KR102564477B1 - 객체 검출 방법 및 장치 - Google Patents

객체 검출 방법 및 장치 Download PDF

Info

Publication number
KR102564477B1
KR102564477B1 KR1020150168796A KR20150168796A KR102564477B1 KR 102564477 B1 KR102564477 B1 KR 102564477B1 KR 1020150168796 A KR1020150168796 A KR 1020150168796A KR 20150168796 A KR20150168796 A KR 20150168796A KR 102564477 B1 KR102564477 B1 KR 102564477B1
Authority
KR
South Korea
Prior art keywords
target object
pyramid
image
sub
pyramid image
Prior art date
Application number
KR1020150168796A
Other languages
English (en)
Other versions
KR20170062959A (ko
Inventor
이창교
한재준
황원준
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020150168796A priority Critical patent/KR102564477B1/ko
Priority to US15/237,082 priority patent/US10026181B2/en
Publication of KR20170062959A publication Critical patent/KR20170062959A/ko
Application granted granted Critical
Publication of KR102564477B1 publication Critical patent/KR102564477B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20004—Adaptive image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Biology (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Ophthalmology & Optometry (AREA)
  • Bioinformatics & Cheminformatics (AREA)

Abstract

객체 검출 방법 및 장치가 개시된다. 일 실시예에 따른 객체 검출 방법은 이전 프레임에서 검출된 대상 객체와 관련된 정보에 기초하여, 현재 프레임에 대응하는 피라미드 영상을 적응적으로 생성하는 단계를 포함한다.

Description

객체 검출 방법 및 장치{METHOD FOR DETECTING OBJECT AND APPARATUS THEREOF}
아래 실시예들은 객체 검출 방법 및 장치에 관한 것이다.
객체 검출 기술은 주어진 영상에서 특정한 타겟을 검출하기 위한 기술이다. 객체 검출 기술을 통해 CCTV 등의 보안용 카메라에서 획득된 영상이나, 휴대용 단말, TV 및 카메라 등의 전자 기기에서 획득된 영상으로부터 특정한 타겟을 검출할 수 있다.
객체 검출의 성능은 정확성 및 속도에 의하여 결정된다. 이에 따라 객체 추적의 정확성 및 속도를 향상시키는 기술이 요구된다.
일 측에 따른 객체 검출 방법은 이전 프레임에서 검출된 대상 객체와 관련된 정보에 기초하여, 현재 프레임에 대응하는 피라미드 영상을 적응적으로(adaptively) 생성하는 단계; 및 상기 피라미드 영상에서 상기 대상 객체를 검출하는 단계를 포함한다.
상기 대상 객체와 관련된 정보는 상기 이전 프레임에 대응하는 피라미드 영상에 포함된 복수의 서브 영상들 중 상기 대상 객체가 검출된 서브 영상의 피라미드 식별자, 상기 서브 영상에서 상기 대상 객체가 검출된 위치, 및 상기 서브 영상에서 상기 대상 객체의 크기 중 적어도 하나를 포함할 수 있다.
상기 대상 객체는 사용자의 얼굴, 사용자의 눈 및 사용자의 홍채 중 적어도 하나를 포함할 수 있다.
상기 현재 프레임에 대응하는 피라미드 영상을 적응적으로 생성하는 단계는 상기 이전 프레임에 대응하는 피라미드 영상에서 상기 대상 객체가 검출된 서브 영상의 피라미드 식별자를 기준(reference)으로, 상기 현재 프레임에 대응하는 제1 범위의 피라미드 영상을 생성하는 단계를 포함할 수 있다.
상기 객체 검출 방법은 상기 대상 객체와 관련된 정보에 기초하여 상기 현재 프레임에 대응하는 피라미드 영상에서 상기 대상 객체를 검출하기 위한 스캔 영역을 적응적으로 결정하는 단계를 더 포함할 수 있다.
상기 피라미드 영상에서 상기 대상 객체를 검출하는 단계는 상기 스캔 영역에 기초하여, 상기 피라미드 영상에 포함된 복수의 서브 영상들을 스캔 함으로써 상기 대상 객체를 검출하는 단계를 포함할 수 있다.
상기 객체 검출 방법은 상기 이전 프레임에 대응하는 전체 범위(full range)의 피라미드 영상에서 상기 대상 객체와 관련된 정보를 추출하는 단계를 더 포함할 수 있다.
상기 현재 프레임에 대응하는 피라미드 영상을 적응적으로 생성하는 단계는 상기 대상 객체와 관련된 정보에 기초하여, 상기 현재 프레임에 대응하는 피라미드 영상에 포함되는 서브 영상들의 수를 적응적으로 결정하는 단계를 더 포함할 수 있다.
일 측에 따른 객체 검출 방법은 현재 프레임에 대응하는 피라미드 영상을 생성하는 단계; 및 이전 프레임에서 검출된 대상 객체와 관련된 정보에 기초하여, 상기 피라미드 영상에서 상기 대상 객체를 검출하기 위한 스캔 영역을 적응적으로(adaptively) 결정하는 단계를 포함한다.
상기 대상 객체와 관련된 정보는 상기 이전 프레임에서 상기 대상 객체가 검출된 위치, 상기 이전 프레임에서 상기 대상 객체의 크기, 및 상기 이전 프레임에서 상기 대상 객체가 검출된 서브 영상의 크기 중 적어도 하나를 포함할 수 있다.
상기 스캔 영역을 적응적으로 결정하는 단계는 상기 이전 프레임에서 상기 대상 객체가 검출된 위치를 포함하도록 상기 스캔 영역을 결정하는 단계를 포함할 수 있다.
일 측에 따른 객체 검출 장치는 이전 프레임에서 추출한, 대상 객체와 관련된 정보에 기초하여, 현재 프레임에 대응하는 피라미드 영상을 적응적으로(adaptively) 생성하는 피라미드 생성부; 및 상기 피라미드 영상에서 상기 대상 객체를 검출하는 객체 검출부를 포함한다.
상기 객체 검출 장치는 상기 대상 객체와 관련된 정보에 기초하여 상기 현재 프레임에 대응하는 피라미드 영상에서 상기 대상 객체를 검출하기 위한 스캔 영역을 적응적으로 결정하는 스캔 영역 결정부를 더 포함할 수 있다.
도 1은 일 실시예에 따른 객체 검출 장치를 나타내는 블록도.
도 2는 일 실시예에 따른 피라미드 영상의 스캔 과정을 설명하는 도면.
도 3은 일 실시예에 따른 피라미드 영상의 범위를 설명하는 도면.
도 4는 일 실시예에 따른 피라미드 영상의 범위를 적응적으로 조절하는 과정을 설명하는 도면.
도 5는 일 실시예에 따른 스캔 영역을 적응적으로 설정하는 과정을 설명하는 도면.
도 6은 일 실시예에 따른 객체 검출 과정을 나타내는 동작 흐름도.
도 7은 다른 실시예에 따른 객체 검출 장치를 나타내는 블록도.
도 8은 일 실시예에 따른 피라미드 영상 기반의 객체 검출 방법을 나타내는 동작 흐름도.
도 9는 다른 실시예에 따른 피라미드 영상 기반의 객체 검출 방법을 나타내는 동작 흐름도.
본 명세서에서 개시되어 있는 특정한 구조적 또는 기능적 설명들은 단지 실시예들을 설명하기 위한 목적으로 예시된 것으로서, 실시예들은 다양한 다른 형태로 실시될 수 있으며 본 명세서에 설명된 실시예들에 한정되지 않는다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 이해되어야 한다. 예를 들어 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 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 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 일 실시예에 따른 객체 검출 장치를 나타내는 블록도이다. 도 1을 참조하면, 일 실시예에 따른 객체 검출 장치(100)는 피라미드 생성부(110) 및 객체 검출부(120)를 포함한다. 객체 검출 장치(100)는 입력 영상에서 대상 객체를 검출한다. 대상 객체는 입력 영상에 포함된 다양한 객체들 중에 검출의 대상이 되는 객체를 의미한다. 예컨대, 대상 객체는 사용자의 얼굴, 사용자의 눈 또는 사용자의 홍채 등을 포함할 수 있다. 일 측에 따르면, 객체 검출 장치(100)는 사용자 인증을 위한 전 처리 과정에서, 카메라에 의해 촬영된 입력 영상으로부터 사용자의 얼굴, 사용자의 눈, 또는 사용자의 홍채를 검출하는 데 이용될 수 있다. 다른 일 측에 따르면, 객체 검출 장치(100)는 보안 목적으로 카메라에 의해 촬영된 입력 영상에서 특정한 사물을 검출하는 데 이용될 수 있다.
객체 검출 장치(100)는 소프트웨어 모듈, 하드웨어 모듈, 또는 이들의 조합으로 구현될 수 있다. 예를 들어, 객체 검출 장치(100)는 피라미드 생성부(110) 및 객체 검출부(120)의 동작을 수행하는 하나 또는 그 이상의 프로세서, 하나 또는 그 이상의 ASIC(Application Specific Integrated Chip), 또는 이들의 다양한 조합으로 구현될 수 있다.
객체 검출 장치(100)는 현재 프레임에서 대상 객체를 검출하기 위해 이전 프레임에서 추출한 정보를 이용할 수 있다. 현재 프레임은 현재 시점에 대응하는 영상이고, 이전 프레임은 이전 시점에 대응하는 영상일 수 있다. 객체 검출 장치(100)는 이전 프레임에 포함된 대상 객체와 관련된 정보를 통해 현재 프레임에서 대상 객체를 신속하고 정확하게 검출해낼 수 있다.
입력 영상에 포함된 대상 객체의 크기는 다양할 수 있다. 예컨대, 입력 영상으로부터 검출하고자 하는 대상 객체가 사용자의 홍채라고 가정하면, 사용자가 카메라에 가까이 위치하는 경우 입력 영상 내 홍채의 크기는 사용자가 카메라에 멀리 위치하는 경우 입력 영상 내 홍채의 크기에 비하여 상대적으로 클 수 있다.
또한, 입력 영상에서 대상 객체의 크기는 다양하게 변경될 수 있다. 예컨대, 대상 객체가 입력 영상을 촬영하는 카메라에 접근할 경우 입력 영상에서 대상 객체의 크기는 커질 수 있고, 대상 객체가 카메라로부터 멀어지는 경우 입력 영상에서 대상 객체의 크기는 작아질 수 있다. 이 경우, 입력 영상은 객체들의 연속적인 움직임을 포함할 수 있다.
실시예들에서 대상 객체의 다양한 크기 또는 대상 객체의 크기 변화에 대응하여 대상 객체를 검출하기 위해 피라미드 영상이 이용될 수 있다. 피라미드 영상은 원본 영상을 미리 정해진 범위 내에서 크기를 변경한 서브 영상들의 집합일 수 있다. 일 예로, 피라미드 영상은 특정 시점의 프레임에 해당하는 영상을 확대 또는 축소함으로써 복수의 서브 영상들을 생성함으로써 생성될 수 있다. 피라미드 영상은 다운 샘플을 위한 가우시안 피라미드(Gaussian pyramid)와 업 샘플을 위한 라플라시안 피라미드(Laplacian pyramid)를 포함할 수 있다.
피라미드 생성부(110)는 특정 프레임에 대응하는 피라미드 영상을 생성할 수 있다. 예컨대, 피라미드 생성부(110)는 이전 프레임에서 검출된 대상 객체와 관련된 정보에 기초하여, 현재 프레임에 대응하는 피라미드 영상(140)을 적응적으로(adaptively) 생성할 수 있다. 대상 객체와 관련된 정보는, 이전 프레임에 대응하는 피라미드 영상(130)에 포함된 복수의 서브 영상들 중 대상 객체가 검출된 서브 영상의 피라미드 식별자, 이전 프레임에서 대상 객체의 위치 및 이전 프레임에서 대상 객체의 크기 중 적어도 하나를 포함할 수 있다.
피라미드 식별자는 피라미드 영상에 포함된 복수의 서브 영상들 각각을 식별하는 정보이다. 대상 객체의 위치는 이전 프레임에서 대상 객체가 검출된 위치이다. 일 예로, 대상 객체의 위치는 이전 프레임에서 검출된 대상 객체에 해당하는 영역의 중심 좌표일 수 있다. 대상 객체의 크기는 이전 프레임에서 대상 객체가 검출된 서브 영상 내 대상 객체의 크기이다.
이하, 설명의 편의를 위해 이전 프레임은 f1로 나타내고, 현재 프레임은 f2로 나타낸다. 또한, 이전 프레임의 피라미드 영상(130)에 포함된 서브 영상들은 f1i로 나타내고, 현재 프레임의 피라미드 영상(140)에 포함된 서브 영상들은 f2i로 나타낸다. 여기서, i는 피라미드 영상에 포함된 서브 영상들을 구분하기 위한 피라미드 식별자를 나타낸다. 도 1의 예시에 따르면, 이전 프레임에 대응하는 피라미드 영상(130)은 서브 영상들(f11 내지 f17)을 포함할 수 있다. 현재 프레임에 대응하는 피라미드 영상(140)은 서브 영상들(f21 내지 f25)을 포함할 수 있다.
피라미드 생성부(110)는 이전 프레임에 대응하는 피라미드 영상(130)에서 대상 객체가 검출된 서브 영상의 피라미드 식별자를 기준으로 현재 프레임에 대응하는 피라미드 영상(140)을 적응적으로 생성할 수 있다. 도 1의 예시에 따르면, 대상 객체는 이전 프레임의 서브 영상(f13)에서 검출될 수 있다. 따라서, 이전 프레임에 대응하는 피라미드 영상(130)에서 대상 객체가 검출된 서브 영상(f13)의 피라미드 식별자는 3이다. 피라미드 생성부(110)는 서브 영상(f13)의 피라미드 식별자를 기준으로 현재 프레임에 대응하는 피라미드 영상(140)을 적응적으로 생성할 수 있다.
피라미드 생성부(110)는 전체 범위에 해당하는 피라미드 영상을 생성하는 대신, 서브 영상(f13)의 피라미드 식별자를 기준으로 미리 정해진 범위의 피라미드 영상을 생성할 수 있다. 예컨대, 현재 프레임에 대응하는 피라미드 영상이 너무 많은 수의 서브 영상을 포함할 경우, 해당 피라미드 영상의 생성 시간이 증가되며, 생성된 피라미드 영상에서 대상 객체를 검출하는 데 소요되는 시간이 증가될 수 있다.
피라미드 생성부(110)는 피라미드 영상에 포함되는 서브 영상들의 수를 미리 정해진 수로 제한함으로써, 피라미드의 생성 및 객체의 검출에 소요되는 시간을 단축시킬 수 있다. 피라미드 생성부(110)는 적절한 수의 서브 영상들을 포함하도록 현재 프레임에 대응하는 피라미드 영상(140)을 생성할 수 있다. 예컨대, 피라미드 생성부(110)는 i=3을 기준으로 총 5개의 서브 영상들(f21 내지 f25)을 포함하는 피라미드 영상(140)을 생성할 수 있다.
객체 검출부(120)는 피라미드 영상(140)에서 대상 객체를 검출할 수 있다. 예컨대, 객체 검출부(120)는 피라미드 영상(140) 내 서브 영상들 중 서브 영상(f24)으로부터 대상 객체를 검출할 수 있다.
객체 검출부(120)는 다양한 알고리즘에 따라 대상 객체를 검출할 수 있다. 예컨대, 객체 검출부(120)는 대상 객체의 검출을 위해 서브 영상들(f21 내지 f25)의 전체 영역 또는 일부 영역을 스캔 할 수 있다. 아래에서 상세히 설명하겠으나, 스캔 영역은 이전 프레임에서 검출된 대상 객체와 관련된 정보에 기초하여 적응적으로 결정될 수 있다. 또한, 객체 검출부(120)는 서브 영상(f21) 내지 서브 영상(f25)을 순차적으로 스캔 하거나, 병렬적으로 스캔 할 수 있다. 피라미드 영상(140)을 스캔 하는 동작과 관련된 보다 상세한 사항은 후술한다.
도 2는 일 실시예에 따른 피라미드 영상의 스캔 과정을 설명하는 도면이다. 도 2를 참조하면, 객체 검출부는 현재 프레임에 대응하는 피라미드 영상(140)에 포함된 서브 영상들을 스캔 함으로써 대상 객체를 검출할 수 있다.
일 예로, 객체 검출부는 미리 정해진 순서로 피라미드 영상(140)을 스캔 할 수 있다. 객체 검출부는 피라미드 식별자가 큰 순서 또는 작은 순서로 피라미드 영상(140)에 포함된 서브 영상들을 스캔 할 수 있다. 다른 예로, 객체 검출부는 병렬 처리를 이용하여, 복수의 서브 영상들을 동시에 스캔 할 수도 있다.
객체 검출부는 미리 정해진 방향으로 각각의 서브 영상을 스캔 할 수 있다. 예컨대, 객체 검출부는 도 2에 표시된 화살표 방향으로 각각의 서브 영상을 스캔 할 수 있다. 도 2의 예시에서, 객체 검출부는 서브 영상(f24)의 스캔 도중 대상 객체를 검출할 수 있다. 서브 영상(f24)의 박스는 검출된 대상 객체를 나타낸다. 도 2의 예시에서 대상 객체는 사용자의 얼굴일 수 있다.
일 측에 따르면, 객체 검출부는 피라미드 영상(140) 전체를 스캔 하는 대신, 피라미드 영상(140)의 일부 영역만 스캔 함으로써 대상 객체를 검출할 수 있다. 예컨대, 객체 검출부는 적응적으로(adaptively) 결정된 스캔 영역에서 대상 객체를 검출할 수 있다. 전술한 바와 같이, 스캔 영역은 이전 프레임에서 검출된 대상 객체와 관련된 정보에 기초하여 결정될 수 있다. 스캔 영역에 기초한 대상 객체의 검출 과정에 관해서는 후술한다.
도 3은 일 실시예에 따른 피라미드 영상의 범위를 설명하는 도면이다. 피라미드 영상의 범위는 기준 식별자와, 최대 식별자 또는 최소 식별자 간의 차로 정의될 수 있다.
피라미드 생성부는 이전 프레임에서 검출된 대상 객체와 관련된 정보에 기초하여, 현재 프레임에 대응하는 피라미드 영상들(310, 320)을 생성할 수 있다. 이전 프레임에서 피라미드 식별자 i=3을 갖는 서브 영상(f13)에서 대상 객체가 검출된 것으로 가정하면, 피라미드 생성부는 식별자 i=3를 기준으로 현재 프레임에 대응하는 피라미드 영상들(310, 320)을 생성할 수 있다.
피라미드 영상의 범위에 따라 피라미드 영상에 포함되는 서브 영상들의 수가 달라진다. 예컨대, 피라미드 영상(310)의 범위는 2이고, 피라미드 영상(320)의 범위는 3일 수 있다. 피라미드 영상(310)은 i=3인 서브 영상(f23)을 기준으로 2개의 업 샘플 영상들 및 2개의 다운 샘플 영상들을 포함하고, 피라미드 영상(320)은 i=3인 서브 영상(f'23)을 기준으로 3개의 업 샘플 영상들 및 3개의 다운 샘플 영상들을 포함한다. 이 경우, 피라미드 영상(320)은 피라미드 영상(310)보다 넓은 범위를 갖는다.
피라미드 영상의 범위가 클수록 해당 범위의 피라미드 영상에서 대상 객체가 검출될 확률은 높아지나, 해당 범위의 피라미드 영상을 생성하는데 소요되는 시간 및 해당 범위의 피라미드를 스캔 하는데 소요되는 시간이 길어진다. 실시예들은 이전 프레임에서 검출된 대상 객체와 관련된 정보에 기초하여 현재 프레임에 대응하는 피라미드 영상을 적응적으로 생성함으로써, 대상 객체가 검출될 확률은 높게 유지하면서, 피라미드의 생성 및 스캔에 소요되는 시간을 단축시키는 기술을 제공할 수 있다.
일 실시예에 따르면, 피라미드 생성부는 현재 프레임에 대응하는 피라미드 영상에서 대상 객체의 검출 여부에 따라, 다음 프레임에 대응하여 생성되는 피라미드 영상의 범위를 적절히 조절할 수 있다. 예컨대, 피라미드 생성부는 현재 프레임에서 제1 범위의 피라미드 영상을 생성하고, 제1 범위의 피라미드 영상에서 대상 객체의 검출에 실패할 경우, 다음 프레임에서 제1 범위보다 확장된 제2 범위의 피라미드 영상을 생성할 수 있다. 제2 범위는 미리 설정된 전체 범위(full range)를 포함할 수 있다. 피라미드 영상의 생성을 위한 적응적 범위의 조절 과정은 도 4를 참조하여 상세하게 설명한다.
도 4는 일 실시예에 따른 피라미드 영상의 범위를 적응적으로 조절하는 과정을 설명하는 도면이다. 도 4를 참조하면, 단계(410)에서, 객체 검출 장치는 프레임(fk)에 대응하는 피라미드 영상의 범위를 적응적으로 결정한다. 예컨대, 피라미드 영상의 범위는 미리 정해진 범위(예를 들어, 2)로 초기화될 수 있다. 프레임(fk)는 현재 프레임을 의미할 수 있다.
단계(420)에서, 객체 검출 장치는 결정된 범위에 기초하여 프레임(fk)에 대응하는 피라미드 영상을 생성한다. 단계(430)에서, 객체 검출 장치는 프레임(fk)에 대응하는 피라미드 영상에서 객체가 검출되었는지 결정한다. 단계(440)에서, 객체 검출 장치는 k 값을 증가시킨다.
다시 단계(410)로 돌아가면, k 값의 증가로 인해, 프레임(fk)는 앞서 설명된 현재 프레임의 다음 프레임을 의미할 수 있다. 객체 검출 장치는 프레임(fk)에 대응하는 피라미드 영상의 범위를 적응적으로 조절할 수 있다. 객체 검출 장치는 단계(430)에서 객체가 검출되었는지 여부에 따라 피라미드 영상의 범위를 조절할 수 있다.
일 예로, 객체가 검출되지 않은 경우 객체 검출 장치는 피라미드 영상의 범위를 증가시킬 수 있다. 객체 검출 장치는 피라미드 영상의 범위를 2에서 3으로 증가시킬 수 있다. 다른 예로, 객체가 검출된 경우 객체 검출 장치는 피라미드 영상의 범위를 감소시킬 수 있다. 객체 검출 장치는 피라미드 영상의 범위를 2에서 1로 감소시킬 수 있다.
이 때, 최근에 대상 객체가 검출된 피라미드의 식별자가 피라미드 영상의 기준이 되는 식별자로 사용될 수 있다. 대상 객체가 검출된 적이 없는 경우에는, 미리 정해진 초기 값이 피라미드 영상의 기준이 되는 식별자로 사용될 수 있다.
일 실시예에 따르면, 적응적 범위의 변화 폭은 이전 프레임들에서 대상 객체의 변화 정도에 따라 결정될 수 있다. 예컨대, 이전 프레임들에서 대상 객체의 변화가 큰 경우 적응적 범위의 변화 폭도 커질 수 있고, 이전 프레임들에서 대상 객체의 변화가 작은 경우 적응적 범위의 변화 폭도 작아질 수 있다. 여기서, 대상 객체의 변화는 대상 객체의 위치 변화 및 대상 객체의 크기 변화 중 적어도 하나를 포함할 수 있다.
이전 프레임에서 대상 객체의 크기와 현재 프레임에서 대상 객체의 크기가 급격하게 변할 수 있다. 예컨대, 사용자가 카메라에 빠른 속도로 근접할 경우, 현재 프레임에서 대상 객체의 크기는 이전 프레임에서 대상 객체의 크기에 비해 급격히 커질 수 있다. 이 경우, 대상 객체는 현재 프레임에 대응하여 생성된 피라미드 영상에서 검출되지 않을 수 있다. 따라서, 대상 객체의 움직임에 따라 피라미드의 생성 범위를 변경하는 것이 요구될 수 있다.
도 5는 일 실시예에 따른 스캔 영역을 적응적으로 설정하는 과정을 설명하는 도면이다. 도 5를 참조하면, 이전 프레임(f1)에서 검출된 대상 객체(510)와 관련된 정보에 기초하여, 현재 프레임(f2 또는 f2')의 스캔 영역(520 또는 530)이 결정될 수 있다.
예컨대, 현재 프레임(f2 또는 f2')의 스캔 영역(520 또는 530)의 위치는 이전 프레임(f1)에서 검출된 대상 객체(510)의 위치에 기초하여 결정될 수 있다. 스캔 영역(520 또는 530)의 중심 좌표는 대상 객체(510)의 중심 좌표와 동일할 수 있다.
또한, 스캔 영역의 크기는 대상 객체의 크기 또는 현재 프레임의 크기에 기초하여 결정될 수 있다. 일 예로, 현재 프레임(f2)의 스캔 영역(520)의 크기는 대상 객체(510)의 크기에 기초하여 결정될 수 있다. 스캔 영역(520)의 크기는 대상 객체(510)의 가로 크기(wd1) 및 세로 크기(hg1)에 기초하여 결정될 수 있다. 예컨대, 스캔 영역(520)의 크기는 가로 크기(wd1)의 3배 및 세로 크기(hg1)의 3배로 결정될 수 있다.
다른 예로, 현재 프레임(f2')의 스캔 영역(530)의 크기는 현재 프레임(f2')의 크기에 기초하여 결정될 수 있다. 스캔 영역(530)의 크기는 현재 프레임(f2')의 가로 크기(wd2) 및 세로 크기(hg2)에 기초하여 결정될 수 있다.
실시예들에 따르면 스캔 영역을 이용하여 현재 프레임(f2 또는 f2')의 일부 영역에서 대상 객체를 검출할 수 있으므로, 객체의 검출 속도가 증가될 수 있다.
일 측에 따르면, 스캔 영역은 대상 객체의 검출 여부에 따라 조절될 수 있다. 예컨대, 현재 프레임(f2 또는 f2')에서 대상 객체의 검출에 실패한 경우 다음 프레임(미도시)에서 스캔 영역은 확대될 수 있다. 또한, 스캔 영역은 앞서 언급된 피라미드 영상에 적용될 수 있다. 예컨대, 객체 검출부는 피라미드 영상에 포함된 서브 영상들 각각에 스캔 영역을 적용하고, 스캔 영역에서 대상 객체를 검출할 수 있다.
도 6은 일 실시예에 따른 객체 검출 과정을 나타내는 동작 흐름도이다. 도 6을 참조하면, 단계(610)에서, 객체 검출 장치는 이전 프레임에서 대상 객체가 검출되었는지 여부를 결정한다. 이전 프레임에서 대상 객체가 검출되지 않은 경우 단계(620)이 수행되고, 이전 프레임에서 대상 객체가 검출된 경우 단계(630)이 수행된다. 단계(620)에서, 객체 검출 장치는 현재 프레임에 대응하는 전체 범위(full range)의 피라미드 영상을 생성한다. 전체 범위는 미리 설정될 수 있다.
단계(630)에서, 객체 검출 장치는 이전 프레임에서 대상 객체에 관한 정보를 추출한다. 대상 객체에 관한 정보는 이전 프레임에 대응하는 피라미드 영상에서 대상 객체가 검출된 서브 영상의 피라미드 식별자, 이전 프레임에서 대상 객체의 위치 및 이전 프레임에서 대상 객체의 크기 중 적어도 하나를 포함할 수 있다.
단계(640)에서, 객체 검출 장치는 현재 프레임에 대응하는 피라미드 영상을 적응적으로 생성한다. 객체 검출 장치는 대상 객체와 관련된 정보에 기초하여, 현재 프레임에 대응하는 피라미드 영상을 적응적으로 생성할 수 있다. 예컨대, 객체 검출 장치는 이전 프레임에 대응하는 피라미드 영상에서 대상 객체가 검출된 서브 영상의 피라미드 식별자를 기준으로 현재 프레임에 대응하는 피라미드 영상을 생성할 수 있다.
단계(650)에서, 객체 검출 장치는 현재 프레임에 대응하는 피라미드 영상에서 대상 객체를 검출한다. 이전 프레임에서 대상 객체가 검출되었는지 여부 따라, 현재 프레임에 대응하는 피라미드 영상은 전체 범위(full range)의 피라미드 영상이거나, 대상 객체가 검출된 서브 영상의 피라미드 식별자를 기준으로 하는 일부 범위의 피라미드 영상일 수 있다. 객체 검출 장치는 피라미드 영상에 포함된 서브 영상들에서 전체 영역 또는 일부 영역을 스캔 함으로써 대상 객체를 검출할 수 있다. 여기서, 일부 영역은 앞서 설명된 스캔 영역을 의미한다. 스캔 영역의 결정 과정에는 앞서 설명된 내용이 적용될 수 있다.
도 7은 다른 실시예에 따른 객체 검출 장치를 나타내는 블록도이다. 도 7을 참조하면, 객체 검출 장치(700)는 피라미드 생성부(710), 객체 검출부(720)를 포함한다. 피라미드 영상 생성부(710)는 이전 프레임에서 검출된 대상 객체와 관련된 정보에 기초하여, 현재 프레임에 대응하는 피라미드 영상을 적응적으로 생성한다. 객체 검출부(720)는 피라미드 영상에서 대상 객체를 검출한다.
객체 검출 장치(700)는 스캔 영역 설정부(730)를 더 포함할 수 있다. 스캔 영역 설정부(740)는 상기 대상 객체와 관련된 정보에 기초하여 상기 현재 프레임에 대응하는 피라미드 영상에서 상기 대상 객체를 검출하기 위한 스캔 영역을 적응적으로 결정한다. 그 밖에도, 피라미드 생성부(710), 객체 검출부(720) 및 스캔 영역 설정부(730)는 앞서 설명된 객체 검출을 위한 동작을 수행할 수 있다.
도 8은 일 실시예에 따른 피라미드 영상 기반의 객체 검출 방법을 나타내는 동작 흐름도이다. 도 8을 참조하면, 단계(810)에서, 객체 검출 장치는 이전 프레임에서 검출된 대상 객체와 관련된 정보에 기초하여, 현재 프레임에 대응하는 피라미드 영상을 적응적으로 생성한다. 단계(820)에서, 객체 검출 장치는 피라미드 영상에서 대상 객체를 검출한다.
도 9는 다른 실시예에 따른 피라미드 영상 기반의 객체 검출 방법을 나타내는 동작 흐름도이다. 도 9를 참조하면, 단계(910)에서, 객체 검출 장치는 현재 프레임에 대한 피라미드 영상을 생성한다. 단계(920)에서, 객체 검출 장치는 이전 프레임에서 검출된 대상 객체와 관련된 정보에 기초하여, 피라미드 영상에서 상기 대상 객체를 검출하기 위한 스캔 영역을 적응적으로 결정한다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

Claims (20)

  1. 이전 프레임에서 검출된 대상 객체와 관련된 정보에 기초하여, 현재 프레임에 대응하는 피라미드 영상을 적응적으로(adaptively) 생성하는 단계; 및
    상기 피라미드 영상에서 상기 대상 객체를 검출하는 단계
    를 포함하고,
    상기 현재 프레임에 대응하는 피라미드 영상을 적응적으로 생성하는 단계는
    상기 이전 프레임에 대응하는 피라미드 영상에서 상기 대상 객체가 검출된 서브 영상의 피라미드 식별자를 기준으로, 상기 현재 프레임에 대응하는 제1 범위의 피라미드 영상을 생성하는 단계를 포함하고,
    상기 현재 프레임에 대응하는 상기 제1 범위의 피라미드 영상은 전체 범위(full range)의 피라미드 영상 중 상기 대상 객체가 검출된 서브 영상의 피라미드 식별자를 기준으로 하는 일부 범위의 피라미드 영상이고,
    상기 현재 프레임에 대응하는 상기 제1 범위의 피라미드 영상에서 상기 대상 객체가 검출되지 않은 경우, 상기 피라미드 식별자를 기준으로 다음 프레임에 대응하는 제2 범위의 피라미드 영상이 생성되고,
    상기 제2 범위는 상기 제1 범위보다 큰,
    객체 검출 방법.
  2. 제1항에 있어서,
    상기 대상 객체와 관련된 정보는
    상기 이전 프레임에 대응하는 피라미드 영상에 포함된 복수의 서브 영상들 중 상기 대상 객체가 검출된 서브 영상의 피라미드 식별자, 상기 서브 영상에서 상기 대상 객체가 검출된 위치, 및 상기 서브 영상에서 상기 대상 객체의 크기 중 적어도 하나를 포함하는,
    객체 검출 방법.
  3. 제1항에 있어서,
    상기 대상 객체는
    사용자의 얼굴, 사용자의 눈 및 사용자의 홍채 중 적어도 하나를 포함하는,
    객체 검출 방법.
  4. 삭제
  5. 삭제
  6. 제1항에 있어서,
    상기 대상 객체와 관련된 정보에 기초하여 상기 현재 프레임에 대응하는 피라미드 영상에서 상기 대상 객체를 검출하기 위한 스캔 영역을 적응적으로 결정하는 단계
    를 더 포함하는,
    객체 검출 방법.
  7. 제6항에 있어서,
    상기 대상 객체와 관련된 정보는
    상기 이전 프레임에서 상기 대상 객체가 검출된 위치, 상기 이전 프레임에서 상기 대상 객체의 크기, 및 상기 이전 프레임에서 상기 대상 객체가 검출된 서브 영상의 크기 중 적어도 하나에 기초하여 결정되는,
    객체 검출 방법.
  8. 제6항에 있어서,
    상기 피라미드 영상에서 상기 대상 객체를 검출하는 단계는
    상기 스캔 영역에 기초하여, 상기 피라미드 영상에 포함된 복수의 서브 영상들을 스캔 함으로써 상기 대상 객체를 검출하는 단계
    를 포함하는,
    객체 검출 방법.
  9. 제1항에 있어서,
    상기 이전 프레임에 대응하는 전체 범위(full range)의 피라미드 영상에서 상기 대상 객체와 관련된 정보를 추출하는 단계
    를 더 포함하는,
    객체 검출 방법.
  10. 제1항에 있어서,
    상기 현재 프레임에 대응하는 피라미드 영상을 적응적으로 생성하는 단계는
    상기 대상 객체와 관련된 정보에 기초하여, 상기 현재 프레임에 대응하는 피라미드 영상에 포함되는 서브 영상들의 수를 적응적으로 결정하는 단계
    를 더 포함하는,
    객체 검출 방법.
  11. 제10항에 있어서,
    상기 현재 프레임에 대응하는 피라미드 영상에서 상기 대상 객체의 검출 여부 및 이전 프레임들에서 감지된 상기 대상 객체의 변화 중 적어도 하나에 기초하여, 다음 프레임에 대응하는 피라미드 영상에 포함되는 서브 영상들의 수를 적응적으로 결정하는 단계
    를 더 포함하는,
    객체 검출 방법.
  12. 제11항에 있어서,
    상기 대상 객체의 변화는,
    상기 대상 객체의 위치 변화 및 상기 대상 객체의 크기 변화 중 적어도 하나를 포함하는,
    객체 검출 방법.
  13. 삭제
  14. 삭제
  15. 삭제
  16. 하드웨어와 결합되어 제1항 내지 제3항 및 제6항 내지 제12항 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램.
  17. 이전 프레임에서 추출한, 대상 객체와 관련된 정보에 기초하여, 현재 프레임에 대응하는 피라미드 영상을 적응적으로(adaptively) 생성하는 피라미드 생성부; 및
    상기 피라미드 영상에서 상기 대상 객체를 검출하는 객체 검출부
    를 포함하고,
    상기 피라미드 생성부는
    상기 이전 프레임에 대응하는 피라미드 영상에서 상기 대상 객체가 검출된 서브 영상의 피라미드 식별자를 기준으로, 상기 현재 프레임에 대응하는 제1 범위의 피라미드 영상을 생성하고,
    상기 현재 프레임에 대응하는 상기 제1 범위의 피라미드 영상은 전체 범위(full range)의 피라미드 영상 중 상기 대상 객체가 검출된 서브 영상의 피라미드 식별자를 기준으로 하는 일부 범위의 피라미드 영상이고,
    상기 피라미드 생성부는
    상기 현재 프레임에 대응하는 상기 제1 범위의 피라미드 영상에서 상기 대상 객체가 검출되지 않은 경우, 상기 피라미드 식별자를 기준으로 다음 프레임에 대응하는 제2 범위의 피라미드 영상을 생성하고,
    상기 제2 범위는 상기 제1 범위보다 큰,
    객체 검출 장치.
  18. 제17항에 있어서,
    상기 대상 객체와 관련된 정보는
    상기 이전 프레임에 대응하는 피라미드 영상에 포함된 복수의 서브 영상들 중 상기 대상 객체가 검출된 서브 영상의 피라미드 식별자, 상기 서브 영상에서 상기 대상 객체의 위치, 및 이전 서브 영상에서 상기 대상 객체의 크기 중 적어도 하나를 포함하는,
    객체 검출 장치.
  19. 제17항에 있어서,
    상기 대상 객체는
    사용자의 얼굴, 사용자의 눈 및 사용자의 홍채 중 적어도 하나를 포함하는,
    객체 검출 장치.
  20. 제17항에 있어서,
    상기 대상 객체와 관련된 정보에 기초하여 상기 현재 프레임에 대응하는 피라미드 영상에서 상기 대상 객체를 검출하기 위한 스캔 영역을 적응적으로 결정하는 스캔 영역 결정부
    를 더 포함하는,
    객체 검출 장치.
KR1020150168796A 2015-11-30 2015-11-30 객체 검출 방법 및 장치 KR102564477B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020150168796A KR102564477B1 (ko) 2015-11-30 2015-11-30 객체 검출 방법 및 장치
US15/237,082 US10026181B2 (en) 2015-11-30 2016-08-15 Method and apparatus for detecting object

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150168796A KR102564477B1 (ko) 2015-11-30 2015-11-30 객체 검출 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20170062959A KR20170062959A (ko) 2017-06-08
KR102564477B1 true KR102564477B1 (ko) 2023-08-07

Family

ID=58777208

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150168796A KR102564477B1 (ko) 2015-11-30 2015-11-30 객체 검출 방법 및 장치

Country Status (2)

Country Link
US (1) US10026181B2 (ko)
KR (1) KR102564477B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210116953A (ko) 2020-03-18 2021-09-28 삼성전자주식회사 타겟 트래킹 방법 및 장치

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2119327A1 (en) 1993-07-19 1995-01-20 David Crawford Gibbon Method and means for detecting people in image sequences
TW321748B (ko) * 1994-02-23 1997-12-01 Rca Thomson Licensing Corp
KR100322911B1 (ko) 1999-02-09 2002-02-08 구자홍 다중 레벨 칼라 범위를 이용한 오브젝트 영역 추출 방법
US6639998B1 (en) 1999-01-11 2003-10-28 Lg Electronics Inc. Method of detecting a specific object in an image signal
US6590999B1 (en) 2000-02-14 2003-07-08 Siemens Corporate Research, Inc. Real-time tracking of non-rigid objects using mean shift
KR100438303B1 (ko) 2002-01-17 2004-07-01 엘지전자 주식회사 객체 추출방법
US8098885B2 (en) 2005-11-02 2012-01-17 Microsoft Corporation Robust online face tracking
JP2008107925A (ja) 2006-10-23 2008-05-08 Sharp Corp 物体検出処理回路および画像処理システム、電子情報機器
JP5354767B2 (ja) 2007-10-17 2013-11-27 株式会社日立国際電気 物体検知装置
JP5066497B2 (ja) 2008-09-09 2012-11-07 富士フイルム株式会社 顔検出装置及び方法
WO2011120206A1 (en) * 2010-04-02 2011-10-06 Nokia Corporation Methods and apparatuses for face detection
JP5683367B2 (ja) 2011-04-20 2015-03-11 キヤノン株式会社 画像処理装置、画像処理装置の制御方法、およびプログラム
KR20130006752A (ko) 2011-06-23 2013-01-18 주식회사 만도 차선 인식 장치 및 그 방법
JP6303090B2 (ja) * 2014-03-24 2018-04-04 アルパイン株式会社 画像処理装置および画像処理プログラム
US9646389B2 (en) * 2014-08-26 2017-05-09 Qualcomm Incorporated Systems and methods for image scanning

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Shu-Xiao Li 외 2명, Adaptive pyramid mean shift for global real-time visual tracking, Image and Vision Computing, Vol. 28, Issue 3 (2010.03.)*
한국 공개특허공보 제10-2013-0028734호(2013.03.19.) 1부.*

Also Published As

Publication number Publication date
US20170154428A1 (en) 2017-06-01
KR20170062959A (ko) 2017-06-08
US10026181B2 (en) 2018-07-17

Similar Documents

Publication Publication Date Title
KR102463169B1 (ko) 시점 추적 방법 및 장치
EP3680808A1 (en) Augmented reality scene processing method and apparatus, and computer storage medium
KR102330322B1 (ko) 영상 특징 추출 방법 및 장치
KR102399017B1 (ko) 이미지 생성 방법 및 장치
KR102483641B1 (ko) 양안 시차 영상의 처리 방법 및 장치
US10869028B2 (en) Object tracking method and apparatus and three-dimensional (3D) display apparatus using the same
US10817704B2 (en) Method and apparatus for extracting feature from input image
KR102349059B1 (ko) 영상의 관심영역으로부터 랜드마크를 결정하는 장치 및 방법
US9727585B2 (en) Image processing apparatus and method for controlling the same
US20160224864A1 (en) Object detecting method and apparatus based on frame image and motion vector
US10764563B2 (en) 3D enhanced image correction
KR101920281B1 (ko) 차량 내에서 입력 영상 데이터로부터 객체를 검출하는 장치 및 방법
KR102349543B1 (ko) 사용자의 눈을 추적하는 방법 및 장치와 역변환된 저조도 영상을 생성하는 방법
US11153479B2 (en) Image processing apparatus, capable of detecting an amount of motion between images by tracking a point across one or more images, image capturing apparatus, image processing method, and storage medium
KR20190078890A (ko) 그리드 기반의 평면 추정 방법 및 장치
KR102564477B1 (ko) 객체 검출 방법 및 장치
KR102434567B1 (ko) 스테레오 영상들의 보정 방법, 및 그 방법을 수행하는 장치
KR101834279B1 (ko) 지연 특징 추출을 이용하여 얼굴을 검출하기 위한 이미지 처리 방법 및 시스템
KR101853211B1 (ko) 모바일 gpu 환경에서 차영상 정보를 이용한 sift 알고리즘의 복잡도 감소 기법
KR102182540B1 (ko) 시차맵과 보행자 상하단 인식을 이용한 정밀한 보행자 검출 방법 및 장치
KR101600183B1 (ko) 이미지로부터 깊이 정보를 추출하는 방법 및 장치
KR101802061B1 (ko) 얼굴 시공간 특징에 기반한 자동 생체 인증 방법 및 시스템
KR102269088B1 (ko) 동공 추적 장치 및 방법
KR20160090649A (ko) 하체 검출/추적 장치 및 방법
KR20200103527A (ko) 영상 처리 방법 및 그 장치

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant