KR20060095593A - Object detection method using color similarity image - Google Patents

Object detection method using color similarity image Download PDF

Info

Publication number
KR20060095593A
KR20060095593A KR1020050016332A KR20050016332A KR20060095593A KR 20060095593 A KR20060095593 A KR 20060095593A KR 1020050016332 A KR1020050016332 A KR 1020050016332A KR 20050016332 A KR20050016332 A KR 20050016332A KR 20060095593 A KR20060095593 A KR 20060095593A
Authority
KR
South Korea
Prior art keywords
image
window
density
color similarity
object detection
Prior art date
Application number
KR1020050016332A
Other languages
Korean (ko)
Other versions
KR100730571B1 (en
Inventor
양현승
정지년
Original Assignee
한국과학기술원
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 한국과학기술원 filed Critical 한국과학기술원
Priority to KR1020050016332A priority Critical patent/KR100730571B1/en
Publication of KR20060095593A publication Critical patent/KR20060095593A/en
Application granted granted Critical
Publication of KR100730571B1 publication Critical patent/KR100730571B1/en

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65D—CONTAINERS FOR STORAGE OR TRANSPORT OF ARTICLES OR MATERIALS, e.g. BAGS, BARRELS, BOTTLES, BOXES, CANS, CARTONS, CRATES, DRUMS, JARS, TANKS, HOPPERS, FORWARDING CONTAINERS; ACCESSORIES, CLOSURES, OR FITTINGS THEREFOR; PACKAGING ELEMENTS; PACKAGES
    • B65D19/00—Pallets or like platforms, with or without side walls, for supporting loads to be lifted or lowered
    • B65D19/02—Rigid pallets with side walls, e.g. box pallets
    • B65D19/06—Rigid pallets with side walls, e.g. box pallets with bodies formed by uniting or interconnecting two or more components
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65D—CONTAINERS FOR STORAGE OR TRANSPORT OF ARTICLES OR MATERIALS, e.g. BAGS, BARRELS, BOTTLES, BOXES, CANS, CARTONS, CRATES, DRUMS, JARS, TANKS, HOPPERS, FORWARDING CONTAINERS; ACCESSORIES, CLOSURES, OR FITTINGS THEREFOR; PACKAGING ELEMENTS; PACKAGES
    • B65D19/00—Pallets or like platforms, with or without side walls, for supporting loads to be lifted or lowered
    • B65D19/38—Details or accessories
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65D—CONTAINERS FOR STORAGE OR TRANSPORT OF ARTICLES OR MATERIALS, e.g. BAGS, BARRELS, BOTTLES, BOXES, CANS, CARTONS, CRATES, DRUMS, JARS, TANKS, HOPPERS, FORWARDING CONTAINERS; ACCESSORIES, CLOSURES, OR FITTINGS THEREFOR; PACKAGING ELEMENTS; PACKAGES
    • B65D2519/00—Pallets or like platforms, with or without side walls, for supporting loads to be lifted or lowered
    • B65D2519/00004—Details relating to pallets
    • B65D2519/00547—Connections
    • B65D2519/00577—Connections structures connecting side walls, including corner posts, to each other
    • B65D2519/00582—Connections structures connecting side walls, including corner posts, to each other structures intended to be disassembled, i.e. collapsible or dismountable
    • B65D2519/00587—Connections structures connecting side walls, including corner posts, to each other structures intended to be disassembled, i.e. collapsible or dismountable side walls directly connected to each other
    • B65D2519/00592—Connections structures connecting side walls, including corner posts, to each other structures intended to be disassembled, i.e. collapsible or dismountable side walls directly connected to each other by means of hinges
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65D—CONTAINERS FOR STORAGE OR TRANSPORT OF ARTICLES OR MATERIALS, e.g. BAGS, BARRELS, BOTTLES, BOXES, CANS, CARTONS, CRATES, DRUMS, JARS, TANKS, HOPPERS, FORWARDING CONTAINERS; ACCESSORIES, CLOSURES, OR FITTINGS THEREFOR; PACKAGING ELEMENTS; PACKAGES
    • B65D2519/00—Pallets or like platforms, with or without side walls, for supporting loads to be lifted or lowered
    • B65D2519/00004—Details relating to pallets
    • B65D2519/00736—Details
    • B65D2519/00865—Collapsible, i.e. at least two constitutive elements remaining hingedly connected
    • B65D2519/00875—Collapsible, i.e. at least two constitutive elements remaining hingedly connected collapsible side walls
    • B65D2519/0091—Collapsible, i.e. at least two constitutive elements remaining hingedly connected collapsible side walls whereby all side walls are hingedly connected to each other
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65D—CONTAINERS FOR STORAGE OR TRANSPORT OF ARTICLES OR MATERIALS, e.g. BAGS, BARRELS, BOTTLES, BOXES, CANS, CARTONS, CRATES, DRUMS, JARS, TANKS, HOPPERS, FORWARDING CONTAINERS; ACCESSORIES, CLOSURES, OR FITTINGS THEREFOR; PACKAGING ELEMENTS; PACKAGES
    • B65D2519/00—Pallets or like platforms, with or without side walls, for supporting loads to be lifted or lowered
    • B65D2519/00004—Details relating to pallets
    • B65D2519/00736—Details
    • B65D2519/0098—Dismountable elements

Abstract

본 발명은, 색상 유사도 테이블, 저장 장치, 및 표시 장치에 각기 접속된 물체 검출 시스템이 영상 입력 수단으로부터 제공되는 영상의 색상을 이용하여 그 영상에서 해당 물체를 검출하는 방법으로서, 상기 영상 입력 수단에 의해 제공되는 영상의 색상 유사도 영상을 상기 색상 유사도 테이블을 사용하여 누적적으로 계산하는 제 1 단계와, 상기 누적 계산된 색상 유사도 영상을 나누어 블록화한 후, 상기 각 블록의 밀도를 계산하는 제 2 단계와, 상기 각 블록을 순회하며 밀도가 일정 수준 이상인 블록을 선택해서 크기를 확장하여, 이를 검출 윈도우로 초기화 하는 제 3 단계와, 상기 초기화된 윈도우 내의 밀도가 특정 기준 미만이면 상기 제 3 단계로 돌아가고, 상기 초기화된 윈도우 내의 밀도가 특정 기준 이상이면 현재 설정된 윈도우의 사방으로 일정 크기 만큼 윈도우를 확장하는 제 4 단계와, 상기 제 4 단계에서 확장된 윈도우 영역의 밀도가 일정 기준 이상이면, 상기 제 4 단계로 돌아가서 현재 설정된 윈도우의 사방으로 일정 크기 만큼 윈도우를 확장하는 제 5 단계를 구비한다.The present invention provides a method for detecting a corresponding object in an image by using a color of an image provided from an image input means by an object detection system connected to a color similarity table, a storage device, and a display device. A second step of cumulatively calculating the color similarity image of the image provided by using the color similarity table, dividing the cumulatively calculated color similarity image into blocks, and calculating a density of each block And a third step of circulating each block and selecting a block having a density greater than or equal to a predetermined level and expanding the size thereof, and initializing it to a detection window, and returning to the third step if the density in the initialized window is less than a specific criterion. If the density in the initialized window is greater than or equal to a certain criterion, it is constant in all directions of the currently set window. A fourth step of expanding the window by a size, and if the density of the window area expanded in the fourth step is equal to or greater than a predetermined reference, returning to the fourth step and expanding the window by a certain size in all directions of the currently set window; It is provided.

Description

색상 유사도 영상을 이용한 물체 검출 방법{Object detection method using color similarity image}Object detection method using color similarity image

도 1은 대상 물체 검출을 위한 색상 유사도 영상의 밀도를 이용해서 영역 확장을 나타낸 도면,1 is a diagram illustrating region expansion using density of a color similarity image for detecting an object;

도 2는 본 발명에 따른 색상 유사도 영상을 이용한 물체 검출 방법을 실시하기 위한 구성도,2 is a block diagram of an object detection method using a color similarity image according to the present invention;

도 3은 본 발명에 따른 색상 유사도 영상을 이용한 물체 검출 시스템에서 물체 검출 방법의 일 실시 예를 단계별로 나타낸 순서도,3 is a flowchart illustrating an embodiment of an object detection method in an object detection system using a color similarity image according to an embodiment of the present invention;

도 4는 누적 영상을 이용한 밀도 계산을 나타낸 도면,4 is a diagram illustrating density calculation using a cumulative image;

도 5는 얼굴 색상 유사도 영상으로부터 얼굴 영역 검출을 나타낸 도면.5 is a diagram illustrating face region detection from a face color similarity image.

본 발명은 색상 유사도 영상을 이용한 물체 검출 방법에 관한 것으로, 특히, 영상 내의 얼굴 등 색상 특징이 뚜렷한 물체를 신속하게 검출하는 방법에 관한 것이다.The present invention relates to a method for detecting an object using a color similarity image, and more particularly, to a method for quickly detecting an object having a distinct color characteristic such as a face in an image.

종래의 색상을 이용한 물체 검출을 보면, 해당 물체에 대응하는 영상을 세그먼테이션(Segmentation)하여 각 영역을 분할하고, 각 영역 내의 각 픽셀(pixel)을 레이블링(Labeling)함으로써 해당 물체를 검출했다.In the conventional object detection using color, the corresponding object was detected by segmenting each image by segmenting an image corresponding to the object, and labeling each pixel in each area.

그러나 이와 같은 종래의 세그먼테이션 방법은 정밀도에 비해 계산시간이 많이 소요된다. 또한, 영상에서 영역의 일부가 서로 붙어 있는 경우, 두 개의 서로 다른 개체로 분리하기가 어렵다.However, this conventional segmentation method takes a lot of computation time compared to the precision. In addition, when parts of an area are attached to each other in an image, it is difficult to separate them into two different objects.

이와 같은 종래의 문제점을 극복하기 위해서 전체적 형틀(template) 기반 또는, 부분적 형틀 기반의 검출 방법을 많이 사용하지만, 이 방법 역시 시점 변화나 회전으로 인해 모양이 변할 경우까지 고려해야 하기 때문에, 많은 학습 예제와 형틀이 필요하다. 따라서, 계산량도 자연히 많을 수밖에 없다.In order to overcome such a conventional problem, a whole template-based or partial template-based detection method is frequently used, but this method also needs to be considered until the shape changes due to a viewpoint change or rotation. I need a template. Therefore, the amount of calculation is naturally high.

정밀성을 고려한다면 궁극적으로 후자의 방법들을 선택하게 된다. 그러나 이 방법들은 영상의 전체를 형틀 비교를 통해 검색을 수행하기 때문에, 계산시간이 많이 걸린다. 따라서, 미리 간단한 계산을 통해 검색 범위를 줄여주거나 검색 대상물의 크기 등을 미리 알아낼 경우 계산 시간을 단축할 수 있다.Considering precision, the latter method is ultimately chosen. However, these methods require a lot of computation time because the entire image is searched through form comparison. Therefore, the calculation time can be shortened if the search range is reduced through simple calculation in advance or if the size of the search object is found in advance.

본 발명은 상술한 종래 기술을 더욱 개선시킨 것으로, 로봇이 영상 입력 수단에 의해 제공되는 영상의 색상 유사도 영상을 이용하여, 빨간공, 파란공과 같이 배경과 색상 특징에 있어 두드러진 물체를 찾아 추적하여 움직일 수 있도록 하는 색상 유사도 영상을 이용한 물체 검출 방법을 제공하는데 그 목적이 있다.The present invention further improves on the above-described prior art, and a robot uses a color similarity image of an image provided by an image input means to find and track a prominent object in background and color features such as a red ball and a blue ball. An object of the present invention is to provide an object detection method using a color similarity image.

이하, 첨부된 도면을 참조하여 본 발명에 따른 실시 예를 상세히 설명하면 다음과 같다.Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings.

도 1은 대상 물체 검출을 위한 색상 유사도 영상의 밀도를 이용해서 영역 확장을 나타낸 도면으로, 시험 확장을 통한 밀도 계산 과정과 밀도에 따른 확장 영역 설정 과정을 나타낸다.FIG. 1 is a diagram illustrating region expansion using density of a color similarity image for detecting an object, and illustrates a process of calculating density and setting an extended region according to density through a test expansion.

동 도면에 있어서, 현재 윈도우를 위, 아래, 좌, 우 등의 네 방향으로 일정 면적만큼 시험확장 후, 그 확장 영역의 밀도를 계산한다.In the figure, the test window is expanded by a predetermined area in four directions, such as up, down, left, and right, and the density of the expanded area is calculated.

다음, 상기 계산된 확장 영역의 밀도에 비례하여 각 방향의 확장 크기를 결정한 후, 그 결정된 확장 크기에 따라 영역을 확장한다. 상기 확장 후, 윈도우의 밀도를 계산하여, 그 밀도가 일정 수준 이하이면 확장을 중지하고 현재의 윈도우 위치를 검출 위치로 결정한다.Next, after determining the expansion size in each direction in proportion to the calculated expansion area density, the area is expanded according to the determined expansion size. After the expansion, the density of the window is calculated, and if the density is below a certain level, the expansion is stopped and the current window position is determined as the detection position.

도 2는 본 발명에 따른 색상 유사도 영상을 이용한 물체 검출 방법을 실시하기 위한 구성도로, 색상 유사도 테이블(14), 저장 장치(16), 및 표시 장치(18)에 각기 접속된 물체 검출 시스템(12)이 영상 입력 수단(10)으로부터 제공되는 영상의 색상을 이용하여 그 영상에서 해당 물체를 검출하도록 구성된다.2 is a block diagram of an object detection method using a color similarity image according to an exemplary embodiment of the present invention, wherein the object detection system 12 connected to the color similarity table 14, the storage device 16, and the display device 18, respectively. ) Detects the object in the image using the color of the image provided from the image input means 10.

동 도면에 있어서, 물체 검출 시스템(12)은 영상 입력 수단(CCD 카메라)(10)으로부터 제공되는 영상의 색상 유사도 영상을 색상 유사도 테이블(14)에 있는 기 학습된 검출 대상의 색상 유사도를 사용하여 픽셀 단위로 계산하고, 그 계산된 색상 유사도 영상의 누적 영상(Integral image)을 계산한다. 물체 검출 시스템(12)은 상기 계산된 색상 유사도 영상을 표시 장치(18)를 통해 그레이(gray) 영상으로 표현하여 사용자가 볼 수 있도록 한다.In the figure, the object detection system 12 uses the color similarity of the detected object in the color similarity table 14 in the color similarity image of the image provided from the image input means (CCD camera) 10. The calculation is performed in units of pixels, and an integrated image of the calculated color similarity image is calculated. The object detection system 12 expresses the calculated color similarity image as a gray image through the display device 18 so that the user can see it.

물체 검출 시스템(12)은 누적 계산된 영상을 나누어 블록화한 후, 각 블록의 밀도를 계산해서 밀도가 일정 수준인 블록의 크기를 확장하여, 이를 검출 윈도우로 초기화 한다.The object detection system 12 divides and accumulates the cumulatively calculated image, calculates the density of each block, expands the size of a block having a predetermined density, and initializes it to the detection window.

다음, 물체 검출 시스템(12)은 초기화된 윈도우 내의 밀도가 특정 기준 이상이면 현재 설정된 윈도우의 사방으로 일정 크기 만큼 윈도우를 확장한다.Next, the object detection system 12 extends the window by a predetermined size in all directions of the currently set window if the density in the initialized window is above a certain reference value.

이어, 물체 검출 시스템(12)은 확장된 윈도우 영역의 밀도가 일정 기준 미만이면, 윈도우 영역의 가로세로비를 계산하여, 검출 대상과 거리가 가까운 경우 저장 장치(16)에 저장한다.Subsequently, the object detection system 12 calculates an aspect ratio of the window area when the density of the expanded window area is less than a predetermined reference value, and stores the aspect ratio of the window area in the storage device 16 when the distance to the detection object is close.

도 3은 본 발명에 따른 색상 유사도 영상을 이용한 물체 검출 시스템에서 물체 검출 방법의 일 실시 예를 단계별로 나타낸 순서도이다.3 is a flowchart illustrating an example of an object detection method in an object detection system using a color similarity image according to an exemplary embodiment of the present invention.

먼저, 물체 검출 시스템(12)은 영상 입력 수단(10)에 의해 제공되는 영상의 색상 유사도 영상을 기 학습된 검출 대상의 색상 유사도 테이블(14)을 사용하여 픽셀 단위로 계산한다(단계 S10). 물체 검출 시스템(12)은 상기 계산된 색상 유사도 영상을 표시 장치(18)를 통해 그레이 영상으로 표현하여 사용자가 볼 수 있도록 한다. 이후 계산의 편의를 위해, 물체 검출 시스템(12)은 상기 계산된 색상 유사도 영상을 이진화 과정을 거치도록 해서 0과 1의 값으로 이루어지는 영상으로 재구성한다. 이때, 상기 이진화된 영상은 누적 영상으로 계산되는데, 이는 이후에 빠르게 밀도 계산을 할 수 있도록 해준다.First, the object detection system 12 calculates the color similarity image of the image provided by the image input means 10 on a pixel-by-pixel basis using the color similarity table 14 of the detection target previously learned (step S10). The object detection system 12 expresses the calculated color similarity image as a gray image through the display device 18 so that the user can see it. Afterwards, for convenience of calculation, the object detection system 12 reconstructs the calculated color similarity image into an image having a value of 0 and 1 by undergoing a binarization process. At this time, the binarized image is calculated as a cumulative image, which allows for a quick density calculation later.

상기 누적 영상(ii(x,y))은 수학식 1과 같이 계산된다.The cumulative image ii (x, y) is calculated as in Equation 1.

Figure 112005010468299-PAT00001
Figure 112005010468299-PAT00001

이때, i(x',y')는 이진화된 영상이다.In this case, i (x ', y') is a binarized image.

물체 검출 시스템(12)은 상기 계산된 누적 영상으로부터 도 4와 같은 사각형 영역((xtl,ytl)-(xbr,ybr))의 밀도(d(xtl,ytl,xbr,ybr))을 수학식 2와 같이 계산한다.The object detection system 12 calculates the density (d (x tl , y tl , x br ,) of the rectangular region ((x tl , y tl )-(x br , y br )) as shown in FIG. 4 from the calculated accumulated image. y br )) is calculated as in Equation 2.

Figure 112005010468299-PAT00002
Figure 112005010468299-PAT00002

즉, 물체 검출 시스템(12)은 계산된 누적 영상을 검출 대상의 최소 크기의 절반의 크기의 격자로 나누어 블록화한 후, 각 블록의 밀도를 계산한다(단계 S12).That is, the object detection system 12 divides the calculated cumulative image into a grid of half the minimum size of the object to be detected and blocks it, and then calculates the density of each block (step S12).

다음, 물체 검출 시스템(12)은 블록을 순회하며 밀도가 일정 수준 이상인 블록을 선택해서 크기를 배로 확장하여, 이를 검출 윈도우로 초기화 한다(단계 S14). 상기 선택된 블록은 검출된 물체의 영역 내에 있지 않은 블록이다.Next, the object detection system 12 traverses the block, selects a block having a density higher than a predetermined level, doubles the size, and initializes it to the detection window (step S14). The selected block is a block that is not within the area of the detected object.

그런 후, 물체 검출 시스템(12)은 상기 단계 S14에서 초기화된 윈도우 내의 밀도를 계산하여, 밀도가 특정 기준 이상이면 다음 단계로 진행하고, 특정 기준 미만이면 상기 단계 S14로 돌아간다(단계 S16).Then, the object detection system 12 calculates the density in the window initialized in the step S14, and proceeds to the next step if the density is above a certain criterion, and returns to the step S14 if it is less than the specific criterion (step S16).

이어, 물체 검출 시스템(12)은 상기 단계 S16의 수행 결과, 밀도가 특정 기준 이상이면 도 1과 같이 현재 설정된 윈도우의 사방으로 일정 크기 c만큼 윈도우를 확장한 후, 그 확장 영역의 밀도를 계산한다(단계 S18). 각 확장 영역의 밀도를 dup, ddown, dleft, dright라고 하면, 각 방향으로 확장되는 크기는 수학식 3과 같이 계산된다.Subsequently, as a result of performing step S16, the object detecting system 12 extends the window by a predetermined size c in all directions of the currently set window as shown in FIG. 1, and calculates the density of the extended area. (Step S18). If the density of each extended area is d up , d down , d left , and d right , the size of expansion in each direction is calculated as in Equation 3 below.

Figure 112005010468299-PAT00003
Figure 112005010468299-PAT00003

여기서, dth는 확장되는 기준 밀도로, 이 값이 커지면 서서히 확장된다.Here, d th is the reference density to be expanded, and gradually increases as the value increases.

또한, 물체 검출 시스템(12)은 윈도우 확장 후, 윈도우 내 영역의 밀도를 계산해서 윈도우 영역의 밀도가 일정 기준 미만이면, 배경이 상당부분 포함되어 있다고 판단하여 확장을 중단하고 다음 단계로 넘어간다. 반면, 윈도우 전체 영역의 밀도가 일정 기준 이상이면 단계 S18로 돌아가서 현재 설정된 윈도우의 사방으로 일정 크기 만큼 윈도우를 확장한다(단계 S20).In addition, after the window expansion, the object detection system 12 calculates the density of the area within the window, and if the density of the window area is less than a predetermined criterion, the object detection system 12 determines that the background is substantially included, and stops the expansion and proceeds to the next step. On the other hand, if the density of the entire window area is equal to or greater than a predetermined criterion, the process returns to step S18 to expand the window by a predetermined size in all directions of the currently set window (step S20).

물체 검출 시스템(12)은 단계 S20에서 윈도우 영역의 밀도가 일정 기준 미만이면 윈도우 영역의 가로세로비(Aspect ratio)를 계산하여, 검출 대상과 거리가 먼 경우 저장하지 않고, 검출 대상과 거리가 가까운 경우에는 저장 장치(16)에 저장한 후, 단계 S14로 돌아가서 검출을 계속 수행한다(단계 S22). 이 때 검출된 영역 내의 블록은 단계 S14의 검출 블록 지정에서 제외된다.The object detection system 12 calculates an aspect ratio of the window area when the density of the window area is less than a predetermined reference in step S20, and does not store the distance when the distance is far from the detection object, and closes the distance to the detection object. If it is stored in the storage device 16, the process returns to step S14 to continue detection (step S22). At this time, the blocks in the detected area are excluded from the detection block designation in step S14.

물체 검출 시스템(12)은 단계 S22에서 모든 블록을 순회하면, 그 결과를 저장 장치(16)에 저장하여 이후의 정밀 검출/인식 과정에 사용되도록 하거나, 그 자체로서 검출 결과를 표시 장치(18)에 출력하여 사용자가 볼 수 있도록 한다(단계 S24).When the object detection system 12 traverses all the blocks in step S22, the result is stored in the storage device 16 for use in a later precision detection / recognition process, or the display device 18 as such is displayed. To be displayed to the user (step S24).

도 5는 얼굴 색상 유사도 영상으로부터 얼굴 영역 검출을 나타낸 도면으로, 왼쪽 도면은 입력 영상과 검출 결과를 적색 윈도우로 표시하고 있고, 우측 도면은 계산 시간 단축을 위해 영상의 해상도를 반으로 줄여서 구한 얼굴 색상 유사도 이미지를 이진화하여, 이 영상으로부터 계산된 얼굴 검출 영역이다. 여기서 발견된 얼굴 위치를 스케일링을 통해 원본 영상에서의 위치를 구한 것이다.FIG. 5 is a diagram illustrating detection of a face region from a face color similarity image. The left figure displays an input image and a detection result with a red window, and the right figure shows a face color obtained by reducing the resolution of an image in half to shorten the calculation time. The similarity image is binarized and a face detection area calculated from this image. The location of the face found here is obtained by scaling the original image.

이상에서 본 발명에 대한 기술사상을 첨부도면과 함께 서술하였지만 이는 본 발명의 바람직한 실시 예를 예시적으로 설명한 것이지 본 발명을 한정하는 것은 아니다. 또한, 이 기술분야의 통상의 지식을 가진 자라면 누구나 본 발명의 기술사상의 범주를 이탈하지 않는 범위 내에서 다양한 변형 및 모방이 가능함은 명백한 사 실이다.The technical spirit of the present invention has been described above with reference to the accompanying drawings. In addition, it is obvious that any person skilled in the art can make various modifications and imitations without departing from the scope of the technical idea of the present invention.

이상에서 설명한 바와 같이 본 발명은, 영상 내의 얼굴 등 색상 특징이 뚜렷한 물체를 검출하고자 할 때 계산량이 적기 때문에, 물체를 신속하게 검출할 수 있다. 따라서, 이와 같은 본 발명을 정밀한 물체를 검출 및 인식하는 기기에 응용할 경우, 그 검출 속도 및 인식 속도를 향상시킬 수 있다. 예로, 물체를 검출 및 인식하는 완구나, 색상특징의 변화가 적은 환경에서의 컴퓨터 비전 응용 시스템 개발에 적용될 수 있다.As described above, the present invention can detect the object quickly because the calculation amount is small when it is desired to detect an object having a distinct color characteristic such as a face in the image. Therefore, when the present invention is applied to a device for detecting and recognizing a precise object, the detection speed and recognition speed can be improved. For example, the present invention can be applied to developing a computer vision application system in an environment for detecting and recognizing an object or in an environment in which color characteristics change little.

또한, 본 발명은, 밀도를 이용한 영역 확장을 통해 검출 대상 물체의 대략적인 위치와 크기를 추정하도록 하기 때문에, 검출 대상 물체가 여러 개일 경우에도 검출이 가능하다.In addition, the present invention allows the approximate position and size of the object to be detected to be estimated through the area expansion using the density, so that detection can be performed even when there are several objects to be detected.

예로, 본 발명을 소니사의 아이보와 같은 완구용 로봇에 적용하여, 그 로봇이 빨간공, 파란공과 같이 배경과 색상 특징에 있어 두드러진 물체를 찾아 추적하여 움직일 수 있도록 할 수 있다. 그 외 얼굴 검출, 자동차 번호판 검출과 같은 컴퓨터 비전 응용 기술에 있어 검출 대상 영역을 빠르게 한정시켜줌으로써 기존의 영상 정밀 검출 시스템의 계산시간을 감소시킬 수 있다.For example, the present invention can be applied to toy robots such as Sony's Aibo, so that the robot can find and track prominent objects in background and color features such as red balls and blue balls. In addition, in computer vision application technologies such as face detection and license plate detection, it is possible to reduce the calculation time of a conventional image precision detection system by quickly limiting the detection target area.

Claims (8)

색상 유사도 테이블, 저장 장치, 및 표시 장치에 각기 접속된 물체 검출 시스템이 영상 입력 수단으로부터 제공되는 영상의 색상을 이용하여 그 영상에서 해당 물체를 검출하는 방법으로서,An object detection system connected to a color similarity table, a storage device, and a display device, respectively, detects a corresponding object in an image by using a color of an image provided from an image input means. 상기 영상 입력 수단에 의해 제공되는 영상의 색상 유사도 영상을 상기 색상 유사도 테이블을 사용하여 누적적으로 계산하는 제 1 단계와,A first step of cumulatively calculating the color similarity image of the image provided by the image input means using the color similarity table; 상기 누적 계산된 색상 유사도 영상을 나누어 블록화한 후, 상기 각 블록의 밀도를 계산하는 제 2 단계와,A second step of dividing the cumulatively calculated color similarity image into blocks and calculating a density of each block; 상기 각 블록을 순회하며 밀도가 일정 수준 이상인 블록을 선택해서 크기를 확장하여, 이를 검출 윈도우로 초기화 하는 제 3 단계와,A third step of traversing the blocks and selecting blocks having a density greater than or equal to a predetermined level to expand the size, and initializing the blocks to a detection window; 상기 초기화된 윈도우 내의 밀도가 특정 기준 미만이면 상기 제 3 단계로 돌아가고, 상기 초기화된 윈도우 내의 밀도가 특정 기준 이상이면 현재 설정된 윈도우의 사방으로 일정 크기 만큼 윈도우를 확장하는 제 4 단계와,A fourth step of returning to the third step if the density in the initialized window is less than a certain criterion; and expanding the window by a predetermined size in all directions of the currently set window if the density in the initialized window is greater than or equal to a certain criterion; 상기 제 4 단계에서 확장된 윈도우 영역의 밀도가 일정 기준 이상이면, 상기 제 4 단계로 돌아가서 현재 설정된 윈도우의 사방으로 일정 크기 만큼 윈도우를 확장하는 제 5 단계A fifth step of expanding the window by a predetermined size in all directions of the currently set window if the density of the window area expanded in the fourth step is equal to or greater than a predetermined criterion; 를 포함하는 색상 유사도 영상을 이용한 물체 검출 방법.Object detection method using a color similarity image comprising a. 제 1 항에 있어서,The method of claim 1, 상기 제 4 단계에서 확장된 윈도우 영역의 밀도가 일정 기준 미만이면, 윈도우 영역의 가로세로비를 계산하여, 검출 대상과 거리가 가까운 경우 상기 저장 장치에 저장한 후, 상기 제 3 단계로 돌아가는 제 6 단계와,When the density of the window region expanded in the fourth step is less than a predetermined criterion, the aspect ratio of the window area is calculated and stored in the storage device when the distance to the detection target is close, and the sixth step returns to the third step. Steps, 상기 제 6 단계에서 모든 블록을 순회하면, 검출 결과를 상기 저장 장치에 저장하여 이후의 정밀 검출/인식 과정에 사용되도록 하는 제 7 단계A seventh step of traversing all the blocks in the sixth step, storing the detection result in the storage device to be used for a later precision detection / recognition process; 를 더 포함하는 색상 유사도 영상을 이용한 물체 검출 방법.Object detection method using a color similarity image further comprising. 제 1 항 또는 제 2 항에 있어서,The method according to claim 1 or 2, 상기 제 1 단계에서 상기 색상 유사도 영상 계산은, 픽셀 단위로 계산되는 것을 특징으로 하는 색상 유사도 영상을 이용한 물체 검출 방법.In the first step, the color similarity image calculation is calculated in units of pixels. 제 1 항 또는 제 2 항에 있어서,The method according to claim 1 or 2, 상기 제 1 단계의 상기 누적 영상 계산은, 상기 제공되는 영상의 색상 유사도 영상을 이진화한 후 수행되는 것을 특징으로 하는 색상 유사도 영상을 이용한 물체 검출 방법.The cumulative image calculation of the first step is performed after binarizing a color similarity image of the provided image. 제 1 항 또는 제 2 항에 있어서,The method according to claim 1 or 2, 상기 제 2 단계는, 상기 누적 계산된 영상을 검출 대상의 최소 크기의 절반 크기의 격자로 나누어 블록화 하는 것을 특징으로 하는 색상 유사도 영상을 이용한 물체 검출 방법.In the second step, the cumulatively calculated image is blocked by dividing the image into a grid of half the size of the minimum size of the object to be detected. 제 1 항 또는 제 2 항에 있어서,The method according to claim 1 or 2, 상기 제 3 단계에서 선택된 블록은, 검출된 물체의 영역 내에 있지 않은 블록인 것을 특징으로 하는 색상 유사도 영상을 이용한 물체 검출 방법.The block selected in the third step, the object detection method using a color similarity image, characterized in that the block is not in the area of the detected object. 제 1 항 또는 제 2 항에 있어서,The method according to claim 1 or 2, 상기 제 3 단계에서 확장은, 배로 확장인 것을 특징으로 하는 색상 유사도 영상을 이용한 물체 검출 방법.The expanding in the third step, the object detection method using a color similarity image, characterized in that the expansion. 제 1 항 또는 제 2 항에 있어서,The method according to claim 1 or 2, 상기 제 4 단계에서 상기 윈도우 확장은, 윈도우의 위, 아래, 좌, 우의 일정 영역의 밀도를 계산하고, 이에 비례하여 윈도우를 확장하는 것을 특징으로 하는 색상 유사도 영상을 이용한 물체 검출 방법.In the fourth step, the window expansion calculates the density of a predetermined area of the top, bottom, left, and right of the window, and expands the window in proportion to the window.
KR1020050016332A 2005-02-28 2005-02-28 Object detection method using color similarity image KR100730571B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020050016332A KR100730571B1 (en) 2005-02-28 2005-02-28 Object detection method using color similarity image

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020050016332A KR100730571B1 (en) 2005-02-28 2005-02-28 Object detection method using color similarity image

Publications (2)

Publication Number Publication Date
KR20060095593A true KR20060095593A (en) 2006-09-01
KR100730571B1 KR100730571B1 (en) 2007-06-20

Family

ID=37625174

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020050016332A KR100730571B1 (en) 2005-02-28 2005-02-28 Object detection method using color similarity image

Country Status (1)

Country Link
KR (1) KR100730571B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100973588B1 (en) * 2008-02-04 2010-08-02 한국과학기술원 subwindow scanning method in a face detector

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100586227B1 (en) * 2003-07-30 2006-06-07 한국과학기술원 Method for extraction region of face with learning colors distribution of a frame image

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100973588B1 (en) * 2008-02-04 2010-08-02 한국과학기술원 subwindow scanning method in a face detector

Also Published As

Publication number Publication date
KR100730571B1 (en) 2007-06-20

Similar Documents

Publication Publication Date Title
US10049492B2 (en) Method and apparatus for rendering facades of objects of interest from three-dimensional point clouds
US9846946B2 (en) Objection recognition in a 3D scene
CN103003842B (en) Detector for moving object, Mobile object detection method, moving body track device, moving body track method
US8331619B2 (en) Image processing apparatus and image processing method
US9672634B2 (en) System and a method for tracking objects
KR101643672B1 (en) Optical flow tracking method and apparatus
US10621446B2 (en) Handling perspective magnification in optical flow processing
JP4467838B2 (en) Image recognition apparatus and image recognition method
CN107507226B (en) Image matching method and device
CN103093198B (en) A kind of crowd density monitoring method and device
WO2007052191A2 (en) Filling in depth results
JP2008020951A (en) Object detector, object detection method, and program for object detection
KR101753097B1 (en) Vehicle detection method, data base for the vehicle detection, providing method of data base for the vehicle detection
CN110390685B (en) Feature point tracking method based on event camera
CN105741312A (en) Target object tracking method and device
CN106447701A (en) Methods and devices for image similarity determining, object detecting and object tracking
CN101770583B (en) Template matching method based on global features of scene
JP6116765B1 (en) Object detection apparatus and object detection method
CN110738667A (en) RGB-D SLAM method and system based on dynamic scene
JP2011165170A (en) Object detection device and program
CN109948515B (en) Object class identification method and device
CN111191482B (en) Brake lamp identification method and device and electronic equipment
JP2018180646A (en) Object candidate area estimation device, object candidate area estimation method and object candidate area estimation program
KR100730571B1 (en) Object detection method using color similarity image
KR20130057584A (en) Apparatus and method for setting feature point, tracking object apparatus and method usig that

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
J201 Request for trial against refusal decision
AMND Amendment
B701 Decision to grant
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20110601

Year of fee payment: 5

LAPS Lapse due to unpaid annual fee