KR20150103443A - 멀티클래스 분류 장치, 그 방법 및 컴퓨터 프로그램이 기록된 기록매체 - Google Patents

Abstract

본 발명은 멀티클래스 분류 장치, 그 방법 및 컴퓨터 프로그램이 기록된 기록매체를 개시한다. 즉, 본 발명은 선행 배경 분류부를 통해 멀티클래스의 개별 객체가 아닌 배경에 대한 학습을 통해서 배경을 미리 제거한 후, 배경이 제거된 실질적인 관심 영역에 해당하는 객체 후보 영역만을 멀티클래스 분류부에 제공함으로써 실질적인 관심 영역에 해당하는 객체 후보 영역만 멀티클래스 분류부에 제공하며, 멀티클래스 분류부의 학습 부하를 낮추면서도 성능을 개선할 수 있다.

Description

멀티클래스 분류 장치, 그 방법 및 컴퓨터 프로그램이 기록된 기록매체{Multiclass classification apparatus, method thereof and computer readable medium having computer program recorded therefor}

본 발명은 멀티클래스 분류 장치, 그 방법 및 컴퓨터 프로그램이 기록된 기록매체에 관한 것으로, 특히 선행 배경 분류부를 통해 멀티클래스의 개별 객체가 아닌 배경에 대한 학습을 통해서 배경을 미리 제거한 후, 배경이 제거된 실질적인 관심 영역에 해당하는 객체 후보 영역만을 멀티클래스 분류부에 제공하는 멀티클래스 분류 장치, 그 방법 및 컴퓨터 프로그램이 기록된 기록매체에 관한 것이다.

멀티클래스 분류 장치는 복수 종류의 클래스를 근거로 영상(또는 화상)에 포함된 객체를 분류하는 장치이다.

이러한 복수 종류의 클래스로 객체를 분류하는 멀티클래스 분류기의 경우, 약분류기들을 통해 구성되는 클래스별 분류기의 구성이 복잡하며, 멀티클래스 분류를 위한 트레이닝 세트가 상당히 증가함에 따라 학습 시간이 오래 걸리며 다양한 클래스에 대한 분류를 위한 성능 확보가 어렵다.

한국공개특허 제10-2008-0031148호 [명칭: 정보 처리 장치, 특징 추출 방법, 기록 매체, 및 프로그램]

본 발명의 목적은 멀티클래스의 개별 객체가 아닌 배경에 대한 학습을 통해서 배경을 미리 제공하는 선행 배경 분류부를 멀티클래스 분류부 이전에 추가로 구성하는 멀티클래스 분류 장치, 그 방법 및 컴퓨터 프로그램이 기록된 기록매체를 제공하는 데 있다.

본 발명의 다른 목적은 입력된 영상(또는 이미지)을 서브 영역으로 분할하고, 분할된 영상 중 배경에 해당하는 분할 영역을 멀티클래스 분류부에 제공하지 않고 미리 필터링하는 선행 배경 분류부를 구성하는 멀티클래스 분류 장치, 그 방법 및 컴퓨터 프로그램이 기록된 기록매체를 제공하는 데 있다.

본 발명의 실시예에 따른 멀티클래스 분류 장치는 미리 설정된 기준값을 근거로 영상을 분할하고, 분할된 복수의 분할 영역에 대해 미리 학습된 배경 여부를 판단하고, 복수의 분할 영역 중에서 배경이 아닌 하나 이상의 분할 영역을 관심 영역으로 구분하는 선행 배경 분류부; 및 선행 배경 분류부에 의해 구분된 배경이 아닌 하나 이상의 분할 영역을 미리 학습된 복수의 클래스 분류 모듈에 통과시켜 복수 클래스로 각각 분류하는 멀티클래스 분류부를 포함할 수 있다.

본 발명과 관련된 일 예로서 선행 배경 분류부는 미리 설정된 기준값을 근거로 영상을 복수의 분할 영역으로 분할하는 영역 분할 모듈; 및 분할된 복수의 분할 영역에 대해 미리 학습된 배경 여부를 판단하고, 복수의 분할 영역 중에서 배경이 아닌 하나 이상의 분할 영역을 구분하는 배경 분류 모듈을 포함할 수 있다.

본 발명과 관련된 일 예로서 배경 분류 모듈은 분할된 복수의 분할 영역 중에서 배경에 해당하지 않는 하나 이상의 분할 영역을 관심 영역으로 구분할 수 있다.

본 발명과 관련된 일 예로서 배경 분류 모듈은 분할된 복수의 분할 영역 중에서 배경에 해당되는 적어도 하나의 분할 영역을 제외한 관심 영역을 멀티클래스 분류부에 제공할 수 있다.

본 발명과 관련된 일 예로서 배경 분류 모듈은 영상 중에서 미리 설정된 클래스를 분류하고자 하는 부분을 제외한 나머지 부분을 배경으로 판단할 수 있다.

본 발명과 관련된 일 예로서 복수의 클래스 분류 모듈은 서로 다른 객체를 인식하기 위해 미리 학습된 복수의 클래스를 각각 포함할 수 있다.

본 발명의 실시예에 따른 멀티클래스 분류 방법은 선행 배경 분류부를 통해 미리 설정된 기준값을 근거로 영상을 복수의 분할 영역으로 분할하는 단계; 선행 배경 분류부를 통해 분할된 복수의 분할 영역에 대해 미리 학습된 배경 여부를 판단하는 단계; 판단 결과, 선행 배경 분류부를 통해 복수의 분할 영역 중에서 배경이 아닌 하나 이상의 분할 영역을 관심 영역으로 구분하는 단계; 및 멀티클래스 분류부를 통해 구분된 배경이 아닌 하나 이상의 분할 영역을 미리 학습된 복수의 클래스 분류 모듈에 통과시켜 복수 클래스로 각각 분류하는 단계를 포함할 수 있다.

본 발명과 관련된 일 예로서 분할된 복수의 분할 영역에 대해 미리 학습된 배경 여부를 판단하는 단계는 복수의 분할 영역으로 분할된 영상 중에서 미리 설정된 클래스를 분류하고자 하는 부분을 포함하는 분할 영역이 존재하는지 여부를 판단할 수 있다.

본 발명과 관련된 일 예로서 분할된 복수의 분할 영역에 대해 미리 학습된 배경 여부를 판단하는 단계는 복수의 분할 영역에 포함된 영상 중에서 미리 설정된 클래스를 분류하고자 하는 부분을 제외한 나머지 부분을 배경으로 판단할 수 있다.

본 발명의 실시예에 따른 컴퓨터 프로그램이 기록된 기록매체에는 상술한 실시예에 따른 방법을 수행하는 컴퓨터 프로그램이 저장될 수 있다.

본 발명은 멀티클래스의 개별 객체가 아닌 배경에 대한 학습을 통해서 배경을 미리 제공하는 선행 배경 분류부를 멀티클래스 분류부 이전에 추가로 구성함으로써, 사용자 장치(또는 단말)나 서비스 제공 장치(또는 서버) 중 어느 하나의 장치에서 구성 가능하며, 멀티클래스의 다양한 객체가 아닌 배경 하나에 대한 기준으로 동작하므로 구성이 용이하며, 후속 멀티클래스 분류부의 트레이닝 세트 크기를 줄일 수 있으면서도 성능을 향상시키는 효과가 있다.

또한, 본 발명은 입력된 영상(또는 이미지)을 서브 영역으로 분할하고, 분할된 영상 중 배경에 해당하는 분할 영역을 멀티클래스 분류부에 제공하지 않고 미리 필터링하는 선행 배경 분류부를 구성함으로써, 실질적인 관심 영역에 해당하는 객체 후보 영역만 멀티클래스 분류부에 제공하며, 멀티클래스 분류부의 학습 부하를 낮추면서도 성능을 개선하는 효과가 있다.

도 1은 본 발명의 실시예에 따른 멀티클래스 분류 장치의 구성을 나타낸 블록도이다.
도 2는 본 발명의 실시예에 따른 멀티클래스 분류 방법을 나타낸 흐름도이다.
도 3 내지 도 8은 본 발명의 실시예에 따른 멀티클래스 분류 방법에 의한 처리 영상을 나타낸 도이다.

본 발명에서 사용되는 기술적 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 발명에서 사용되는 기술적 용어는 본 발명에서 특별히 다른 의미로 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나, 과도하게 축소된 의미로 해석되지 않아야 한다. 또한, 본 발명에서 사용되는 기술적인 용어가 본 발명의 사상을 정확하게 표현하지 못하는 잘못된 기술적 용어일 때에는 당업자가 올바르게 이해할 수 있는 기술적 용어로 대체되어 이해되어야 할 것이다. 또한, 본 발명에서 사용되는 일반적인 용어는 사전에 정의되어 있는 바에 따라, 또는 전후 문맥상에 따라 해석되어야 하며, 과도하게 축소된 의미로 해석되지 않아야 한다.

또한, 본 발명에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함한다. 본 발명에서 "구성된다" 또는 "포함한다" 등의 용어는 발명에 기재된 여러 구성 요소들 또는 여러 단계를 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다.

또한, 본 발명에서 사용되는 제 1, 제 2 등과 같이 서수를 포함하는 용어는 구성 요소들을 설명하는데 사용될 수 있지만, 구성 요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성 요소는 제 2 구성 요소로 명명될 수 있고, 유사하게 제 2 구성 요소도 제 1 구성 요소로 명명될 수 있다.

이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.

또한, 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 발명의 사상을 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 발명의 사상이 제한되는 것으로 해석되어서는 아니 됨을 유의해야 한다.

도 1은 본 발명의 실시예에 따른 멀티클래스 분류 장치(10)의 구성을 나타낸 블록도이다.

도 1에 도시된 바와 같이, 멀티클래스 분류 장치(10)는 선행 배경 분류부(100) 및 멀티클래스 분류부(200)로 구성된다. 도 1에 도시된 멀티클래스 분류 장치(10)의 구성 요소 모두가 필수 구성 요소인 것은 아니며, 도 1에 도시된 구성 요소보다 많은 구성 요소에 의해 멀티클래스 분류 장치(10)가 구현될 수도 있고, 그보다 적은 구성 요소에 의해서도 멀티클래스 분류 장치(10)가 구현될 수도 있다. 여기서, 멀티클래스 분류 장치(10)는 사용자 장치(또는 단말/디바이스)(미도시)나 서비스 제공 장치(또는 서버) 등에서 구성할 수도 있다.

선행 배경 분류부(100)는 영상(또는 이미지)에 대해서 복수로 분할한 후, 분할된 복수의 분할 영역 중에서 배경에 해당하지 않는 하나 이상의 분할 영역을 구분하고, 구분된 하나 이상의 분할 영역을 멀티클래스 분류부(200)에 제공한다. 이후, 멀티클래스 분류부(200)는 배경에 해당하지 않는 하나 이상의 분할 영역을 미리 학습된 복수의 클래스 분류 모듈에 통과시켜 복수 클래스로 각각 분류한다.

도 1에 도시된 바와 같이, 선행 배경 분류부(100)는 영역 분할 모듈(110) 및 배경 분류 모듈(120)로 구성된다.

영역 분할 모듈(110)은 영상(또는 이미지)을 미리 설정된 기준(또는 기준값/간격)을 근거로 복수의 영상으로 분할한다. 여기서, 영상은 동영상 또는 정지영상일 수 있다. 이때, 동영상인 경우, 영상 분할 모듈(110)은 동영상 중 특정 부분(또는 특정 정지영상/이미지)을 복수로 분할할 수도 있다. 또한, 해당 영상은 멀티클래스 분류 장치(10)에 포함된 카메라(미도시)를 통해 촬영된 영상, 다른 디바이스(미도시)를 통해 촬영된 후 멀티클래스 분류 장치(10)로 전송된 영상 등일 수 있다.

또한, 영역 분할 모듈(110)은 복수 영역으로 분할된 영상을 배경 분류 모듈(120)에 제공(또는 전송)한다.

배경 분류 모듈(120)은 영역 분할 모듈(110)에서 복수 영역으로 분할된 영상의 복수의 분할 영역에 대해 미리 학습된(또는 미리 설정된) 배경 여부를 판단한다. 여기서, 배경은 영상 중에서 클래스를 분류하고자 하는 부분을 제외한 나머지 부분일 수 있다. 즉, 영상 중에서 사람 및 자전거를 분류하고자 하는 경우, 영상 중에서 사람 및 자전거를 제외한 나머지 부분이 배경일 수 있다. 또한, 영상 중에서 문(door)을 분류하고자 하는 경우, 영상 중에서 문을 제외한 나머지 부분이 배경일 수 있다. 이와 같이, 배경은 분류하고자 하는 클래스에 따라서 다르게 설정될 수 있다.

즉, 배경 분류 모듈(120)은 복수의 분할 영역에 대해서 미리 설정된 클래스를 포함하고 있는지 여부를 확인하여 배경인지 여부를 판단(또는 확인)한다.

판단 결과, 복수 영역으로 분할된 영상의 복수의 분할 영역 중에서 배경에 해당하지 않는 하나 이상의 분할 영역에 대해서, 배경 분류 모듈(120)은 배경에 해당하지 않는 하나 이상의 분할 영역을 관심 영역(또는 Region of Interest: ROI)으로 구분(또는 설정)한다.

즉, 판단 결과, 배경 분류 모듈(120)은 복수의 분할 영역에 대해서 미리 설정된 클래스를 포함하는 하나 이상의 분할 영역을 관심 영역으로 구분한다.

또한, 배경 분류 모듈(120)은 관심 영역으로 구분된 하나 이상의 분할 영역(또는 배경에 해당하지 않는 하나 이상의 분할 영역)을 멀티클래스 분류부(200)에 제공한다.

또한, 판단 결과, 복수 영역으로 분할된 영상의 복수의 분할 영역 중에서 배경에 해당되는 적어도 하나의 분할 영역에 대해서(또는 복수의 분할 영역 중에서 관심 영역을 제외한 나머지 영역에 대해서), 배경 분류 모듈(120)은 배경에 해당되는 적어도 하나의 분할 영역을 별도로 관리(예를 들어 버퍼에 임시 저장하거나 삭제)하거나 또는 멀티클래스 분류부(200)에 제공하지 않는다.

도 1에 도시된 바와 같이, 멀티클래스 분류부(200)는 복수의 클래스 분류 모듈(210, 220, ... )을 포함한다. 여기서, 복수의 클래스 분류 모듈(210, 220, ... )은 서로 다른 객체를 인식하기 위해서 개별적으로 미리 학습된 클래스(또는 하나 이상의/복수의 클래스)를 각각 포함한다.

또한, 멀티클래스 분류부(200)는 배경이 제거된 채로 선행 배경 분류부(100)(또는 배경 분류 모듈(120))로부터 제공되는 관심 영역으로 구분된 하나 이상의 분할 영역을 미리 학습된 복수의 클래스 분류 모듈(210, 220, ... )에 각각 통과시켜 복수 클래스로 분류한다. 이때, 멀티클래스 분류부(200)는 복수의 클래스에 대한 병렬 처리를 수행한다.

이와 같이, 멀티클래스의 개별 객체가 아닌 배경에 대한 학습을 통해서 배경을 미리 제공하는 선행 배경 분류부를 멀티클래스 분류부 이전에 추가로 구성할 수 있다.

또한, 이와 같이, 입력된 영상(또는 이미지)을 서브 영역으로 분할하고, 분할된 영상 중 배경에 해당하는 분할 영역을 멀티클래스 분류부에 제공하지 않고 미리 필터링하는 선행 배경 분류부를 구성할 수 있다.

이하에서는, 본 발명에 따른 멀티클래스 분류 방법을 도 1 내지 도 8을 참조하여 상세히 설명한다.

도 2는 본 발명의 실시예에 따른 멀티클래스 분류 방법을 나타낸 흐름도이다.

먼저, 선행 배경 분류부(100)는 입력된 영상(또는 이미지)을 미리 설정된 기준값을 근거로 복수의 영상으로 분할한다. 여기서, 영상은 동영상 또는 정지영상일 수 있으며, 동영상인 경우 선행 배경 분류부(100)는 동영상 중 특정 부분(또는 특정 이미지/정지영상)을 복수로 분할할 수 있다. 또한, 해당 영상은 멀티클래스 분류 장치(10)에 포함된 카메라(미도시)를 통해 촬영된 영상이거나 또는 다른 디바이스(미도시)를 통해 촬영된 후 전송된 영상일 수 있다.

일 예로, 선행 배경 분류부(100)에 포함된 영역 분할 모듈(110)은 도 3에 도시된 원본 이미지(또는 원본 영상)(310)를 도 4에 도시된 바와 같이 미리 설정된 간격(410)으로 복수로 분할(420)한다(S210).

이후, 선행 배경 분류부(100)는 복수 영역으로 분할된 복수의 분할 영역에 대해 미리 학습된(또는 미리 설정된) 배경 여부를 판단한다. 여기서, 배경은 영상 중에서 클래스를 분류하고자 하는 부분을 제외한 나머지 부분일 수 있다. 예를 들어, 영상 중에서 사람을 분류하고자 하는 경우, 영상 중에서 사람을 제외한 나머지 부분이 배경일 수 있다.

일 예로, 선행 배경 분류부(100)에 포함된 배경 분류 모듈(120)은 도 4에 도시된 복수의 분할 영역에 대해서 미리 학습된 배경 여부를 판단한다.

즉, 배경 분류 모듈(120)은 도 4에 도시된 복수의 분할 영역 중에서 사람 또는 자전거를 포함하는지 여부를 확인하고, 사람 또는 자전거를 포함하지 않는 분할 영역의 경우 배경으로 판단한다(S220).

판단 결과, 선행 배경 분류부(100)는 복수의 분할 영역 중에서 배경에 해당하지 않는 하나 이상의 분할 영역을 관심 영역(또는 ROI)으로 구분(또는 설정)한다.

또한, 선행 배경 분류부(100)는 관심 영역으로 구분된 하나 이상의 분할 영역을 멀티클래스 분류부(200)에 제공한다.

일 예로, 판단 결과, 배경 분류 모듈(120)은 도 4에 도시된 복수의 분할 영역 중에서 사람 또는 자전거를 포함하는 하나 이상의 분할 영역을 도 5에 도시된 바와 같이 관심 영역(510)으로 구분하고, 도 5에 도시된 관심 영역으로 구분된 하나 이상의 분할 영역을 멀티클래스 분류부(200)에 제공한다(S230).

또한, 판단 결과, 선행 배경 분류부(100)는 복수의 분할 영역 중에서 배경에 해당하는 적어도 하나의 분할 영역을 별도로 관리(예를 들어 버퍼에 임시 저장하거나 삭제)하거나 또는 멀티클래스 분류부(200)에 제공하지 않는다.

일 예로, 판단 결과, 배경 분류 모듈(120)은 도 4에 도시된 복수의 분할 영역 중에서 사람 또는 자전거를 포함하지 않는 적어도 하나의 분할 영역(610)을 도 6에 도시된 바와 같이 별도로 관리한다(S240).

이후, 멀티클래스 분류부(200)는 선행 배경 분류부(100)로부터 제공되는 관심 영역으로 구분된 하나 이상의 분할 영역에 대해서 각각의 분할 영역을 미리 학습된 복수의 클래스 분류 모듈에 통과시켜 복수 클래스로 각각 분류한다. 이때, 멀티클래스 분류부(200)는 복수의 클래스에 대한 병렬 처리를 수행한다.

일 예로, 멀티클래스 분류부(200)에 포함된 복수의 클래스 분류 모듈(210, 220 등 포함)은 배경 분류 모듈(120)로부터 제공되는 관심 영역으로 구분된 하나 이상의 분할 영역을 미리 학습된 복수의 클래스 분류 모듈(예를 들어 사람 분류 모듈, 자전거 분류 모듈)에 통과시켜 도 7에 도시된 사람에 대응된 클래스(710)와 도 8에 도시된 자전거에 대응된 클래스(810)로 각각 분류한다(S250).

본 발명의 실시예에 따른 멀티클래스 분류 장치 및 그 방법은 컴퓨터 프로그램으로 작성 가능하며, 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 당해 분야의 컴퓨터 프로그래머에 의하여 용이하게 추론될 수 있다. 또한, 해당 컴퓨터 프로그램은 컴퓨터가 읽을 수 있는 정보저장매체(computer readable media)에 저장되고, 컴퓨터나 본 발명의 실시예에 따른 멀티클래스 분류 장치, 사용자 장치, 서비스 제공 장치 등에 의하여 읽혀지고 실행됨으로써 멀티클래스 분류 장치 및 그 방법을 구현할 수 있다.

정보저장매체는 자기 기록매체, 광 기록매체 및 캐리어 웨이브 매체를 포함한다. 본 발명의 실시예에 따른 멀티클래스 분류 장치 및 그 방법을 구현하는 컴퓨터 프로그램은 멀티클래스 분류 장치, 사용자 장치, 서비스 제공 장치 등의 내장 메모리에 저장 및 설치될 수 있다. 또는, 본 발명의 실시예에 따른 멀티클래스 분류 장치 및 그 방법을 구현하는 컴퓨터 프로그램을 저장 및 설치한 스마트 카드 등의 외장 메모리가 인터페이스를 통해 멀티클래스 분류 장치, 사용자 장치, 서비스 제공 장치 등에 장착될 수도 있다.

본 발명의 실시예는 앞서 설명된 바와 같이, 멀티클래스의 개별 객체가 아닌 배경에 대한 학습을 통해서 배경을 미리 제공하는 선행 배경 분류부를 멀티클래스 분류부 이전에 추가로 구성하여, 사용자 장치(또는 단말)나 서비스 제공 장치(또는 서버) 중 어느 하나의 장치에서 구성 가능하며, 멀티클래스의 다양한 객체가 아닌 배경 하나에 대한 기준으로 동작하므로 구성이 용이하며, 후속 멀티클래스 분류부의 트레이닝 세트 크기를 줄일 수 있으면서도 성능을 향상시킬 수 있다.

또한, 본 발명의 실시예는 앞서 설명된 바와 같이, 입력된 영상(또는 이미지)을 서브 영역으로 분할하고, 분할된 영상 중 배경에 해당하는 분할 영역을 멀티클래스 분류부에 제공하지 않고 미리 필터링하는 선행 배경 분류부를 구성하여, 실질적인 관심 영역에 해당하는 객체 후보 영역만 멀티클래스 분류부에 제공하며, 멀티클래스 분류부의 학습 부하를 낮추면서도 성능을 개선할 수 있다.

전술된 내용은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

본 발명은 선행 배경 분류부를 통해 멀티클래스의 개별 객체가 아닌 배경에 대한 학습을 통해서 배경을 미리 제거한 후, 배경이 제거된 실질적인 관심 영역에 해당하는 객체 후보 영역만을 멀티클래스 분류부에 제공함으로써 멀티클래스의 다양한 객체가 아닌 배경 하나에 대한 기준으로 동작하므로 구성이 용이하며, 후속 멀티클래스 분류부의 트레이닝 세트 크기를 줄일 수 있으면서도 성능을 향상시키는 것으로, 영상 처리 분야, 객체 인식 분야 등에서 광범위하게 이용될 수 있다.

10: 멀티클래스 분류 장치 100: 선행 배경 분류부
200: 멀티클래스 분류부 110: 영역 분할 모듈
120: 배경 분류 모듈 200: 멀티클래스 분류부
210, 220: 클래스 분류 모듈

Claims (10)

1. 미리 설정된 기준값을 근거로 영상을 분할하고, 상기 분할된 복수의 분할 영역에 대해 미리 학습된 배경 여부를 판단하고, 상기 복수의 분할 영역 중에서 배경이 아닌 하나 이상의 분할 영역을 관심 영역으로 구분하는 선행 배경 분류부; 및
   상기 선행 배경 분류부에 의해 구분된 배경이 아닌 하나 이상의 분할 영역을 미리 학습된 복수의 클래스 분류 모듈에 통과시켜 복수 클래스로 각각 분류하는 멀티클래스 분류부를 포함하는 멀티클래스 분류 장치.
2. 제 1항에 있어서,
   상기 선행 배경 분류부는,
   상기 미리 설정된 기준값을 근거로 상기 영상을 복수의 분할 영역으로 분할하는 영역 분할 모듈; 및
   상기 분할된 복수의 분할 영역에 대해 상기 미리 학습된 배경 여부를 판단하고, 상기 복수의 분할 영역 중에서 배경이 아닌 하나 이상의 분할 영역을 구분하는 배경 분류 모듈을 포함하는 것을 특징으로 하는 멀티클래스 분류 장치.
3. 제 2항에 있어서,
   상기 배경 분류 모듈은 상기 분할된 복수의 분할 영역 중에서 상기 배경에 해당하지 않는 상기 하나 이상의 분할 영역을 상기 관심 영역으로 구분하는 것을 특징으로 하는 멀티클래스 분류 장치.
4. 제 2항에 있어서,
   상기 배경 분류 모듈은 상기 분할된 복수의 분할 영역 중에서 상기 배경에 해당되는 적어도 하나의 분할 영역을 제외한 상기 관심 영역을 상기 멀티클래스 분류부에 제공하는 것을 특징으로 하는 멀티클래스 분류 장치.
5. 제 2항에 있어서,
   상기 배경 분류 모듈은 상기 영상 중에서 미리 설정된 클래스를 분류하고자 하는 부분을 제외한 나머지 부분을 배경으로 판단하는 것을 특징으로 하는 멀티클래스 분류 장치.
6. 제 1항에 있어서,
   상기 복수의 클래스 분류 모듈은 서로 다른 객체를 인식하기 위해 미리 학습된 복수의 클래스를 각각 포함하는 것을 특징으로 하는 멀티클래스 분류 장치.
7. 선행 배경 분류부를 통해 미리 설정된 기준값을 근거로 영상을 복수의 분할 영역으로 분할하는 단계;
   상기 선행 배경 분류부를 통해 상기 분할된 복수의 분할 영역에 대해 미리 학습된 배경 여부를 판단하는 단계;
   상기 판단 결과, 상기 선행 배경 분류부를 통해 상기 복수의 분할 영역 중에서 배경이 아닌 하나 이상의 분할 영역을 관심 영역으로 구분하는 단계; 및
   멀티클래스 분류부를 통해 상기 구분된 배경이 아닌 하나 이상의 분할 영역을 미리 학습된 복수의 클래스 분류 모듈에 통과시켜 복수 클래스로 각각 분류하는 단계를 포함하는 멀티클래스 분류 방법.
8. 제 7항에 있어서,
   상기 분할된 복수의 분할 영역에 대해 미리 학습된 배경 여부를 판단하는 단계는 상기 복수의 분할 영역으로 분할된 영상 중에서 미리 설정된 클래스를 분류하고자 하는 부분을 포함하는 분할 영역이 존재하는지 여부를 판단하는 것을 특징으로 하는 멀티클래스 분류 방법.
9. 제 7항에 있어서,
   상기 분할된 복수의 분할 영역에 대해 미리 학습된 배경 여부를 판단하는 단계는 상기 복수의 분할 영역에 포함된 영상 중에서 미리 설정된 클래스를 분류하고자 하는 부분을 제외한 나머지 부분을 배경으로 판단하는 것을 특징으로 하는 멀티클래스 분류 방법.
10. 제 7항 내지 제 9항 중 어느 한 항에 따른 방법을 수행하는 컴퓨터 프로그램이 기록된 기록매체.

Images