KR20160112256A - 클러스터 시스템을 이용한 영상 분석 장치 및 분석 방법 - Google Patents

Abstract

클러스터 시스템을 이용한 영상 분석 장치 및 방법이 개시된다. 본 발명에 따른 대규모 영상 분석 장치는 입력된 영상과 저장된 영상과 연관 관계가 있는지 여부를 판단하는 판단부; 상기 입력된 영상과 상기 저장된 영상과 연관 관계가 있는 경우, 클러스터 시스템을 구성하는 하나 이상의 데이터 노드들 중 상기 저장된 영상이 존재하는 데이터 노드에 상기 입력된 영상을 저장하는 영상 저장부; 및 특징 추출기 및 분류기에 기반하여 상기 입력된 영상을 분석하는 영상 분석부를 포함한다.

Description

클러스터 시스템을 이용한 영상 분석 장치 및 분석 방법{IMAGE ANALYSIS APPARATUS USING CLUSTER SYSTEM AND METHOD USING THE SAME}

본 발명은 영상 분석 장치에 관한 것으로, 특히 다수의 컴퓨터로 구성된 클러스터 시스템에서 영상 분석을 수행할 때, 영상의 저장 위치와 영상 분석에 사용되는 프로그램의 저장하는 장치 및 이를 이용한 방법에 관한 것이다.

최근 디지털 카메라와 스마트폰으로 찍은 사진을 SNS(Social Network Service)와 블로그, 각종 커뮤니티 사이트 등을 통하여 공유하는 사회적 분위기가 확장되어 감에 따라, 매우 많은 양의 새로운 사진들이 인터넷을 통하여 유통되고 있으며, 소비되고 있다. 이에 따라 사진을 분석하는 기술 특히 이미지 분석 기술이 점점 주목을 받고 있다.

영상 분석 기술은 이미지 내에 하나 이상의 객체가 있을 때, 각 객체의 종류와 성격 등을 판단하는 기술이다. 영상 분석은 사용하는 기술에 따라 다를 수 있으나, 일반적으로 영상 분석은 전처리 단계, 이미지 내부의 객체의 특징을 추출하는 단계 및 객체를 분류하는 단계를 거치게 된다.

기존의 영상 분석 기술은 개개의 영상 분석을 위한 단계가 독립적으로 수행되면서 동작하였다. 특히 클러스터 시스템으로 구성된 영상 분석을 위한 장치는 하둡 분산 파일 시스템(Hadoop Distributed File System, HDFS)을 이용하여 영상을 각 노드에 저장한 뒤 각 노드에서 독립적으로 맵리듀스(MapReduce)를 이용하여 영상을 처리하게 된다.

그러나, 이와 같은 종래의 클러스터 시스템을 이용한 영상 처리 기술은 동영상 스트림을 정지 영상으로 변환하여 분석할 때, 임의의 노드에 영상의 일부가 저장되고, 저장된 영상의 일부를 노드에서 처리할 때마다 새로운 분류기와 특징 추출기가 실행되어야 하는 비효율 적인 처리 방식을 유지하고 있다. 이로 인해 종래 기술은 영상 처리의 속도가 현저하게 줄어드는 치명적인 단점을 갖고 있다.

따라서, 영상 처리의 속도를 최대한 빠르게 할 수 있는 요소를 소개하고, 이 요소를 활용하여 영상을 처리하여 좀 더 빠른 영상 처리를 제공할 수 있는 새로운 영상 처리 기술의 필요성이 절실하게 대두된다.

본 발명의 목적은 클러스터로 구성된 시스템에서 분산 처리 플랫폼을 사용하여 영상에 대한 분석을 수행할 때, 기존에 분석한 영상과 동일한 스트림을 갖는 영상을 기존에 분석한 영상이 저장되어 있는 서버에 저장하여 좀 더 빠른 영상 분석이 가능하도록 하는 것이다.

또한, 본 발명의 목적은 추출된 영상을 분석하면서 사용된 객체의 특징 결과와 분류 결과를 저장하고 재 사용하여 좀 더 빠른 영상 분석이 가능하도록 하는 것이다.

또한, 본 발명의 목적은 추출된 영상을 분석하면서 이용한 특징 추출기 및 분류기를 저장하고 재 사용하여 좀 더 빠른 영상 분석이 가능하도록 하는 것이다.

또한, 본 발명의 목적은 기존에 분석한 영상과 동일한 스트림을 갖는 영상을 기존에 분석한 영상에 상응하는 특징 추출기 및 분류기가 저장되어 있는 데이터 노드에 저장하여 데이터를 이동시키는 불필요한 트래픽을 감소할 수 있게 하는 것이다.

또한, 본 발명의 목적은 데이터를 이동시키는 불 필요한 트래픽을 감소시켜 좀 더 빠른 영상 분석이 가능하게 하는 것이다.

상기한 목적을 달성하기 위한 본 발명에 따른 클러스터 시스템을 이용한 영상 분석 장치는, 입력된 영상과 저장된 영상과 연관 관계가 있는지 여부를 판단하는 판단부, 상기 입력된 영상과 상기 저장된 영상과 연관 관계가 있는 경우, 클러스터 시스템을 구성하는 하나 이상의 데이터 노드들 중 상기 저장된 영상이 저장된 데이터 노드에 상기 입력된 영상을 저장하는 영상 저장부 및 특징 추출기 및 분류기에 기반하여 상기 입력된 영상을 분석하는 영상 분석부를 포함한다.

이 때, 상기 영상 분석 장치는 상기 입력된 영상을 분석한 결과에 기반하여 피드백을 수행하는 피드백 수행부를 더 포함할 수 있다.

이 때, 피드백 수행부는 상기 입력된 영상 내부의 객체의 정보를 태그하여 상기 판단부에 태그를 저장하는 태그 저장부 및 상기 특징 추출기를 상기 입력된 영상이 저장된 데이터 노드에 저장하는 분류기 저장부를 포함할 수 있다.

이 때, 판단부는 상기 태그에 기반하여 상기 입력된 영상과 상기 저장된 영상과 연관 관계가 있는지 여부를 판단할 수 있다.

이 때, 분석부는 상기 저장된 영상에 상응하는 특징 추출기를 이용하여 상기 입력된 영상의 특징을 추출하는 특징 추출부 및 상기 저장된 영상에 상응하는 분류기를 이용하여 상기 입력된 영상 내부의 객체를 추출하는 객체 추출부를 포함할 수 있다.

또한, 본 발명의 일실시예에 따른 클러스터 시스템을 이용한 영상 분석 방법은 입력된 영상과 저장된 영상이 연관 관계가 있는지 여부를 판단하는 단계, 상기 입력된 영상과 상기 저장된 영상과 연관 관계가 있는 경우, 클러스터 시스템을 구성하는 하나 이상의 데이터 노드들 중 상기 저장된 영상이 존재하는 데이터 노드에 상기 입력된 영상을 저장하는 단계; 상기 데이터 노드에 저장된 특징 추출기 및 분류기에 기반하여 상기 입력된 영상을 분석하는 단계를 포함한다.

이 때, 상기 영상 분석 방법은 상기 입력된 영상을 분석한 결과에 기반하여 피드백을 수행하는 단계를 더 포함할 수 있다.

이 때, 상기 피드백을 수행하는 단계는 상기 입력된 영상 내부의 객체의 정보를 태그하여 태그를 저장하는 단계, 상기 특징 추출기를 상기 입력된 영상이 저장된 데이터 노드에 저장하는 단계 및 상기 분류기를 상기 입력된 영상이 저장된 데이터 노드에 저장하는 단계를 포함한다.

이 때, 상기 연관 관계 여부를 판단하는 단계는 상기 태그에 기반하여 상기 입력된 영상과 상기 기 저장된 영상과 연관 관계가 있는지 여부를 판단할 수 있다.

이 때, 상기 입력된 영상을 분석하는 단계는 상기 저장된 영상에 상응하는 특징 추출기를 이용하여 상기 입력된 영상의 특징을 추출하는 단계 및 상기 저장된 영사상에 상응하는 분류기를 이용하여 상기 입력된 영상 내부의 객체를 추출하는 단계를 포함할 수 있다.

본 발명에 따르면, 클러스터로 구성된 시스템에서 분산 처리 플랫폼을 사용하여 영상에 대한 분석을 수행할 때, 기존에 분석한 영상과 동일한 스트림을 갖는 영상을 기존에 분석한 영상이 저장되어 있는 서버에 저장할 수 있어 좀 더 빠른 영상 분석이 가능하다.

또한, 본 발명은 추출된 영상을 분석하면서 사용된 객체의 특징 추출기와 분류기를 저장하고 재 사용할 수 있어 좀 더 빠른 영상 분석이 가능하다.

또한, 본 발명은 추출된 영상을 분석하면서 이용한 분류기 및 특징추출기를저장하고 재 사용할 수 있어 좀 더 빠른 영상 분석이 가능하다.

또한, 본 발명은 기존에 분석한 영상과 동일한 스트림을 갖는 영상을 기존에 분석한 영상에 상응하는 분류기 및 특징 추출기가 저장되어 있는 데이터 노드에 저장할 수 있어 데이터를 이동시키는 불필요한 트래픽을 감소할 수 있게 한다.

또한, 본 발명은 데이터를 이동시키는 불 필요한 트래픽을 감소할 수 있게 하여 좀 더 빠른 영상 분석이 가능하다.

도 1은 본 발명의 클러스터 시스템을 이용한 영상 분석 장치의 블록도이다.
도 2는 도 1에 피드백 수행부를 추가하여 나타낸 블록도이다.
도 3은 도 2에 도시된 피드백 수행부의 일 예를 나타낸 블록도이다.
도 4는 본 발명의 클러스터 시스템을 이용한 영상 분석 장치의 다른실시예를 나타낸 블록도이다.
도 5 내지 도 6은 본 발명의 일실시예에 따른 클러스터 시스템을 이용한 대규모 영상 분석 장치에서 서버에 저장된 분류기와 특징추출기를 나타낸 도면이다.
도 7은 본 발명의 일실시예에 따른 클러스터 시스템을 이용한 영상 분석 방법의 동작 흐름도이다.
도 8은 본 발명의 일실시예에 따른 클러스터 시스템을 이용한 영상 분석 방법에서 피드백을 수행하는 방법에 관한 동작 흐름도이다.

본 발명을 첨부된 도면을 참조하여 상세히 설명하면 다음과 같다. 여기서, 반복되는 설명, 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능, 및 구성에 대한 상세한 설명은 생략한다. 본 발명의 실시형태는 당 업계에서 평균적인 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위해서 제공되는 것이다. 따라서, 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.

이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.

도 1은 본 발명의 클러스터 시스템을 이용한 영상 분석 장치의 블록도이다.

도 1을 참조하면 클러스터 시스템을 이용한 대규모 영상 분석 장치는 판단부(110), 영상 저장부(120) 및 영상 분석부(130)를 포함한다.

판단부(110)는 입력된 영상과 저장된 영상과 연관 관계가 있는지 여부를 판단한다.

이 때, 연관 관계가 있는지 여부를 판단하는 것은 입력된 영상 내부에 존재하는 객체들과 저장된 영상 내부에 존재하는 객체들과 동일 종류의 객체인지를 판단하는 것을 의미한다.

예를 들면, 이전에 저장된 영상에 강아지와 사람이 존재하고, 입력된 영상 내부에 고양이와 사자가 존재하는 경우에는 연관 관계가 있는 영상이 아니다.

또 예를 들면, 이전에 저장된 영상에 강아지와 사람이 존재하고, 입력된 영상 내부에 강아지와 사람이 존재하는 경우에는 서로 연관 관계가 있는 영상이다.

이 때, 연관 관계가 있는지 여부를 판단하기 전에 입력된 영상을 분석할 수 있는 형태로 변환할 수도 있다. 예를 들면, 입력된 영상이 CCTV에서 입력된 영상인 경우, 일정한 주기로 영상 프레임을 추출하여 분석할 수 있는 영상으로 변환한 후 저장하여 연관 관계 여부를 판단할 수도 있다.

영상 저장부(120)는 입력된 영상과 저장된 영상과 연관 관계가 있는 경우, 클러스터 시스템을 구성하는 하나 이상의 데이터 노드들 중 상기 저장된 영상이 저장된 데이터 노드에 상기 입력된 영상을 저장한다.

이 때, 클러스터 시스템은 하나 이상의 데이터 노드들로 이루어진 시스템일 수 있다. 데이터 노드는 하나의 컴퓨터로 구성된 노드일 수도 있다.

예를 들면, 영상의 내부에 강아지와 사람이 있는 저장된 영상이 A 데이터 노드에 있고, 입력된 영상의 내부에 강아지와 사람이 존재하여 이미 저장된 영상과 연관 관계가 있는 경우, 입력된 영상은 A 데이터 노드에 저장될 수 있다.

이 때, 입력된 영상은 하둡 분산 파일 시스템(Hadoop Distributed File System, HDFS)을 이용하여 저장할 수도 있다.

영상 분석부(130)는 특징 추출기 및 분류기에 기반하여 입력된 영상을 분석한다.

이 때, 특징 추출기는 영상 내부의 객체의 특징을 추출하는 기능을 수행할 수 있다. 예를 들면, SIFT, HOG, LBP, 엣지, 히스토그램 중 어느 하나를 이용하여 특징 추출기가 객체의 특징을 추출할 수도 있다.

이 때, 분류기는 특징 추출기에서 추출한 특징에 기반하여 영상 내부의 객체를 식별한다.

도 2는 도 1에 피드백 수행부를 추가하여 나타낸 블록도이다.

도 2를 참조하면, 본 발명에 따른 클러스터 시스템을 이용한 영상 처리 장치는 판단부(210), 영상 저장부(220), 영상 분석부(230) 및 피드백 수행부(240)로 구성된다.

판단부(210), 영상 저장부(220) 및 영상 분석부(230)에 관한 상세한 설명은 도 1에 관한 설명에서 서술하였다.

피드백 수행부(240)는 입력된 영상을 분석한 결과에 기반하여 피드백을 수행한다.

피드백 수행부(240)는 도 3을 참조하여 설명하면 먼저, 태그 저장부(310), 특징 추출기 저장부(320) 및 분류기 저장부(330)로 구성되어 있다.

태그 저장부(310)는 입력된 영상 내부의 객체의 정보를 태그하여 판단부(210)에 태그를 저장한다.

이 때, 태그는 입력된 영상의 내부의 객체의 종류를 저장한 것을 의미한다. 예를 들어, 입력된 영상의 내부에 강아지와 사람, 총 2개의 객체가 존재하는 경우, 태그 저장부(310)는 입력된 영상에 강아지, 사람이 존재한다는 정보를 태그하여 판단부(210)에 저장한다.

이 때, 판단부(210)는 태그를 이용하여 새로 입력된 영상과 이전에 입력된 영상과 연관 관계를 판단할 수도 있다.

특징 추출기 저장부(320)는 입력된 영상이 저장된 데이터 노드에 특징 추출기를 저장한다.

이 때, 특징 추출기는 영상 내부의 객체의 특징을 추출하는 기능을 수행할 수 있다. 예를 들면, SIFT, HOG, LBP, 엣지, 히스토그램 중 어느 하나를 이용하여 특징 추출기가 객체의 특징을 추출할 수도 있다.

이 때, 판단부(110)에서 새로 입력된 영상이 기존에 입력된 영상과 연관 관계가 있다고 판단한 경우, 새로 입력된 영상은 특징 추출기 저장부(320)에서 저장한 특징 추출기를 이용하여 영상을 분석할 수 있다.

분류기 저장부(330)는 입력된 영상이 저장된 데이터 노드에 분류기를 저장한다.

이 때, 분류기는 입력된 영상을 특징 추출기를 이용하여 특징을 추출하고, 추출된 특징에 기반하여 입력된 영상 내부의 객체의 종류를 판단하는 것을 의미한다.

이 때, 입력된 영상에 상응하는 분류기를 입력된 영상이 저장된 데이터 노드에 저장할 수 있다.

이 때, 판단부(110)에서 새로 입력된 영상이 기존에 입력된 영상과 연관 관계가 있다고 판단한 경우, 새로 입력된 영상은 분류기 저장부(330)에서 저장한 분류기를 이용하여 영상을 분석할 수 있다.

도 4는 본 발명의 클러스터 시스템을 이용한 영상 분석 장치의 다른실시예를 나타낸 블록도이다.

도 4는 클러스터 시스템에서 널리 이용되는 하둡 분산 처리 시스템을 적용한 관점에서 도시한 도면이다.

영상 수집부(410)는 영상을 수집하고, 수집된 영상을 분석 가능한 영상으로 변환할 수 있다. 예를 들면, CCTV에서 촬영된 영상의 경우 일정한 주기로 영상 프레임을 추출하는 방식으로 분석이 가능한 영상을 변환된다.

영상 처리부(420)는 영상 수집부(410)에서 수집한 영상을 분석한다.

이 때, 영상 처리부(420)는 도 4에 도시되지 않았으나, 영상을 저장하는 영상 저장부, 전처리부, 특징 추출부 및 영상 분석부를 포함할 수 있다.

이 때, 영상 저장부는 변환된 영상을 영상 처리 장치 내부의 분산 파일 시스템에 저장할 수 있다. 예를 들면, 영상 저장부는 변환된 영상을 클러스터 시스템 내부의 하나의 서버에 저장하게 된다.

이 때, 영상 저장부는 변환된 영상을 하둡 분산 파일 시스템(Hadoop Distributed File System, HDFS)를 이용하여 저장할 수도 있다.

이 때, 전처리부는 영상 내부의 객체의 특징을 추출할 수 있도록 영상을 나누거나 정제하는 전처리를 할 수 있다.

이 때, 특징 추출부는 전처리한 영상 내부의 객체의 특징을 추출할 수 있다. 예를 들면, 특징은 Scale Invariant Feature Transform(SIFT), Histogram of Oriented Gradient(HOG), Local Binary Pattern(LBP), 히스토그램 등 영상 처리 기법을 이용하여 추출할 수도 있다.

이 때, 객체의 특징을 추출하는 과정에서 맵리듀스(MapReduce) 기법을 이용할 수도 있다.

이 때, 특징 추출부는 영상 내부의 객체의 특징을 추출하는 특징추출기를 영상 저장부에 저장할 수 있다. 이를 통해 해당 영상에 포함된 객체의 특징을 추출하는 특징 추출기를 미리 저장함으로써, 같은 스트림을 가지고 있는 다른 영상들을 분석할 때, 이전에 사용하였던 특징 추출기를 이용하여 바로 영상내 부의 객체의 특징을 추출 할 수 있어 영상의 분석 속도가 빨라질 수 있다.

이 때, 영상 분석부는 추출된 객체의 특징을 활용하여 해당 영상에 나타나는 객체의 종류를 분석할 수 있다.

이 때, 객체의 종류를 분석하는 과정에서 맵리듀스(MapReduce) 기법을 이용할 수도 있다.

이 때, 영상 분석부는 영상 내부의 객체를 분류하는 분류기를 영상 저장부에 저장할 수 있다. 이를 통해 해당 영상에 포함된 객체를 분류하는 분류기를 미리 저장함으로써, 같은 스트림을 가지고 있는 다른 영상들을 분석할 때, 이전에 이용하였던 분류기를 이용하여 바로 영상을 분석할 수 있어 영상의 분석 속도가 빨라질 수 있다.

분산 처리부(430)는 클러스터 시스템 상에 존재하는 다수의 데이터 노드 중 하나 이상의 데이터 노드에서 영상을 분석할 수 있도록 입력된 영상을 하나 이상의 데이터 노드로 분산하여 처리하는 기능을 수행한다.

이 때, 분산 처리부(430)는 공유 메모리를 사용하여 영상 분석을 수행하도록 할 수도 있다.

도 5 내지 도 6은 본 발명의 일실시예에 따른 클러스터 시스템을 이용한 영상 분석 장치에서 서버에 저장된 분류기와 특징추출기를 나타낸 도면이다.

도 5를 참조하면, 도 5는 영상을 분석한 후에 분석된 영상이 저장된 데이터 노드에 분류기와 특징 추출기가 저장된 것을 도시한 도면이다.

이 때, 자동차와 사람이 포함된 영상을 분석하면서, 분류기와 특징 추출기를 사용하고, 영상이 저장된 데이터 노드에 자동차와 사람이 포함된 영상을 분석하면서 사용한 분류기, 특징 추출기를 저장할 수 있다.

도 6을 참조하면, 도 6은 도 5와 동일하게 영상을 분석한 후에 분석된 영상이 저장된 데이터 노드에 분류기와 특징 추출기가 저장된 것을 도시한 도면이다.

이 때, 도 5와 다르게 사람과 개가 포함된 영상을 분석한 후 분석한 영상을 저장한 데이터 노드에 분류기와 특징 추출기가 저장된 것을 도시하였다.

이 때, 판단부(110)에서 도 5의 경우 사람과 자동차가 포함된 영상이고, 도 6의 경우 사람과 개가 포함된 영상이라 서로 연관 관계가 없다고 판단할 수 있다.

이 때, 도 5 및 도 6에 도시한 것과 같이 연관 관계가 없는 영상의 경우 서로 다른 데이터 노드에 각각의 영상, 분류기 및 특징 추출기가 저장이 될 수 있다.

도 7은 본 발명의 일실시예에 따른 클러스터 시스템을 이용한 영상 분석 방법의 동작 흐름도이다.

먼저, 입력된 영상과 연관 관계가 있는 영상의 존재 여부를 확인한다(S710).

이 때, 영상의 존재 여부 확인은 판단부(110)에서 수행될 수 있다.

이 때, 연관 관계가 있는지 여부를 판단하는 것은 입력된 영상 내부에 존재하는 객체들과 저장된 영상 내부에 존재하는 객체들과 동일 종류의 객체인지를 판단하는 것을 의미한다.

예를 들면, 이전에 저장된 영상에 강아지와 사람이 존재하고, 입력된 영상 내부에 고양이와 사자가 존재하는 경우에는 연관 관계가 있는 영상이 아니다.

또 예를 들면, 이전에 저장된 영상에 강아지와 사람이 존재하고, 입력된 영상 내부에 강아지와 사람이 존재하는 경우에는 서로 연관 관계가 있는 영상이다.

이 때, 연관 관계가 있는지 여부를 판단하기 전에 입력된 영상을 분석할 수 있는 형태로 변환할 수도 있다. 예를 들면, 입력된 영상이 CCTV에서 입력된 영상인 경우, 일정한 주기로 영상 프레임을 추출하여 분석할 수 있는 영상으로 변환한 후 저장하여 연관 관계 여부를 판단할 수도 있다.

또한, 연관 관계가 있는 영상이 존재하는 경우, 입력된 영상을 연관 관계가 있는 영상이 저장된 데이터 노드에 저장한다(S720).

또한, 저장된 데이터 노드에 존재하는 분류기, 특징 추출기를 이용하여 영상 분석을 수행한다(S730).

이 때, 영상 분석을 수행하는 것에 관한 설명은 도 1, 도 4에서 서술하였다.

또한, 연관 관계가 있는 영상이 존재하지 않는 경우, 임의의 데이터 노드에 영상을 저장한다(S740).

또한, 저장된 데이터 노드에서 영상 분석을 수행한다(S750).

도 8은 본 발명의 일실시예에 따른 클러스터 시스템을 이용한 영상 분석 방법에서 피드백을 수행하는 방법에 관한 동작 흐름도이다.

먼저, 영상을 분석한 후 객체 종류 분석 결과를 확인한다(S810).

예를 들면, 사람과 개가 포함된 영상을 분석한 후, 영상에 사람과 개가 포함되었음을 확인할 수 있다.

또한, 객체에 상응하는 특징 추출기, 분류기를 메모리에 유지한다(S820).

이 때, 특징 추출기, 분류기를 메모리에 유지하는 것은 연관 관계가 있는 영상을 분석할 때, 이를 이용함으로써 영상 분석을 빠르게 수행하고자 함이다.

또한, 입력된 영상이 저장되는 데이터 노드를 지정한다(S830).

또한, 영상을 분석한 후 객체 정보를 태그하여 저장한다(S840).

이 때, 태그는 입력된 영상의 내부의 객체의 종류를 저장한 것을 의미한다. 예를 들어, 입력된 영상의 내부에 강아지와 사람, 총 2개의 객체가 존재하는 경우, 태그 저장부(310)는 입력된 영상에 강아지, 사람이 존재한다는 정보를 태그하여 판단부(210)에 저장한다.

이 때, 판단부(210)는 태그를 이용하여 새로 입력된 영상과 이전에 입력된 영상과 연관 관계를 판단할 수도 있다.

이상에서와 같이 본 발명에 따른 클러스터 시스템을 이용한 영상 분석 장치 및 방법은 상기한 바와 같이 설명된 실시예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 상기 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.

110: 판단부
120: 영상 저장부
130: 영상 분석부

Claims (1)

1. 입력된 영상과 저장된 영상과 연관 관계가 있는지를 판단하는 판단부;
   상기 입력된 영상과 상기 저장된 영상과 연관 관계가 있는 경우,
   클러스터 시스템을 구성하는 하나 이상의 데이터 노드들 중 상기 저장된 영상이 저장된 데이터 노드에 상기 입력된 영상을 저장하는 영상 저장부; 및
   특징 추출기 및 분류기에 기반하여 상기 입력된 영상을 분석하는 영상 분석부
   를 포함하는 것을 특징으로 하는 영상 분석 장치.

Images