KR20090032908A

KR20090032908A - 이미지 형성 시스템, 그의 강한 식별력을 가지는 색 특징추출 장치 및 그 방법

Info

Publication number: KR20090032908A
Application number: KR1020070136917A
Authority: KR
Inventors: 마오린 천; 정문식
Original assignee: 삼성전자주식회사
Priority date: 2007-09-28
Filing date: 2007-12-24
Publication date: 2009-04-01
Also published as: KR101329138B1; CN101398896A; CN101398896B

Abstract

이미지 형성 시스템, 그의 강한 식별력을 가지는 색 특징 추출 장치 및 그 방법을 제공한다. 본 발명은 대상의 이미지를 촬영하는 촬영 장치, 촬영 장치로부터 이미지를 수신하고 이미지로부터 강한 식별력을 가지는 색 특징을 추출하여 대상의 최종 색 모델을 생성하고, 최종 색 모델에 기하여 대상의 색 블랍을 추출하여 분석을 진행하고 분석에 따라 상기 촬영 장치의 상태를 조절하는 변수를 생성하는 색 특징 추출 장치, 색 특징 추출 장치로부터 상기 촬영부의 상태를 조정하는 변수를 수신하고, 상기 촬영부의 상태를 조정하는 제어 장치, 촬영된 대상의 이미지를 저장하는 저장 장치및, 촬영된 대상의 이미지를 나타내는 표시 장치를 구비한다.

이미지, 식별력, 빈, 블랍, 색 모델

Description

이미지 형성 시스템, 그의 강한 식별력을 가지는 색 특징 추출 장치 및 그 방법{IMAGING SYSTEM, APPARATUS AND METHOD OF DISCRIMINATIVE COLOR FEATURES EXTRACTION THEREOF}

본 발명은 패턴 식별, 특징 추출, 통계 학습 및 대상 검출 기술(일반적으로 인체 검출 기술)에 관한 것으로, 더욱 상세하게는 대상 색형에 대한 강한 식별력을 가지는 특징의 추출 또는 동일 또는 상이한 종류의 기타 대상과의 숨겨진 강한 식별력을 가지는 색 분포 패턴을 형성하는 이미지 형성 시스템, 그에 사용되는 강한 식별력을 가지는 색 특징 추출 장치 및 그 방법에 관한 것이다.

대상 외관의 대표적 색 특징은 비디오 프레임의 대상 검출 및 추적에 넓게 사용되어 왔다. 대표적 색 특징을 표시할 때 일반적으로 색 히스토그램을 사용한다. 색 분포의 공간 분포를 알기 위해 대상 영역의 분할된 독립 영역의 히스토그램을 사용하는 것이 적합하다. 이러한 방법 이외에 또 다른 방법, 예를 들어 운동 정보, 형상 정보, 기하 구속 등으로 색 모델을 보정하여 더욱 양호한 검출 결과를 얻을 수 있다.

이미 여러가지 시도로 색 모델을 사용하여 연관된 운동 대상의 문제를 해결 하고자 하였다. 이러한 시도에는 색 외관을 사용하여 확률적 추적을 진행하는 방법, 색 히스토그램 모델 형성 및 확률도 검출 방법, 색 모델에 기하여 유사한 다수의 검색창을 비교하는 방법, 통계 모델에 기해 피부색을 추출하는 방법 등이 있다.

대상 외관의 대표적 색 특징은 비디오 프레임에서 대상 검출에 광범위하게 이용되고 있다. 색 특징을 표시할 때, 일반적으로 색 히스토그램을 사용하여, 운동 대상의 위치 및 크기를 정하고, 상기 운동 대상의 색 히스토그램을 계산한다. 다음 비디오 프레임에서 상기 히스토그램 모델의 유사도 사상에 대한 계산을 한다. 그런 다음, 블랍(blob) 분석 기술의 히스토그램 모델과 높은 유사성을 가지는 픽셀 영역을 모아 고확률의 운동 대상의 위치 블랍(blob)으로 지시할 수 있다.

많은 방법이 어떻게 효율적으로 운동 대상의 색 특징을 표시할 지를 주목한다. 실질적으로 중요한 문제는 어떻게 운동 대상과 비운동 대상, 즉 동일 또는 상이한 종류의 기타 대상 및 배경을 서로 구분하는 것에 있지, 목표의 원래 색 분포를 충실히 하고 완전하게 하는 것에 있지 않다. 운동 대상에 있어 이는 다수의 부분으로 이루어진다. 예를 들어, 운동대상이 한 사람이면, 이 사람은 얼굴/머리, 착의 상체, 착의 하체를 포함한다. 사람의 색 외관은 아마도 기타 이미지 영역과 비슷할 수 있으며, 특히 복잡한 배경 환경하에서 그럴 수 있다. 이러한 상황에서는 인체로부터 강한 식별력을 가지는 색 영역을 색 특징으로 선택할 필요가 있으나, 전체 인체의 대표적 색 특징을 선택하지는 않는다.

강한 식별력을 가지는 색 특징은 운동 대상 자체와 배경 영상을 포함한 기타 이미지 영역 사이에 존재하는 큰 색 차별을 나타낸다. 강한 식별력을 가지는 색 특징을 추출하기 위해, 복수의 분할된 대상의 색 히스토그램의 색 벡터와 기타 이미지 영역의 색 히스토그램의 색 벡터에 대해 비교를 진행하여, 기타 이미지 영역의 색 벡터와 근접한 운동 대상의 색 벡터의 중요성을 낮추고, 차별화되는 다른 색 벡터의 중요성은 높인다.

따라서, 본 발명은 이미지 형성과 장면의 상이한 환경에 대해 강한 식별력을 가지는 색 특징을 추출하고 이미지 형성 유닛의 상태 조절을 위해 초점 영역을 제공하는 이미지 형성 시스템, 그의 강한 식별력을 가지는 색 특징 추출 장치 및 그 방법을 제공하는 것을 목적으로 한다.

상술한 과제를 해결하기 위하여 본 발명은, 대상의 이미지를 촬영하는 촬영 장치와, 상기 촬영 장치로부터 이미지를 수신하고 상기 이미지로부터 강한 식별력을 가지는 색 특징을 추출하여 상기 대상의 최종 색 모델을 생성하고, 상기 최종 색 모델에 기하여 상기 대상의 색 블랍을 추출하여 분석을 진행하고 상기 분석에 따라 상기 촬영 장치의 상태를 조절하는 변수를 생성하는 색 특징 추출 장치와, 상기 색 특징 추출 장치로부터 상기 촬영부의 상태를 조정하는 변수를 수신하고, 상기 촬영부의 상태를 조정하는 제어 장치와, 상기 촬영된 대상의 이미지를 저장하는 저장 장치 및, 상기 촬영된 대상의 이미지를 나타내는 표시 장치를 구비하는 것을 특징으로 하는 이미지 형성 시스템을 제공한다.

상술한 과제를 해결하기 위하여 본 발명은 또한, 입력 이미지의 대상 영역과 비대상 영역을 다수의 직사각형으로 분할하여 색채널별로 색 히스토그램을 형성하고 상기 색 히스토그램으로부터 상기 대상 직사각형의 메인 색을 추출하는 메인 색 추출 유닛과, 상기 메인 색에 대해 상기 대상 직사각형의 색 히스토그램 빈과 상기 비대상 직사각형의 색 히스토그램 빈 사이의 최소 거리와, 상기 대상 사각형의 색 히스토그램의 빈 가중치, 상기 대상 사각형의 색 채널 가중치 및, 상기 대상 직사각형의 가중치를 계산하여 상기 대상의 강한 식별력을 가지는 색 특징을 추출하는 가중치 계산 유닛 및, 상기 대상 직사각형의 색 히스토그램 빈에 다시 가중치를 가한 결과에 따라 상기 대상의 최종 색 모델을 생성하는 최종 색 모델 생성 유닛을 구비하는 것을 특징으로 하는 색 특징 추출 장치를 제공한다.

상술한 과제를 해결하기 위하여 본 발명은 또한, 입력 이미지의 대상 영역과 비대상 영역을 다수의 직사각형으로 분할하여 색채널별로 색 히스토그램을 형성하고 상기 색 히스토그램으로부터 상기 대상 직사각형의 메인 색을 추출하는 단계와, 상기 메인 색에 대해 상기 대상 직사각형의 색 히스토그램 빈과 상기 비대상 직사각형의 색 히스토그램 빈 사이의 최소 거리를 계산하는 단계와, 상기 최소 거리에 기하여 상기 대상 사각형의 색 히스토그램의 빈 가중치를 계산하는 단계와, 상기 빈 가중치에 기하여 상기 대상 사각형의 색 채널 가중치와 상기 대상 직사각형의 가중치를 계산하는 단계와, 상기 색 채널 가중치와 상기 대상 직사각형의 가중치에 기하여 상기 대상 직사각형의 색 히스토그램 빈에 다시 가중치를 가하여 상기 대상의 강한 식별력을 가지는 색 특징을 추출하는 단계 및, 상기 대상 직사각형의 색 히스토그램 빈에 다시 가중치를 가한 결과에 따라 상기 대상의 최종 색 모델을 생성하는 단계를 포함하는 것을 특징으로 하는 색 특징 추출 방법을 제공한다.

이하에서는 첨부된 도면을 참조하여 본 발명의 실시예를 상세히 설명한다. 여기서, 사람을 운동 대상으로 하여 본 발명을 설명하고 있으나 본 발명은 이에 한정되지 않으며 기타 유형의 운동 대상에도 적용할 수 있다.

도 1은 본 발명의 일 실시예에 따른 이미지 형성 시스템의 블록 다이어그램이다.

상기 이미지 형성 시스템(900)은 촬영 장치(901), 강한 식별력을 가지는 색 특징을 추출하는 색 특징 추출 장치(902), 제어 장치(903), 저장 장치(904), 표시 장치(905) 및 표기 장치(906)를 포함한다. 상기 이미지 형성 시스템은 PTZ(PAN, TILT, ZOOM) 카메라, 정지감시카메라, DC(디지털 카메라), DV(디지털 비디오) 및, PVR(개인 비디오 레코더) 중 어느 하나일 수 있다.

촬영 장치(901)는 하드웨어 장치로, 예를 들어 CCD 또는 COMS 장치가 될 수 있으며, 자연계 이미지의 감지와 생성에 사용되고, 촬영 장치(901)의 이미지 처리 칩은 양호한 이미지 품질을 나타낼 수 있다. 운동 대상을 추적하기 위해 두 종류의 방법으로 대상의 운동 영역의 위치 및 크기를 제공할 수 있다.

첫 번째 방법은 자동 방법으로서, 임베드된(embedded) 알고리즘을 사용하여 관심 대상의 크기와 위치를 추출한다. 두 번째 방법은 수동 방법으로서, 사용자 또는 조작자가 표시된 이미지(예를 들어 터치스크린) 상에 관심 대상 영역을 표기(label)하는 것이다. 자동 방법은 임베드된 알고리즘을 사용하여 대상이 자동적으로 검출될 수 있다. 표기 장치(906)는 표기 기능을 사용자 또는 조작자에게 제공하여 사용자 또는 조작자가 펜 또는 손가락으로 이미지에 수동으로 관심 대상 영역을 표기할 수 있게 한다.

강한 식별력을 가지는 색 특징 추출 장치(902)는 촬영 장치(901)로부터 이미지 데이터를 수신하고, 또한 사용자로부터 개략적인 표기 형식으로 표기된 관심 대상 영역의 크기 및 위치 정보를 수신한다. 강한 식별력을 가지는 색 특징 추출 장치(902)는, 추적하고자 하는 대상 외의 영역, 즉, 백그라운드를 포함한 나머지 영역에 대하여 강한 식별력을 가지는 색 특징을 추출하고, 대상의 최종 색 모델을 생성하며, 최종 색 모델에 기해 대상의 색 블랍을 추출하고, 색 블랍을 분석함과 동시에 상기 색 블랍의 분석으로 이미지 형성 시스템의 상태를 조정하는 변수를 생성한다. 주목할 것은 대상 위치 및 크기를 제공하는 첫 번째 방법을 사용할 때 표기 장치(906)를 선택할 수 있다. 다수의 추적 대상을 선택할 때, 다수의 추적 운동 대상이 있을 때, 사용자는 본 발명 중 이미지 형성 시스템(900)의 자동 선택 추적 대상을 수정할 수 있다.

제어 장치(903)는 이미지 형성 시스템(900)의 상태를 조정하고, PTZ 카메라의 회전(pan), 기울어짐(tilt), 줌(zoom) 및 집광영역의 선택으로 정지 감시 카메라, DC, DV 또는 PVR의 자동 집광 조작 제어 또는 줌 조작 제어를 진행한다. 제어 장치(903)는 강한 식별력을 가지는 색 특징 추출 장치(902)로부터 이미지 형성 시스템(900)의 상태를 조정하는 변수를 수신한다. 강한 식별력을 가지는 색 특징 추출 장치(902)는 새 시간 포인트 또는 새 프레임 데이터의 대상 위치 및 크기 정보를 제공할 수 있다. 제어 장치(903)는 상기 변수에 근거하여 이미지 형성 시스템(900)의 상태를 조정하여 회전 또는 기울어짐 조작을 통해 대상이 이미지의 중간에 위치하게 하고, 집광 영역의 조작을 통해 관심 대상 영역을 선택하고 줌 및 자동 집광 조작을 통해 관심 대상 영역에 집광을 함으로써 높은 이미지 품질의 운동 대상의 세목을 얻을 수 있다. 집광 영역을 선택하는 조작 중 제어 장치(903)는 이미지 형성 시스템(900)이 대상이 있는 새 영역을 집광의 근거로 선택하도록 제어함으로써 상기 영역에 대해 집광을 할 수 있다.

또한, 제어 장치(903)는 이미지 형성 시스템(900)이 집광 영역을 선택할 때, 이미지 형성 시스템(900)이 이미지 중심 영역을 디폴트로 이미지 형성 집광 영역으로 선택하는 것 이외에 동적으로 대상이 소재하는 새 이미지 영역을 이미지 형성 집광 영역으로 선택할 수 있으며, 집광 영역의 이미지 데이터 정보에 근거하여, 동적으로 이미지 형성 시스템(900)의 줌 배수, 자동 집광, 초점, 회전 또는 기울어짐 변수를 조정함으로써 더 양호한 이미지 형성 효과를 얻을 수 있다.

시장에서의 전자 제품, 예를 들어 DC, DV 또는 PVR에 대해 사용자는 그 상태를 수동으로 조정함으로서 관심 대상을 이미지의 중간에 위치시킬 수 있다. 이때, 장치 자체는 자동으로 기타 조작을 진행하는데, 예를 들어 줌 배수 수정, 자동 초점 등이 그것이다.

저장 장치(904)는 이미지 또는 비디오를 저장 장치 중에 저장할 수 있으며, 표시 장치(905)은 현장의 이미지 또는 비디오를 사용자에게 표시할 수 있다.

본 발명은 소프트웨어로 실현될 수 있으며, 상기 소프트웨어는 이미지 형성 시스템(900)과 제어 장치(903)에 임베드된 시스템으로 연결되는데 사용되어, 이미지 형성 시스템 상태의 변수를 조절할 수 있다. 임베드식 이미지 형성 시스템(900)에 대해 비디오를 입력으로 수신하고 명령을 이미지 형성 시스템의 제어 장치(903)로 전송함으로써 이미지 형성 시스템(900)의 상태, 미러 집광 영역 등을 조절할 수 있다.

본 발명은 대표적 색 히스토그램으로 대상 색 외관을 추출하려는 것이 아니라 강한 식별력을 가지는 색 모델을 추출하고자 한다. 대표적 색 모델과 강한 식별력을 가지는 색 모델 사이에는 차이가 있다. 때로 운동 대상의 색 외관과 비대상 및 배경 색 모델 사이에 큰 차이가 존재하는 경우, 강한 식별력을 가지는 색 모델과 대표적 색 모델은 유사할 수 있다. 때로 강한 식별력을 가지는 색 모델과 대표적 색 모델이 비유사할 때, 특히 운동 대상의 색 외관과 비대상 및 배경의 색 모델에 일부 차이가 있을 때, 본 발명은 효과적으로 운동 대상과 유사성을 가지는 간섭 색 영역의 복잡한 배경 중 강한 식별력을 가지는 색 모델을 사용하여 목표 대상의 위치를 정할 수 있다.

본 발명은 부분적으로 유사한 색을 가지는 다수의 운동 대상과 추적 대상을 서로 구분하고, 계속해서 추적 대상의 위치와 크기를 정함으로써 이미지 형성 시스템을 조절하여 양호한 이미지 형성 조건을 얻을 수 있다. 강한 식별력을 가지는 색 모델은 중요성 가중치 전략 원리를 사용한다. 강한 식별력을 가진 색 모델은 비대상 또는 배경과 큰 차이가 있는 색 성분의 중요성 즉 가중치를 증가시키며, 비대상 또는 배경과 유사한 색 성분의 중요성 즉 가중치를 감소시킨다.

정지 카메라를 사용 또는 연관 추적 관심에 사용되거나 의심되는 목표 운동 대상의 PTZ 카메라로 대상을 추적하는 것은 사건 분석 및 이미지 품질 향상에 사용될 수 있다. 강한 식별력을 가지는 색 모델을 사용하는 검출에서 상기 검출은 입력 이미지를 스캔한 다음, 강한 식별력을 가지는 색 모델에 기해 상기 입력 이미지를 블랍(blob) 이미지로 변환한다. 상기 블랍 이미지를 분석함으로써 인체 검출기로부터의 사람 후보 검출에 사용되어 에러 경고를 없앨 수 있다.

PTZ 카메라 중 본 발명은 임베드식 시스템 중의 소프트웨어로 실현되어, 입력된 비디오 이미지를 수신하고 입력된 이미지를 분석함으로써 입력 이미지의 강한 식별력을 가지는 색 모델을 형성한 후 사람에 대한 위치 결정을 하고, PTZ 카메라의 상태(회전, 기울어짐, 줌, 집광영역 선택)을 조절하여 사람에 대한 추적을 진행함으로써, 사람이 이미지의 중앙 위치에 오게 할 수 있으며, 양호한 분별율 및 이미지 품질을 나타낼 수 있다. 카메라가 회전하고 기울어질 때, 운동하는 사람에 대해 추적을 진행하여, 사람이 카메라의 시계(field of view)를 벗어나지 않게 한다. 카메라에 광학적 줌을 행할 때, 광학 초점을 조절함으로써 운동하는 사람의 국부적인 부분 또는 전체 신체에 대해 높은 품질의 이미지를 얻을 수 있다. 비디오 기록 시스템은 현장 데이터를 저장 장치에 저장할 수 있고, 상기 비디오 기록 시스템은 사용자 장치의 영역에 진입할 때 높은 이미지 품질로 사람의 행위를 기록 하거나 기기로 상호 조작을 진행할 수 있다.

주목할 것은 본 발명은 휴대용 이미지 형성 시스템, 예를 들어, DC, DV 또는 이동 카메라에 사용될 수 있다. 사람의 최초 위치 및 크기는 사용자가 수동으로 표기하거나 검출기에 의해 자동 검출된다. 운동하는 사람에 대해 위치 지정 및 초점을 직접 조절함으로써 자동으로 운동하는 사람에 집광을 진행하여 높은 이미지 품질을 얻을 수 있다. 운동하는 사람이 이미지의 중간에 위치하도록 단말기 사용자가 수동으로 사람이 가지는 이미지 형성 시스템의 미러 방향을 조절한다.

정지 카메라에서 본 발명은 운동하는 사람에 대해 연관 추적하는 상기 운동하는 사람의 궤적 집합을 구현할 수 있다. 궤적은 운동하는 사람의 위치와 크기를 포함한다. 추적 중 시스템은 어떤 사건이 발생했는지 또는 일련의 경고 또는 통지를 교차적으로 발송하였는지를 분석한다. 사용자 정의에 의한 사건은 위험한 상황이거나 사용자의 일반 통지 상황일 수 있는데, 예를 들어 운동하는 사람의 위치 또는 크기를 어떤 사전 설치된 금지 영역에 진입을 한 난입자로 할 수 있다.

본 발명에서 사용하는 "이미지 형성 시스템"라는 용어는 적어도 이미지 장치 및 제어 장치를 가지는 장치이며, 캠코더, 카메라 또는 이미지 형성 기능을 가지는 기타 휴대용 장치가 될 수 있다.

본 발명은 로봇트 이미지 형성 시스템을 사용하여 사람에게 위치를 정하는 로보트에 사용할 수 있다. 로보트의 기본 기능은 장애물을 피하고, 사람과 교류하며, 사람에 대한 추적을 행하는 등을 포함할 수 있다. 본 발명은 근처 영역에 사람이 존재하는지 여부 또는 사람의 위치에 대한 위치 지정을 함으로써 추적 또는 사람과의 교류를 진행할 수 있다.

본 발명은 또한 기타 종류의 운동 대상의 강한 식별력을 가지는 색 특징의 추출과 검출에 사용될 수 있는데, 앞에서는 사람을 예를 들어 설명하였다. 후보 목표에 대한 응용은 사람의 모델 형성과 검출에 한정되지 않는다. 예를 들어 DC를 사용하여 운동 대상에 이미지를 형성하고, 단말기 사용자는 손 또는 연필로 터치 스크린에 선을 그어 수동으로 관심 대상 영역을 표시함으로써 대상 위치, 크기 또는 영역을 지시할 수 있다. 본 발명은 대상의 강한 식별력을 가지는 모델을 형성할 수 있고 상기 대상의 아래 비디오 프레임의 위치 및 크기를 나타낸다. 따라서, DC는 이미지 형성 변수를 조절하여 운동 대상의 높은 이미지 품질을 얻을 수 있다.

도 2는 본 발명에 따른 강한 식별력을 가지는 색 특징 추출 장치의 블록 다이어그램을 보이는 도면이다.

도 2를 참조하면, 본 발명에 따른 강한 식별력을 가지는 색 특징 추출 장치(902)는 영역 분할부(801), 히스토그램 계산부(802), 메인 색 추출부(803), 빈 최소 거리 계산부(804), 빈 가중치 계산부(805), 색 채널 가중치 계산부(806), 직사각형 가중치 계산부(807), 빈 가중치 재계산부(808) 및, 최종 색 모델 생성 유닛(809)을 포함하고 별도로 대상 위치 유닛을 더 포함할 수 있다.

다시 살펴보면, 본 발명의 일 실시예에 따른 색 특징 추출 장치(902)는, 입력 이미지의 대상 영역과 비대상 영역을 다수의 직사각형으로 분할하여 색채널별로 색 히스토그램을 형성하고 상기 색 히스토그램으로부터 상기 대상 직사각형의 메인 색을 추출하는 메인 색 추출 유닛(880), 상기 메인 색에 대해 상기 대상 직사 각형의 색 히스토그램 빈과 상기 비대상 직사각형의 색 히스토그램 빈 사이의 최소 거리와, 상기 대상 사각형의 색 히스토그램의 빈 가중치, 상기 대상 사각형의 색 채널 가중치 및, 상기 대상 직사각형의 가중치를 계산하여 상기 대상의 강한 식별력을 가지는 색 특징을 추출하는 가중치 계산 유닛(881) 및, 상기 대상 직사각형의 색 히스토그램 빈에 다시 가중치를 가한 결과에 따라 상기 대상의 최종 색 모델을 생성하는 최종 색 모델 생성 유닛(809)를 구비한다.

메인 색 추출 유닛(880)은 영역 분할부(801), 히스토그램 계산부(802) 및, 히스토그램 계산부(802)가 형성한 상기 색 히스토그램에 근거하여 상기 대상 직사각형의 메인 색을 추출하는 메인 색 추출부(803)를 구비한다.

영역 분할부(801)는 이미지 중의 대상 영역 및 비대상 영역을 다수의 직사각형으로 분할한다. 히스토그램 계산부(802)는 색 채널을 사용하여 대상 직사각형과 비대상 직사각형의 색 히스토그램을 형성하며, 상기 색 히스토그램은 다수의 분리된 빈으로 분할된다. 메인 색 추출부(803)는 색 히스토그램에 근거하여 대상 직사각형의 메인 색을 추출한다.

가중치 계산부(881)는 빈 최소 거리 계산부(804), 빈 가중치 계산부(805), 색 채널 가중치 계산부(806), 직사각형 가중치 계산부(807) 및 빈 가중치 재계산부(808)를 포함한다.

빈 최소 거리 계산부(804)는 메인 색 추출부(803)가 추출한 메인 색에 대해 대상 직사각형의 색 히스토그램 빈과 비대상 직사각형의 색 히스토그램 빈 사이의 최소 거리를 계산한다. 이는 대상의 색 히스토그램 빈 중에서 비대상 히스토그램 빈과의 변별력이 떨어지는 빈의 가중치를 떨어뜨리기 위함이다. 빈 최소 거리 계산부(804)는 수학식 1 및 2에 따라 상기 최소 거리를 계산한다.

여기서, J는 색 채널(c)의 비대상 직사각형의 색 히스토그램의 빈을 표시하고, 상기 빈(J)은 대상 직사각형(r)의 메인 색 히스토그램의 색 채널(c)의 빈(i)와의 최소 거리를 가지며, bi는 빈(i)의 표시이다.

는 대상 직사각형(r)의 색 채널(c)의 빈(i)의 색 히스토그램이고, 는 색 채널(c)의 빈의 비대상 색 히스토그램이며,

는 빈의 표지이고,

는 대상 직사각형(r)의 색 채널(c)의 빈(i)와 동일한 색 채널을 가지는 비대상 직사각형 색 히스토그램 빈과의 최소 거리를 나타낸다.

빈 가중치 계산부(805)는 빈 최소 거리 계산부(804)의 계산한 최소 거리에 기해 대상 직사각형의 색 히스토그램 빈의 가중치를 계산한다. 빈 가중치 계산부(805)는 수학식 3에 따라 대상 직사각형의 색 히스토그램 빈의 가중치를 계 산한다.

여기서,

k는 상수

색 채널 가중치 계산부(806)는 빈 가중치 재계산부(805)가 계산한 대상 직사각형의 색 히스토그램 빈의 가중치에 기하여 대상 직사각형의 색 채널의 가중치를 계산한다. 색 채널 가중치 계산부(806)는 수학식 4 및 5에 따라 대상 직사각형의 색 채널의 가중치를 계산한다. 대상의 히스토그램의 빈 중에서 비대상 히스토그램 빈과의 거리가 먼 쪽의 빈의 가중치를 높이고, 가까운 쪽의 빈의 가중치를 내려 대상물체의 히스토그램의 변별력을 가지기 위함이다.

수학식 4에서 색 채널(c)의 각 빈의 가중치는 누적된다. 따라서 수학식5에 따라 각 색 채널의 가중치를 계산한다. 수학식 4 및 5에서 M은 사람 직사각형의 빈의 개수을 표시하고, K는 색 채널의 개수를 표시한다.

직사각형 가중치 계산부(807)는 색 채널 가중치 계산부(806)가 계산한 대상 직사각형의 색 히스토그램 빈의 가중치에 기해 대상 직사각형의 가중치를 계산한다. 직사각형 가중치 계산부(807)는 수학식 6 및 7에 따라 대상 직사각형의 가중치를 계산한다.

수학식 6에서 사람 직사각형(r)의 빈 가중치를 계산하고, 수학식 7에서 직사각형의 가중치를 계산하며, 수학식 7은 높은 식별력을 가지는 색 빈의 이러한 직사각형에 대해 중요성 가중치를 진행하고, 여기서 L은 사람 직사각형의 개수를 표시한다.

빈 가중치 재계산부(808)는 직사각형 가중치 계산부(807)가 계산한 대상 직사각형의 가중치 및 색 채널 가중치 계산부(806)가 계산한 색 채널의 가중치에 기 해 상기 대상 직사각형의 색 히스토그램 빈에 대해 새로이 가중치를 가하여, 대상의 강한 식별력을 가지는 색 특징을 추출한다. 빈 가중치 재계산부(808)는 식 (8)에 따라 상기 대상 직사각형의 색 히스토그램 빈에 대해 새로 가중치를 가한다.

최종 색 모델 생성 유닛(809)은 대상 직사각형의 색 히스토그램 빈의 새롭게 가중치를 가한 결과에 기하여 대상의 최종 색 모델을 생성한다. 최종 색 모델 생성 유닛(809)은 아래의 등식에 따라 대상의 최종 색 모델을 생성한다:

여기서 R은 대상 직사각형의 개수를 표시하고, M은 대상 직사각형 히스토그램의 빈의 개수를 표시한다.

또한, 본 발명에 따라 추출된 강한 식별력을 가지는 색 특징의 장치는 또한 색 블랍 추출 유닛(810)과 대상 위치 유닛(811)을 포함한다.

색 블랍 추출 유닛(810)은 대상의 최종 색 모델에 기하여 새로 입력된 이미지로부터 대상의 색 블랍을 추출한다. 대상 위치 유닛(811)은 색 블랍 추출 유닛(810)이 추출한 색 블랍에 기해 색 블랍 분석을 진행하며, 입력 이미지 중의 대상의 형상 중심과 크기를 계산하여, 상기 대상에 대해 위치 선정과 추적을 진행한다.

도 3은 본 발명에 따른 강한 식별력을 가지는 색 특징을 추출하는 방법의 플로우차트이다.

단계(101)에서 시스템은 비디오 입력, 사람의 위치 및, 크기 정보를 수신하는데, 상기 사람의 위치 및 크기 정보는 운동 추출, 수동 표시 또는 인체 검출기를 통해 주어진다.

많은 운동 추출방법이 있는데, 예를 들어 이미지 형성 시스템의 최초 상태가 정지 상태인 관계로 배경 상쇄(subtraction)를 사용할 수 있다. 수동 표기를 하면 직접 사람의 위치 및 크기 정보를 줄 수 있다. 인체검출기는 후보인 사람의 위치 및 크기에 사용되는 입력 이미지를 검출한다. 비록 이미지 중 사람이 상이한 크기를 가진다 할지라도 폭과 높이의 비가 고정된 범위를 가지고 있어 운동 대상 이외의 기타 이미지 영역을 안전하게 확정하는데 사용될 수 있다. 즉, 비대상 영역은 동일 또는 상이한 종류의 기타 대상 및 배경을 포함한다.

다음의 단계는 이미 알고 있는 사람의 직사각형 이미지 영역과 비사람 직사각형 이미지 영역에 기해 어떻게 강한 식별력을 가지는 색 영역을 추출하는가이다. 단계(102)에서 색 이미지에 대해 정량화를 진행하는데, 세 개의 색 채널을 가지는 색 픽셀을 N개의 분산된 빈(bin)으로 정량화를 시키는데, 예를 들어 N=64이다.

단계(103)에서, 사람의 머리와 인체의 직사각형을 계산한다. 도 2는 사람의 머리와 인체의 직사각형에 대한 계산을 보인다. 예를 들어, 사람의 머리위치와 크기를 정할 때, 동일한 크기의 몇 개의 직사각형을 하방으로 배열하여 이미지의 아래 경계까지 진행한다. 이미 알려져 있듯이, 사람의 얼굴과 사람의 머리는 서로 구별되는 색을 가지고 있으며, 머리의 직사각형은 몇 개의 작은 직사각형으로 구분된다. 동일한 원리에 따르면, 사람이 점유하는 영역 이외의 기타 이미지 영역은 통계상의 사람의 높이(머리) 폭 비에 기해 안전하게 측정될 수 있다. 배경 직사각형 영역을 정확히 측정할 필요가 없는데, 즉 배경 직사각형 영역을 대략적으로 측정할 수 있어서 운동 대상이 없는 이미지 픽셀을 배경 직사각형으로 분류할 수 있다.

단계(104)에서, 직사각형 히스토그램을 계산한다. 도 5는 각 직사각형의 색 히스토그램의 계산을 보이고, 상기 직사각형은 머리 부분의 직사각형, 인체 직사각형 및 배경 직사각형(또는 주어지는 인체 직사각형 이외의 기타 직사각형, 즉 비대상 영역)을 포함한다. 이러한 직사각형의 히스토그램은 각각 계산되고, 히스토그램은 다수의 빈으로 분할되며, 각 빈에는 픽셀의 수가 증가된다.

단계(105)에서, 각 직사각형의 색 히스토그램을 얻은 후 메인 색은 보존되며, 부차적인 색은 삭제된다. 노이즈가 소량의 픽셀을 가지는 부차적 색에 영향을 줄 수 있고, 이러한 픽셀은 상기 부차적 색을 가지므로, 부차적 색은 불안정하거나 신뢰할 수 없다.

단계(106)에서, 빈의 최소 거리를 계산한다.

수학식 1 및 2에서 나타내는 바와 같이, 대상과 비대상의 직사각형 색 히스토그램 빈 사이의 거리를 계산한다. 아래에는 배경 영역을 비대상 영역으로 하는 예를 보인다.

단계(107)은 빈의 가중치를 계산한다.

수학식 3에서 나타낸 바와 같이 직사각형(r)과 채널(c)의 한 빈의 식별력(가중치)를 정의한다.

단계(108)에서 색 채널의 가중치를 계산한다.

각 직사각형에서 픽셀은 세 종류의 색 채널로 조성되는데, 각 세 종류의 색 채널은 빨강, 초록 및 파랑 성분이다. 각 종류의 성분은 다수의 히스토그램 빈으로 정량화되어서 각 성분은 그것들에 관한 히스토그램 빈 사이의 거리를 결정하며 상이한 식별력을 가진다.

단계(109)에서 직사각형 가중치를 계산한다.

한 사람의 직사각형의 중요성은 상기 사람 직사각형 중 포함하는 색 빈의 식별력에 의해 결정된다. 해당 한 직사각형이 높은 식별력의 색 영역을 포함할 때, 기타 사람 직사각형에 비해 상기 직사각형은 큰 가중치를 가진다.

단계(110)에서 히스토그램 빈에 새로 가중치를 가한다.

각 히스토그램 빈은 목표 운동 대상과 복잡한 배경 또는 기타 운동 대상 사이에 상이한 식별력을 가진다. 히스토그램 빈의 중요성은 히스토그램의 상기 히스토그램 빈의 최초 가중치

, 색 채널 가중치

및, 직사각형 가중치

로부터 결정된다. 따라서, 히스토그램의 최종 중요성은 수학식 9에 따 라 다시 가중치가 정해진다.

단계(111)에서 최종 색 모델이 생성된다.

각 사람 직사각형의 히스토그램 빈에 다시 가중치를 가한 다음, 수학식 10 및11에 따라 최종 색 모델을 생성하는데, 수학식 10 및 11은 각각 사람 머리 및 사람 몸체의 최종 색 모델(색 히스토그램 분포)을 표시한다. 수학식 10 및 11에서 사람 머리 및 신체의 직사각형 중 히스토그램의 가중치는 각각 누적된다. R은 사람 직사각형의 개수이고, M은 사람 직사각형의 빈의 개수이다. 상세히 설명하면,

는 사람 머리 직사각형의 개수,

는 사람 신체의 직사각형의 개수,

는 사람 머리의 직사각형 히스토그램의 빈 개수,

는 사람 신체 직사각형 히스 토그램 빈의 개수를 각각 표시한다.

본 절 후반의 주된 사상을 설명하기 위해, 도 6은 한 실시예를 보이고 있다.

도 6의 (a)는 운동 대상의 한 직사각형의 색 채널의 한 색 히스토그램이다. 도 6의 (b)는 운동대상 이외의 이미지의 기타 영역 중 색 채널의 한 색 히스토그램이다. 상기 두 색 히스토그램 중 두 개의 빈이 있는데, BIN-1, BIN-2로 표시된다. 운동 대상의 BIN-1이 거리 변환(수학식 1 및 2)에 있어 상기 운동 대상의 BIN-2에 비해 배경의 두 빈에 비해 더 멀리 떨어짐에 따라, 도 6에 도시된 바와 같이, 운동대상의 BIN-1의 가중치는 증가하는 반면, 운동대상 BIN-2의 가중치는 감소한다. 도 6은 중요성 가중치 함수(T(x,y))를 보여주고 있으며, 상기 함수는 큰 빈 거리를 가지는 가중치를 더 증가시킬 뿐더러 작은 빈 거리를 가지는 가중치는 감소시킴으로써 상기 빈 거리는 수학식 1 및 2에 따라 계산된다.

주의할 것은 여기에 색 이미지에 대한 세 가지 색 채널을 표시하는 방법을 보이며, 이 방법 중 일차원 색 히스토그램을 사용하여 최종 색 모델을 독립적으로 형성한다는 것이다. 하지만, 실제로 많은 변화가 있어, 이차원 색 히스토그램 또는 삼차원 색 히스토그램을 사용한다. 예를 들어, 세 종류의 이차원 색 히스토그램, 즉 빨강-녹색의 2차원 색 히스토그램, 빨강-파랑의 2차원 히스토그램, 파랑-녹색의 2차원 히스토그램이 존재한다. 하지만, 본 발명의 방법은 또한 유사한 방식에 따라 이러한 히스토그램을 사용함으로써 강한 식별력을 가지는 색 특징을 추출한다.

강한 식별력을 가지는 색 특징으로부터 추출되고 생성된 최종 색 모델에 기하여, 새로운 입력 이미지로부터 운동 대상에 속하는 색 블랍을 추출한다. 입력 이미지 중의 각 픽셀에 대해 목표 운동 대상의 유사도가 한 가중치 행렬로 형성되며, 상기 가중치 행렬의 크기와 입력 이미지의 크기가 동일하다. 상기 가중치 행렬의 성분은 최조 색 히스토그램 모델의 축적된 가중치로부터 나오며 상기 최종 색 히스토그램 모델은 색 픽셀값을 사용하여 수량화를 얻을 수 있다.

도 8에서, 두 사람이 있다. 한 사람이 모종의 방식에 따라 추적 대상으로 선택되는데, 예를 들어 우측의 사람이 추적 대상으로 선택된다. 도 8의 (a)는 새로운 입력 이미지이며, 도 8의 (b)는 사용자 몸체 모델의 블랍 검출 결과이며, 도 8의 (c)은 사용자 머리 모델의 블랍 검출의 결과이다. 배경과 다른 사람에게 백색이 광범위하게 분포하고 있어서 우측의 사람의 백색은 낮은 가중치를 가지고 색 히스토그램의 최초 가중치의 대부분을 차지한다.

도 9의 (a)를 참조하면, 형상 모델을 가지는 사람 머리 검출기로부터의 두 개의 머리 후보가 있다. 따라서, 머리의 확률 분포는 정해진 머리 위치를 중심으로 가우스 분포를 이룬다. 도 9의 (b)는 머리 색 모델을 사용한 색 블랍 검출의 결과를 보이며, 도 9의 (c)는 몸체 색 모델을 사용한 색 연결 검출의 결과를 보인다. 머리의 색 블랍 검출에서 사람의 확률 분포는 주어진 머리 위치를 중심으로 한 가우스 분포이다.

사람의 상하 자세를 가정하면 확률분포는 아래 방향으로 연장되므로, 사람의 몸체의 존재를 표시한다. 사람의 몸체 블랍 검출에서 사람의 확률 분포는 주어 진 몸체 위치를 중심으로 가우스 분포를 이룬다. 사람의 머리의 위치가 몸체의 정수리부 영역에 있으므로(이것이 기하학적 관계를 제약한다), 확률분포는 상방으로 연장되어 사람의 머리의 존재를 나타낸다. 따라서, 도 9의(d)를 참조하면, 확률분포의 형태 중심을 추적 대상의 최종 위치로 계산할 수 있다.

이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 이는 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명 사상은 아래에 기재된 특허청구범위에 의해서만 파악되어야 하고, 이의 균등 또는 등가적 변형 모두는 본 발명 사상의 범주에 속한다고 할 것이다.

도 1은 본 발명에 따른 이미지 형성 시스템을 보이는 블록 다이어그램.

도 2는 본 발명에 따라 강한 식별력을 가지는 색 특징을 추출하는 장치를 보이는 블록 다이어그램,

도 3은 본 발명에 따른 강한 식별력을 가지는 색 특징을 추출하는 방법을 도시하는 플로우 차트,

도 4는 사람 직사각형을 계산하는 방법을 도시한 도면,

도 5는 각 직사각형 히스토그램에 대한 계산을 보이는 도면,

도 6은 빈 가중치의 계산 및 본 발명을 사용한 강한 식별력을 가지는 색 추출 효과를 도시한 도면,

도 7은 중요성 가중치를 가한 함수를 보이는 도면,

도 8은 강한 식별력을 가지는 색 특징을 사용하여 색 블랍을 검출하는 것을 보이는 도면,

도 9는 사람의 위치와 크기를 정하는데 사용하는 블랍 분석을 보이는 도면,

Claims

대상의 이미지를 촬영하는 촬영 장치;

상기 촬영 장치로부터 이미지를 수신하고 상기 이미지로부터 강한 식별력을 가지는 색 특징을 추출하여 상기 대상의 최종 색 모델을 생성하고, 상기 최종 색 모델에 기하여 상기 대상의 색 블랍을 추출하여 분석을 진행하고 상기 분석에 따라 상기 촬영 장치의 상태를 조절하는 변수를 생성하는 색 특징 추출 장치;

상기 색 특징 추출 장치로부터 상기 촬영부의 상태를 조정하는 변수를 수신하고, 상기 촬영부의 상태를 조정하는 제어 장치;

상기 촬영된 대상의 이미지를 저장하는 저장 장치;및

상기 촬영된 대상의 이미지를 나타내는 표시 장치;

를 구비하는 것을 특징으로 하는 이미지 형성 시스템.
제1항에 있어서,

사용자가 상기 이미지에 직접 표기한 대상 영역을 상기 색 특징 추출 장치에 제공하는 표기 장치를 더 구비하는 것을 특징으로 하는 이미지 형성 시스템.
제1항에 있어서,

상기 제어 장치는 상기 이미지 장치의 상태를 조정하는 변수에 근거하여 회전, 기울어짐, 줌 및 집광 영역의 선택이라는 조작 중의 적어도 하나를 조정하는 것을 특징으로 하는 이미지 형성 시스템.
제3항에 있어서,

상기 제어 장치는 상기 집광 영역의 선택 조작 중 상기 대상이 존재하는 새 영역을 집광의 근거로 선택하도록 제어함으로써 상기 새 영역에 집광을 진행하도록 하는 것을 특징으로 하는 이미지 형성 시스템.
제4항에 있어서,

상기 제어 장치는 상기 집광 영역의 선택 조작 중 상기 이미지의 중심 영역을 이미지 집광 영역으로 디폴트로 선택하거나 상기 대상이 존재하는 새 이미지 영역을 이미지 형성의 집광 영역으로 동적으로 선택하며, 상기 집광 영역의 이미지 데이터 정보에 근거하여 줌 배수, 초점거리, 회전 또는 기울어짐 변수를 동적으로 조정하는 것을 특징으로 하는 이미지 형성 시스템.
입력 이미지의 대상 영역과 비대상 영역을 다수의 직사각형으로 분할하여 색채널별로 색 히스토그램을 형성하고 상기 색 히스토그램으로부터 상기 대상 직사각형의 메인 색을 추출하는 메인 색 추출 유닛;

상기 메인 색에 대해 상기 대상 직사각형의 색 히스토그램 빈과 상기 비대상 직사각형의 색 히스토그램 빈 사이의 최소 거리와, 상기 대상 사각형의 색 히스토그램의 빈 가중치, 상기 대상 사각형의 색 채널 가중치 및, 상기 대상 직사각형 의 가중치를 계산하여 상기 대상의 강한 식별력을 가지는 색 특징을 추출하는 가중치 계산 유닛; 및

상기 대상 직사각형의 색 히스토그램 빈에 다시 가중치를 가한 결과에 따라 상기 대상의 최종 색 모델을 생성하는 최종 색 모델 생성 유닛;

을 구비하는 것을 특징으로 하는 색 특징 추출 장치.
제6항에 있어서, 상기 메인 색 추출 유닛은

상기 입력 이미지의 대상 영역과 비대상 영역을 다수의 직사각형으로 분할하는 영역 분할부;

색 채널을 사용하여 상기 대상 직사각형과 상기 비대상 직사각형의 색 히스토그램을 형성하고 상기 색 히스토그램을 다수의 분리된 빈으로 분할하는 히스토그램 계산부; 및

상기 히스토그램 계산부가 형성한 상기 색 히스토그램에 근거하여 상기 대상 직사각형의 메인 색을 추출하는 메인 색 추출부;

를 구비하는 것을 특징으로 하는 색 특징 추출 장치.
제6항에 있어서, 상기 가중치 계산 유닛은,

상기 메인 색에 대해 상기 대상 직사각형의 색 히스토그램 빈과 상기 비대상 직사각형의 색 히스토그램 빈 사이의 최소 거리를 계산하는 빈 최소 거리 계산부;

상기 빈 최소 거리 계산부가 계산한 상기 최소 거리에 따라 상기 대상 직사각형의 색 히스토그램 빈의 가중치를 계산하는 빈 가중치 계산부;

상기 빈 가중치 계산부가 계산한 상기 빈 가중치에 기하여 상기 대상 직사각형의 색 채널의 가중치를 계산하는 색 채널 가중치 계산부;

상기 빈 가중치 계산부가 계산한 상기 빈 가중치에 기하여 상기 대상 직사각형의 가중치를 계산하는 직사각형 가중치 계산부; 및

상기 색 채널의 가중치와 상기 대상 직사각형의 가중치에 기해 다시 상기 대상 직사각형의 색 히스토그램의 빈에 다시 가중치를 가해 상기 대상의 강한 식별력을 가지는 색 특징을 추출하는 빈 가중치 재계산부;

를 구비하는 것을 특징으로 하는 색 특징 추출 장치.
제8항에 있어서,

상기 빈 최소 거리 계산부는 수학식 12에 의해 대상 직사각형의 색 히스토그램 빈과 비대상 직사각형의 색 히스토그램 빈 사이의 최소 거리를 계산하는 것을 특징으로 하는 색 특징 추출 장치.

(여기서, J는 색 채널(c)의 비대상 직사각형의 색 히스토그램의 한 빈을 표시하고, 상기 빈(J)은 대상 직사각형(r)의 메인 색 히스토그램의 색 채널(c)의 빈(i)와의 최소 거리를 가지며, bi는 빈(i)의 표시이다.
는 대상 직사각형(r)의 색 채널(c)의 빈(i)의 색 히스토그램이고,
는 색 채널(c)의 빈의 비대상 색 히스토그램이며,
는 빈의 표지이고,
는 대상 직사각형(r)의 색 채널(c)의 빈(i)와 동일한 색 채널을 가지는 비대상 직사각형 색 히스토그램 빈과의 최소 거리)
제8항에 있어서,

상기 빈 가중치 계산부는 수학식 13에 따라 상기 대상 직사각형의 색 히스토그램 빈의 가중치(
)를 계산하는 것을 특징으로 하는 색 특징 추출 장치.

(여기서,
이고,
k는 상수)
제8항에 있어서,

상기 색 채널 가중치 계산부는 수학식 14에 따라 대상 직사각형(r)의 색 채널(c)의 각 빈의 가중치를 구하고 수학식 15에 따라 상기 대상 직사각형의 색 채널의 가중치(
)를 계산하는 것을 특징으로 하는 색 특징 추출 장치.

(여기서, K는 색 채널의 개수를 나타내고, M은 대상 직사각형 히스토그램 중의 빈의 개수)
제8항에 있어서,

상기 직사각형 가중치 계산부는 수학식 16에 따라 대상 직사각형 히스토그램의 빈 가중치(
를 계산하고, 수학식 17에 따라 상기 대상 직사각형의 가중치(
)를 계산하는 것을 특징으로 하는 색 특징 추출 장치.

(L은 대상 직사각형의 개수)
제12항에 있어서,

상기 빈 가중치 재계산부는 수학식 18에 따라 상기 대상 직사각형의 색 히스토그램 빈에 대해 다시 가중치를 가하여 다시 가중치를 가한 대상 직사각형의 색 히스토그램 빈의 가중치
를 얻는 것을 특징으로 하는 색 특징 추출 장치.
제6항에 있어서,

상기 최종 색 모델 생성 유닛은 수학식 19에 따라 상기 대상의 최종 색 모 델을 생성하는 것을 특징으로 하는 색 특징 추출 장치.

(여기서, R은 대상 직사각형의 개수를 표시하고, M은 대상 직사각형 히스토그램의 빈의 개수)
제6항에 있어서,

상기 대상의 최종 색 모델에 기하여 새로 입력된 이미지로부터 대상의 색 블랍을 추출하는 색 블랍 추출 유닛을 더 구비하는 것을 특징으로 하는 색 특징 추출 장치.
제15항에 있어서,

상기 추출된 색 블랍에 대해 블랍 분석을 진행하고, 상기 블랍의 분석에 따라 입력 이미지의 대상의 중심과 크기를 계산하여 상기 대상에 대해 위치를 정하고 추적을 하는 대상 위치 유닛을 더 구비하는 것을 특징으로 하는 색 특징 추출 장치.
입력 이미지의 대상 영역과 비대상 영역을 다수의 직사각형으로 분할하여 색채널별로 색 히스토그램을 형성하고 상기 색 히스토그램으로부터 상기 대상 직사각형의 메인 색을 추출하는 단계;

상기 메인 색에 대해 상기 대상 직사각형의 색 히스토그램 빈과 상기 비대상 직사각형의 색 히스토그램 빈 사이의 최소 거리를 계산하여 비대상 히스토그램 빈과 변별력을 갖는 빈을 선별하는 단계;

상기 최소 거리에 기하여 상기 대상 사각형의 색 히스토그램의 빈 가중치를 계산하는 단계;

상기 빈 가중치에 기하여 상기 대상 사각형의 색 채널 가중치와 상기 대상 직사각형의 가중치를 계산하는 단계;

상기 색 채널 가중치와 상기 대상 직사각형의 가중치에 기하여 상기 대상 직사각형의 색 히스토그램 빈에 다시 가중치를 가하여 상기 대상의 강한 식별력을 가지는 색 특징을 추출하는 단계; 및

상기 대상 직사각형의 색 히스토그램 빈에 다시 가중치를 가한 결과에 따라 상기 대상의 최종 색 모델을 생성하는 단계;

를 포함하는 것을 특징으로 하는 색 특징 추출 방법.
제17항에 있어서,

상기 비대상 히스토그램 빈과 변별력을 갖는 빈을 선별하는 단계에서 수학식 20에 의해 대상 직사각형의 색 히스토그램 빈과 비대상 직사각형의 색 히스토그램 빈 사이의 최소 거리를 계산하는 것을 특징으로 하는 색 특징 추출 방법.

(여기서, J는 색 채널(c)의 비대상 직사각형의 색 히스토그램의 한 빈을 표시하고, 상기 빈(J)은 대상 직사각형(r)의 메인 색 히스토그램의 색 채널(c)의 빈(i)와의 최소 거리를 가지며, bi는 빈(i)의 표시이다.
는 대상 직사각형(r)의 색 채널(c)의 빈(i)의 색 히스토그램이고,
는 색 채널(c)의 빈의 비대상 색 히스토그램이며,
는 빈의 표지이고,
는 대상 직사각형(r)의 색 채널(c)의 빈(i)와 동일한 색 채널을 가지는 비대상 직사각형 색 히스토그램 빈과의 최소 거리)
제17항에 있어서,

상기 빈 가중치를 계산하는 단계에서, 상기 대상 직사각형의 색 히스토그램 빈의 가중치(
)는 수학식 21에 따라 계산되는 것을 특징으로 하는 색 특징 추출 방법.

(여기서,
이고,
k는 상수)
제17항에 있어서,

상기 대상 직사각형의 색 채널의 가중치와 상기 대상 직사각형의 가중치를 계산하는 단계에서, 수학식 22에 따라 대상 직사각형(r)의 색 채널(c)의 각 빈의 가중치를 구하고 수학식 23에 따라 상기 대상 직사각형의 색 채널의 가중치(
)를 계산하는 것을 특징으로 하는 색 특징 추출 방법.

(여기서, K는 색 채널의 개수를 나타내고, M은 대상 직사각형 히스토그램 중의 빈 의 개수)
제17항에 있어서,

상기 대상 직사각형의 색 채널의 가중치와 상기 대상 직사각형의 가중치를 계산하는 단계에서, 수학식 24에 따라 대상 직사각형 히스토그램의 빈 가중치(
)를 계산하고, 수학식 25에 따라 상기 대상 직사각형의 가중치(
)를 계산하는 것을 특징으로 하는 색 특징 추출 방법.

(L은 대상 직사각형의 개수)
제21항에 있어서,

상기 대상 직사각형의 색 히스토그램 빈에 대해 수학식 26에 따라 다시 가중치를 가하여 다시 가중치를 가한 대상 직사각형의 색 히스토그램빈의 가중치
를 얻는 것을 특징으로 하는 색 특징 추출 방법.
제17항에 있어서,

상기 대상의 최종 색 모델을 수학식 27에 따라 생성하는 것을 특징으로 하는 색 특징 추출 방법.

(여기서, R은 대상 직사각형의 개수를 표시하고, M은 대상 직사각형 히스토그램의 빈의 개수)족하고, R은 대상 직사각형의 개수, M은 대상 직사각형 히스토그램의 빈의 개수)
제17항에 있어서,

상기 대상의 최종 색 모델에 기하여 새로 입력된 이미지로부터 대상의 색 블랍을 추출하는 단계를 더 포함하는 것을 특징으로 하는 색 특징 추출 방법.
제24항에 있어서,

상기 추출된 색 블랍에 대해 블랍 분석을 진행하고, 상기 블랍의 분석에 따라 입력 이미지의 대상의 중심과 크기를 계산하여 상기 대상에 대해 위치를 정하고 추적을 하는 단계;

를 더 포함하는 것을 특징으로 하는 색 특징 추출 방법.