; 및
    상기 무선 주파수 인식 결과에서의 상기 k번째 후보 카테고리의 상기 타겟 객체들의 수로부터 상기 m번째 서브-영역 내의 상기 타겟 객체들의 수를 공제하여 조정된 무선 주파수 인식 결과를 획득하도록 구성되는 조정 유닛을 포함하는 장치.
  9. 제8항에 있어서,
    상기 무선 주파수 인식 결과에서의 카테고리들이 상기 k번째 후보 카테고리를 포함하지 않는다는 것에 응답하여 또는 상기 무선 주파수 인식 결과에서의 카테고리들이 상기 k번째 후보 카테고리를 포함하지만 상기 무선 주파수 인식 결과에서의 상기 k번째 후보 카테고리의 타겟 객체들의 수가 0보다 크지 않다는 것에 응답하여, 매칭이 성공적이지 않다고 결정하도록 구성되는 제3 결정 모듈; 및
    상기 m번째 서브-영역을 매칭될 서브-영역으로서 취하도록 구성되는 제4 결정 모듈을 추가로 포함하는 장치.
  10. 제9항에 있어서,
    상기 매칭될 서브-영역이 존재한다고 결정할 때, 상기 장치는:
    상기 무선 주파수 인식 결과에서의 각각의 카테고리의 타겟 객체들의 수가 0보다 크지 않다는 것에 응답하여, 상기 매칭될 서브-영역에서의 최대 신뢰도를 갖는 N개의 후보 카테고리들에서 하나 이상의 후보 카테고리가 상기 무선 주파수 인식 결과의 카테고리들에서 나타난다고 결정하고,
    상기 하나 이상의 나타난 후보 카테고리에서 최대 신뢰도를 갖는 후보 카테고리를 상기 매칭될 서브-영역 내의 상기 타겟 객체들의 카테고리로서 취하고,
    상기 화상 인식 결과에서의 매칭될 서브-영역 내의 상기 타겟 객체들의 수를 상기 매칭될 서브-영역 내의 상기 타겟 객체들의 수로서 취하도록 구성되는 제5 결정 모듈을 추가로 포함하는 장치.
  11. 제9항에 있어서,
    상기 매칭될 서브-영역이 존재한다고 결정할 때, 상기 장치는:
    상기 무선 주파수 인식 결과에서의 각각의 카테고리의 상기 타겟 객체들의 수가 0보다 크지 않다는 것에 응답하여, 상기 매칭될 서브-영역에서의 N개의 후보 카테고리 중 어느 것도 상기 무선 주파수 인식 결과의 카테고리들에서 나타나지 않는다고 결정하고,
    최대 신뢰도를 갖는 상기 후보 카테고리를 상기 매칭될 서브-영역 내의 상기 타겟 객체들의 카테고리로서 취하고,
    상기 화상 인식 결과에서의 매칭될 서브-영역 내의 상기 타겟 객체들의 수를 상기 매칭될 서브-영역 내의 타겟 객체들의 수로서 취하도록 구성되는 제6 결정 모듈을 추가로 포함하는 장치.
  12. 제9항에 있어서,
    매칭될 서브-영역이 존재한다고 결정할 때, 상기 장치는:
    상기 무선 주파수 인식 결과에서의 적어도 하나의 카테고리의 상기 타겟 객체들의 수가 0보다 크다는 것에 응답하여,
    상기 무선 주파수 인식 결과에서의 최대 수의 타겟 객체들을 갖는 상기 카테고리를 상기 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 상기 서브-영역 내의 상기 타겟 객체들의 카테고리로서 취하고,
    상기 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 타겟 객체들의 수를 상기 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 상기 타겟 객체들의 수로서 취하도록 구성되는 제7 결정 모듈; 및
    상기 무선 주파수 인식 결과에서의 최대 수의 타겟 객체들을 갖는 상기 카테고리에서의 상기 타겟 객체들의 수로부터 상기 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 상기 타겟 객체들의 수를 공제하여 조정된 무선 주파수 인식 결과를 획득하도록 구성되는 조정 모듈을 추가로 포함하는 장치.
  13. 타겟 객체를 인식하기 위한 시스템으로서,
    타겟 영역의 화상을 획득하도록 구성되는 화상 수집 장치;
    상기 타겟 영역 내의 상기 타겟 객체들의 무선 주파수 인식 결과를 획득하도록 구성되는 무선 주파수 검출 장치; 및
    상기 화상에 따라 상기 타겟 영역 내의 상기 타겟 객체들의 화상 인식 결과를 결정하고, 상기 무선 주파수 인식 결과 및 상기 화상 인식 결과에 따라 상기 타겟 영역 내의 타겟 객체들의 분포를 결정하도록 구성되는 프로세서를 포함하고,
    상기 타겟 영역은 적어도 하나의 서브-영역을 포함하고; 상기 화상 인식 결과는 상기 적어도 하나의 서브-영역 각각 내의 타겟 객체의 최대 신뢰도를 갖는 N개의 후보 카테고리 및 상기 적어도 하나의 서브-영역 각각 내의 상기 타겟 객체들의 수를 포함하고;
    상기 무선 주파수 인식 결과 및 상기 화상 인식 결과에 따라 상기 타겟 영역 내의 상기 타겟 객체들의 분포를 결정하는 것은:
    상기 화상 인식 결과에서의 신뢰도의 내림차순 및 상기 화상 인식 결과에서의 상기 적어도 하나의 서브-영역 각각 내의 상기 타겟 객체들의 수의 내림차순에 따라, 상기 화상 인식 결과에서의 상기 적어도 하나의 서브-영역 각각에서의 N개의 후보 카테고리 및 타겟 객체들의 수를, 상기 무선 주파수 인식 결과에서의 카테고리들 및 각각의 카테고리의 상기 타겟 객체들의 수와 매칭시키고;
    상기 적어도 하나의 서브-영역 각각에서 상기 타겟 객체들의 수 및 카테고리를 획득하는 것을 포함하는 시스템.
  14. 제13항에 있어서,
    상기 프로세서에 의해, 상기 화상 인식 결과에서의 신뢰도의 내림차순 및 상기 화상 인식 결과에서의 상기 적어도 하나의 서브-영역 각각 내의 상기 타겟 객체들의 수의 내림차순에 따라, 상기 화상 인식 결과에서의 상기 적어도 하나의 서브-영역 각각에서의 상기 N개의 후보 카테고리 및 상기 타겟 객체들의 수를, 상기 무선 주파수 인식 결과에서의 카테고리들 및 각각의 카테고리의 상기 타겟 객체들의 수와 매칭시키는 것은:
    m번째 서브-영역 내의 상기 타겟 객체들의 k번째 후보 카테고리 및 상기 m번째 서브-영역 내의 상기 타겟 객체들의 수를, 상기 무선 주파수 인식 결과에서의 카테고리들 및 각각의 카테고리의 타겟 객체들의 수와 매칭시키는 것 -상기 k번째 후보 카테고리는 신뢰도 번호 k에 대응하는 상기 N개의 후보 카테고리 중 하나이고; 신뢰도의 내림차순에 따라 상기 화상 인식 결과에서의 상기 m번째 서브-영역 내의 타겟 객체의 최대 신뢰도를 갖는 상기 N개의 후보 카테고리를 순위화함으로써 신뢰도 번호들이 획득되고; 상기 m번째 서브-영역은 상기 적어도 하나의 서브-영역에서의 서브-영역 번호 m에 대응하는 서브-영역이고; 상기 화상 인식 결과에서의 상기 적어도 하나의 서브-영역 각각 내의 상기 타겟 객체들의 수를 내림차순으로 순위화함으로써 서브-영역 번호들이 획득됨-;
    상기 무선 주파수 인식 결과에서의 카테고리들이 상기 k번째 후보 카테고리를 포함하고, 상기 무선 주파수 인식 결과에서의 상기 k번째 후보 카테고리의 상기 타겟 객체들의 수가 0보다 크다는 것에 응답하여,
    상기 m번째 서브-영역 내의 상기 타겟 객체들의 카테고리가 상기 화상 인식 결과에서의 상기 m번째 서브-영역 내의 상기 타겟 객체들의 k번째 후보 카테고리이고 상기 m번째 서브-영역 내의 상기 타겟 객체들의 수가 상기 화상 인식 결과에서의 상기 m번째 서브-영역 내의 상기 타겟 객체들의 수라고 결정하는 것; 및
    상기 무선 주파수 인식 결과에서의 상기 k번째 후보 카테고리의 상기 타겟 객체들의 수로부터 상기 m번째 서브-영역 내의 상기 타겟 객체들의 수를 공제하여 조정된 무선 주파수 인식 결과를 획득하는 것을 포함하는 시스템.
  15. 제14항에 있어서,
    상기 프로세서는:
    상기 무선 주파수 인식 결과에서의 카테고리들이 상기 k번째 후보 카테고리를 포함하지 않는다는 것에 응답하여 또는 상기 무선 주파수 인식 결과에서의 카테고리들이 상기 k번째 후보 카테고리를 포함하지만 상기 무선 주파수 인식 결과에서의 상기 k번째 후보 카테고리의 타겟 객체들의 수가 0보다 크지 않다는 것에 응답하여, 매칭이 성공적이지 않다고 결정하고;
    상기 m번째 서브-영역을 매칭될 서브-영역으로서 취하도록 추가로 구성되는 시스템.
  16. 제15항에 있어서,
    상기 매칭될 서브-영역이 존재한다고 결정할 때, 상기 프로세서는:
    상기 무선 주파수 인식 결과에서의 각각의 카테고리의 타겟 객체들의 수가 0보다 크지 않다는 것에 응답하여, 상기 매칭될 서브-영역에서의 최대 신뢰도를 갖는 N개의 후보 카테고리들에서, 하나 이상의 후보 카테고리가 상기 무선 주파수 인식 결과의 카테고리들에서 나타난다고 결정하고,
    상기 하나 이상의 나타난 후보 카테고리에서 최대 신뢰도를 갖는 후보 카테고리를 상기 매칭될 서브-영역 내의 상기 타겟 객체들의 카테고리로서 취하고,
    상기 화상 인식 결과에서의 상기 매칭될 서브-영역 내의 상기 타겟 객체들의 수를 상기 매칭될 서브-영역 내의 상기 타겟 객체들의 수로서 취하도록 추가로 구성되는 시스템.
  17. 제15항에 있어서,
    상기 매칭될 서브-영역이 존재한다고 결정할 때, 상기 프로세서는:
    상기 무선 주파수 인식 결과에서의 각각의 카테고리의 상기 타겟 객체들의 수가 0보다 크지 않다는 것에 응답하여, 상기 매칭될 서브-영역에서의 최대 신뢰도를 갖는 상기 N개의 후보 카테고리 중 어느 것도 상기 무선 주파수 인식 결과의 카테고리들에서 나타나지 않는다고 결정하고,
    최대 신뢰도를 상기 후보 카테고리를 상기 매칭될 서브-영역 내의 상기 타겟 객체들의 카테고리로서 취하고,
    상기 화상 인식 결과에서의 상기 매칭될 서브-영역 내의 상기 타겟 객체들의 수를 상기 매칭될 서브-영역 내의 상기 타겟 객체들의 수로서 취하도록 추가로 구성되는 시스템.
  18. 제15항에 있어서,
    매칭될 서브-영역이 존재한다고 결정할 때, 상기 프로세서는:
    상기 무선 주파수 인식 결과에서의 적어도 하나의 카테고리의 상기 타겟 객체들의 수가 0보다 크다는 것에 응답하여,
    상기 무선 주파수 인식 결과에서의 최대 수의 타겟 객체들을 갖는 상기 카테고리를 상기 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 상기 타겟 객체들의 카테고리로서 취하고,
    상기 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 타겟 객체들의 수를 상기 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 서브-영역 내의 상기 타겟 객체들의 수로서 취하고;
    상기 무선 주파수 인식 결과에서의 최대 수의 타겟 객체들을 갖는 상기 카테고리에서의 상기 타겟 객체들의 수로부터 상기 화상 인식 결과에서의 최대 수의 타겟 객체들과 매칭될 상기 서브-영역 내의 상기 타겟 객체들의 수를 공제하여 조정된 무선 주파수 인식 결과를 획득하도록 추가로 구성되는 시스템.
  19. 컴퓨터 프로그램이 저장되어 있는 컴퓨터 판독가능 저장 매체로서,
    상기 컴퓨터 프로그램이 프로세서에 의해 실행될 때, 제1항 내지 제6항 중 어느 한 항에 따른 방법이 구현되는 컴퓨터 판독가능 저장 매체.
  20. 메모리, 프로세서, 및 상기 메모리에 저장되고 상기 프로세서 상에서 실행되는 컴퓨터 프로그램을 포함하는 컴퓨터 디바이스로서,
    상기 컴퓨터 프로그램이 상기 프로세서에 의해 실행될 때, 제1항 내지 제6항 중 어느 한 항에 따른 방법이 구현되는 컴퓨터 디바이스.
  21. 삭제
  22. 삭제
  23. 삭제
  24. 삭제
  25. 삭제
  26. 삭제
  27. 삭제
  28. 삭제
  29. 삭제
  30. 삭제
  31. 삭제
  32. 삭제
  33. 삭제
  34. 삭제
  35. 삭제
  36. 삭제
  37. 삭제
  38. 삭제
  39. 삭제
KR1020207012204A 2019-12-23 2020-03-20 타겟 객체를 인식하기 위한 방법, 장치 및 시스템 KR102390774B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
SG10201913005Y 2019-12-23
SG10201913005YA SG10201913005YA (en) 2019-12-23 2019-12-23 Method, apparatus, and system for recognizing target object
PCT/IB2020/052583 WO2021130551A1 (en) 2019-12-23 2020-03-20 Method, apparatus, and system for recognizing target object

Publications (2)

Publication Number Publication Date
KR20210084335A KR20210084335A (ko) 2021-07-07
KR102390774B1 true KR102390774B1 (ko) 2022-04-25

Family

ID=72643799

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020207012204A KR102390774B1 (ko) 2019-12-23 2020-03-20 타겟 객체를 인식하기 위한 방법, 장치 및 시스템

Country Status (7)

Country Link
US (1) US11294047B2 (ko)
JP (1) JP7145224B2 (ko)
KR (1) KR102390774B1 (ko)
CN (1) CN113228044B (ko)
AU (1) AU2020294282A1 (ko)
SG (1) SG10201913005YA (ko)
WO (1) WO2021130551A1 (ko)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11861975B2 (en) * 2020-03-30 2024-01-02 Lnw Gaming, Inc. Gaming environment tracking optimization
CN116157849A (zh) * 2021-09-22 2023-05-23 商汤国际私人有限公司 一种物体信息管理方法、装置、设备及存储介质
AU2021240215B1 (en) * 2021-09-22 2023-02-23 Sensetime International Pte. Ltd. Item identification method and apparatus, device, and computer-readable storage medium
CN116348878A (zh) * 2021-09-22 2023-06-27 商汤国际私人有限公司 物品识别方法、装置、设备及计算机可读存储介质
WO2023047161A1 (en) * 2021-09-22 2023-03-30 Sensetime International Pte. Ltd. Object information management method, apparatus and device, and storage medium
WO2023052849A1 (en) * 2021-09-30 2023-04-06 Sensetime International Pte. Ltd. Methods and apparatuses for displaying process of game and electronic device and storage medium

Family Cites Families (50)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2003239385A1 (en) * 2002-05-10 2003-11-11 Richard R. Reisman Method and apparatus for browsing using multiple coordinated device
US8594410B2 (en) * 2006-08-28 2013-11-26 Definiens Ag Context driven image mining to generate image-based biomarkers
JP4324050B2 (ja) * 2004-07-28 2009-09-02 キヤノン株式会社 情報取得装置及び撮影画像中の撮影対象物の位置を判別する判別方法、撮影画像中の撮影対象物を特定する対象物特定方法
US7862434B2 (en) * 2006-02-07 2011-01-04 The Kendall 1987 Revocable Trust Multi-sensor system for counting and identifying objects in close proximity
US8070574B2 (en) 2007-06-06 2011-12-06 Shuffle Master, Inc. Apparatus, system, method, and computer-readable medium for casino card handling with multiple hand recall feature
US7719424B2 (en) * 2007-01-19 2010-05-18 Igt Table monitoring identification system, wager tagging and felt coordinate mapping
CN101542531B (zh) * 2007-06-14 2012-12-19 松下电器产业株式会社 图像识别装置及图像识别方法
US9131128B2 (en) * 2011-09-28 2015-09-08 The United States Of America As Represented By The Secretary Of The Army System and processor implemented method for improved image quality and generating an image of a target illuminated by quantum particles
EP2264679A4 (en) * 2008-03-11 2013-08-21 Panasonic Corp TAG SENSOR SYSTEM AND SENSOR DEVICE, AND OBJECT POSITION ESTIMATING DEVICE, AND OBJECT POSITION ESTIMATING METHOD
WO2010096193A2 (en) * 2009-02-18 2010-08-26 Exbiblio B.V. Identifying a document by performing spectral analysis on the contents of the document
US8547550B2 (en) * 2009-04-03 2013-10-01 Battelle Memorial Institute Biological and chemical collection and detection
US9378542B2 (en) * 2011-09-28 2016-06-28 The United States Of America As Represented By The Secretary Of The Army System and processor implemented method for improved image quality and generating an image of a target illuminated by quantum particles
CN102510476A (zh) * 2011-10-28 2012-06-20 河海大学 物联网视频监控融合信息平台系统
WO2013101057A1 (en) * 2011-12-29 2013-07-04 Intel Corporation Object recognition and notification
KR101289354B1 (ko) * 2012-03-21 2013-07-29 순천향대학교 산학협력단 알에프아이디 인식 보정 시스템 및 그 인식 보정 방법
CN202533947U (zh) * 2012-04-03 2012-11-14 白轶伦 Rfid菜谱本
US8836768B1 (en) * 2012-09-04 2014-09-16 Aquifi, Inc. Method and system enabling natural user interface gestures with user wearable glasses
US20140320392A1 (en) * 2013-01-24 2014-10-30 University Of Washington Through Its Center For Commercialization Virtual Fixtures for Improved Performance in Human/Autonomous Manipulation Tasks
WO2014136559A1 (ja) * 2013-03-04 2014-09-12 日本電気株式会社 物品管理システム、情報処理装置およびその制御方法と制御プログラム
JP6048741B2 (ja) * 2013-03-04 2016-12-21 日本電気株式会社 物品管理システム、物品管理方法、情報処理装置およびその制御方法と制御プログラム
CA2938077A1 (en) * 2013-03-15 2014-09-18 Bio-Tree Systems, Inc. Methods and system for linking geometry obtained from images
JP5900393B2 (ja) * 2013-03-21 2016-04-06 ソニー株式会社 情報処理装置、操作制御方法及びプログラム
JP6179592B2 (ja) * 2013-05-31 2017-08-16 日本電気株式会社 画像認識装置、その処理方法、およびプログラム
WO2014200705A1 (en) * 2013-06-14 2014-12-18 Stc.Unm Treatment of autophagy-related disorders
US9129189B2 (en) * 2013-08-14 2015-09-08 Qualcomm Incorporated Performing vocabulary-based visual search using multi-resolution feature descriptors
CN103942515B (zh) * 2014-04-21 2017-05-03 北京智谷睿拓技术服务有限公司 关联方法和关联设备
WO2015188011A1 (en) * 2014-06-04 2015-12-10 Quantum Interface, Llc. Dynamic environment for object and attribute display and interaction
US10664705B2 (en) * 2014-09-26 2020-05-26 Nec Corporation Object tracking apparatus, object tracking system, object tracking method, display control device, object detection device, and computer-readable medium
WO2016065314A1 (en) * 2014-10-23 2016-04-28 Automaton, Inc. Systems and methods for rfid tag locating using constructive interference
US9959628B2 (en) * 2014-11-21 2018-05-01 Christopher M. MUTTI Imaging system for object recognition and assessment
JP6402653B2 (ja) * 2015-03-05 2018-10-10 オムロン株式会社 物体認識装置、物体認識方法、およびプログラム
CA3032770A1 (en) * 2015-08-03 2018-02-08 Angel Playing Cards Co., Ltd. Game management system
EP3742383B1 (en) * 2015-08-03 2022-06-29 Angel Playing Cards Co., Ltd. Management system for table games
CN112891910B (zh) * 2015-08-03 2024-10-08 天使集团股份有限公司 游艺场的作弊检测系统
US10176408B2 (en) * 2015-08-14 2019-01-08 Elucid Bioimaging Inc. Systems and methods for analyzing pathologies utilizing quantitative imaging
WO2017134706A1 (ja) * 2016-02-03 2017-08-10 パナソニックＩｐマネジメント株式会社 映像表示方法及び映像表示装置
EP3433816A1 (en) * 2016-03-22 2019-01-30 URU, Inc. Apparatus, systems, and methods for integrating digital media content into other digital media content
WO2017175315A1 (ja) * 2016-04-05 2017-10-12 株式会社島津製作所 放射線画像診断装置、放射線画像と分析結果との関連付け方法および放射線画像診断システム
AU2017305765A1 (en) 2016-08-02 2019-02-21 Angel Playing Cards Co., Ltd. Inspection system and management system
CN106372552B (zh) * 2016-08-29 2019-03-26 北京理工大学 人体目标识别定位方法
KR101879207B1 (ko) * 2016-11-22 2018-07-17 주식회사 루닛 약한 지도 학습 방식의 객체 인식 방법 및 장치
CN109214403B (zh) * 2017-07-06 2023-02-28 斑马智行网络(香港)有限公司 图像识别方法、装置及设备、可读介质
CN107292907B (zh) * 2017-07-14 2020-08-21 灵动科技（北京）有限公司 一种对跟随目标进行定位的方法以及跟随设备
CN107368867A (zh) 2017-07-26 2017-11-21 四川西谷物联科技有限公司 图像信息反馈系统及服务器
CN109829456B (zh) * 2017-11-23 2022-05-17 腾讯科技（深圳）有限公司 图像识别方法、装置及终端
CN108681743B (zh) * 2018-04-16 2019-12-06 腾讯科技（深圳）有限公司 图像对象识别方法和装置、存储介质
US11182927B2 (en) * 2018-09-18 2021-11-23 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for positioning an object
CN109635797B (zh) * 2018-12-01 2023-01-13 北京首钢自动化信息技术有限公司 基于多载体识别技术的钢卷顺序精准定位方法
CN110276892A (zh) * 2019-06-26 2019-09-24 深圳市腾讯计算机系统有限公司 无人售货方法、装置、设备及存储介质
CN110321744A (zh) * 2019-07-07 2019-10-11 重庆工业职业技术学院 基于射频技术的书籍寻找方法及装置

Also Published As

Publication number Publication date
CN113228044A (zh) 2021-08-06
KR20210084335A (ko) 2021-07-07
CN113228044B (zh) 2024-09-24
SG10201913005YA (en) 2020-09-29
WO2021130551A1 (en) 2021-07-01
AU2020294282A1 (en) 2021-07-08
US20210190937A1 (en) 2021-06-24
US11294047B2 (en) 2022-04-05
JP7145224B2 (ja) 2022-09-30
JP2022523279A (ja) 2022-04-22

Similar Documents

Publication Publication Date Title
KR102390774B1 (ko) 타겟 객체를 인식하기 위한 방법, 장치 및 시스템
US10885374B2 (en) Article management system, information processing apparatus, and control method and control program of information processing apparatus
US20230298429A1 (en) Counting gaming chips
US20200234529A1 (en) Anti-counterfeit verification
CN109360205A (zh) 双录视频质检方法、装置、介质和电子设备
KR102584248B1 (ko) 게임 이미지 처리 방법, 장치, 전자 기기, 컴퓨터 저장 매체 및 컴퓨터 프로그램
JP2023504315A (ja) 画像処理方法、装置、エッジコンピューティングデバイス及びコンピュータ記憶媒体
CN113269053A (zh) 商品的货架层列获取方法、终端、存储装置
CN112166436A (zh) 图像筛选方法及装置、电子设备
KR20230044113A (ko) 물품 식별 방법, 장치, 기기 및 컴퓨터 판독 가능 저장 매체
CN114127782A (zh) 图像处理方法、装置、电子设备和计算机存储介质
CN110135442A (zh) 一种特征点提取算法的评价系统与方法

Legal Events

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