KR20130080743A - 특징점 집합 비교를 이용한 객체 영역 검색 방법 - Google Patents

특징점 집합 비교를 이용한 객체 영역 검색 방법 Download PDF

Info

Publication number
KR20130080743A
KR20130080743A KR1020120001728A KR20120001728A KR20130080743A KR 20130080743 A KR20130080743 A KR 20130080743A KR 1020120001728 A KR1020120001728 A KR 1020120001728A KR 20120001728 A KR20120001728 A KR 20120001728A KR 20130080743 A KR20130080743 A KR 20130080743A
Authority
KR
South Korea
Prior art keywords
feature point
feature
point descriptor
region
divided regions
Prior art date
Application number
KR1020120001728A
Other languages
English (en)
Inventor
이일구
Original Assignee
주식회사 인프라웨어
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 주식회사 인프라웨어 filed Critical 주식회사 인프라웨어
Priority to KR1020120001728A priority Critical patent/KR20130080743A/ko
Publication of KR20130080743A publication Critical patent/KR20130080743A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 특징점 집합 비교를 이용한 객체 영역 검색 방법이 개시된다. 본 발명에 따른 특징점 집합 비교를 이용한 객체 영역 검색 방법은, 입력 영상을 분할하여 복수의 분할 영역을 생성하는 단계; 복수의 분할 영역 중 하나 이상의 분할 영역에서 하나 이상의 특징점 기술자를 검색하는 단계; 위 검색한 하나 이상의 특징점 기술자를 결합하여 특징점 기술자 집합을 생성하는 단계; 미리 학습된 하나 이상의 참조 영상의 특징점 기술자 집합 중에서 복수의 분할 영역 중 어느 하나의 영역의 특징점 기술자 집합에 대응되는 특징점 기술자 집합이 존재하는지 판단하는 단계; 그 판단 결과에 대응하여 복수의 분할 영역 중 어느 하나의 영역과 다른 하나의 영역을 병합하여 검색 대상 객체의 영역을 검색하는 단계;를 포함하여 구성된다. 따라서, 입력 영상의 복수의 분할 영역에서 추출한 특징점 기술자 집합과 참조 영상에서 추출한 특징점 기술자 집합을 비교하여 객체 영역 검색을 검색함으로써 연산량을 대폭 줄일 수 있다는 장점이 있다.

Description

특징점 집합 비교를 이용한 객체 영역 검색 방법 {METHOD OF SEARCHING OBJECT FIELD BY MATCHING THE DESCRITOR SET}
본 발명은 특징점 집합 비교를 이용한 객체 영역 검색 방법에 관한 것으로, 보다 구체적으로 입력 영상의 복수의 분할 영역에서 추출한 특징점 기술자 집합과 참조 영상에서 추출한 특징점 기술자 집합을 비교하여 객체 영역 검색을 검색하는 특징점 집합 비교를 이용한 객체 영역 검색 기술에 관한 것이다.
증강 현실 기술을 실현하기 위해서 영상촬영 기기로부터 촬영된 영상 데이터를 인식 및 추적하는 방법이 널리 사용되고 있다. 영상 데이터를 인식 및 추적하는 것을 효율적으로 수행하기 위해서 SIFT(Scalar Invariant Feature Transform) 또는 SURF(Speeded Up Robust Feature) 와 같은 영상 데이터에서 특징점 기술자를 사용할 수 있다.
일반적으로, 영상 데이터를 인식 및 추적하기 전에 영상 데이터에 어떤 객체가 어떻게 포함되어 있는지 검출해야한다.
하지만, 영상 데이터에 어떤 객체가 어떻게 포함되어 있는지 검색하기 위해서는 [도 1]과 같이 영상 데이터의 특징점(101a, 102a, 103a)과 참조 영상의 특징점(101b, 102b, 103b)을 각각 대응시켜야 한다.
영상 데이터의 특징점 기술자와 참조 영상의 특징점 기술자를 모두 대응시키는 과정은 객체의 인식 이후에 객체와 카메라 사이의 좌표를 알아내거나, 객체의 움직임을 추적하기 위해서는 필수적인 과정이지만, 영상 데이터에 어떤 객체가 어떻게 포함되어 있는지 검출하기 위해서는 필수적인 과정이 아니다.
또한, [도 1]과 같이 영상 데이터의 특징점(101a, 102a, 103a)과 참조 영상의 특징점(101b, 102b, 103b)을 각각 대응시키면, 영상 데이터의 특징점(101a, 102a, 103a)과 인접한 특징점은 한 객체에 속해있을 확률이 높다는 물리적인 정보를 이용할 수 없다는 문제점이 있다.
상기와 같은 문제점을 해결하기 위한 본 발명의 목적은 입력 영상의 복수의 분할 영역에서 추출한 특징점 기술자 집합과 참조 영상에서 추출한 특징점 기술자 집합을 비교하여 객체 영역 검색을 검색하는 특징점 집합 비교를 이용한 객체 영역 검색 방법을 제공하는 데 있다.
상기한 목적을 달성하기 위한 본 발명에 따른 특징점 집합 비교를 이용한 객체 영역 검색 방법은, 입력 영상을 분할하여 복수의 분할 영역을 생성하는 단계; 복수의 분할 영역 중 하나 이상의 분할 영역에서 하나 이상의 특징점 기술자를 검색하는 단계; 위 검색한 하나 이상의 특징점 기술자를 결합하여 특징점 기술자 집합을 생성하는 단계; 미리 학습된 하나 이상의 참조 영상의 특징점 기술자 집합 중에서 복수의 분할 영역 중 어느 하나의 영역의 특징점 기술자 집합에 대응되는 특징점 기술자 집합이 존재하는지 판단하는 단계; 그 판단 결과에 대응하여 복수의 분할 영역 중 어느 하나의 영역과 다른 하나의 영역을 병합하여 검색 대상 객체의 영역을 검색하는 단계;를 포함하여 구성된다.
여기서, 본 발명의 특징점 집합 비교를 이용한 객체 영역 검색 방법은, 검색 대상 객체에 대한 참조 영상을 다양한 크기로 변화시켜 복수의 참조 영상을 생성하는 단계;를 더 포함하여 구성될 수 있다. 또한, 특징점 집합 비교를 이용한 객체 영역 검색 방법은, 복수의 참조 영상에서 하나 이상의 특징점 기술자를 검색하고, 그 검색한 하나 이상의 특징점 기술자를 결합하여 특징점 기술자 집합을 생성하는 단계;를 더 포함할 수 있다.
이때, 다른 하나의 영역은 복수의 분할 영역 중 어느 하나의 영역의 왼쪽, 오른쪽, 위쪽, 아래쪽 중 하나 이상의 방향에 존재하는 위 어느 하나의 영역보다 크기가 큰 영역일 수 있다.
이때, 위 대응되는 특징점 기술자 집합이 존재하는지 판단하는 단계는, 복수의 분할 영역 중 비교 대상 영역의 크기와 유사한 크기의 참조 영상을 검색하고, 그 검색한 참조 영상의 특징점 기술자 집합 중 비교 대상 영역의 특징점 기술자 집합에 대응되는 특징점 기술자 집합이 존재하는지 판단할 수 있다. 이때, 본 발명에서 복수의 분할 영역은 동일한 크기 및 서로 다른 크기 중 어느 하나의 크기일 수 있다.
본 발명의 일 실시예에 따른 특징점 집합 비교를 이용한 객체 영역 검색 방법에 따르면, 입력 영상의 복수의 분할 영역에서 추출한 특징점 기술자 집합과 참조 영상에서 추출한 특징점 기술자 집합을 비교하여 객체 영역 검색을 검색함으로써 연산량을 대폭 줄일 수 있다는 장점이 있다.
[도 1]은 종래의 특징점 집합 비교를 이용한 객체 영역 검색 방법을 설명하기 위한 예시도.
[도 2]는 본 발명에 따른 단말장치의 내구 구조를 개략적으로 도시한 도면.
[도 3]은 본 발명에 따른 특징점 집합 비교를 이용한 객체 영역 검색 방법을 설명하기 위한 예시도.
[도 4]는 본 발명에 따른 특징점 집합 비교를 이용한 객체 영역 검색 방법을 설명하기 위한 흐름도.
[도 5] 내지 [도 8]은 본 발명에 따른 특징점 집합 비교를 이용한 객체 영역 검색 방법을 설명하기 위한 예시도.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형택에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
본 발명의 기술적 사상에 대한 상세히 설명하기 전에 영상 데이터를 인식 및 추적하기 위한 SIFT에 대해서 설명한다.
SIFT는 영상의 특징점을 추출하는 대표적인 알고리즘는 논문 『D.G. Lowe, "Distinctive image features from scale-invariant keypoints", Int. J. Comput. Vision 60 (2), 91-110, 2004.』에서 Lowe에 의해 제안되었다.
SIFT는 이미지 회전, 스케일링, 이동, 부분 조명 변화 및 투영 변환(projective transform)에 불변인 특성을 지니고 있다. SIFT는 로컬 이미지(local image) 특성을 고려하여 특징의 위치, 스케일 및 방향 등의 속성을 추출한다. 즉, 첫 번째 단계로, DOG(Difference-Of-Gaussian) 함수를 통해 생성한 스케일 공간에서 최대 및 최소(extrema)를 검색하여 샘플점(또는 후보 픽셀)을 선택한다(Scale-space extrema detection).
두 번째 단계로, 안정도(stability) 수치에 기반하여 키포인트들을 선택한다(Keypoint localization). 세 번째 단계로, 각각의 키포인트에 대하여 1 이상의 방향을 할당한다(Orientation assignment). 마지막 단계로, 로컬 이미지 기울기(local image gradient)들을 이용하여 키포인트 기술자를 생성한다(Keypoint descriptor).
특히, SIFT는 객체 영역 검색하기 위한 첫 걸음인 기본 행렬(fundamental matrix; F)를 구하기 위해 사용된다. 즉, SIFT에 의해 크기 변화에 불변한 특징점을 추출하고, 이들 특징점을 이용하여 기본 행렬(F)을 구한다. 특징점들로부터 기본 행렬(F)을 구하는 과정에서, 이상값(outlier)들을 제거하여 일대일 대응 문제를 해결하기 위해 키포인트 매칭(keypoint matching), 허프 변환(Hough Transform)에 의한 클러스터링 단계를 거친다.
이러한 과정을 통해 두 영상간의 매칭 포인트(matching point)들의 개수와분포 정보를 파악하여 객체 영역을 검출할 수 있다.
[도 2]는 본 발명의 일 실시예에 따른 단말장치의 내구 구조를 개략적으로 도시한 도면이다.
[도 2]를 참조하면, 객체 영역 검색을 제공하는 단말장치(200)는 입력영상 처리부(201), 특징점 기술자 집합 생성부(202), 특징점 기술자 대응판단부(203), 학습부(204)를 포함하여 구성될 수 있다.
입력영상 처리부(201)는 영상촬영 기기로부터 입력 영상을 수신하고, 수신한 입력 영상을 분할하여 복수의 분할 영역을 생성하여 특징점 기술자 집합 생성부(202)로 제공할 수 있다. 예를 들어, 입력영상 처리부(201)는 영상촬영 기기로부터 입력 영상을 수신하고, 그 수신한 입력 영상의 특징점의 개수에 따라 수신한 입력 영상을 분할하여 복수의 분할 영역을 생성할 수 있다. 여기서, 복수의 분할 영역의 크기는 서로 동일 하거나 동일하지 않을 수 있다.
특징점 기술자 집합 생성부(202)는 입력영상 처리부(201)로부터 복수의 분할 영역을 수신하고, 그 수신한 복수의 분할 영역 중 하나 이상의 분할 영역에서 하나 이상의 특징점 기술자를 검색하고, 검색한 하나 이상의 특징점 기술자를 결합(aggregation)하여 특징점 기술자 집합을 생성할 수 있다. 즉, 특징점 기술자 집합 생성부(202)는 입력영상 처리부(201)로부터 복수의 분할 영역마다 특징점 기술자 집합을 생성할 수 있다.
또한, 특징점 기술자 집합 생성부(202)는 입력영상 처리부(201)로부터 복수의 분할 영역 중 어느 하나의 영역의 특징점 기술자 집합을 생성하려고 할때, 어느 하나의 영역을 구성하는 작은 영역의 특징점 기술자 집합을 이용하여 어느 하나의 영역의 특징점 기술자 집합을 생성할 수 있다.
특징점 기술자 대응판단부(203)는 학습부(204)로부터 미리 학습된 하나 이상의 참조 영상의 특징점 기술자 집합을 수신하고, 수신한 참조 영상의 특징점 기술자 집합([도 3]의 320)에 복수의 분할 영역 중 어느 하나의 영역([도 3]의 310)의 특징점 기술자 집합이 대응되는지 판단할 수 있다.
예를 들어, 특징점 기술자 대응판단부(203)는 참조 영상의 특징점 기술자 집합에 어느 하나의 영역, 예를 들어 현재 비교 대상 영역의 왼쪽, 오른쪽, 위쪽, 아래쪽 중 하나 이상의 방향에 존재하는 분할 영역의 특징점 기술자 집합에 대응되는지 판단할 수 있다.
이때, 입력 영상에서 어떤 객체가 어떤 크기로 존재하는지 알 수 없기 때문에 다양한 크기의 영역에 대해서 합산연산을 반복하며, 어느 하나의 영역이 자신보다 큰 영역에 합산되어 비교될 수 있다. 즉, 특징점 기술자 대응판단부(203)는 참조 영상의 특징점 기술자 집합 중 어느 하나의 영역과 어느 하나의 영역의 왼쪽, 오른쪽, 위쪽, 아래쪽 중 하나 이상의 방향에 존재하는 어느 하나의 영역보다 크기가 큰 분할 영역을 결합한 영역의 특징점 기술자 집합에 대응되는 특징점 기술자 집합이 존재하는 판단할 수 있다.
또한, 분할 영역이 작은 경우, 특징점 기술자 대응판단부(203)는 복수의 분할 영역 중 비교 대상 영역의 크기와 유사한 크기의 참조 영상을 학습부(204)로부터 수신하고, 수신한 참조 영상의 특징점 기술자 집합 중 비교 대상 영역의 특징점 기술자 집합에 대응되는 특징점 기술자 집합이 존재하는지 판단할 수 있다.
특징점 기술자 대응판단부(203)는 참조 영상의 특징점 기술자 집합에 복수의 분할 영역 중 어느 하나의 영역의 특징점 기술자 집합이 대응된다고 판단하는 경우, 어느 하나의 영역에 객체가 존재한다고 판단할 수 있다.
한편, 특징점 기술자 대응판단부(203)는 참조 영상의 특징점 기술자 집합 중 복수의 분할 영역 중 어느 하나의 영역의 특징점 기술자 집합에 대응되는 특징점 기술자 집합이 존재하지 않는다고 판단하는 경우, 어느 하나의 영역에 객체가 존재하지 않는다고 판단할 수 있다.
특징점 기술자 대응판단부(203)가 참조 영상의 특징점 기술자 집합에 복수의 분할 영역 중 어느 하나의 영역의 특징점 기술자 집합이 대응된다고 판단하는 경우, 어느 하나의 영역에 객체가 모두 존재한다고 판단하기 위해서는 기본적으로 다음과 같은 성질을 갖고 있어야 한다.
1. x=y => f(x) = f(y) : 양측을 결합한 이후에도 유사성을 유지해야 한다.
2. 원소 중 일부가 빠지거나 이상값이 들어오더라도 유사성을 유지해야 한다.
또한, 이러한 두 가지 방법을 사용하기 위해 기술자 집합은 다음과 같은 특징을 가져야 한다.
1. 결합은 특징점의 상태 위치 변화에 영향이 없어야 한다.
2. 부분 집합의 결과를 통해 전체 집합을 산출할 수 있어야 한다.
또한, 여러 결합 방식을 조합해서 사용하기 위해 다음과 같은 특징을 가져야 한다.
1. 각 결합 방식은 기술자 통계적 특징을 대변하고 있어야 한다.
2. 결합 방식 끼리 연관성이 적어서 상호 보완하는 방식으로 동작해야 한다.
학습부(204)는 검색 대상 객체의 영역을 검출하는데 사용되는 미리 학습된 하나 이상의 참조 영상의 특징점 기술자 집합을 저장할 수 있다. 예를 들어, 학습부(204)는 검색 대상 객체에 대한 참조 영상을 다양한 크기로 변화킨 복수의 참조 영상에서 하나 이상의 특징점 기술자를 검색하고, 검색한 하나 이상의 특징점 기술자를 결합하여 특징점 기술자 집합을 생성하여 저장한다.
[도 4]는 본 발명의 일 실시예에 따른 특징점 집합 비교를 이용한 객체 영역 검색 방법을 설명하기 위한 흐름도이다.
[도 4]를 참조하면, 단말장치(200)는 입력 영상을 분할하여 복수의 분할 영역을 생성할 수 있다(S401). 여기서, 복수의 분할 영역의 크기는 서로 동일 하거나 동일하지 않을 수 있다.
단말장치(200)는 복수의 분할 영역 중 하나 이상의 분할 영역에서 하나 이상의 특징점 기술자를 검색하고, 검색한 하나 이상의 특징점 기술자를 결합하여 특징점 기술자 집합을 생성할 수 있다(S402). 즉, 단말장치(200)는 복수의 분할 영역마다 특징점 기술자 집합을 생성할 수 있다.
단말장치(200)는 미리 학습된 하나 이상의 참조 영상의 특징점 기술자 집합 중 복수의 분할 영역 중 어느 하나의 영역의 특징점 기술자 집합에 대응되는 특징점 기술자 집합이 존재하는지 판단할 수 있다(S403).
단말장치(200)는 참조 영상의 특징점 기술자 집합 중 복수의 분할 영역 중 어느 하나의 영역의 특징점 기술자 집합에 대응되는 특징점 기술자 집합이 존재한다고 판단하는 경우(S403), 어느 하나의 영역에 객체가 존재한다고 판단할 수 있다(S404). 한편, 단말장치(200)는 참조 영상의 특징점 기술자 집합 중 복수의 분할 영역 중 어느 하나의 영역의 특징점 기술자 집합에 대응되는 특징점 기술자 집합이 존재하지 않는다고 판단하는 경우(S403), 어느 하나의 영역에 객체가 존재하지 않는다고 판단할 수 있다(S405).
그리고 나서, 단말장치(200)는 판단 결과에 따라 복수의 분할 영역 중 어느 하나의 영역과 다른 하나의 영역을 병합하여 검색 대상 객체의 영역를 검색할 수 있다(S406).
[도 5] 내지 [도 8]은 본 발명의 일 실시예에 따른 특징점 집합 비교를 이용한 객체 영역 검색 방법을 설명하기 위한 예시도이다.
[도 5] 내지 [도 8]을 참조하면, 단말장치(200)는 입력 영상([도 5]의 510) 및 참조 영상([도 5]의 520)을 수신하고, 객체 영역([도 5]의 500)을 검색하기 위해, [도 6]과 같이 입력 영상([도 6]의 510)을 분할하여 복수의 분할 영역을 생성할 수 있다. [도 6]에서, 단말장치(200)는 동일한 크기로 복수의 분할 영역을 생성하였으나, 복수의 분할 영역의 크기는 서로 동일하지 않을 수 있다.
단말장치(200)는 복수의 분할 영역 중 하나 이상의 분할 영역에서 하나 이상의 특징점 기술자를 검색하고, 검색한 하나 이상의 특징점 기술자를 결합하여 [도 7]과 같은 특징점 기술자 집합([도 7]의 710, 720)을 생성할 수 있다.
단말장치(200)는 [도 8]과 같이 참조 영상의 특징점 기술자 집합 중 복수의 분할 영역 중 어느 하나의 영역의 특징점 기술자 집합([도 8]의 710)에 대응되는 특징점 기술자 집합이 존재한다고 판단하는 경우, 어느 하나의 영역에 객체가 존재한다고 판단할 수 있다.
본 발명은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드의 형태로 구현하는 것이 가능하다. 이때, 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다.
컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기테이프, 플로피 디스크, 광 데이터 저장장치 등이 있으며, 캐리어웨이브(예컨대, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산된 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고 본 발명을 구현하기 위한 기능적인 프로그램, 코드, 코드 세그먼트들은 본 발명이 속하는 기술 분야의 프로그래머들에 의해 용이하게 추론될 수 있다.
이상과 같이, 본 명세서와 도면에는 본 발명의 실시예에 대하여 개시하였으며, 비록 특정 용어들이 사용되었으나 이는 단지 본 발명의 기술 내용을 쉽게 설명하고 발명의 이해를 돕기 위한 일반적인 의미에서 사용된 것이지, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시예 외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형예가 가능하다는 것은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명하다.
200: 단말장치
201: 입력영상 처리부
202: 특징점 기술자 집합 생성부
203: 특징점 기술자 대응판단부
204: 학습부

Claims (6)

  1. 입력 영상을 분할하여 복수의 분할 영역을 생성하는 단계;
    상기 복수의 분할 영역 중 하나 이상의 분할 영역에서 하나 이상의 특징점 기술자를 검색하는 단계;
    상기 검색한 하나 이상의 특징점 기술자를 결합하여 특징점 기술자 집합을 생성하는 단계;
    미리 학습된 하나 이상의 참조 영상의 특징점 기술자 집합 중 상기 복수의 분할 영역 중 어느 하나의 영역의 특징점 기술자 집합에 대응되는 특징점 기술자 집합이 존재하는지 판단하는 단계;
    상기 판단 결과에 따라 상기 복수의 분할 영역 중 어느 하나의 영역과 다른 하나의 영역을 병합하여 검색 대상 객체의 영역를 검색하는 단계;
    를 포함하여 구성되는 특징점 집합 비교를 이용한 객체 영역 검색 방법.
  2. 청구항 1에 있어서,
    상기 검색 대상 객체에 대한 참조 영상을 복수 개의 다양한 크기로 변화시켜 복수의 참조 영상을 생성하는 단계;
    를 더 포함하여 구성되는 특징점 집합 비교를 이용한 객체 영역 검색 방법.
  3. 청구항 2에 있어서,
    상기 복수의 참조 영상에서 하나 이상의 특징점 기술자를 검색하고, 상기 검색한 하나 이상의 특징점 기술자를 결합함으로써 상기 특징점 기술자 집합을 생성하는 단계;
    를 더 포함하여 구성되는 특징점 집합 비교를 이용한 객체 영역 검색 방법.
  4. 청구항 1에 있어서,
    상기 다른 하나의 영역은 상기 복수의 분할 영역 중 어느 하나의 영역의 왼쪽, 오른쪽, 위쪽, 아래쪽 중 하나 이상의 방향에 존재하는 상기 어느 하나의 영역보다 크기가 큰 영역인 것을 특징으로 하는 특징점 집합 비교를 이용한 객체 영역 검색 방법.
  5. 청구항 1에 있어서,
    상기 대응되는 특징점 기술자 집합이 존재하는지 판단하는 단계는, 상기 복수의 분할 영역 중 비교 대상 영역의 크기와 유사한 크기의 참조 영상을 검색하고, 상기 검색한 참조 영상의 특징점 기술자 집합 중 상기 비교 대상 영역의 특징점 기술자 집합에 대응되는 특징점 기술자 집합이 존재하는지 판단하는 것을 특징으로 하는 특징점 집합 비교를 이용한 객체 영역 검색 방법.
  6. 청구항 1에 있어서,
    상기 복수의 분할 영역은 동일한 크기 및 서로 다른 크기 중 어느 하나의 크기인 것을 특징으로 하는 특징점 집합 비교를 이용한 객체 영역 검색 방법.
KR1020120001728A 2012-01-05 2012-01-05 특징점 집합 비교를 이용한 객체 영역 검색 방법 KR20130080743A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120001728A KR20130080743A (ko) 2012-01-05 2012-01-05 특징점 집합 비교를 이용한 객체 영역 검색 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120001728A KR20130080743A (ko) 2012-01-05 2012-01-05 특징점 집합 비교를 이용한 객체 영역 검색 방법

Publications (1)

Publication Number Publication Date
KR20130080743A true KR20130080743A (ko) 2013-07-15

Family

ID=48992763

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120001728A KR20130080743A (ko) 2012-01-05 2012-01-05 특징점 집합 비교를 이용한 객체 영역 검색 방법

Country Status (1)

Country Link
KR (1) KR20130080743A (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180094616A (ko) * 2017-02-16 2018-08-24 현대자동차주식회사 픽토그램 인식 장치, 픽토그램 인식 시스템 및 픽토그램 인식 방법
KR20190060320A (ko) * 2017-11-24 2019-06-03 정수경 연관정보 제공 장치
CN110622177A (zh) * 2017-11-15 2019-12-27 谷歌有限责任公司 实例分割

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180094616A (ko) * 2017-02-16 2018-08-24 현대자동차주식회사 픽토그램 인식 장치, 픽토그램 인식 시스템 및 픽토그램 인식 방법
CN110622177A (zh) * 2017-11-15 2019-12-27 谷歌有限责任公司 实例分割
CN110622177B (zh) * 2017-11-15 2023-03-24 谷歌有限责任公司 实例分割
KR20190060320A (ko) * 2017-11-24 2019-06-03 정수경 연관정보 제공 장치

Similar Documents

Publication Publication Date Title
KR101622360B1 (ko) 이미지들의 유사성 검색을 위한 시스템 및 방법
Simonyan et al. Learning local feature descriptors using convex optimisation
Philbin et al. Lost in quantization: Improving particular object retrieval in large scale image databases
Kim et al. Predicting good features for image geo-localization using per-bundle vlad
Xu et al. Near duplicate identification with spatially aligned pyramid matching
US9361523B1 (en) Video content-based retrieval
JP6211407B2 (ja) 画像検索システム、画像検索装置、検索サーバ装置、画像検索方法、及び画像検索プログラム
Iakovidou et al. Localizing global descriptors for content-based image retrieval
Wang et al. Scene text detection and tracking in video with background cues
US20110216939A1 (en) Apparatus and method for tracking target
JP2014197412A (ja) 画像の類似検索システム及び方法
US8306332B2 (en) Image search method and device
US8942515B1 (en) Method and apparatus for image retrieval
KR20130080743A (ko) 특징점 집합 비교를 이용한 객체 영역 검색 방법
CN105190689A (zh) 包括基于毗连特征的对象检测和/或双边对称对象分段的图像处理
JP2014225168A (ja) 特徴点集合で表される画像間の類似度を算出するプログラム、装置及び方法
Maier et al. Ground truth accuracy and performance of the matching pipeline
Khan et al. Feature-Based Tracking via SURF Detector and BRISK Descriptor
Bhattacharya et al. DT-RANSAC: a delaunay triangulation based scheme for improved RANSAC feature matching
Schlegel et al. Adding cues to binary feature descriptors for visual place recognition
Romberg From local features to local regions
Said et al. Recognition of urban buildings with spatial consistency and a small-sized vocabulary tree
Mohammad et al. Compact Binary Fingerprint for Image Copy Re-Ranking
Chen et al. An integrated approach to image retrieval
Yang et al. A new scheme for keypoint detection and description

Legal Events

Date Code Title Description
WITN Withdrawal due to no request for examination