KR20150074646A - 영상 인식 장치 및 방법 - Google Patents

영상 인식 장치 및 방법 Download PDF

Info

Publication number
KR20150074646A
KR20150074646A KR1020130162630A KR20130162630A KR20150074646A KR 20150074646 A KR20150074646 A KR 20150074646A KR 1020130162630 A KR1020130162630 A KR 1020130162630A KR 20130162630 A KR20130162630 A KR 20130162630A KR 20150074646 A KR20150074646 A KR 20150074646A
Authority
KR
South Korea
Prior art keywords
image
stored
color histogram
acquired image
acquired
Prior art date
Application number
KR1020130162630A
Other languages
English (en)
Other versions
KR101541384B1 (ko
Inventor
반티미융
김수형
나인섭
이칠우
Original Assignee
전남대학교산학협력단
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 전남대학교산학협력단 filed Critical 전남대학교산학협력단
Priority to KR1020130162630A priority Critical patent/KR101541384B1/ko
Publication of KR20150074646A publication Critical patent/KR20150074646A/ko
Application granted granted Critical
Publication of KR101541384B1 publication Critical patent/KR101541384B1/ko

Links

Images

Classifications

    • 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
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • 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
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 영상 인식에 관한 것으로, 영상 획득을 수행하는 카메라, 상기 획득된 획득 영상에 대한 영상 인식을 위하여 저장 영상들을 저장하는 저장부, 상기 획득 영상에 대한 컬러 히스토그램과 상기 저장 영상들의 컬러 히스토그램 유사도 비교를 기반으로 상기 획득 영상에 대한 영상 인식을 수행하는 제어부를 포함하는 것을 특징으로 하는 영상 인식 장치 및 방법의 구성을 개시한다.

Description

영상 인식 장치 및 방법{Device for Recognition of Object and method}
본 발명은 영상 인식에 관한 것으로, 특히 컬러 히스토그램을 이용한 영상 인식 방법 및 장치에 관한 것이다.
영상 인식 기술은 직관적이며 실생활의 다양한 분야에 광범위하게 적용될 수 있기 때문에 오랫동안 많은 연구가 되어오고 있다. 특히 최근에는 카메라를 탑재한 휴대 단말기가 각광받으면서 영상 인식을 통한 다양한 서비스의 개발이 요구되고 있다. 영상 인식 과정은 영상 획득 과정과, 획득된 영상에 대한 분석 과정, 기 저장된 정보와의 영상 비교 과정 및 인식 과정 등을 포함할 수 있다. 이러한 영상 인식 과정은 영상 비교 과정에서 매우 많은 데이터 비교를 수행해야 하기 때문에 고성능의 하드웨어 및 이를 뒷받침하는 소프트웨어가 제공되어야 한다. 종래 영상 인식 과정에서는 매우 많은 데이터 비교 과정으로 인하여 영상 처리 속도가 만족할만한 값을 가지기 어려운 문제가 있었다. 또한 영상에 포함된 광의 정도와 광이 입사되는 각도 등에 따라 동일 영상에 대한 영상 인식 결과가 다르게 도출되는 등의 문제가 있다.
따라서 본 발명의 목적은 광 특성에 대하여 보다 강건한 영상 인식 특성을 가질 수 있는 영상 인식 방법 및 장치를 제공함에 있다.
또한, 본 발명의 목적은 영상 인식 과정에서 보다 빠른 영상 처리 속도를 제공할 수 있는 영상 인식 방법 및 장치를 제공함에 있다.
상기 목적을 달성하기 위하여, 본 발명은 영상 획득을 수행하는 카메라, 상기 획득된 획득 영상에 대한 영상 인식을 위하여 저장 영상들을 저장하는 저장부, 상기 획득 영상에 대한 컬러 히스토그램과 상기 저장 영상들의 컬러 히스토그램 유사도 비교를 기반으로 상기 획득 영상에 대한 영상 인식을 수행하는 제어부를 포함하는 것을 특징으로 하는 영상 인식 장치의 구성을 개시한다.
본 발명에 따른 영상 인식 장치에 있어서, 상기 제어부는 상기 획득 영상에서 특징점들을 추출하고, 상기 저장 영상들과의 특징점 매칭을 수행하여 일정 비율 이상 매칭 값을 가지는 저장 영상 또는 가장 양호한 매칭 값을 가지는 저장 영상을 선택한 후, 상기 선택된 저장 영상을 이용하여 상기 획득 영상에서의 특정 객체를 분할하는 것을 특징으로 한다.
본 발명에 따른 영상 인식 장치에 있어서, 상기 제어부는 ORSA(Optimized Random Sampling Algorithm)을 이용하여 상기 선택된 저장 영상의 좌표를 상기 획득 영상에 제공하여 객체를 분할하는 것을 특징으로 한다.
본 발명에 따른 영상 인식 장치에 있어서, 상기 제어부는 상기 획득 영상에서 상기 특정 객체의 컬러 히스토그램과 상기 저장 영상의 컬러 히스토그램 유사도를 비교하는 것을 특징으로 한다.
본 발명에 따른 영상 인식 장치에 있어서, 상기 제어부는 상기 특징점 매칭 값과 상기 컬러 히스토그램 유사도 합산이 가장 양호한 저장 영상을 영상 인식 결과로 도출하는 것을 특징으로 한다.
본 발명에 따른 영상 인식 장치에 있어서, 상기 제어부는 K-NN 알고리즘을 기반으로 상기 획득 영상과 상기 저장 영상 간의 특징점 매칭을 수행하는 것을 특징으로 한다.
본 발명에 따른 영상 인식 장치에 있어서, 상기 제어부는 LSH(Local Sensitive Hashing) 및 FLANN 알고리즘을 기반으로 상기 획득 영상과 상기 저장 영상 간의 특징점 매칭을 수행하는 것을 특징으로 한다.
본 발명에 따른 영상 인식 장치에 있어서, 상기 제어부는 상기 획득 영상에 대한 화소 값들 중 로우 비트 값을 무시한 컬러 히스토그램을 산출하는 것을 특징으로 한다.
본 발명에 따른 영상 인식 장치에 있어서, 상기 제어부는 상기 영상 인식에 따라 상기 획득 영상에서의 특정 객체의 구분 표시, 상기 획득 영상에 대응하는 저장 영상의 표시, 상기 영상 인식된 저장 영상과 관련한 정보 표시, 상기 영상 인식된 저장 영상과 관련한 서버 장치 접속, 상기 획득 영상에서의 특정 객체 추적 중 적어도 하나를 제어하는 것을 특징으로 한다.
본 발명은 또한, 영상을 획득하는 과정, 상기 획득된 획득 영상의 특징점을 추출하는 과정, 상기 획득 영상의 특징점들과 사전 저장된 저장 영상들의 특징점 매칭을 수행하는 특징점 매칭 과정, 상기 특징점 매칭이 일정 비율 이상 또는 최고 비율인 저장 영상을 선택하는 과정, 상기 저장 영상을 이용하여 상기 획득 영상의 특정 객체를 분할하는 분할 과정, 상기 획득 영상에서 상기 분할된 객체의 컬러 히스토그램을 검출하는 컬러 히스토그램 산출 과정, 상기 획득 영상의 객체에 대한 컬러 히스토그램과 상기 저장 영상의 컬러 히스토그램 간의 유사도를 산출하는 과정, 상기 컬러 히스토그램의 유사도 값을 기반으로 상기 획득 영상에 대한 영상 인식 결과를 도출하는 도출 과정을 포함하는 것을 특징으로 하는 영상 인식 방법의 구성을 개시한다.
본 발명에 따른 영상 인식 방법에 있어서, 상기 특징점 매칭 과정은 K-NN 알고리즘을 기반으로 상기 획득 영상과 상기 저장 영상 간의 특징점 매칭을 수행하는 과정, LSH(Local Sensitive Hashing) 및 FLANN 알고리즘을 기반으로 상기 획득 영상과 상기 저장 영상 간의 특징점 매칭을 수행하는 과정 중 어느 하나의 과정을 포함하는 것을 특징으로 한다.
본 발명에 따른 영상 인식 방법에 있어서, 상기 객체 분할 과정은 ORSA(Optimized Random Sampling Algorithm)을 이용하여 상기 선택된 저장 영상의 좌표를 상기 획득 영상에 제공하여 객체를 분할하는 과정을 포함하는 것을 특징으로 한다.
본 발명에 따른 영상 인식 방법에 있어서, 상기 컬러 히스토그램 산출 과정은 상기 획득 영상의 객체 영역에서 일정 비트로 표현되는 각 화소 값에 대하여 사전 정의된 일정 기준으로 하이 비트와 로우 비트를 구분하고, 하이 비트만을 선택하여 컬러 히스토그램을 산출하는 과정을 포함하는 것을 특징으로 한다.
본 발명에 따른 영상 인식 방법에 있어서, 상기 도출 과정은 상기 컬러 히스토그램 유사도와 상기 특징점 매칭 값의 합산이 가장 양호한 저장 영상을 영상 인식 결과로 도출하는 과정인 것을 특징으로 한다.
본 발명에 따른 영상 인식 방법에 있어서, 상기 돌출 과정 이후에는 상기 영상 인식 결과에 따라 상기 획득 영상에서의 특정 객체를 구분하여 표시하는 과정, 상기 획득 영상에 대응하는 저장 영상을 표시하는 과정, 상기 영상 인식된 저장 영상과 관련한 정보를 표시하는 과정, 상기 영상 인식된 저장 영상과 관련한 서버 장치 접속을 수행하는 과정, 상기 획득 영상에서의 특정 객체를 추적하는 과정 중 적어도 하나의 과정을 더 포함하는 것을 특징으로 한다.
본 발명에 따른 영상 인식 장치는 보다 빠른 영상 처리 속도를 제공할 수 있어 영상 인식 속도를 개선할 수 있다.
또한, 본 발명에 따른 영상 인식 장치는 광 특성에 강건한 영상 인식 수행을 기반으로 광 특성에 따른 영상 인식 에러를 최소화하고 보다 정확한 영상 인식을 수행할 수 있다.
도 1은 본 발명의 실시예에 따른 영상 인식 장치의 구성을 나타낸 도면이다.
도 2는 본 발명의 실시예에 따른 영상 인식 장치 구성 중 제어부 구성을 보다 상세히 나타낸 도면이다.
도 3은 본 발명의 실시예에 따른 영상 인식 기능 중 특징점 추출을 설명하기 위한 도면이다.
도 4는 본 발명의 실시예에 따른 영상 인식 기능 중 객체 검출을 설명하기 위한 도면이다.
도 5는 본 발명의 실시예에 따른 영상 인식 방법 중 컬러 공간 변환을 설명하기 위한 도면이다.
도 6은 본 발명의 실시예에 따른 영상 인식 방법 중 객체 인식 결과를 나타낸 도면이다.
도 7은 본 발명의 실시예에 따른 영상 인식 방법을 설명하기 위한 도면이다.
이하, 본 발명에 따른 바람직한 실시예를 첨부한 도면을 참조하여 상세히 설명한다. 하기의 설명에서는 본 발명의 실시예에 따른 동작을 이해하는데 필요한 부분만이 설명되며, 그 이외 부분의 설명은 본 발명의 요지를 흩트리지 않도록 생략될 것이라는 것을 유의하여야 한다.
이하에서 설명되는 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념으로 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 실시예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다.
도 1은 본 발명의 실시예에 따른 영상 인식 장치의 구성을 개략적으로 나타낸 도면이다. 도 1에서 설명하는 영상 인식 장치(100)는 카메라(110)를 포함하는 장치로서 스마트폰과 같은 휴대 단말기 장치일 수 있다.
도 1을 참조하면, 본 발명의 영상 인식 장치(100)는 카메라(110), 입력부(120), 표시부(140), 저장부(150) 및 제어부(160)의 구성을 포함할 수 있다.
이러한 구성의 영상 인식 장치(100)는 카메라(110)가 획득한 영상에 대한 특징점 추출을 수행하고 저장부(150)에 기 저장된 다수의 저장 영상과 비교를 수행하여 일정 비율 이상 매칭되는 특정 저장 영상을 선택한 후 컬러 히스토그램의 유사도 비교를 통한 영상 인식 기능을 지원한다. 이 과정에서 본 발명의 영상 인식 장치(100)는 획득 영상 및 저장 영상에 대한 컬러 히스토그램을 이용함으로써 광 특성에 대한 인식 에러를 최소화할 수 있도록 지원한다.
카메라(110)는 영상을 획득하는 장치이다. 이러한 카메라(110)는 CCD 카메라 등이 될 수 있다. CCD 카메라(charge-coupled device camera, CCD camera)는 디지털 카메라의 하나로, 전하 결합 소자(CCD)를 사용하여 영상을 전기 신호로 변환함으로써 디지털 데이터로 플래시 메모리 등의 기억 매체에 저장하는 장치이다. CCD는 디지털 카메라에서 빛을 전기적인 신호로 바꿔주는 광센서 반도체로, 일반 카메라의 필름을 감광시키는 기능을 지원한다. 렌즈와 조리개를 통해 카메라 내부로 전달된 빛은 CCD에 의해 빛의 강약을 통하여 전기적 신호로 변환되고 이 신호는 다시 아날로그 신호를 0과 1의 디지털 신호로 바꿔주는 ADC 변환 장치를 통해 이미지 파일로 변환된 뒤 메모리에 저장된다. 특히 렌즈와 조리개를 통해 유입된 빛의 세기는 CCD에 기록되며, 이때 CCD에 인접되어 배치된 RGB 색필터에 의해 각기 다른 색으로 분리된 후 CCD를 구성하는 수많은 감광소자에서 전기적 신호로 바뀌어 메모리에 저장된다. 제어부(160)는 실시간 영상 처리를 위하여 CCD 카메라에 배치된 메모리에 저장된 CCD 이미지를 실시간으로 수집하도록 제어할 수 있다. 카메라(110)는 동영상 이미지 또는 프리뷰 이미지를 제어부(160)에 전달할 수 있다. 본 발명의 영상 인식 기능은 동영상 이미지 또는 프리뷰 이미지 등에서의 객체 인식을 지원할 수 있다. 이하 설명에서 카메라(110)가 획득한 프리뷰 이미지나 동영상 이미지 또는 정지 영상 이미지 등은 저장 영상과 비교되는 획득 영상이 될 수 있다.
입력부(120)는 영상 인식 장치(100) 제어를 위한 다양한 입력 신호를 생성할 수 있다. 이를 위하여 입력부(120)는 키버튼이나 사이드 키, 홈 키, 터치 키 등 다양한 키를 포함할 수 있다. 이러한 입력부(120)는 본 발명의 영상 인식 모드 진입을 위한 입력 이벤트를 생성할 수 있다. 또는 입력부(120)는 영상 인식 모드 설정을 위한 입력 이벤트를 사용자 조작에 따라 생성할 수 있다. 한편, 입력부(120)는 카메라(110) 제어를 위한 입력 신호를 생성할 수 있다. 예컨대, 입력부(120)는 카메라(110) 활성화를 요청하는 입력 신호, 활성화된 카메라(110)를 이용하여 특정 영상 촬영을 요청하는 입력 신호 등을 생성할 수 있다.
표시부(140)는 영상 인식 장치(100) 운용과 관련된 다양한 화면을 출력할 수 있다. 예컨대, 표시부(140)는 영상 인식 장치(100)의 대기 화면, 메뉴 화면 등을 출력할 수 있다. 한편 표시부(140)는 영상 인식 모드 진입을 위한 아이콘이나 메뉴 항목을 출력할 수 있다. 표시부(140)는 카메라(110) 운용에 따라 획득된 프리뷰 이미지 또는 동영상 이미지를 출력할 수 있다. 또한 표시부(140)는 영상 인식 모드 수행에 따라 획득된 영상에 대한 영상 인식 결과를 출력할 수 있다. 예컨대, 표시부(140)는 획득 영상에서 저장 영상과 비교되는 객체 구분 표시, 해당 객체와 관련된 정보 표시 등을 수행할 수 있다. 또한, 표시부(140)는 획득된 영상에 대한 영상 인식 결과로서 기 저장된 저장 영상을 출력할 수 있다. 또한, 표시부(140)는 영상 인식 결과에 대응하는 특정 기능 수행에 따른 화면을 출력할 수 있다. 예컨대, 표시부(140)는 획득된 영상의 영상 인식 결과로서 특정 텍스트 정보나 이미지 정보가 포함된 경우 해당 텍스트 및 이미지 정보를 출력할 수 있다.
저장부(150)는 영상 인식 장치(100) 운용을 위한 다양한 프로그램 및 프로그램 운용에 따른 데이터를 저장할 수 있다. 예컨대 저장부(150)는 영상 인식 장치(100) 운용을 위한 운영체제 등을 저장할 수 있다. 특히, 저장부(150)는 본 발명의 영상 인식 모드 수행을 위하여 객체 인식 알고리즘(151), 객체 인식 프로그램(153) 및 영상 데이터베이스(155)를 저장할 수 있다. 그리고 저장부(150)는 획득 영상과 저장 영상들 간의 특징점 매칭 결과 값 및 컬러 히스토그램 유사도 비교 값을 저장할 수 있다. 특징점 매칭 결과 값과 컬러 히스토그램 유사도 비교 값은 영상 인식 결과 도출에 이용될 수 있다.
객체 인식 알고리즘(151)은 본 발명의 영상 인식 모드 수행을 위한 다양한 알고리즘을 포함할 수 있다. 예컨대, 객체 인식 알고리즘(151)은 특징점 추출을 위한 알고리즘을 포함할 수 있다. 또한 객체 인식 알고리즘(151)은 K-NN Matching 알고리즘, FLANN 알고리즘, Local Sensitive Hashing(LSH) 알고리즘, ORSA(Optimized Random Sampling Algorithm) 등을 포함할 수 있다. 객체 인식 알고리즘(151)은 객체 인식 프로그램(153) 운용 중에 호출되어 영상에서의 특징점 추출, 객체 추출, 배경 제거 등의 과정 수행에 이용될 수 있다.
객체 인식 프로그램(153)은 본 발명의 영상 인식 모드 수행을 위한 다양한 프로그램 루틴들을 포함할 수 있다. 예컨대, 객체 인식 프로그램(153)은 영상 인식 모드 활성화를 위한 이벤트가 발생하면 카메라(110)를 활성화하는 루틴, 카메라(110)로부터 획득된 영상에 대한 특징점 추출을 수행하는 루틴을 포함할 수 있다. 또한 객체 인식 프로그램(153)은 특징점들이 추출된 획득 영상과 사전 저장된 저장 영상과의 특징점 매칭을 수행하는 루틴, 특징점 매칭 결과가 양호한 또는 최고인 특정 저장 영상을 선택하는 루틴, 선택된 저장 영상을 이용하여 획득 영상의 배경을 제거하고 객체 추출을 수행하는 루틴을 포함할 수 있다. 그리고 객체 인식 프로그램(153)은 획득 영상에서 추출된 객체의 컬러 히스토그램 및 저장 영상 중 선택 영상의 컬러 히스토그램을 비교하는 루틴, 특징점 매칭 결과 및 컬러 히스토그램의 유사도 중 적어도 하나를 기반으로 영상 인식 결과를 출력하는 루틴을 포함할 수 있다.
영상 데이터베이스(155)는 적어도 하나의 저장 영상 또는 특정 영상에 포함된 객체와 비교될 원본 영상을 포함할 수 있다. 영상 데이터베이스(155)는 저장 영상들에 대하여 특징점 추출 알고리즘 적용에 따른 결과 값을 포함할 수 있다. 또한 영상 데이터베이스(155)는 저장 영상들에 대하여 컬러 히스토그램 값을 포함할 수 있다. 예컨대, 영상 데이터베이스(155)는 3개의 저장 영상을 포함하는 경우, 각각의 저장 영상들에 대한 특징점 추출 값, 컬러 히스토그램 값들을 저장할 수 있다. 영상 데이터베이스(155)에 저장된 특징점 추출 값과 컬러 히스토그램 값들은 획득 영상에 대한 비교 과정에서 이용될 수 있다.
제어부(160)는 본 발명의 영상 인식 모드 수행을 위한 다양한 제어 신호를 처리와 데이터 처리를 제어할 수 있다. 이를 위하여 제어부(160)는 도 2에 도시된 바와 같은 구성을 포함할 수 있다.
도 2는 본 발명의 실시예에 따른 영상 인식 장치 중 제어부 구성을 보다 상세히 나타낸 도면이다.
도 2를 참조하면, 본 발명의 제어부(160)는 특징점 추출부(161), 영상 선택부(163), 객체 분할부(165) 및 영상 인식부(167)의 구성을 포함할 수 있다.
특징점 추출부(161)는 카메라(110)가 획득한 영상에서의 특징점을 추출할 수 있다. 또한 특징점 추출부(161)는 저장부(150)에 저장된 저장 영상의 특징점을 추출할 수 있다. 이를 위하여 특징점 추출부(161)는 객체 인식 알고리즘(151)에 저장된 적어도 하나의 알고리즘을 이용할 수 있다. 예컨대, 특징점 추출부(161)는 영상에 대한 푸리에 변환 등을 토대로 필터링을 수행하여 객체의 경계선 영역들을 검출하고, 검출된 경계선 영역 중 적어도 일부를 특징점들로 추출할 수 있다. 특징점 추출부(161)에 의해 추출된 특징점들을 포함하는 획득 영상은 영상 선택부(163)에 전달될 수 있다. 또한 특징점 추출부(161)에 의해 추출된 특징점들은 해당 저장 영상과 관련하여 영상 데이터베이스(155)에 저장될 수 있다.
도 3은 본 발명의 실시예에 따른 획득 영상과 저장 영상의 특징점 추출 결과를 나타낸 도면이다. 특징점 추출 시 특징점 추출부(161)는 경계선 영역 검출이나 필터링 수행 등을 통하여 도 3에 도시된 바와 같이 복수개의 특징점들을 추출할 수 있다. 저장 영상의 특징점 추출은 영상 데이터베이스(155)에 저장되는 과정에서 수행되거나 또는 획득 영상의 영상 인식 과정이 요청되는 경우 수행될 수 있다. 영상 처리 속도 개선을 위하여 영상 데이터베이스(155)를 구성하는 과정에서 저장 영상들의 특징점 추출이 선행적으로 수행될 수 있다.
영상 선택부(163)는 획득된 영상의 특징점들과 유사한 특징점들을 가지는 저장 영상을 영상 데이터베이스(155)에서 선택할 수 있다. 이를 위하여 영상 선택부(163)는 획득 영상과 저장 영상들 간의 특징점들의 매칭 과정을 수행할 수 있다. 즉 영상 선택부(163)는 획득 영상에 포함된 특징점들의 분포와 일정 이상의 매칭 비율을 가지는 특징점들의 분포를 가지는 저장 영상을 선택할 수 있다. 또는 저장된 영상들 중 가장 많은 매칭점을 가지는 저장 영상이 선택될 수 있다. 영상 선택부(163)는 획득 영상과 저장 영상들 간의 특징점 매칭 결과 값을 저장부(150)에 임시 저장하고, 영상 인식부(167)에 전달할 수 있다.
이 과정에서 영상 선택부(163)는 영상에 포함된 모든 특징점들의 벡터 거리 계산 및 순위 매김을 수행하는 K-NN 매칭 알고리즘을 이용할 수 있다. 또는 영상 선택부(163)는 영상 처리 속도 개선을 위하여 비슷한 방향 성분들을 가지는 특징점들을 그룹핑하고, 그룹핑된 특징점들 내에서의 벡터 거리 계산을 수행하는 LSH 알고리즘 및 FLANN 방식을 이용할 수도 있다. 상기 영상 선택을 위한 매칭점들의 임계치는 설계자의 의도에 따라 달라지거나 적용되는 알고리즘에 따라 달라질 수 있다.
객체 분할부(165)는 획득 영상에서 특정 객체를 배경으로부터 제거하여 객체를 분할할 수 있다. 이를 위하여 객체 분할부(165)는 잘못된 매핑 포인트들을 제거하기 위하여 ORSA(Optimized Random Sampling Algorithm)를 이용할 수 있다. 도 4는 본 발명의 실시예에 따른 객체 검출을 설명하기 위한 도면이다. 객체 분할부(165)는 도 4의 401 영역에 나타낸 선택된 저장 영상의 훈련된 데이터 영상 셋(배경으로부터 미리 분할된 객체)의 좌표를 획득 영상에 적용하여 도 4의 403 영역에 나타낸 획득 영상의 객체 외곽 포인트를 추정하고 이를 이용하여 특정 객체를 배경으로부터 분리할 수 있다. 이 과정에서 객체 분할부(165)는 획득 영상과 선택된 저장 영상 간의 epipolar geometry를 계산한다. 그리고 객체 분할부(165)는 두 영상들에서 무작위로 포인트를 셋팅하고 homography matrix를 추정한다. 그다음 객체 분할부(165)는 homography matrix의 quality를 계산하고 그 중 가장 좋은 값을 선택한다. 객체 분할부(165)는 분할된 객체에 대한 정보를 영상 인식부(167)에 전달할 수 있다.
영상 인식부(167)는 컬러 히스토그램 기반으로 영상 인식을 수행할 수 있다. 디지털 영상은 0~255 값으로 구분된 8-bit 값으로 표현될 수 있다. RGB(Red, Green, Blue), HSV(Hue, Saturation, Value)와 같은 컬러 영상은 24-bit의 공간이 필요하고, 각 채널에 8-bit가 사용될 수 있다. 위에서 언급한 컬러 영상 공간 "d(Intensity)"는 다음 수학식 1과 같이 정의될 수 있다.
Figure pat00001
여기서, i는 픽셀의 serial 번호이고, bi는 0 또는 1로 구성된 값이다. bit-plane 정보는 high, low it로 구성될 수 있고, high-bit 영역은 low-bit 영역에 비해서 획득 영상에 대한 보다 정확한 정보가 포함될 수 있다. 이에 따라 본 발명의 영상 인식부(167)는 잡음 제거를 위하여 low-bit 영역에 존재하는 값들을 무시하도록 처리할 수 있다. 도 5는 HSV 공간에서 significant color 값을 추출한 결과를 나타낸 도면이다. 도 5를 참조하면, 좌측 획득 영상의 significant color 값 추출 결과에 따라 광에 의한 왜곡이 저감됨을 알 수 있다.
영상 인식부(167)는 significant color 추출이 완료되면, 획득 영상에서의 분할된 객체에 대한 컬러 히스토그램 및 영상 데이터베이스(155)에 저장된 훈련된 영상에서의 컬러 히스토그램을 작성할 수 있다. 컬러 히스토그램은 다음 수학식 2에서와 같이 정의될 수 있다.
Figure pat00002
여기서 Hc(i)는 특정 영상에 포함된 객체의 컬러 히스토그램이며, N(I,Ci)은 영상 안의 픽셀 개수이고, Ci는 HSV 컬러 공간을 표현하며, I는 Ci가 속한 값의 개수를 의미할 수 있다. 컬러 히스토그램이 검출되면, 영상 인식부(167)는 다음 수학식 3을 이용하여 검출된 컬러 히스토그램 데이터들의 유사도 검사를 수행할 수 있다.
Figure pat00003
여기서, d(H(I),H(J))는 컬러 히스토그램의 유사도 값이며, H(I)는 예컨대 획득 영상의 컬러 히스토그램 데이터, H(J)는 예컨대 저장 영상의 컬러 히스토그램 데이터가 될 수 있다. 특히 d(H(I),H(J))는 획득 영상의 컬러 히스토그램과 저장 영상의 컬러 히스토그램의 유클라디안 거리일 수 있다. 수식에 의하면 값이 커질수록 높은 확률을 가진다.
영상 인식부(167)는 컬러 히스토그램의 유사도 값이 검출되면, 다음 수학식 4를 이용하여 영상 인식 결과를 도출할 수 있다.
Figure pat00004
여기서 r(I,J)은 비교 영상들 예컨대 획득 영상과 저장 영상 간의 영상 인식이며, d(H(I),H(J))는 컬러 히스토그램의 유사도 값이다. 한편,
Figure pat00005
는 특징점들의 매칭 결과 값이다. 특징점들의 매칭 결과 값에서 분모에 위치한 max_of_vm_matches는 획득 영상과 저장 영상들 간 매칭 포인트가 가장 많이 검색된 수치를 의미할 수 있으며, vm-matches(I,J)는 선택 영상에서의 매칭 결과 값일 수 있다. 영상 인식부(167)는 특징점들의 매칭 결과 값과 컬러 히스토그램의 유사도 값의 합산을 통하여 획득 영상에 대한 영상 인식 결과를 도출할 수 있다. 즉 영상 인식부(167)는 획득 영상과 저장 영상들 간의 컬러 히스토그램 유사도가 가장 양호한 저장 영상과, 획득 영상과 저장 영상들 간의 특징점 매칭 결과 값 중 가장 양호한 매칭 결과 값을 가지는 저장 영상을 영상 인식 결과로서 도출할 수 있다. 이 과정에서 영상 인식부(167)는 특징점 매칭 결과 값을 이용하지 않고 컬러 히스토그램 유사도가 가장 양호한 저장 영상을 영상 인식 결과로서 도출할 수도 있다.
도 6은 본 발명의 실시예에 따른 특징점 매칭 결과 및 컬러 히스토그램 유사도 합산을 통한 획득 영상의 영상 인식 결과를 나타낸 도면이다. 도 6을 참조하면, 영상 인식 장치(100)는 획득 영상에 포함된 특정 객체에 매칭되는 저장 영상을 영상 데이터베이스(155)에서 올바르게 검출할 수 있다.
한편, 영상 인식부(167)는 획득 영상에 대한 객체 인식이 완료되면 그에 따른 사전 설정된 기능 수행을 지원할 수 있다. 예컨대, 영상 인식부(167)는 객체 인식 결과를 표시부(140) 일정 영역에 출력하도록 지원할 수 있다. 이때, 영상 인식부(167)는 저장 영상에 특정 텍스트 정보 및 이미지 정보 중 적어도 일부가 포함되어 있거나 링크되어 있는 경우 해당 정보 출력을 수행할 수 있다. 또는 영상 인식부(167)는 영상 인식 결과에 따라 특정 서버 접속을 수행할 수도 있다. 이를 위하여 휴대 단말기는 서버 접속을 위한 통신 채널을 형성하는 통신 모듈을 더 포함할 수도 있다.
이상에서 설명한 바와 같이 본 발명의 실시예에 따른 영상 인식 장치(100)는 특징점이 추출된 획득 영상에 대한 영상 인식 과정에서 컬러 히스토그램 산출 및 비교 방식을 통하여 사전 저장된 저장 영상들 중 가장 높은 유사도를 가지는 영상을 선택할 수 있다. 이에 따라 본 발명의 영상 인식 장치(100)는 광에 의한 왜곡 발생을 최소화함으로써 보다 신뢰성 높은 영상 인식 결과를 제공할 수 있으며, 상대적으로 낮은 비트 값을 가지는 특징점들을 무시함으로써 전체 특징점들을 비교하는 방식에 비하여 상대적으로 보다 빠른 영상 처리 속도를 지원할 수 있다. 또한 본 발명은 특징점 추출 및 매칭 과정에서 방향 성분이 유사한 특징점들의 벡터 거리 계산 처리를 수행하는 방식을 적용하여 보다 빠른 영상 처리 속도를 지원할 수 있다.
도 7은 본 발명의 실시예에 따른 영상 인식 방법을 설명하기 위한 도면이다.
도 7을 참조하면, 본 발명의 영상 인식 방법은 먼저, 제어부(160)가 701 단계에서 영상 인식 모드 진입 여부를 확인할 수 있다. 영상 인식 모드 진입을 위하여 영상 인식 장치(100)는 영상 인식 모드 실행을 위한 아이콘 및 메뉴 항목 중 적어도 하나를 출력할 수 있다. 한편, 카메라(110) 활성화 시 자동으로 영상 인식 모드가 진입되도록 설정된 경우 701 단계는 카메라(110) 활성화 여부를 확인하는 단계로 대체될 수 있다.
701 단계에서 영상 인식 모드 진입을 위한 설정이 없거나 발생한 입력 이벤트가 영상 인식 모드 진입을 위한 입력 이벤트가 아닌 경우 제어부(160)는 703 단에서 입력 이벤트에 따른 해당 기능 수행을 제어할 수 있다. 예컨대, 제어부(160)는 입력 이벤트 종류에 대응하여 저장부(150)에 저장된 파일을 재생하거나, 통신 서비스 지원을 수행할 수 있다. 또는 제어부(160)는 사용자 조작에 따라 또는 설정된 스케줄 정보에 따라 저장 영상을 제공하는 서버 장치로부터 저장 영상을 수신하여 저장할 수도 있다.
한편, 701 단계에서 영상 인식 모드 진입을 위한 설정이 있거나 입력 이벤트 발생이 있으면, 제어부(160)는 705 단계로 분기하여 영상 수집 여부를 확인할 수 있다. 705 단계에서 영상 수집이 발생하면, 제어부(160)는 707 단계에서 특징점 추출을 수행할 수 있다. 이 단계에서의 영상 수집은 프리뷰 이미지, 동영상 이미지, 정지 영상 이미지 등 다양한 이미지 획득 과정을 포함할 수 있다. 또한 영상 수집 과정은 외부 타 전자 장치로부터 영상을 수신하는 과정을 포함할 수도 있다.
다음으로, 제어부(160)는 709 단계에서 영상 선택을 수행할 수 있다. 이 과정에서 제어부(160)는 객체 인식 알고리즘(151)에 포함된 특정 알고리즘을 이용하여 획득 영상에 포함된 특정 객체의 특징점들과 일정 기준 이상의 매칭점들을 가진 저장 영상을 선택할 수 있다. 예컨대, 제어부(160)는 Local Sensitive Hashing(LSH)과 FLANN 알고리즘을 이용하여 획득 영상과 영상 데이터베이스(155)에 저장된 영상의 매칭 결과 값을 상호 비교하여 가장 높은 특징점 매칭 결과 값을 가지는 영상 선택을 수행할 수 있다. 이를 위하여 제어부(160)는 획득 영상과 저장 영상들 간의 매칭점 산출 및 매칭점 결과 값 비교를 수행할 수 있다. 그리고 제어부(160)는 선택된 저장 영상의 매칭점 결과 값과, 전체 저장 영상들의 매칭점 결과 값들을 저장할 수 있다. 저장된 매칭 결과 값들은 영상 인식 결과를 도출하는데 이용될 수 있다.
한편, 제어부(160)는 711 단계에서 객체 배경 분할을 수행할 수 있다. 이 과정에서 제어부(160)는 ORSA(Optimized Random Sampling Algorithm)를 사용하여 두 영상 간의 epipolar geometry를 추정하고 이를 기반으로 4개의 객체 외곽 지점을 획득 영상에서 검출할 수 있다. 이때, 제어부(160)는 영상 데이터베이스(155)에서 선택된 영상의 훈련된 데이터 셋 영상(배경으로부터 미리 분할된 객체)의 좌표를 획득 영상에 제공해주고 획득 영상의 객체를 배경으로부터 분할할 수 있는 객체 외곽 지점을 검출할 수 있다.
객체 검출이 수행되면, 제어부(160)는 713 단계에서 컬러 히스토그램을 이용한 영상 인식 및 기능 수행을 제어할 수 있다. 이를 보다 상세히 설명하면, 제어부(160)는 획득 영상에 대한 컬러 히스토그램 및 영상 데이터베이스(155)에 사전 저장된 저장 영상들의 컬러 히스토그램을 산출할 수 있다. 이 과정에서 제어부(160)는 획득 영상의 분할된 객체에 대한 컬러 히스토그램을 산출할 수 있다. 한편, 제어부(160)는 컬러 히스토그램 산출을 위하여 영상들의 각 화소 값들을 산출하여 비트 좌표(bit-plane)를 구성하고 일정 기준 이상의 화소 값(High-bit)을 선택한 후 이를 기반으로 하는 컬러 히스토그램을 산출할 수 있다. 즉 제어부(160)는 상대적으로 광에 대한 왜곡 현상이 높게 발생하는 일정 기준 이하의 비트 값은 무시하고, 광 왜곡 현상이 상대적으로 강건하게 나타내는 높은 비트 값 기반의 컬러 히스토그램을 준비할 수 있다.
컬러 히스토그램 산출이 완료되면, 제어부(160)는 획득 영상에서 분할된 객체의 컬러 히스토그램과 저장 영상들의 컬러 히스토그램들의 유사도 값을 산출할 수 있다. 그리고 제어부(160)는 획득 영상과 저장 영상들의 특징점들의 매칭 결과 값과 컬러 히스토그램 유사도 값을 합산하여 가장 양호한 값을 가지는 저장 영상을 획득 영상에 대한 영상 인식 결과로서 도출할 수 있다. 제어부(160)는 영상 인식 결과가 도출되면 사전 정의된 스케줄 정보에 따른 기능 수행을 제어할 수 있다. 예컨대, 제어부(160)는 획득 영상에서 검출된 객체의 구분 표시, 해당 객체에 대하여 인식된 저장 영상의 정보 표시, 저장 영상 인식에 따른 파일 재생이나, 서버 장치 접속 등을 수행할 수 있다. 또한 제어부(160)는 획득 영상에서 인식된 객체에 대한 객체 추적 기능을 수행할 수도 있다.
다음으로, 제어부(160)는 715 단계에서 기능 종료를 위한 입력 이벤트 발생이 있는지 확인할 수 있다. 제어부(160)는 기능 종료와 관련한 입력 이벤트 발생이 없으면, S701 단계 이전으로 분기하여 이하 과정을 재수행하도록 지원할 수 있다.
상술한 바와 같이 본 발명의 실시예에 따른 영상 인식 장치 및 방법은 획득 영상에서의 객체 인식을 위하여 저장 영상들과의 특징점 매칭 결과 및 컬러 히스토그램의 유사도를 이용하여 광 왜곡에 따른 영상 인식 문제점을 최소화할 수 있다.
한편, 상술한 설명에서 저장 영상에 대한 인식 결과 도출을 위하여 특징점 매칭 결과와 컬러 히스토그램의 유사도 값 이용을 설명하였으나, 본 발명이 이에 한정되는 것은 아니다. 즉 본 발명은 컬러 히스토그램의 유사도 값 비교만을 통해서도 획득 영상에 대한 저장 영상 선택을 수행할 수도 있으며, 부차적으로 특징점 매칭 결과 값 적용을 수행할 수도 있을 것이다.
이상 본 발명을 몇 가지 바람직한 실시예를 사용하여 설명하였으나, 이들 실시예는 예시적인 것이며 한정적인 것이 아니다. 이와 같이, 본 발명이 속하는 기술분야에서 통상의 지식을 지닌 자라면 본 발명의 사상과 첨부된 특허청구범위에 제시된 권리범위에서 벗어나지 않으면서 균등론에 따라 다양한 변화와 수정을 가할 수 있음을 이해할 것이다.
100 : 영상 인식 장치 110 : 카메라
120 : 입력부 140 : 표시부
150 : 저장부 160 : 제어부

Claims (15)

  1. 영상 획득을 수행하는 카메라;
    상기 획득된 획득 영상에 대한 영상 인식을 위하여 저장 영상들을 저장하는 저장부;
    상기 획득 영상에 대한 컬러 히스토그램과 상기 저장 영상들의 컬러 히스토그램 유사도 비교를 기반으로 상기 획득 영상에 대한 영상 인식을 수행하는 제어부;
    를 포함하는 것을 특징으로 하는 영상 인식 장치.
  2. 제1항에 있어서,
    상기 제어부는
    상기 획득 영상에서 특징점들을 추출하고, 상기 저장 영상들과의 특징점 매칭을 수행하여 일정 비율 이상 매칭 값을 가지는 저장 영상 또는 가장 양호한 매칭 값을 가지는 저장 영상을 선택한 후, 상기 선택된 저장 영상을 이용하여 상기 획득 영상에서의 특정 객체를 분할하는 것을 특징으로 하는 영상 인식 장치.
  3. 제2항에 있어서,
    상기 제어부는
    ORSA(Optimized Random Sampling Algorithm)을 이용하여 상기 선택된 저장 영상의 좌표를 상기 획득 영상에 제공하여 객체를 분할하는 것을 특징으로 하는 영상 인식 장치.
  4. 제2항에 있어서,
    상기 제어부는
    상기 획득 영상에서 상기 특정 객체의 컬러 히스토그램과 상기 저장 영상의 컬러 히스토그램 유사도를 비교하는 것을 특징으로 하는 영상 인식 장치.
  5. 제2항에 있어서,
    상기 제어부는
    상기 특징점 매칭 값과 상기 컬러 히스토그램 유사도 합산이 가장 양호한 저장 영상을 영상 인식 결과로 도출하는 것을 특징으로 하는 영상 인식 장치.
  6. 제2항에 있어서,
    상기 제어부는
    K-NN 알고리즘을 기반으로 상기 획득 영상과 상기 저장 영상 간의 특징점 매칭을 수행하는 것을 특징으로 하는 영상 인식 장치.
  7. 제2항에 있어서,
    상기 제어부는
    LSH(Local Sensitive Hashing) 및 FLANN 알고리즘을 기반으로 상기 획득 영상과 상기 저장 영상 간의 특징점 매칭을 수행하는 것을 특징으로 하는 영상 인식 장치.
  8. 제1항에 있어서,
    상기 제어부는
    상기 획득 영상에 대한 화소 값들 중 로우 비트 값을 무시한 컬러 히스토그램을 산출하는 것을 특징으로 하는 영상 인식 장치.
  9. 제1항에 있어서,
    상기 제어부는
    상기 영상 인식에 따라 상기 획득 영상에서의 특정 객체의 구분 표시, 상기 획득 영상에 대응하는 저장 영상의 표시, 상기 영상 인식된 저장 영상과 관련한 정보 표시, 상기 영상 인식된 저장 영상과 관련한 서버 장치 접속, 상기 획득 영상에서의 특정 객체 추적 중 적어도 하나를 제어하는 것을 특징으로 하는 영상 인식 장치.
  10. 영상을 획득하는 과정;
    상기 획득된 획득 영상의 특징점을 추출하는 과정;
    상기 획득 영상의 특징점들과 사전 저장된 저장 영상들의 특징점 매칭을 수행하는 특징점 매칭 과정;
    상기 특징점 매칭이 일정 비율 이상 또는 최고 비율인 저장 영상을 선택하는 과정;
    상기 저장 영상을 이용하여 상기 획득 영상의 특정 객체를 분할하는 분할 과정;
    상기 획득 영상에서 상기 분할된 객체의 컬러 히스토그램을 검출하는 컬러 히스토그램 산출 과정;
    상기 획득 영상의 객체에 대한 컬러 히스토그램과 상기 저장 영상의 컬러 히스토그램 간의 유사도를 산출하는 과정;
    상기 컬러 히스토그램의 유사도 값을 기반으로 상기 획득 영상에 대한 영상 인식 결과를 도출하는 도출 과정;
    을 포함하는 것을 특징으로 하는 영상 인식 방법.
  11. 제10항에 있어서,
    상기 특징점 매칭 과정은
    K-NN 알고리즘을 기반으로 상기 획득 영상과 상기 저장 영상 간의 특징점 매칭을 수행하는 과정;
    LSH(Local Sensitive Hashing) 및 FLANN 알고리즘을 기반으로 상기 획득 영상과 상기 저장 영상 간의 특징점 매칭을 수행하는 과정;
    중 어느 하나의 과정을 포함하는 것을 특징으로 하는 영상 인식 방법.
  12. 제10항에 있어서,
    상기 객체 분할 과정은
    ORSA(Optimized Random Sampling Algorithm)을 이용하여 상기 선택된 저장 영상의 좌표를 상기 획득 영상에 제공하여 객체를 분할하는 과정;
    을 포함하는 것을 특징으로 하는 영상 인식 방법.
  13. 제10항에 있어서,
    상기 컬러 히스토그램 산출 과정은
    상기 획득 영상의 객체 영역에서 일정 비트로 표현되는 각 화소 값에 대하여 사전 정의된 일정 기준으로 하이 비트와 로우 비트를 구분하고, 하이 비트만을 선택하여 컬러 히스토그램을 산출하는 과정;
    을 포함하는 것을 특징으로 하는 영상 인식 방법.
  14. 제10항에 있어서,
    상기 도출 과정은
    상기 컬러 히스토그램 유사도와 상기 특징점 매칭 값의 합산이 가장 양호한 저장 영상을 영상 인식 결과로 도출하는 과정인 것을 특징으로 하는 영상 인식 방법.
  15. 제10항에 있어서,
    상기 도출 과정 이후에는,
    상기 영상 인식 결과에 따라 상기 획득 영상에서의 특정 객체를 구분하여 표시하는 과정;
    상기 획득 영상에 대응하는 저장 영상을 표시하는 과정;
    상기 영상 인식된 저장 영상과 관련한 정보를 표시하는 과정;
    상기 영상 인식된 저장 영상과 관련한 서버 장치 접속을 수행하는 과정;
    상기 획득 영상에서의 특정 객체를 추적하는 과정;
    중 적어도 하나의 과정을 더 포함하는 것을 특징으로 하는 영상 인식 방법.
KR1020130162630A 2013-12-24 2013-12-24 영상 인식 장치 및 방법 KR101541384B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130162630A KR101541384B1 (ko) 2013-12-24 2013-12-24 영상 인식 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130162630A KR101541384B1 (ko) 2013-12-24 2013-12-24 영상 인식 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20150074646A true KR20150074646A (ko) 2015-07-02
KR101541384B1 KR101541384B1 (ko) 2015-08-03

Family

ID=53787725

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130162630A KR101541384B1 (ko) 2013-12-24 2013-12-24 영상 인식 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101541384B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109308456A (zh) * 2018-08-31 2019-02-05 北京字节跳动网络技术有限公司 目标对象的信息确定方法、装置、设备及存储介质
KR20200144244A (ko) * 2019-06-18 2020-12-29 주식회사 한글과컴퓨터 전자 문서에 삽입된 차트 이미지에서 차트 영역과 범례 영역에 대한 자동 매칭을 가능하게 하는 전자 장치 및 그 동작 방법
KR20210075412A (ko) * 2019-12-13 2021-06-23 주식회사 한글과컴퓨터 표가 삽입된 이미지를 전자 문서로 변환할 수 있는 전자 장치 및 그 동작 방법
US11410413B2 (en) * 2018-09-10 2022-08-09 Samsung Electronics Co., Ltd. Electronic device for recognizing object and method for controlling electronic device

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102539947B1 (ko) * 2018-07-03 2023-06-07 삼성전자주식회사 사용자를 인식하는 전자 장치 및 그 전자 장치를 제어하는 방법

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100281925B1 (ko) 1998-09-30 2001-02-15 윤종용 색 불변량을 이용한 화상 처리 및 인식 방법
JP4742168B2 (ja) 2006-05-22 2011-08-10 アクシス アーベー ビデオ監視カメラが検出した対象物の特性を識別する方法および機器
JP2012150552A (ja) * 2011-01-17 2012-08-09 Horiuchi Denki Seisakusho:Kk 物体認識処理装置及び物体認識処理方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109308456A (zh) * 2018-08-31 2019-02-05 北京字节跳动网络技术有限公司 目标对象的信息确定方法、装置、设备及存储介质
US11410413B2 (en) * 2018-09-10 2022-08-09 Samsung Electronics Co., Ltd. Electronic device for recognizing object and method for controlling electronic device
KR20200144244A (ko) * 2019-06-18 2020-12-29 주식회사 한글과컴퓨터 전자 문서에 삽입된 차트 이미지에서 차트 영역과 범례 영역에 대한 자동 매칭을 가능하게 하는 전자 장치 및 그 동작 방법
KR20210075412A (ko) * 2019-12-13 2021-06-23 주식회사 한글과컴퓨터 표가 삽입된 이미지를 전자 문서로 변환할 수 있는 전자 장치 및 그 동작 방법

Also Published As

Publication number Publication date
KR101541384B1 (ko) 2015-08-03

Similar Documents

Publication Publication Date Title
JP4772839B2 (ja) 画像識別方法および撮像装置
CN111881913A (zh) 图像识别方法及装置、存储介质和处理器
KR101541384B1 (ko) 영상 인식 장치 및 방법
CN109376256B (zh) 图像搜索方法及装置
JP6157165B2 (ja) 視線検出装置及び撮像装置
WO2014128688A1 (en) Method, system and software module for foreground extraction
US20160073004A1 (en) Detection of object in digital image
US8670609B2 (en) Systems and methods for evaluating images
CN110598795A (zh) 图像差异检测方法及装置、存储介质、终端
WO2011142313A1 (ja) 物体認識装置、方法、プログラム、および該ソフトウェアを格納したコンピュータ可読媒体
CN110717452B (zh) 图像识别方法、装置、终端及计算机可读存储介质
US10739573B2 (en) Image processing apparatus and image processing method for achieving visibility of an entire image used for capturing a microscopic image and accuracy of edge detection
JP2000339471A (ja) 画像抽出方法およびその装置
CN108805883B (zh) 一种图像分割方法、图像分割装置及电子设备
KR20140134549A (ko) 연속 촬영 이미지에서의 고조점 이미지 추출 장치 및 방법
CN110610178A (zh) 图像识别方法、装置、终端及计算机可读存储介质
US8824734B2 (en) Device, method and recording to determine depressed portions of image regions using shortcut line analysis
WO2017219562A1 (zh) 一种二维码生成方法及装置
US8538142B2 (en) Face-detection processing methods, image processing devices, and articles of manufacture
KR101327482B1 (ko) 이파리 영상의 잎맥 검출 및 특징 추출 방법 및 장치
KR101329492B1 (ko) 카메라 렌즈를 조절하여 인식할 문자열을 영상의 중앙에 인식 가능한 크기로 위치시키는 장치 및 그 방법
KR101836768B1 (ko) 물체 인식 기반의 자동 영상 컬러 밸런스 시스템 및 방법과 이에 관한 기록매체
CN111275045A (zh) 图像的主体识别方法、装置、电子设备和介质
KR20170045846A (ko) 엣지 라인을 검출하여 분할선을 획득하는 장치 및 방법
KR101465940B1 (ko) 영상에서 컬러 객체를 검출하는 방법, 영상에서 컬러 객체를 검출하는 장치 및 영상에서 복수의 컬러 객체를 검출하는 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20180625

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20190626

Year of fee payment: 5