KR20190110259A - 객체 추적을 이용한 객체 탐지 장치 및 방법 - Google Patents

객체 추적을 이용한 객체 탐지 장치 및 방법 Download PDF

Info

Publication number
KR20190110259A
KR20190110259A KR1020180031990A KR20180031990A KR20190110259A KR 20190110259 A KR20190110259 A KR 20190110259A KR 1020180031990 A KR1020180031990 A KR 1020180031990A KR 20180031990 A KR20180031990 A KR 20180031990A KR 20190110259 A KR20190110259 A KR 20190110259A
Authority
KR
South Korea
Prior art keywords
tracking
information
detection
image
object tracking
Prior art date
Application number
KR1020180031990A
Other languages
English (en)
Inventor
이승익
Original Assignee
한국전자통신연구원
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 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020180031990A priority Critical patent/KR20190110259A/ko
Publication of KR20190110259A publication Critical patent/KR20190110259A/ko

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/14—Picture signal circuitry for video frequency region
    • H04N5/144—Movement detection

Landscapes

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

Abstract

객체 추적을 이용한 객체 탐지 장치 및 방법이 개시된다. 본 발명에 따른 객체 추적을 이용한 객체 탐지 장치에 의해 수행되는 객체 추적을 이용한 객체 탐지 방법은, 추적 대상이 되는 객체가 포함된 영상을 입력받는 단계, 상기 영상에 포함된 하나 이상의 상기 객체를 탐지하여 탐지 객체 정보를 생성하는 단계, 객체 탐지 주기동안 입력받은 상기 영상을 이용하여, 탐지된 상기 객체를 추적하고 객체 추적 정보를 생성하는 단계, 상기 객체 탐지 주기 도래 시, 상기 영상에 포함된 상기 객체를 재탐지하여 객체 재탐지 정보를 생성하는 단계, 그리고 상기 객체 재탐지 정보 및 상기 객체 추적 정보를 정합하는 단계를 포함한다.

Description

객체 추적을 이용한 객체 탐지 장치 및 방법{APPARATUS AND METHOD FOR OBJECT DETECTING USING OBJECT TRACKING}
본 발명은 객체 추적을 이용한 객체 탐지 기술에 관한 것으로, 특히 컴퓨팅 파워가 제한적인 기기에서 보다 빠르고 정확하게 주변의 객체를 탐지 및 추적할 수 있도록 하는 기술에 관한 것이다.
최근, 드론이나 자율 주행 자동차 등과 같이 사용자가 탑승하지 않은 상태에서 자율적으로 운용되는 이동체가 개발 및 상용화되고 있다. 더불어, 이러한 이동체의 안전한 이동을 위하여, 이동체 주변의 환경에 대한 인식의 중요성이 증대되고 있다. 또한, 딥러닝 기술의 발달에 힘입어, 객체 탐지 및 추적 기술 또한 크게 성장하고 있다.
그러나 현재의 객체 탐지 또는 객체 추적 기술들은 대부분 고성능의 컴퓨팅 파워를 가진 컴퓨터에서 동작한다. 고성능 CPU(Central Processing Unit)와 고성능 GPU(Graphic Processing Unit) 컴퓨터에서 객체를 탐지하거나 추적하는 기능을 수행하는 종래 기술들은 배터리 등으로 운용되는 자율 이동체에 적용하기 어렵다.
따라서, 컴퓨팅 파워가 제한적인 자원 제약적 기기에서도 객체를 탐지하고 추적할 수 있도록 하는 기술의 개발이 필요하다.
한국 공개 특허 제10-2001-0036686호, 2001년 05월 07일 공개(명칭: 다중 객체 환경에서의 고속 이동체 추적 감시 방법)
본 발명의 목적은 제한된 컴퓨팅 파워를 가진 기기에서 보다 빠르고 정확하게 주변의 객체를 인식하고, 추적할 수 있도록 하는 것이다.
또한, 본 발명의 목적은 객체 탐지 기능을 간헐적으로 운용하여, 저사양의 기기에도 딥러닝 기반 객체 탐지 기능을 적용할 수 있도록 하는 것이다.
또한, 본 발명의 목적은 객체 탐지 기능이 동작하지 않는 동안에도 객체 추적 기능을 통해 객체들을 추적하여, 주변 장애물을 감지하고 상황을 인식할 수 있도록 하는 것이다.
또한, 본 발명의 목적은 객체 탐지 기능과 객체 추적 기능이 상호 보완적으로 동작하도록 하여, 객체 탐지 정확성을 향상시키고, 객체 추적의 오류를 개선하는 것이다.
또한, 본 발명의 목적은 객체 탐지 속도 및 객체 추적 속도를 향상시키는 것이다.
상기한 목적을 달성하기 위한 본 발명에 따른 객체 추적을 이용한 객체 탐지 장치에 의해 수행되는 객체 추적을 이용한 객체 탐지 방법은, 추적 대상이 되는 객체가 포함된 영상을 입력받는 단계, 상기 영상에 포함된 하나 이상의 상기 객체를 탐지하여 탐지 객체 정보를 생성하는 단계, 객체 탐지 주기동안 입력받은 상기 영상을 이용하여, 탐지된 상기 객체를 추적하고 객체 추적 정보를 생성하는 단계, 상기 객체 탐지 주기 도래 시, 상기 영상에 포함된 상기 객체를 재탐지하여 객체 재탐지 정보를 생성하는 단계, 그리고 상기 객체 재탐지 정보 및 상기 객체 추적 정보를 정합하는 단계를 포함한다.
이때, 상기 객체 재탐지 정보 및 상기 객체 추적 정보를 정합하는 단계는, 상기 객체 추적 정보와 상기 객체 재탐지 정보 간 유사도를 연산하는 단계, 그리고 상기 유사도를 기반으로, 상기 추적된 객체와 상기 재탐지된 객체를 매핑하는 단계를 포함할 수 있다.
이때, 상기 유사도를 연산하는 단계는, 상기 객체 재탐지 정보 및 상기 객체 추적 정보에 상응하는 객체의 위치, 객체의 크기, 컬러히스토그램 및 특징점 중 적어도 어느 하나에 대한 상기 유사도를 연산할 수 있다.
이때, 상기 유사도를 연산하는 단계는, 상기 객체 재탐지 정보에 상응하는 재탐지 바운딩 박스의 중심점과 상기 객체 추적 정보에 상응하는 추적 바운딩 박스의 중심점 간 거리를 연산하는 단계, 그리고 연산된 상기 중심점 간 거리를 가우시안 분포에 대입하여, 상기 객체의 위치에 대한 유사도를 연산하는 단계를 포함할 수 있다.
이때, 상기 유사도를 연산하는 단계는, 상기 객체 재탐지 정보에 상응하는 재탐지 바운딩 박스의 크기와 상기 객체 추적 정보에 상응하는 추적 바운딩 박스의 크기의 차이인 바운딩 박스 크기 차이를 연산하는 단계, 그리고 연산된 상기 바운딩 박스 크기 차이를 이용하여, 상기 유사도를 연산하는 단계를 포함할 수 있다.
이때, 상기 객체 추적 정보를 생성하는 단계는, 상기 탐지된 상기 객체의 위치 정보 및 클래스 정보 중 적어도 어느 하나를 포함하는 상기 탐지 객체 정보를 이용하여 상기 객체를 추적할 수 있다.
이때, 상기 객체 탐지 주기는, 기 설정된 시간, 기 설정된 프레임 수, 랜덤한 시간 및 랜덤한 프레임 수 중 어느 하나일 수 있다.
이때, 상기 객체 추적 정보를 생성하는 단계는, 상기 객체 추적 정보를 이용하여 객체 추적 신뢰도를 연산하고, 상기 객체 추적 신뢰도가 임계 신뢰도 이하인 경우 상기 객체 탐지 주기가 도래한 것으로 판단할 수 있다.
또한, 본 발명의 일실시예에 따른 객체 추적을 이용한 객체 탐지 장치는 추적 대상이 되는 객체가 포함된 영상을 입력받는 영상 획득부, 상기 영상에 포함된 하나 이상의 상기 객체를 탐지하여 탐지 객체 정보를 생성하는 객체 탐지부, 객체 탐지 주기동안 입력받은 상기 영상을 이용하여, 탐지된 상기 객체를 추적하고 객체 추적 정보를 생성하는 객체 추적부, 그리고 상기 객체 탐지 주기 도래 시, 상기 객체 탐지부가 상기 영상에 포함된 상기 객체를 재탐지하여 생성한 객체 재탐지 정보와 상기 객체 추적 정보를 정합하는 객체 정합부를 포함한다.
이때, 상기 객체 정합부는, 상기 객체 추적 정보와 상기 객체 재탐지 정보 간 유사도를 연산하고, 상기 유사도를 기반으로 상기 추적된 객체와 상기 재탐지된 객체를 매핑할 수 있다.
이때, 상기 객체 정합부는, 상기 객체 재탐지 정보 및 상기 객체 추적 정보에 상응하는 객체의 위치, 객체의 크기, 컬러히스토그램 및 특징점 중 적어도 어느 하나에 대한 상기 유사도를 연산할 수 있다.
이때, 상기 객체 정합부는, 상기 객체 재탐지 정보에 상응하는 재탐지 바운딩 박스의 중심점과 상기 객체 추적 정보에 상응하는 추적 바운딩 박스의 중심점 간 거리를 연산하고, 연산된 상기 중심점 간 거리를 가우시안 분포에 대입하여, 상기 객체의 위치에 대한 유사도를 연산할 수 있다.
이때, 상기 객체 정합부는, 상기 객체 재탐지 정보에 상응하는 재탐지 바운딩 박스의 크기와 상기 객체 추적 정보에 상응하는 추적 바운딩 박스의 크기의 차이인 바운딩 박스 크기 차이를 연산하고, 연산된 상기 바운딩 박스 크기 차이를 이용하여, 상기 유사도를 연산할 수 있다.
이때, 상기 객체 추적부는, 상기 탐지된 상기 객체의 위치 정보 및 클래스 정보 중 적어도 어느 하나를 포함하는 상기 탐지 객체 정보를 이용하여 상기 객체를 추적할 수 있다.
이때, 상기 객체 탐지 주기는, 기 설정된 시간, 기 설정된 프레임 수, 랜덤한 시간 및 랜덤한 프레임 수 중 어느 하나일 수 있다.
이때, 상기 객체 추적부는, 상기 객체 추적 정보를 이용하여 객체 추적 신뢰도를 연산하고, 상기 객체 추적 신뢰도가 임계 신뢰도 이하인 경우 상기 객체 탐지 주기가 도래한 것으로 판단할 수 있다.
본 발명에 따르면, 제한된 컴퓨팅 파워를 가진 기기에서 보다 빠르고 정확하게 주변의 객체를 인식하고, 추적할 수 있다.
또한 본 발명에 따르면, 객체 탐지 기능을 간헐적으로 운용하여, 저사양의 기기에도 딥러닝 기반 객체 탐지 기능을 적용할 수 있다.
또한 본 발명에 따르면, 객체 탐지 기능이 동작하지 않는 동안에도 객체 추적 기능을 통해 객체들을 추적하여, 주변 장애물을 감지하고 상황을 인식할 수 있다.
또한 본 발명에 따르면, 객체 탐지 기능과 객체 추적 기능이 상호 보완적으로 동작하도록 하여, 객체 탐지 정확성을 향상시키고, 객체 추적의 오류를 개선할 수 있다.
또한, 본 발명의 목적은 객체 탐지 속도 및 객체 추적 속도를 향상시킬 수 있다.
도 1은 본 발명의 일실시예에 따른 객체 추적을 이용한 객체 탐지 장치의 구성을 나타낸 블록도이다.
도 2는 본 발명의 일실시예에 따른 객체 추적을 이용한 객체 탐지 방법을 설명하기 위한 순서도이다.
도 3은 객체 탐지 기능의 오류를 설명하기 위한 예시도이다.
도 4는 객체 추적 기능의 오류를 설명하기 위한 예시도이다.
도 5는 본 발명의 일실시예에 따른 객체를 정합하여 오류를 수정하는 방법을 나타낸 예시도이다.
도 6은 본 발명의 일실시예에 따른 객체의 위치에 대한 유사도를 이용하여 객체를 정합하는 과정을 설명하기 위한 도면이다.
도 7은 본 발명의 일실시예에 따른 객체의 크기에 대한 유사도를 이용하여 객체를 정합하는 과정을 설명하기 위한 도면이다.
도 8은 본 발명의 일실시예에 따른 객체 추적을 이용한 객체 탐지 장치가 객체 탐지 기능을 간헐적으로 운용하여 객체를 정합하는 과정을 설명하기 위한 도면이다.
도 9는 본 발명의 일실시예에 따른 컴퓨터 시스템을 나타낸 블록도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세하게 설명하고자 한다.
그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
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 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 본 발명을 설명함에 있어 전체적인 이해를 용이하게 하기 위하여 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
도 1은 본 발명의 일실시예에 따른 객체 추적을 이용한 객체 탐지 장치의 구성을 나타낸 블록도이다.
도 1에 도시한 바와 같이, 객체 추적을 이용한 객체 탐지 장치(100)는 영상 획득부(110), 객체 탐지부(120), 객체 추적부(130) 및 객체 정합부(140)를 포함한다.
먼저, 영상 획득부(110)는 추적 대상이 되는 객체가 포함된 영상을 입력받는다. 영상 획득부(110)는 객체 추적을 이용한 객체 탐지 장치(100)에 구비된 이미지 센서로부터 영상을 획득하거나, 카메라 등의 영상 촬영 장치로부터 영상을 획득할 수 있다.
특히, 영상 획득부(110)는 드론과 같이 자율적인 운용이 가능한 장치에 구비된 영상 촬영 장치로부터 주변 환경에 대한 영상을 입력받을 수 있다.
그리고 객체 탐지부(120)는 영상에 포함된 하나 이상의 객체를 탐지하여, 탐지 객체 정보를 생성한다. 또한, 객체 탐지부(120)는 객체 탐지 주기가 도래한 경우, 영상에 포함된 객체를 재탐지하여 객체 재탐지 정보를 생성한다.
여기서, 객체 탐지 주기는 기 설정된 값이거나 랜덤한 값일 수 있다. 객체 탐지 주기는 기 설정된 시간이나 기 설정된 프레임 수로 설정될 수 있으며, 랜덤한 시간이나 랜덤한 프레임 수로 설정될 수 있다.
객체 탐지 주기가 1초인 경우 객체 탐지부(120)는 1 초(1 sec)당 한 번씩 객체를 재탐지할 수 있고, 객체 탐지 주기가 10 프레임인 경우 객체 탐지부(120)는 매 10 프레임(10 frame)마다 객체 탐지를 재 수행하여 객체 재탐지 정보를 생성할 수 있다.
예를 들어, 영상 촬영 장치로부터 영상 획득부(110)가 초당 30 프레임을 입력받고, 객체 탐지 주기가 10 프레임인 경우, 객체 탐지부(120)는 초당 3회 객체 탐지를 수행하여 객체 재탐지 정보를 생성할 수 있다.
설명의 편의상, 객체 탐지부(120)가 기 설정된 객체 탐지 주기에 상응하도록 주기적으로 객체 재탐지를 수행하는 것으로 설명하였다. 그러나 이에 한정하지 않고, 객체 탐지부(120)는 비 주기적으로 즉 간헐적으로 객체 탐지 기능을 수행할 수 있다.
다음으로 객체 추적부(130)는 영상을 이용하여, 탐지된 객체를 추적하고, 객체 추적 정보를 생성한다.
객체 추적부(130)는 탐지된 객체의 위치 정보 및 클래스 정보 중 적어도 어느 하나를 포함하는 탐지 객체 정보를 이용하여, 객체를 추적할 수 있다. 이때, 객체 추적부(130)는 객체 탐지 주기 동안 객체를 추적하여, 객체 추적 정보를 생성할 수 있다.
또한, 객체 추적부(130)는 객체 추적 정보를 이용하여 객체 추적 신뢰도를 연산하고, 연산된 객체 추적 신뢰도가 임계 신뢰도 이하인 경우 객체 탐지 주기가 도래한 것으로 판단할 수 있다.
설명의 편의상, 객체 추적부(130)가 객체 탐지 주기 동안 객체를 추적한다고 설명하였으나, 객체 추적부(130)는 영상 획득부(110)가 획득한 영상의 모든 프레임에 대해 객체를 추적하거나, 객체 추적 주기를 기반으로 객체 추적을 수행할 수 있다.
마지막으로 객체 정합부(140)는 객체 재탐지 정보 및 객체 추적 정보를 정합한다.
객체 정합부(140)는 객체 추적 정보와 객체 재탐지 정보 간 유사도를 연산하고, 연산된 유사도를 기반으로 추적된 객체와 재탐지된 객체를 매핑하여 정합할 수 있다.
객체 정합부(140)는 객체 추적 정보 및 객체 재탐지 정보에 상응하는 객체의 위치, 객체의 크기, 컬러히스토그램 및 특징점 중 적어도 어느 하나에 대한 유사도를 연산하여, 객체 정합을 수행할 수 있다.
객체의 위치에 대한 유사도를 연산하여 객체를 정합하는 경우, 객체 정합부(140)는 객체 재탐지 정보에 상응하는 재탐지 바운딩 박스의 중심점과 객체 추적 정보에 상응하는 추적 바운딩 박스의 중심점 간 거리를 연산한다.
그리고 객체 정합부(140)는 연산된 중심점 간 거리를 가우시안 분포에 대입하여, 객체의 위치에 대한 유사도를 연산할 수 있다. 이때, 객체 정합부(140)는 평균을 0으로 하는 가우시안 분포에 대입하여 유사도를 연산할 수 있다.
또한, 객체 정합부(140)는 객체 재탐지 정보에 상응하는 재탐지 바운딩 박스의 크기와 객체 추적 정보에 상응하는 추적 바운딩 박스의 크기 차이인 바운딩 박스 크기 차이를 연산한다. 그리고 객체 정합부(140)는 연산된 바운딩 박스 크기 차이를 이용하여 객체 크기에 대한 유사도를 연산할 수 있다.
이하에서는 도 2를 통하여 본 발명의 일실시예에 따른 객체 추적을 이용한 객체 탐지 장치에 의해 수행되는 객체 추적을 이용한 객체 탐지 방법에 대하여 더욱 상세하게 설명한다.
도 2는 본 발명의 일실시예에 따른 객체 추적을 이용한 객체 탐지 방법을 설명하기 위한 순서도이다.
먼저, 객체 추적을 이용한 객체 탐지 장치(100)는 영상을 입력받고(S210), 입력받은 영상이 첫 번째로 입력된 영상인지 여부를 판단한다(S220).
객체 추적을 이용한 객체 탐지 장치(100)는 객체 탐지 기능을 실행할 주기인 객체 탐지 주기(N)를 설정하고, 객체 추적 기능을 초기화하며, 영상의 프레임 카운터를 초기화(t=0)할 수 있다. 여기서, 객체 추적 기능의 초기화는 객체 추적을 이용한 객체 탐지 장치(100)가 추적한 객체를 초기화하는 것을 의미할 수 있다.
그리고 S210 단계에서 영상이 입력되면, 객체 추적을 이용한 객체 탐지 장치(100)는 S220 단계를 통해 입력받은 영상이 첫 번째로 입력된 영상인지(t=0 인가?) 여부를 확인할 수 있다.
객체 추적을 이용한 객체 탐지 장치(100)는 입력받은 영상이 첫 번째로 입력된 영상인 경우(S220 Yes), 객체 탐지를 수행한다(S230).
객체 추적을 이용한 객체 탐지 장치(100)는 입력된 영상에 포함된 장애물이나 사람 등의 객체를 탐지하여, 객체 탐지 정보를 생성할 수 있다. 이때, 객체 추적을 이용한 객체 탐지 장치(100)는 탐지된 객체의 위치 정보 및 클래스 정보를 추출하여 객체 탐지 정보를 생성할 수 있다.
여기서, 탐지된 객체의 위치 정보는 탐지된 객체를 둘러싸는 사각형 박스 형태의 바운딩 박스 정보로, 좌상단 좌표(x1, y1) 및 우하단 좌표(x2, y2)로 구성될 수 있다. 그리고 클래스 정보는 객체의 종류를 의미하는 것으로, 개, 고양이, 사람, 자동차 등과 같이 탐지된 객체의 타입을 나타낼 수 있다.
객체 추적을 이용한 객체 탐지 장치(100)는 설정 방식에 따라 첫 번째 영상의 프레임에서 객체를 탐지한 후, 추적된 객체와 탐지된 객체를 정합하는 과정을 수행할 수 있으며, 영상이 첫 번째 영상인 경우 객체 추적을 이용한 객체 탐지 장치(100)는 정합하는 과정을 객체 탐지 정보를 객체 추적부로 전달하는 과정으로 대체 수행할 수 있다.
반면, 입력받은 영상이 첫 번째로 입력된 영상이 아닌 것으로 판단된 경우(S220 No), 입력받은 영상에 포함된 객체를 추적한다(S240).
객체 추적을 이용한 객체 탐지 장치(100)는 객체 탐지 정보를 기반으로, 영상 내에서 탐지된 객체를 추적할 수 있다. 즉, 객체 추적을 이용한 객체 탐지 장치(100)는 S230 단계에서 탐지된 객체의 객체 탐지 정보를 이용하여 추적해야 할 객체를 설정한다. 그리고 이후의 과정에서는 객체 탐지 기능의 도움 없이, 객체 추적을 이용한 객체 탐지 장치(100)는 입력되는 일련의 영상에서 지정된 객체를 추적한다.
그리고 객체 추적을 이용한 객체 탐지 장치(100)는 영상의 프레임 카운터를 1 증가시키고(S250), 객체 탐지 주기(N)가 도래하였는지 여부를 판단한다(S260).
객체 탐지 주기가 도래하지 않은 경우(S260 No), 객체 추적을 이용한 객체 탐지 장치(100)는 다시 S210 단계를 수행하여 영상을 입력받고, S220 단계 이후의 과정을 다시 수행한다.
객체 추적을 이용한 객체 탐지 장치(100)는 객체 탐지 주기가 도래한 것으로 판단된 경우(S260 Yes), 객체 재탐지를 수행한다(S270).
객체 추적을 이용한 객체 탐지 장치(100)는 기 추적되고 있던 객체 추적 정보(추적 바운딩 박스)를 객체 탐지부로 전달하고, 객체 탐지부는 객체 추적 정보를 기반으로 다시 객체를 탐지한다. 이와 같이, 객체 추적을 이용한 객체 탐지 장치(100)는 객체 추적 정보를 바탕으로, 기존에 추적되고 있는 객체가 존재하는 영상 영역을 보다 집중적으로 탐색함으로써 기 존재하는 객체에 대한 미탐지율을 낮출 수 있다.
객체 추적을 이용한 객체 탐지 장치(100)는 입력되는 영상의 매 프레임마다 객체를 탐지하는 것이 아니라, 객체 탐지 주기에 도래한 경우에만 객체를 탐지한다. 일반적으로 객체를 추적하는 기능은 객체를 탐지하는 기능보다 빠르게 동작한다. 이러한 점을 이용하여, 컴퓨팅 파워가 제한적인 기기에는 매 프레임마다 객체 탐지 기능을 운용하는 방법 대신 객체를 추적하는 기능을 활용하여 운용할 수 있다.
즉, 본 발명의 일실시예에 따른 객체 추적을 이용한 객체 탐지 장치(100)는객체 탐지 기능을 간헐적으로 운용하여 컴퓨팅 파워를 절약하고, 객체 탐지 기능이 운용되지 않는 동안 객체 추적 기능을 운용하여 탐지된 객체를 지속적으로 추적함으로써 컴퓨팅 파워가 부족한 저사양 기기에서도 효율적으로 객체 탐지 및 추적 기능을 운용할 수 있다.
마지막으로, 객체 추적을 이용한 객체 탐지 장치(100)는 재탐지된 객체와 추적된 객체를 정합한다(S280).
객체 추적을 이용한 객체 탐지 장치(100)는 S240 단계에서 추적된 객체와 S270 단계에서 재탐지된 객체 간 동일성 여부를 검사하는 정합을 수행할 수 있다. 즉, 객체 추적을 이용한 객체 탐지 장치(100)는 S280 단계를 수행하여, 추적된 n개의 객체와 탐지된 m개의 객체 사이에서 동일한 객체, 새롭게 등장한 객체 등을 찾을 수 있다.
이와 같이, 객체 추적을 이용한 객체 탐지 장치(100)는 정합을 수행하여, 탐지된 객체가 기존에 추적하고 있던 객체인지, 새로운 객체인지 여부를 판단할 수 있다. 새로운 객체가 포함된 경우, 객체 추적을 이용한 객체 탐지 장치(100)는 이후 객체 추적부를 통해 새로운 객체를 추가적으로 추적한다.
또한, 객체 추적을 이용한 객체 탐지 장치(100)는 정합 결과를 이용하여 추적된 객체의 정보를 재탐지된 객체의 정보로 대치함으로써, 객체 탐지 기능이 운용되지 않는 동안 누적된 객체 추적 기능의 오류를 수정할 수 있다.
이하에서는 도 3 내지 도 5를 통하여 본 발명의 일실시예에 따른 객체 추적을 이용한 객체 탐지 장치가 객체를 정합하여 객체 추적 시 발생하는 오류 문제를 해결하는 방법에 대하여 더욱 상세하게 설명한다.
도 3은 객체 탐지 기능의 오류를 설명하기 위한 예시도이다.
도 3에 도시한 바와 같이, 시간 t에서의 객체 탐지 화면(310)과 시간 t+1에서의 객체 탐지 화면(320)에 나타난 바와 같이, 객체 추적을 이용한 객체 탐지 장치(100)는 영상에 포함된 객체를 정확하게 탐지하지 못할 수 있다. 특히, 객체 추적을 이용한 객체 탐지 장치(100)는 영상에 포함된 장애물을 탐지하지 못하거나, 장애물이 없는 배경을 객체로 오탐지할 수 있다.
예를 들어, 도 3에 도시한 바와 같이, 은닉이 발생하여 가로등 뒤에 가려진 사람 객체(20_2)를 탐지하지 못하거나, 시간 t에서는 탐지된 객체(10_1)가 시간 t+1에서 다음 탐지를 수행할 때에는 탐지하지 못하는 경우(20_1)가 발생할 수 있다. 또한, 시간 t+1에 새롭게 등장한 객체(20_3)를 탐지하지 못하는 경우가 발생할 수 있다.
이와 같이, 객체 탐지 기능이 독립적으로 운용될 경우, 입력된 일련의 영상 사이의 시공간적 연관 관계를 전혀 고려하지 못하므로, 객체 탐지 시 오류가 발생할 수 있다.
따라서, 본 발명의 일실시예에 따른 객체 추적을 이용한 객체 탐지 장치(100)는 객체 추적 기능과 객체 탐지 기능을 같이 운용하여, 객체 추적 기능을 통해 객체를 추적하고, 객체 탐지 기능이 추적되고 있는 객체에 대한 정보인 객체 추적 정보를 기반으로 이미 추적되고 있는 객체를 정확하게 탐지하도록 할 수 있다.
도 4는 객체 추적 기능의 오류를 설명하기 위한 예시도이다.
도 4에 도시한 바와 같이, 추적 중인 객체의 크기가 지나치게 크게 변화하거나, 작게 변화하는 경우, 다른 객체와 겹치거나 주변/배경과 구별이 잘 되지 않는 경우, 추적 오류가 발생할 수 있다.
예를 들어, 도 4의 첫 번째 객체 추적 화면(410)과 같이 두 명의 사람이 정상적으로 추적되었으나, 두 사람의 겹침(420)으로 인해 두 개의 객체가 세 번째 객체 추적 화면(430)과 같이 독립적으로 추적되지 않고, 네 번째 객체 추적 화면(440)에 도시한 바와 같이 두 개의 객체 추적이 하나의 객체로 옮겨가는 오류가 발생할 수 있다.
이러한 경우, 객체 추적 과정에서의 신뢰도가 감소한다. 여기서, 객체 추적과정에서의 신뢰도는 객체 추적 기능이 추적을 얼마나 잘 수행하는 지에 대한 정도를 실수 값으로 표현한 것으로 추적이 정상적으로 수행되지 않는 경우 신뢰도 값은 상대적으로 작은 값을 가질 수 있다.
도 4와 같이, 추적 시간이 오래될수록 추적이 방황(drift)하거나, 은닉(occlusion)이 발생하여 신뢰도가 감소할 수 있다. 따라서, 본 발명의 일실시예에 따른 객체 추적을 이용한 객체 탐지 장치(100)는 객체 탐지 기능의 수행 결과인 탐지 객체 정보(탐지 객체의 위치 정보, 크기 정보)를 기반으로 객체 추적 기능의 오류를 수정할 수 있다.
도 5는 본 발명의 일실시예에 따른 객체를 정합하여 오류를 수정하는 방법을 나타낸 예시도이다.
도 5에 도시한 바와 같이, 객체 추적부가 방황하여 270초에서의 영상(510)에서 추적한 객체를 276초에서의 영상(520)에서는 추적하지 못하고, 다른 부분을 객체로 추적할 수 있다.
이때, 본 발명의 일실시예에 따른 객체 추적을 이용한 객체 탐지 장치(100)는 객체 탐지부의 탐지 결과(530)와 객체 추적부의 추적 결과(520)를 정합하여, 객체 추적부의 오류를 수정할 수 있다. 즉, 객체 추적을 이용한 객체 탐지 장치(100)는 객체 추적부의 오류를 수정하여, 정합 결과(540)에 도시한 바와 같이 객체를 정확하게 추적할 수 있다.
객체 추적을 이용한 객체 탐지 장치(100)의 객체 추적부는 추적하고 있는 객체에 대한 정보인 추적 바운딩 박스 정보를 객체 탐지부로 전달하고, 객체 탐지부는 추적 바운딩 박스를 이용하여 객체 탐지의 정확도를 향상시킬 수 있다.
객체 추적부가 객체를 정확하게 추적하지 못한 경우가 발생할 수 있으므로, 객체 추적부는 객체 추적의 결과에 대한 신뢰도가 임계 수준 이상인 경우에만 객체 탐지부로 추적 바운딩 박스 정보를 전달할 수 있다.
이하에서는 도 6 및 도 7을 통하여 본 발명의 일실시예에 따른 객체 추적을 이용한 객체 탐지 장치의 객체 정합 방법에 대하여 더욱 상세하게 설명한다.
객체 추적을 이용한 객체 탐지 장치(100)는 탐지 바운딩 박스에 대한 특징과 추적 바운딩 박스에 대한 특징을 추출한다. 그리고 객체 추적을 이용한 객체 탐지 장치(100)는 추출된 특징을 이용하여 탐지 바운딩 박스와 추적 바운딩 박스 간 유사도를 연산할 수 있다.
정합에 이용되는 각 특징을 ci라 하고, 각각의 특징에 부여되는 가중치를 wi라고 하면, 다음의 수학식 1과 같이 유사도를 연산할 수 있다.
Figure pat00001
여기서, 특징 ci는 객체의 위치, 객체의 크기, 컬러히스토그램 및 특징점 중 어느 하나일 수 있으며 특징의 종류는 이에 한정되지 않는다.
도 6은 본 발명의 일실시예에 따른 객체의 위치에 대한 유사도를 이용하여 객체를 정합하는 과정을 설명하기 위한 도면이다.
도 6에 도시한 바와 같이, 객체 추적을 이용한 객체 탐지 장치(100)는 객체의 위치에 대한 유사도를 기반으로 객체 정합을 수행할 수 있다.
도 6에서 제1 탐지 바운딩 박스(610) 및 제2 탐지 바운딩 박스(630)는 객체 탐지부가 각각 제1 객체 및 제2 객체를 탐지한 결과이고, 제1 추적 바운딩 박스(620) 및 제2 추적 바운딩 박스(640)는 객체 추적부가 각각 제1 객체 및 제2 객체를 추적한 결과이다.
그리고 본 발명의 일실시예에 따른 객체 추적을 이용한 객체 탐지 장치(100)는 위치에 대한 유사도를 기반으로 정합을 수행하여, 두 개의 탐지 바운딩 박스(610, 630)와 두 개의 추적 바운딩 박스(620, 640)가 각각 어느 것과 유사한지 여부를 결정할 수 있다.
객체 추적을 이용한 객체 탐지 장치(100)는 객체 탐지 정보에 상응하는 탐지 바운딩 박스(610, 630)의 중심점(615, 635)과 객체 추적 정보에 상응하는 추적 바운딩 박스(620, 640)의 중심점(625, 645) 간 거리를 연산한다. 그리고 객체 추적을 이용한 객체 탐지 장치(100)는 연산된 중심점 간 거리를 평균을 0으로 하는 가우시안 분포에 대입하여 위치에 대한 유사도를 연산할 수 있다.
즉, 객체 추적을 이용한 객체 탐지 장치(100)는 도 6에 도시한 바와 같이, 제1 탐지 바운딩 박스(610)의 중심점(615)과 제1 추적 바운딩 박스(620)의 중심점(620) 간 거리를 연산하고, 제1 탐지 바운딩 박스(610)의 중심점(615)과 제2 추적 바운딩 박스(640)의 중심점(645) 간 거리를 연산한다.
거리를 연산한 결과, 제1 추적 바운딩 박스(620)의 중심점(620) 간 거리가 더 가까운 것으로 판단된 경우, 객체 추적을 이용한 객체 탐지 장치(100)는 제1 탐지 바운딩 박스(610)에 상응하는 객체와 제1 추적 바운딩 박스(620)에 상응하는 객체를 정합할 수 있다.
도 7은 본 발명의 일실시예에 따른 객체의 크기에 대한 유사도를 이용하여 객체를 정합하는 과정을 설명하기 위한 도면이다.
도 7에 도시한 바와 같이, 객체 추적을 이용한 객체 탐지 장치(100)는 객체의 크기에 대한 유사도를 기반으로 객체 정합을 수행할 수 있다.
도 7에서 제1 탐지 바운딩 박스(610)의 높이(710) 및 너비(715)를 각각 da_h, da_w라 하고, 제1 추적 바운딩 박스(620)의 높이(720) 및 너비(725)를 각각 ta_h, ta_w라 하며, 제2 탐지 바운딩 박스(630)의 높이(730) 및 너비(735)를 각각 dc_h, dc_w라 하고, 제2 추적 바운딩 박스(640)의 높이(740) 및 너비(745)를 각각 td_h, td_w라 가정한다.
이때, 객체 추적을 이용한 객체 탐지 장치(100)는 다음의 수학식 2와 같이 크기에 대한 유사도를 연산할 수 있다.
Figure pat00002
그리고 객체 추적을 이용한 객체 탐지 장치(100)는 크기에 대한 유사도를 연산한 결과, 크기가 가장 유사하다고 판단된 탐지 바운딩 박스에 상응하는 객체와 추적 바운딩 박스에 상응하는 객체를 정합할 수 있다.
또한, 객체 추적을 이용한 객체 탐지 장치(100)는 객체의 컬러 히스토그램 정보를 이용하여 객체 정합을 수행할 수 있다. 객체 추적을 이용한 객체 탐지 장치(100)는 탐지 바운딩 박스의 컬러히스토그램과 추적 바운딩 박스의 컬러히스토그램의 차이를 연산하여 객체 정합을 수행할 수 있다.
특히, 객체 추적을 이용한 객체 탐지 장치(100)는 바운딩 박스로부터 ORB(Oriented FAST and Rotated BRIEF), SIFT(Scale-Invariant Feature Transform), SURF(Speeded Up Robust Features) 등의 영상의 특징을 추출할 수 있으며, 추출된 영상을 특징을 기반으로 객체 정합을 수행할 수 있다.
이하에서는 도 8을 통하여 본 발명의 일실시예에 따른 객체 추적을 이용한 객체 탐지 장치가 객체 추적 기능 및 객체 탐지 기능의 실행을 운용하는 방법에 대하여 더욱 상세하게 설명한다.
도 8은 본 발명의 일실시예에 따른 객체 추적을 이용한 객체 탐지 장치가 객체 탐지 기능을 간헐적으로 운용하여 객체를 정합하는 과정을 설명하기 위한 도면이다.
도 8에 도시한 바와 같이, 객체 추적을 이용한 객체 탐지 장치(100)는 일련의 영상을 입력받는다. 그리고 객체 추적을 이용한 객체 탐지 장치(100)의 객체 탐지부는 주기적 또는 간헐적으로 객체 탐지를 수행한다.
도 8과 같이 객체 탐지부가 운용되지 않는 시간 동안, 객체 추적을 이용한 객체 탐지 장치(100)는 객체 탐지부에 비해 상대적으로 적은 계산량을 요구하는 객체 추적부를 운용하여 지속적으로 객체를 추적한다. 이를 통하여, 객체 추적을 이용한 객체 탐지 장치(100)는 객체 탐지부가 운용되지 않는 동안 외부 환경 미인지 문제를 해결할 수 있다.
또한, 본 발명의 일실시예에 따른 객체 추적을 이용한 객체 탐지 장치(100)는 높은 계산량이 요구되는 객체 탐지부를 독립적으로 운용하고, 입력되는 영상의 매 프레임마다 객체를 탐지할 경우 드론 등의 저사양 기기에 적용하기 부적절하다는 종래 기술의 한계를 극복할 수 있다.
그리고 종래 기술과 같이 객체 탐지부와 객체 추적부를 독립적으로 운용할 경우, 객체의 추적 정보를 활용하지 못하여 입력되는 영상 사이의 시공간적 상호 연관성을 전혀 이용하지 못하고, 객체의 탐지 결과가 불안정하다.
그러나 본 발명의 일실시예에 따른 객체 추적을 이용한 객체 탐지 장치(100)는 객체 탐지 시, 기 추적된 객체 추적 정보를 기반으로 객체를 탐지하므로 객체의 위치를 보다 정확하고 정밀하게 탐색할 수 있으며, 기 탐지되었던 객체가 재탐지되지 못하는 미탐지 오류 문제를 해결할 수 있다.
도 9는 본 발명의 일실시예에 따른 컴퓨터 시스템을 나타낸 블록도이다.
도 9을 참조하면, 본 발명의 실시예는 컴퓨터로 읽을 수 있는 기록매체와 같은 컴퓨터 시스템(900)에서 구현될 수 있다. 도 9에 도시된 바와 같이, 컴퓨터 시스템(900)은 버스(920)를 통하여 서로 통신하는 하나 이상의 프로세서(910), 메모리(930), 사용자 인터페이스 입력 장치(940), 사용자 인터페이스 출력 장치(950) 및 스토리지(960)를 포함할 수 있다. 또한, 컴퓨터 시스템(900)은 네트워크(980)에 연결되는 네트워크 인터페이스(970)를 더 포함할 수 있다. 프로세서(910)는 중앙 처리 장치 또는 메모리(930)나 스토리지(960)에 저장된 프로세싱 인스트럭션들을 실행하는 반도체 장치일 수 있다. 메모리(930) 및 스토리지(960)는 다양한 형태의 휘발성 또는 비휘발성 저장 매체일 수 있다. 예를 들어, 메모리는 ROM(931)이나 RAM(932)을 포함할 수 있다.
따라서, 본 발명의 실시예는 컴퓨터로 구현된 방법이나 컴퓨터에서 실행 가능한 명령어들이 기록된 비일시적인 컴퓨터에서 읽을 수 있는 매체로 구현될 수 있다. 컴퓨터에서 읽을 수 있는 명령어들이 프로세서에 의해서 수행될 때, 컴퓨터에서 읽을 수 있는 명령어들은 본 발명의 적어도 한 가지 태양에 따른 방법을 수행할 수 있다.
이상에서와 같이 본 발명에 따른 객체 추적을 이용한 객체 탐지 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.
100: 객체 추적을 이용한 객체 탐지 장치
110: 영상 획득부 120: 객체 탐지부
130: 객체 추적부 140: 객체 정합부
10: 탐지된 객체 20: 탐지되지 못한 객체
310, 320: 객체 탐지 결과
410, 420, 430, 440: 객체 추적 결과
510, 520: 객체 추적 결과 530: 객체 탐지 결과
540: 정합 결과 610, 630: 탐지된 객체
615, 625, 635, 645: 객체의 중심점
620, 640: 추적된 객체
710, 720, 730, 740: 객체의 높이
715, 725, 735, 745: 객체의 너비
900: 컴퓨터 시스템 910: 프로세서
920: 버스 930: 메모리
931: 롬 932: 램
940: 사용자 인터페이스 입력 장치
950: 사용자 인터페이스 출력 장치
960: 스토리지 970: 네트워크 인터페이스
980: 네트워크

Claims (1)

  1. 객체 추적을 이용한 객체 탐지 장치에 의해 수행되는 객체 추적을 이용한 객체 탐지 방법에 있어서,
    추적 대상이 되는 객체가 포함된 영상을 입력받는 단계,
    상기 영상에 포함된 하나 이상의 상기 객체를 탐지하여 탐지 객체 정보를 생성하는 단계,
    객체 탐지 주기동안 입력받은 상기 영상을 이용하여, 탐지된 상기 객체를 추적하고 객체 추적 정보를 생성하는 단계,
    상기 객체 탐지 주기 도래 시, 상기 영상에 포함된 상기 객체를 재탐지하여 객체 재탐지 정보를 생성하는 단계, 그리고
    상기 객체 재탐지 정보 및 상기 객체 추적 정보를 정합하는 단계를 포함하는 객체 추적을 이용한 객체 탐지 방법.
KR1020180031990A 2018-03-20 2018-03-20 객체 추적을 이용한 객체 탐지 장치 및 방법 KR20190110259A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180031990A KR20190110259A (ko) 2018-03-20 2018-03-20 객체 추적을 이용한 객체 탐지 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180031990A KR20190110259A (ko) 2018-03-20 2018-03-20 객체 추적을 이용한 객체 탐지 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20190110259A true KR20190110259A (ko) 2019-09-30

Family

ID=68098244

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180031990A KR20190110259A (ko) 2018-03-20 2018-03-20 객체 추적을 이용한 객체 탐지 장치 및 방법

Country Status (1)

Country Link
KR (1) KR20190110259A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210074569A (ko) * 2019-12-12 2021-06-22 포항공과대학교 산학협력단 다중 객체 추적 방법 및 장치
WO2021182671A1 (ko) * 2020-03-11 2021-09-16 연세대학교 산학협력단 박스 레벨의 객체 위치 정보를 사용한 픽셀 레벨의 동영상 객체 추적 장치

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010036686A (ko) 1999-10-11 2001-05-07 김화윤 다중 객체 환경에서의 고속 이동체 추적 감시 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010036686A (ko) 1999-10-11 2001-05-07 김화윤 다중 객체 환경에서의 고속 이동체 추적 감시 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210074569A (ko) * 2019-12-12 2021-06-22 포항공과대학교 산학협력단 다중 객체 추적 방법 및 장치
WO2021182671A1 (ko) * 2020-03-11 2021-09-16 연세대학교 산학협력단 박스 레벨의 객체 위치 정보를 사용한 픽셀 레벨의 동영상 객체 추적 장치

Similar Documents

Publication Publication Date Title
US10810734B2 (en) Computer aided rebar measurement and inspection system
US10769480B2 (en) Object detection method and system
US20230014874A1 (en) Obstacle detection method and apparatus, computer device, and storage medium
JP6942488B2 (ja) 画像処理装置、画像処理システム、画像処理方法、及びプログラム
US11170525B2 (en) Autonomous vehicle based position detection method and apparatus, device and medium
US11205276B2 (en) Object tracking method, object tracking device, electronic device and storage medium
EP2657644B1 (en) Positioning apparatus and positioning method
US9081999B2 (en) Head recognition from depth image
KR102455632B1 (ko) 스테레오 매칭 방법 및 장치
US11288548B2 (en) Target detection method and apparatus, and computer device
JP2019096294A (ja) 視差推定装置及び方法
JP2016081525A (ja) 車両用画像認識システム、及び対応法
US20200311488A1 (en) Subject recognizing method and apparatus
CN110751040B (zh) 一种三维物体的检测方法和装置、电子设备、存储介质
GB2599948A (en) Initialising keyframes for visual-inertial localisation and/or mapping
KR20190110259A (ko) 객체 추적을 이용한 객체 탐지 장치 및 방법
Qing et al. A novel particle filter implementation for a multiple-vehicle detection and tracking system using tail light segmentation
KR102399974B1 (ko) 다중 객체 추적 방법 및 이를 위한 장치
Li et al. High-precision motion detection and tracking based on point cloud registration and radius search
CN113744236B (zh) 回环检测方法、装置、存储介质及计算机程序产品
US20230117498A1 (en) Visual-inertial localisation in an existing map
KR102182540B1 (ko) 시차맵과 보행자 상하단 인식을 이용한 정밀한 보행자 검출 방법 및 장치
WO2019198233A1 (ja) 動作認識装置、動作認識方法、及びコンピュータ読み取り可能な記録媒体
KR102637343B1 (ko) 오브젝트 추적 방법 및 장치
KR102428992B1 (ko) 이동체를 위한 상보적 관계 기반 동시적 정밀 측위 및 랜드마크 검출 장치 및 방법