KR20190026116A

KR20190026116A - 객체 인식 방법 및 장치

Info

Publication number: KR20190026116A
Application number: KR1020170112429A
Authority: KR
Inventors: 전바롬
Original assignee: 삼성전자주식회사
Priority date: 2017-09-04
Filing date: 2017-09-04
Publication date: 2019-03-13
Also published as: KR102463175B1; CN109426803B; US20210278858A1; CN109426803A; US20190072977A1; US11804047B2; US11048266B2; EP3451230A1

Abstract

일 실시예에 따른 객체 인식 방법 및 장치는 신경망에서 입력 영상으로부터 특징을 추출하여 특징 맵을 생성하고, 특징 맵의 생성과 병렬적으로, 입력 영상으로부터 적어도 하나의 관심 객체에 대응하는 관심 영역을 추출하고, 관심 영역의 크기에 기초하여 관심 객체의 검출을 위해 이용되는 객체 후보 영역의 개수를 결정하며, 신경망에서 객체 후보 영역의 개수에 기초하여 관심 영역으로부터 관심 객체를 인식한다.

Description

객체 인식 방법 및 장치{METHOD AND APPARATUS OF RECOGNIZING OBJECT}

아래 실시예들은 객체 인식 방법 및 장치에 관한 것이다.

자율 주행(Automatic Driving)은 차량의 주행 중 요구되는 각종 조작을 자동으로 수행하는 것으로, 예를 들어 자율 주행하는 호스트 차량은 운전자가 핸들과 가속 페달, 브레이크 등을 조작하지 않아도 스스로 도로에서 달릴 수 있다. 자율 주행을 위한 객체 인식은 차량에서 파악되는 영상 정보를 통해 수행될 수 있다.

일 실시예에 따르면, 객체 인식 방법은 신경망에서 입력 영상으로부터 특징을 추출하여 특징 맵(feature map)을 생성하는 단계; 상기 특징 맵의 생성과 병렬적으로, 상기 입력 영상으로부터 적어도 하나의 관심 객체에 대응하는 관심 영역(Region of Interest; ROI)을 추출하고, 상기 관심 영역의 크기에 기초하여 상기 관심 객체의 검출을 위해 이용되는 객체 후보 영역의 개수를 결정하는 단계; 및 상기 신경망에서 상기 객체 후보 영역의 개수에 기초하여, 상기 관심 영역으로부터 상기 관심 객체를 인식하는 단계를 포함한다.

상기 관심 객체는 도로, 차량, 사람, 동물, 식물, 건물 중 적어도 하나를 포함할수 있다.

상기 객체 후보 영역의 개수를 결정하는 단계는 상기 관심 영역의 크기와 상기 입력 영상의 크기를 이용하여 상기 객체 후보 영역의 개수를 결정하는 단계를 포함할 수 있다.

상기 객체 후보 영역의 개수를 결정하는 단계는 상기 입력 영상의 크기에 대비되는 상기 관심 영역의 크기의 비율을 산출하는 단계; 및 상기 비율에 기초하여, 상기 객체 후보 영역의 개수를 결정하는 단계를 포함할 수 있다.

상기 관심 객체를 인식하는 단계는 상기 신경망에서 생성한 특징 맵 상에서 상기 결정된 개수에 해당하는 객체 후보 영역의 위치를 결정하는 단계; 및 상기 객체 후보 영역의 위치에 기초하여 상기 관심 영역으로부터 상기 관심 객체를 인식하는 단계를 포함할 수 있다.

상기 관심 영역을 추출하는 단계는 학습 기반의 장면 검출(scene segmentation) 알고리즘 및 영상 처리 알고리즘 중 적어도 하나를 이용하여 상기 관심 영역을 추출하는 단계를 포함할 수 있다.

상기 신경망은 영역 제안 네트워크(Region Proposal Network) 및 검출 네트워크(Detection Network)를 포함하는 영역 기반의 컨볼루션 신경망(Region based Convolution Neural Network)를 포함할 수 있다.

상기 객체 인식 방법은 상기 객체 인식 결과에 기초하여 차량의 속도 및 상기 차량의 진행 방향을 제어하기 위한 제어 파라미터를 결정하는 단계; 및 상기 제어 파라미터를 이용하여 상기 차량의 주행을 제어하는 단계를 더 포함할 수 있다.

일 실시예에 따르면, 객체 인식 방법은 입력 영상으로부터 적어도 하나의 관심 객체에 대응하는 관심 영역을 추출하는 단계; 상기 관심 영역의 크기에 기초하여, 상기 관심 객체의 검출을 위해 이용되는 객체 후보 영역의 개수를 결정하는 단계; 및 상기 객체 후보 영역의 개수에 기초하여, 신경망에서 상기 관심 영역으로부터 상기 관심 객체를 인식하는 단계를 포함한다.

상기 관심 객체는 도로, 차량, 사람, 동물, 식물, 건물 중 적어도 하나를 포함할 수 있다.

상기 객체 후보 영역의 개수를 결정하는 단계는 상기 관심 영역의 크기와 상기 입력 영상의 크기에 기초하여 상기 객체 후보 영역의 개수를 결정하는 단계를 포함할 수 있다.

상기 관심 객체를 인식하는 단계는 상기 객체 후보 영역의 개수를 기초로, 상기 신경망에서 생성한 특징 맵 상에서 상기 결정된 개수에 해당하는 객체 후보 영역의 위치를 결정하는 단계; 및 상기 객체 후보 영역의 위치에 기초하여 상기 관심 영역으로부터 상기 관심 객체를 인식하는 단계를 포함할 수 있다.

상기 관심 영역을 추출하는 단계는 학습 기반의 장면 검출 알고리즘 및 영상 처리 알고리즘 중 적어도 하나를 이용하여 상기 관심 영역을 추출하는 단계를 포함할 수 있다.

상기 신경망은 영역 제안 네트워크 및 검출 네트워크를 포함하는 영역 기반의 컨볼루션 신경망을 포함할 수 있다.

일 실시예에 따르면, 객체 인식 장치는 입력 영상을 획득하는 센서; 상기 입력 영상으로부터 특징을 추출하여 특징 맵을 생성하는 복수 개의 레이어들을 포함하는 신경망; 및 상기 특징 맵의 생성과 병렬적으로, 상기 입력 영상으로부터 적어도 하나의 관심 객체에 대응하는 관심 영역을 추출하고, 상기 관심 영역의 크기에 기초하여 상기 관심 객체의 검출을 위해 이용되는 객체 후보 영역의 개수를 결정하는 프로세서를 포함하고, 상기 신경망은 상기 객체 후보 영역의 개수에 기초하여 상기 관심 영역으로부터 상기 관심 객체를 인식한다.

상기 프로세서는 상기 입력 영상의 크기에 대비되는 상기 관심 영역의 크기의 비율을 산출하고, 상기 비율에 기초하여 상기 객체 후보 영역의 개수를 결정할 수 있다.

일 실시예에 따르면, 객체 인식 장치는 입력 영상을 획득하는 센서; 상기 입력 영상으로부터 적어도 하나의 관심 객체에 대응하는 관심 영역을 추출하고, 상기 관심 영역의 크기에 기초하여 상기 관심 객체의 검출을 위해 이용되는 객체 후보 영역의 개수를 결정하는 프로세서; 및 상기 객체 후보 영역의 개수에 기초하여, 상기 관심 영역으로부터 상기 관심 객체를 인식하는 복수 개의 레이어들을 포함하는 신경망을 포함한다.

도 1은 일 실시예에 따른 객체 인식 장치의 네트워크 구조를 설명하기 위한 도면.
도 2는 일 실시예에 따른 영역 제안 네트워크의 동작을 설명하기 위한 도면.
도 3 내지 도 4는 실시예들에 따른 객체 인식 방법이 병렬적으로 수행되는 과정을 설명하기 위한 도면.
도 5 내지 도 6은 실시예들에 따른 객체 인식 방법이 순차적으로 수행되는 과정을 설명하기 위한 도면.
도 7은 일 실시예에 따른 객체 인식 장치의 블록도.

본 명세서에 개시되어 있는 특정한 구조적 또는 기능적 설명들은 단지 기술적 개념에 따른 실시예들을 설명하기 위한 목적으로 예시된 것이다. 개시된 실시예들은 다양한 다른 형태로 변경되어 실시될 수 있으며 본 명세서의 범위는 개시된 실시예들에 한정되지 않는다.

제1 또는 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 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 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다. 예를 들어, 실시예들은 스마트 폰, 모바일 기기, 스마트 홈 시스템, 지능형 자동차 등에서 객체를 인식하기 위한 영상의 처리에 적용될 수 있다. 또한, 실시예들은 객체를 인식하여 지능형 자동차의 자율 주행을 위한 정보를 제공하거나, 자율 주행 자동차를 제어하는 데에 적용될 수 있다. 이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.

도 1은 일 실시예에 따른 객체 인식 장치의 네트워크 구조(Network Architecture)를 설명하기 위한 도면이다. 도 1을 참조하면, 일 실시예에 따른 객체 인식 장치(100)은 Faster R-CNN 신경망(110) 및 프로세서(130)를 포함한다.

Faster R-CNN 신경망(110)은 입력 영상(105) 전체를 수신하고, 입력 영상(105)에 대응하는 객체 후보 영역들을 한꺼번에 처리할 수 있다. Faster R-CNN 신경망(110)은 복수 개의 컨볼루션 레이어들(Convolution(conv) layers)을 포함하는 컨볼루션 네트워크(111)과 맥스 풀링(max-pooling)을 통해 입력 영상(105) 전체로부터 한번에 특징을 추출하여 특징 맵(feature map)(113)을 생성할 수 있다. 특징 맵(113)은 단수 개일 수도 있고, 복수 개일 수도 있다. 특징 맵(133)은 예를 들어, Conv5 특징 맵일 수 있다.

Faster R-CNN 신경망(110)은 영역 제안 네트워크(Region Proposal Network; RPN)(115)를 이용하여 특징 맵(133)으로부터 관심 객체가 존재할 확률이 높은 후보 영역, 다시 말해 프로포절(proposal)(116)을 구할 수 있다. 이하, 프로포절(116)을 '객체 후보 영역'이라고 부르기로 한다. 영역 제안 네트워크(RPN)(115)의 구체적인 구성은 도 2를 참조하여 설명한다.

Faster R-CNN 신경망(110)은 영역 제안 네트워크(RPN)(115)에서 구한 객체 후보 영역을 ROI 풀링 레이어(Region of Interest(ROI) pooling layer)(117)로 제공할 수 있다. Faster R-CNN 신경망(110)은 ROI 풀링 레이어(117)를 통해, 특징 맵들(113)로부터 고정 길이의 특징 벡터(fixed-length feature vector)를 추출할 수 있다. 추출된 고정 길이의 특징 벡터는 완전 연결된 레이어(Fully-Connected Layer; 이하 FC layer)(미도시)에 인가될 수 있다. Faster R-CNN 신경망(110)은 객체 클래스(object class) 및 배경(background)을 추정하기 위한 분류기(classifier)(119) 및 각각의 객체 클래스의 위치를 출력하는 바운딩 박스 리그레서(bounding box regressor)(미도시)를 포함할 수 있다. 여기서, 분류기(119)는 소프트맥스 분류기(softmax classifier)일 수 있다. ROI 풀링 레이어(117) 및 분류기(119)는 객체 인식을 수행하는 검출 네트워크(Detection Network)에 해당할 수 있다. 분류기(119) 및 바운딩 박스 리그레서는 완전 연결된 레이어(FC layer)의 뒷단에 연결될 수 있다.

Faster R-CNN 신경망(110)은 컨볼루션 네트워크(111)에 의해 입력 영상(105) 전체에 대하여 컨볼루션 연산을 1번만 수행을 하고, 연산 수행 결과를 Faster R-CNN 신경망(110) 내에서 공유할 수 있다. ROI 풀링 레이어(117)에서 다양한 객체 후보 영역들이 완전 연결된 레이어(FC layer)로 입력될 수 있도록 크기를 조정해 줄 수 있다.

일반적으로, Faster R-CNN 신경망(110)에서 객체를 추론하는 데에 소요되는 추론 시간(Inference Time)은 대략적으로 Inference Time ≒ 1 x ConvTime + Num of Proposals x fcTime 과 같이 표현할 수 있다. 여기서, ConvTime 은 컨볼루션 네트워크(111)에서 컨볼루션 연산에 소요되는 시간을 나타내고, fcTime은 완전 연결된 레이어(FC layer)에서 소요되는 시간을 나타낸다. Faster R-CNN 신경망(110)의 추론 시간은 프로포절, 다시 말해 객체 후보 영역의 개수에 비례할 수 있다.

일 실시예에 따른 객체 인식 장치(100)은 Faster R-CNN 신경망(110)에서의 추론 시간에 중요한 영향을 미치는 객체 후보 영역의 개수를 관심 영역(ROI)의 면적에 비례하여 줄임으로써 추론 시간의 속도를 개선할 수 있다.

객체 인식 장치(100)은 예를 들어, 입력 영상(105)으로부터 차량이 주행하는 도로 영역을 빠르게 추출한 후, 도로 영역만을 대상으로 객체 인식을 수행함으로써 객체 인식 속도를 향상시킬 수 있다. 객체 인식 장치(100)은 추출된 도로 영역을 관심 영역으로 설정하고, Faster R-CNN 신경망(110)에서 이용되는 객체 후보 영역의 개수를 관심 영역의 크기에 맞게 재설정하여 객체 인식을 수행함으로써 효과적인 속도 개선을 가져올 수 있다. 이때, 관심 영역에 해당하는 도로 영역은 프로세서(130)에 의해 수행되는 장면 검출(scene segmentation) 알고리즘을 이용하여 추출할 수 있다. 프로세서(130)는 관심 영역(도로 영역)의 크기에 기초하여 객체 후보 영역의 개수를 결정하여 영역 제안 네트워크(RPN)(115)로 제공할 수 있다. 이때, 프로세서(130)의 동작은 Faster R-CNN 신경망(110)에서 특징 맵을 생성하는 동작과 병렬로 수행될 수도 있고, 순차적으로 수행될 수도 있다.

Faster R-CNN 신경망(110)의 동작과 프로세서(130)의 동작이 병렬로 수행되는 경우, 관심 영역의 추출 및 객체 후보 영역의 개수를 결정하는 데에 추가적인 계산 시간이 요구되지 않는다.

또는, 프로세서(130)는 예를 들어, 컴퓨터 비전 알고리즘 기반의 다양한 관심 영역 추출 방법들을 이용하여 10ms 이내의 빠른 속도로 관심 영역을 추출하여 Faster R-CNN 신경망(110)과 순차적으로 동작할 수도 있다.

Faster R-CNN 신경망(110) 및 프로세서(130)의 동작이 병렬적으로 수행되는 실시예에 대하여는 도 3 내지 도 4를 참조하여 설명하고, Faster R-CNN 신경망(110) 및 프로세서(130)의 동작이 순차적으로 수행되는 실시예에 대하여는 도 5 내지 도 6을 참조하여 설명한다.

도 2는 일 실시예에 따른 영역 제안 네트워크(RPN)의 동작을 설명하기 위한 도면이다. 도 2를 참조하면, 영역 제안 네트워크(RPN)(115)는 입력의 크기에 제한이 없으며, 출력은 각 객체 후보 영역에 대하여 "objectness score"가 붙은 사각형 객체(object)의 집합이 될 수 있다. 여기서, "objectness score"는 예를 들어, 0.98, 0.86 등과 같이 관심 객체가 해당 영역에 존재할 확률에 해당할 수 있다. 영역 제안 네트워크(RPN)(115)의 모델은 예를 들어, fully convolutional network 형태일 수 있다.

영역 제안 네트워크(RPN)(115)는 컨볼루션 레이어들로 구성된 컨볼루션 네트워크(ConvNet)의 최종적인 특징 맵(113)을 입력으로 수신한 후, 예를 들어, n x n 크기의 슬라이딩 윈도우(sliding window)(210)를 이용하여 중간 레이어(intermediate layer)(230)에 의한 컨볼루션을 수행하여 256 차원(혹은 512 차원)의 특징 벡터를 생성할 수 있다. 256 차원의 특징 벡터는 cls layer(250) 및 reg layer(270)로 각각 인가될 수 있다. cls layer(250)는 박스 분류(box classification)를 통해 256 차원의 특징 벡터들이 객체를 나타내는지 아닌지를 나타낼 수 있다. reg layer(270)는 256 차원의 특징 벡터들에 해당하는 객체 후보 영역의 좌표를 생성할 수 있다.

예를 들어, cls layer(250)는 k개의 객체 후보 영역에 대하여 해당 객체 후보 영역이 객체인지 혹은 객체가 아닌지를 나타내는 objectness score(score)를 구할 수 있다. 따라서, cls layer(250)의 출력값은 2k score가 될 수 있다. 또한, reg layer(270)는 각각의 객체 후보 영역에 대하여 4개의 좌표(X, Y, W, H) 값을 출력할 수 있다. 따라서, reg layer(270)의 출력 값은 4k 좌표(coordinates)가 될 수 있다.

실시예에 따라서, 슬라이딩 윈도우(210) 각각마다 총 k개의 객체 후보 영역들이 추천될 수 있다. 슬라이딩 윈도우(210) 각각마다 추천되는 총 k개의 객체 후보 영역들은 슬라이딩 윈도우(210)의 중심을 기준으로 스케일(scale)과 종횡비(aspect ratio)를 달리하는 조합(예를 들어, 도 2에 도시된 k anchor boxes(290)으로 구성될 수도 있다.

도 3은 일 실시예에 따른 객체 인식 방법을 나타낸 흐름도이다. 도 3을 참조하면, 일 실시예에 따른 객체 인식 장치는 신경망에서 입력 영상으로부터 특징을 추출하여 특징 맵을 생성한다(310). 신경망은 복수 개의 레이어들을 포함할 수 있다. 신경망은 예를 들어, 영역 제안 네트워크 및 검출 네트워크를 포함하는 다양한 영역 기반의 컨볼루션 신경망(Region based Convolution Neural Network)를 포함할 수 있다.

객체 인식 장치는 단계(310)에서의 특징 맵의 생성과 병렬적으로 프로세서에 의해 관심 영역을 추출하고, 객체 후보 영역의 개수를 결정한다(320). 특징 맵의 생성과 병렬적으로 수행되는 동작은 도 4를 통해 보다 구체적으로 살펴볼 수 있다. 단계(320)에서, 객체 인식 장치는 입력 영상으로부터 적어도 하나의 관심 객체에 대응하는 관심 영역을 추출한다. 관심 객체는 예를 들어, 도로, 차량, 사람, 동물, 식물, 건물 등을 포함할 수 있다. 또한, 관심 영역은 예를 들어, 도로, 차량, 사람, 동물, 식물, 건물에 해당하는 영역일 수 있다. 객체 인식 장치는 예를 들어, 학습 기반의 장면 검출 알고리즘 및 영상 처리 알고리즘 등을 이용하여 관심 영역을 추출할 수 있다.

또한, 단계(320)에서, 객체 인식 장치는 관심 영역의 크기에 기초하여 관심 객체의 검출을 위해 이용되는 객체 후보 영역의 개수를 결정한다. 객체 인식 장치는 예를 들어, 관심 영역의 크기와 입력 영상의 크기를 이용하여 객체 후보 영역의 개수를 결정할 수 있다. 객체 인식 장치는 예를 들어, 아래의 수학식 1과 같이 입력 영상의 크기(Input Image Area)에 대비되는 관심 영역(도로 영역)의 크기(Road Area)의 비율을 산출하고, 산출된 비율에 기초하여, 객체 후보 영역의 개수를 결정할 수 있다.

객체 인식 장치는 단계(320)에서 결정된 객체 후보 영역의 개수에 기초하여, 관심 객체를 인식한다(330). 객체 인식 장치는 신경망에서 출력된 특징 맵 상에서 결정된 개수에 해당하는 객체 후보 영역의 위치를 결정할 수 있다. 객체 인식 장치는 예를 들어, 전술한 영역 제안 네트워크를 통해 객체 후보 영역의 위치(좌표)를 결정할 수 있다. 객체 인식 장치는 객체 후보 영역의 위치에 기초하여 관심 영역으로부터 관심 객체를 인식할 수 있다.

일 실시예에서는 관심 객체의 인식 시에 입력 영상의 전체 영역이 아닌 추출된 관심 영역(도로 영역)만을 이용하고, 객체 후보 영역의 개수 또한 줄임으로써 객체 인식에 소요되는 시간을 크게 단축시킬 수 있다.

또한, 객체 인식 장치는 단계(330)의 객체 인식 결과에 기초하여 차량의 속도 및 차량의 진행 방향을 제어하기 위한 제어 파라미터를 결정하고, 제어 파라미터를 이용하여 차량의 주행을 제어할 수도 있다.

도 4는 일 실시예에 따른 객체 인식 방법이 병렬적으로 수행하는 과정을 설명하기 위한 흐름도이다. 도 4의 흐름도에서 왼쪽에 기재된 동작들(420, 430, 440, 및 450)은 객체 인식 장치의 신경망에서 수행되는 동작들에 해당하고, 도 4의 흐름도에서 오른쪽에 기재된 동작들(425, 435,445)은 객체 인식 장치의 프로세서에서 수행되는 동작들에 해당한다. 또한, 도 4에서 점선으로 구분된 동작들은 신경망 및 프로세서에서 병렬적으로 수행되는 동작에 해당한다.

도 4를 참조하면, 일 실시예에 따른 객체 인식 장치는 이미지 센서 등으로부터 입력 영상을 취득할 수 있다(410). 객체 인식 장치는 입력 영상을 신경망 및 프로세서로 제공할 수 있다.

신경망은 입력 영상으로부터 특징을 추출하고(420), 추출된 특징을 이용하여 특징 맵을 생성할 수 있다(430). 신경망에서의 단계(420) 및 단계(430)의 수행과 병렬적으로 프로세서에서는 입력 영상으로부터 관심 객체에 대응하는 관심 영역(예를 들어, 도로 영역)을 추출할 수 있다(425). 실시예에 따라서, 객체 인식 장치는 프로세서를 대신하여, 관심 객체(예를 들어, 도로)를 검출하도록 트레이닝된 별도의 신경망(neural network)을 이용하여, 관심 객체를 포함하는 관심 영역(도로 영역)을 검출할 수도 있다. 이때, 별도의 신경망은 관심 객체와 함께 관심 객체의 특징 부분을 포함하는 관심 영역을 검출하도록 트레이닝된 신경망일 수 있다. 또한, 객체 인식 장치는 카메라 또는 이미지 센서를 통해 촬영된 외부 이미지뿐 아니라, LiDAR(Light Imaging, Detection, And Ranging) 센서 등을 이용하여 캡쳐된 센서 정보도 이용하여 관심 영역(도로 영역)을 검출할 수도 있다. 이때, 센서 정보는 예를 들어, 외부 이미지로부터 검출된 관심 객체까지의 거리를 지시하는 깊이 정보(depth information)를 포함할 수 있다.

프로세서는 추출된 도로 영역의 면적을 계산할 수 있다(435). 이때, 도로 영역의 면적은 전술한 수학식 1과 같이 입력 영상의 크기에 대비되는 도로 영역의 크기의 비율에 의해 계산될 수 있다. 예를 들어, 입력 영상의 크기가 100 mm²이고, 입력 영상 중 도로 영역의 크기가 25 mm²이며, 입력 영상에 대하여 신경망에서 디폴트(default)로 정해진 객체 후보 영역의 개수를 20개라고 하자. 이때, 도로 영역의 면적은 입력 영상의 면적의 25%에 해당하는 비율로 계산될 수 있다. 프로세서는 입력 영상에 대하여 신경망에서 디폴트로 정해진 객체 후보 영역의 개수(예를 들어, 20개)에 도로 영역의 면적에 해당하는 비율 25%를 곱하여 객체 후보 영역의 개수를 결정할 수 있다(445). 객체 후보 영역의 개수는 20 x 25% = 5개로 결정될 수 있다.

실시예에 따라서, 프로세서는 입력 영상의 크기에 대비되는 도로 영역의 크기의 비율에 따른 객체 후보 영역의 개수를 룩업 테이블(look-up table)의 형태로 미리 저장해둘 수도 있다. 프로세서는 도로 영역의 면적이 계산되면, 바로 룩업 데이블을 참조하여 객체 후보 영역의 개수를 결정할 수 있다. 프로세서는 객체 후보 영역의 개수를 신경망에게 전달할 수 있다.

객체 후보 영역의 개수를 수신한 신경망은 단계(430)에서 생성한 특징 맵 상에서 단계(445)에서 결정된 개수에 해당하는 객체 후보 영역의 위치를 결정할 수 있다(440).

신경망은 객체 후보 영역의 위치에 기초하여 관심 영역으로부터 관심 객체를 인식할 수 있다(450). 일 실시예에 따른 신경망은 입력 영상의 전체 영역이 아닌 관심 영역으로부터 관심 객체를 인식함으로써 객체 인식에 소요되는 시간을 단축할 수 있다.

도 5는 일 실시예에 따른 객체 인식 방법을 나타낸 흐름도이다. 도 5를 참조하면, 일 실시예에 따른 객체 인식 장치는 입력 영상으로부터 적어도 하나의 관심 객체에 대응하는 관심 영역을 추출한다(510). 객체 인식 장치는 예를 들어, 학습 기반의 장면 검출 알고리즘 및 영상 처리 알고리즘 중 적어도 하나를 이용하여 관심 영역을 추출할 수 있다. 관심 객체는 예를 들어, 도로, 차량, 사람, 동물, 식물, 건물 등을 포함할 수 있다. 또한, 관심 영역은 예를 들어, 도로, 차량, 사람, 동물, 식물, 건물에 해당하는 영역일 수 있다.

객체 인식 장치는 관심 영역의 크기에 기초하여, 관심 객체의 검출을 위해 이용되는 객체 후보 영역의 개수를 결정한다(520). 객체 인식 장치는 예를 들어, 전술한 수학식 1과 같이 입력 영상의 크기에 대비되는 관심 영역의 크기의 비율을 산출하고, 산출된 비율에 기초하여 객체 후보 영역의 개수를 결정할 수 있다.

객체 인식 장치는 객체 후보 영역의 개수에 기초하여, 신경망에서 관심 영역으로부터 관심 객체를 인식한다(530). 객체 인식 장치는 객체 후보 영역의 개수를 기초로, 신경망에서 생성한 특징 맵 상에서 결정된 개수에 해당하는 객체 후보 영역의 위치를 결정할 수 있다. 객체 인식 장치는 객체 후보 영역의 위치에 기초하여 관심 영역으로부터 관심 객체를 인식할 수 있다. 신경망은 영역 제안 네트워크 및 검출 네트워크를 포함하는 다양한 영역 기반의 컨볼루션 신경망을 포함할 수 있다.

객체 인식 장치는 객체 인식 결과에 기초하여 차량의 속도 및 차량의 진행 방향을 제어하기 위한 제어 파라미터를 결정하고, 제어 파라미터를 이용하여 차량의 주행을 제어할 수 있다.

도 6은 일 실시예에 따른 객체 인식 방법이 순차적으로 수행되는 과정을 설명하기 위한 도면이다. 도 6의 흐름도에서 오른쪽에 기재된 동작들(610, 620, 630, 및 640)은 객체 인식 장치의 프로세서에서 수행되는 동작들에 해당하고, 왼쪽에 기재된 동작들(650, 660, 670, 및 680)은 객체 인식 장치의 신경망에서 수행되는 동작들에 해당한다.

도 6을 참조하면, 일 실시예에 따른 객체 인식 장치는 카메라 또는 이미지 센서 등으로부터 입력 영상을 취득할 수 있다(610). 객체 인식 장치는 입력 영상을 프로세서에게 제공할 수 있다.

프로세서는 입력 영상으로부터 관심 객체에 대응하는 관심 영역(예를 들어, 도로 영역)을 추출할 수 있다(620). 프로세서는 입력 영상 및 추출한 도로 영역에 대한 정보를 신경망으로 전달할 수 있다. 이때, 신경망은 입력 영상 및 도로 영역에 대한 정보로부터 특징을 추출하고(650), 추출한 특징에 기초하여 특징 맵을 생성할 수 있다(660).

실시예에 따라서, 객체 인식 장치는 프로세서를 대신하여, 관심 객체(예를 들어, 도로)를 검출하도록 트레이닝된 별도의 신경망(neural network)을 이용하여, 관심 객체를 포함하는 관심 영역(도로 영역)을 검출할 수도 있다. 이때, 별도의 신경망은 관심 객체와 함께 관심 객체의 특징 부분을 포함하는 관심 영역을 검출하도록 트레이닝된 신경망일 수 있다. 또한, 객체 인식 장치는 카메라 또는 이미지 센서를 통해 촬영된 외부 이미지뿐 아니라, LiDAR 센서 등을 이용하여 캡쳐된 센서 정보도 이용하여 관심 영역(도로 영역)을 검출할 수도 있다. 이때, 센서 정보는 예를 들어, 외부 이미지로부터 검출된 관심 객체까지의 거리를 지시하는 깊이 정보를 포함할 수 있다.

프로세서는 추출된 도로 영역의 면적을 계산할 수 있다(630). 이때, 도로 영역의 면적은 전술한 수학식 1과 같이 입력 영상의 크기에 대비되는 도로 영역의 크기의 비율에 의해 계산될 수 있다.

프로세서는 입력 영상에 대하여 신경망에서 디폴트로 정해진 객체 후보 영역의 개수에 도로 영역의 면적에 해당하는 비율을 곱하여 객체 후보 영역의 개수를 결정할 수 있다(640).

프로세서로부터 객체 후보 영역의 개수를 수신한 신경망은 단계(660)에서 생성한 특징 맵 상에서 단계(640)에서 결정된 개수에 해당하는 객체 후보 영역의 위치를 결정할 수 있다(670).

신경망은 객체 후보 영역의 위치에 기초하여 관심 영역으로부터 관심 객체를 인식할 수 있다(680).

도 7은 일 실시예에 따른 객체 인식 장치의 블록도이다. 도 7을 참조하면, 일 실시예에 따른 객체 인식 장치(700)는 센서(710), 프로세서(730) 및 신경망(750)를 포함한다. 센서(710), 프로세서(730) 및 신경망(750)는 통신 버스(705)를 통해 서로 통신할 수 있다. 객체 인식 장치(700)는 메모리(미도시)를 더 포함할 수 있다.

센서(710)는 입력 영상을 획득한다. 센서(710)는 예를 들어, 이미지 센서 또는 LiDAR 센서일 수 있다. 센서(710)는 단수 개일 수도 있고, 복수 개일 수도 있다.

프로세서(730)는 신경망(750)에서의 특징 맵의 생성과 병렬적으로, 입력 영상으로부터 적어도 하나의 관심 객체에 대응하는 관심 영역을 추출한다. 또한, 프로세서(730)는 신경망(750)에서의 특징 맵의 생성과 병렬적으로, 관심 영역의 크기에 기초하여 관심 객체의 검출을 위해 이용되는 객체 후보 영역의 개수를 결정한다. 프로세서(730)는 입력 영상의 크기에 대비되는 관심 영역의 크기의 비율을 산출하고, 비율에 기초하여 객체 후보 영역의 개수를 결정할 수 있다.

신경망(750)은 Faster RCNN일 수 있다. 신경망(750)은 컨볼루션 네트워크(Conv Network)(751), 영역 제안 네트워크(RPN)(753), 및 검출 네트워크(Detection Network)(755)를 포함할 수 있다. 컨볼루션 네트워크(751)는 입력 영상으로부터 특징을 추출하여 특징 맵을 생성할 수 있다. 컨볼루션 네트워크(751)은 복수 개의 컨볼루션 레이어들을 포함할 수 있다. 영역 제안 네트워크(753)는 입력 영상 전체에 대한 객체 후보 영역을 결정할 수 있다. 이때 결정되는 객체 후보 영역의 개수는 디폴트 값에 해당할 수 있다. 검출 네트워크(755)는 객체 후보 영역의 개수에 기초하여 관심 영역으로부터 관심 객체를 인식할 수 있다. 컨볼루션 네트워크(751), 영역 제안 네트워크(753), 및 검출 네트워크(755)는 도 1의 컨볼루션 네트워크(111), 영역 제안 네트워크(115) 및 ROI 풀링 레이어(117) 및 분류기(classifier)(119)를 포함하는 검출 네트워크에 해당하므로 각 네트워크의 구체적인 동작은 도 1에 기재된 설명을 참조하기로 한다.

메모리는 입력 영상, 및 프로세서(730)에서 결정된 객체 후보 영역의 개수를 저장할 수 있다. 또한, 메모리는 입력 영상의 크기에 대비되는 도로 영역의 크기의 비율에 따른 객체 후보 영역의 개수가 미리 저장된 룩업 테이블을 저장할 수 있다. 메모리는 휘발성 메모리 또는 비 휘발성 메모리일 수 있다.

또는, 프로세서(730)는 입력 영상으로부터 적어도 하나의 관심 객체에 대응하는 관심 영역을 추출하고, 관심 영역의 크기에 기초하여 관심 객체의 검출을 위해 이용되는 객체 후보 영역의 개수를 결정한다. 이때, 신경망(750)은 객체 후보 영역의 개수에 기초하여, 관심 영역으로부터 관심 객체를 인식하는 복수 개의 레이어들을 포함한다.

이 밖에도, 프로세서(730) 및 신경망(750)은 도 1 내지 도 6을 통해 전술한 적어도 하나의 방법 또는 적어도 하나의 방법에 대응되는 알고리즘을 수행할 수 있다. 프로세서(730) 및 신경망(750)은 프로그램을 실행하고, 객체 인식 장치(700)를 제어할 수 있다. 프로세서(730) 및 신경망(750)에 의하여 실행되는 프로그램 코드는 메모리에 저장될 수 있다.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다. 그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims

신경망에서 입력 영상으로부터 특징을 추출하여 특징 맵(feature map)을 생성하는 단계;
상기 특징 맵의 생성과 병렬적으로, 상기 입력 영상으로부터 적어도 하나의 관심 객체에 대응하는 관심 영역(Region of Interest; ROI)을 추출하고, 상기 관심 영역의 크기에 기초하여 상기 관심 객체의 검출을 위해 이용되는 객체 후보 영역의 개수를 결정하는 단계; 및
상기 신경망에서 상기 객체 후보 영역의 개수에 기초하여, 상기 관심 영역으로부터 상기 관심 객체를 인식하는 단계
를 포함하는, 객체 인식 방법.
제1항에 있어서,
상기 관심 객체는
도로, 차량, 사람, 동물, 식물, 건물 중 적어도 하나를 포함하는, 객체 인식 방법.
제1항에 있어서,
상기 객체 후보 영역의 개수를 결정하는 단계는
상기 관심 영역의 크기와 상기 입력 영상의 크기를 이용하여 상기 객체 후보 영역의 개수를 결정하는 단계
를 포함하는, 객체 인식 방법.
제3항에 있어서,
상기 객체 후보 영역의 개수를 결정하는 단계는
상기 입력 영상의 크기에 대비되는 상기 관심 영역의 크기의 비율을 산출하는 단계; 및
상기 비율에 기초하여, 상기 객체 후보 영역의 개수를 결정하는 단계
를 포함하는, 객체 인식 방법.
제1항에 있어서,
상기 관심 객체를 인식하는 단계는
상기 신경망에서 생성한 특징 맵 상에서 상기 결정된 개수에 해당하는 객체 후보 영역의 위치를 결정하는 단계; 및
상기 객체 후보 영역의 위치에 기초하여 상기 관심 영역으로부터 상기 관심 객체를 인식하는 단계
를 포함하는, 객체 인식 방법.
제1항에 있어서,
상기 관심 영역을 추출하는 단계는
학습 기반의 장면 검출(scene segmentation) 알고리즘 및 영상 처리 알고리즘 중 적어도 하나를 이용하여 상기 관심 영역을 추출하는 단계
를 포함하는, 객체 인식 방법.
제1항에 있어서,
상기 신경망은
영역 제안 네트워크(Region Proposal Network) 및 검출 네트워크(Detection Network)를 포함하는 영역 기반의 컨볼루션 신경망(Region based Convolution Neural Network)를 포함하는, 객체 인식 방법.
제1항에 있어서,
상기 객체 인식 결과에 기초하여 차량의 속도 및 상기 차량의 진행 방향을 제어하기 위한 제어 파라미터를 결정하는 단계; 및
상기 제어 파라미터를 이용하여 상기 차량의 주행을 제어하는 단계
를 더 포함하는, 객체 인식 방법.
입력 영상으로부터 적어도 하나의 관심 객체에 대응하는 관심 영역을 추출하는 단계;
상기 관심 영역의 크기에 기초하여, 상기 관심 객체의 검출을 위해 이용되는 객체 후보 영역의 개수를 결정하는 단계; 및
상기 객체 후보 영역의 개수에 기초하여, 신경망에서 상기 관심 영역으로부터 상기 관심 객체를 인식하는 단계
를 포함하는, 객체 인식 방법.
제9항에 있어서,
상기 관심 객체는
도로, 차량, 사람, 동물, 식물, 건물 중 적어도 하나를 포함하는, 객체 인식 방법.
제9항에 있어서,
상기 객체 후보 영역의 개수를 결정하는 단계는
상기 관심 영역의 크기와 상기 입력 영상의 크기에 기초하여 상기 객체 후보 영역의 개수를 결정하는 단계
를 포함하는, 객체 인식 방법.
제11항에 있어서,
상기 객체 후보 영역의 개수를 결정하는 단계는
상기 입력 영상의 크기에 대비되는 상기 관심 영역의 크기의 비율을 산출하는 단계; 및
상기 비율에 기초하여, 상기 객체 후보 영역의 개수를 결정하는 단계
를 포함하는, 객체 인식 방법.
제9항에 있어서,
상기 관심 객체를 인식하는 단계는
상기 객체 후보 영역의 개수를 기초로, 상기 신경망에서 생성한 특징 맵 상에서 상기 결정된 개수에 해당하는 객체 후보 영역의 위치를 결정하는 단계; 및
상기 객체 후보 영역의 위치에 기초하여 상기 관심 영역으로부터 상기 관심 객체를 인식하는 단계
를 포함하는, 객체 인식 방법.
제9항에 있어서,
상기 관심 영역을 추출하는 단계는
학습 기반의 장면 검출 알고리즘 및 영상 처리 알고리즘 중 적어도 하나를 이용하여 상기 관심 영역을 추출하는 단계
를 포함하는, 객체 인식 방법.
제9항에 있어서,
상기 신경망은
영역 제안 네트워크 및 검출 네트워크를 포함하는 영역 기반의 컨볼루션 신경망을 포함하는, 객체 인식 방법.
제9항에 있어서,
상기 객체 인식 결과에 기초하여 차량의 속도 및 상기 차량의 진행 방향을 제어하기 위한 제어 파라미터를 결정하는 단계; 및
상기 제어 파라미터를 이용하여 상기 차량의 주행을 제어하는 단계
를 더 포함하는, 객체 인식 방법.
하드웨어와 결합되어 제1항 내지 제16항 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램.
입력 영상을 획득하는 센서;
상기 입력 영상으로부터 특징을 추출하여 특징 맵을 생성하는 복수 개의 레이어들을 포함하는 신경망; 및
상기 특징 맵의 생성과 병렬적으로, 상기 입력 영상으로부터 적어도 하나의 관심 객체에 대응하는 관심 영역을 추출하고, 상기 관심 영역의 크기에 기초하여 상기 관심 객체의 검출을 위해 이용되는 객체 후보 영역의 개수를 결정하는 프로세서
를 포함하고,
상기 신경망은
상기 객체 후보 영역의 개수에 기초하여 상기 관심 영역으로부터 상기 관심 객체를 인식하는, 객체 인식 장치.
제18항에 있어서,
상기 프로세서는
상기 입력 영상의 크기에 대비되는 상기 관심 영역의 크기의 비율을 산출하고, 상기 비율에 기초하여 상기 객체 후보 영역의 개수를 결정하는, 객체 인식 장치.
입력 영상을 획득하는 센서;
상기 입력 영상으로부터 적어도 하나의 관심 객체에 대응하는 관심 영역을 추출하고, 상기 관심 영역의 크기에 기초하여 상기 관심 객체의 검출을 위해 이용되는 객체 후보 영역의 개수를 결정하는 프로세서; 및
상기 객체 후보 영역의 개수에 기초하여, 상기 관심 영역으로부터 상기 관심 객체를 인식하는 복수 개의 레이어들을 포함하는 신경망
을 포함하는, 객체 인식 장치.