| 1 |
1
복수의 클래스를 포함하는 트레이닝 세트, 상기 복수의 클래스 각각의 기저 함수, 상기 클래스를 상기 기저 함수에 투영하여 생성되는 제1 가중치 벡터, 및 상기 제1 가중치 벡터의 순간 변화량이 저장된 데이터베이스;입력 영상을 상기 기저 함수를 통해 선형 변환하여 제2 가중치 벡터를 생성하는 선형 변환부;상기 제1 가중치 벡터 및 상기 제2 가중치 벡터의 차를 상기 순간 변화량을 통해 선형 근사화하여 영상 등록 오차를 산출하는 오차 계산부;상기 제2 가중치 벡터에 상기 영상 등록 오차를 보상하여 제3 가중치 벡터를 생성하는 오차 보정부; 및상기 제3 가중치 벡터를 이용하여 상기 입력 영상을 분류하는 영상 분류부를 포함하는 영상 인식 장치
|
| 2 |
2
제1항에 있어서,상기 영상 등록 오차는 수직 이동, 수평 이동, 크기 변환, 및 회전 변환 중 적어도 하나에 대한 오차인 영상 인식 장치
|
| 3 |
3
제1항 또는 제2항에 있어서,상기 제1 가중치 벡터의 순간 변화량은 데이터베이스에는 상기 트레이닝 세트에 포함된 클래스의 수직 이동, 수평 이동, 크기 변환, 및 회전 변환 중 적어도 하나에 대한 상기 제1 가중치 벡터의 미분 계수인 영상 인식 장치
|
| 4 |
4
제1항에 있어서,상기 오차 계산부는 상기 오차가 h이고, 상기 제1 및 제2 가중치 벡터 간의 차이가 Δw, 상기 제1 가중치 벡터의 순간 변화량이 w'인 경우,하기 수학식 1에 의하여 상기 오차 h를 계산하는 영상 인식 장치
|
| 5 |
5
제1항 또는 제4항에 있어서,상기 오차 보정부는 상기 제2 가중치 벡터가 w2, 상기 제3 가중치 벡터가 w3, 상기 오차가 h, 상기 제1 가중치 벡터의 순간 변화량이 w'인 경우,하기 수학식 2에 의하여 상기 제3 가중치 벡터 w3를 계산하는 영상 인식 장치
|
| 6 |
6
제1항에 있어서,상기 영상 분류부는 상기 제3 가중치 벡터와 상기 제1 가중치 벡터 사이의 거리를 비교하여, 상기 거리가 최소인 클래스로 상기 입력 영상을 분류하는 영상 인식 장치
|
| 7 |
7
제1항에 있어서, 상기 선형 변환은 PCA(principal component analysis) 변환인 영상 인식 장치
|
| 8 |
8
입력 영상을 트레이닝 세트에 포함된 클래스 중 어느 하나로 분류하기 위한 영상 인식 방법에 있어서,상기 트레이닝 세트의 각 클래스를 선형 변환하여 제1 가중치 벡터를 생성하는 제1 단계;상기 입력 영상을 선형 변환하여 제2 가중치 벡터를 생성하는 제2 단계;상기 제1 가중치 벡터와 상기 제2 가중치 벡터의 차이를 상기 제1 가중치 벡터의 순간 변화량을 통해 선형 근사화하여 상기 입력 영상의 등록 오차를 산출하는 제3 단계;상기 제2 가중치 벡터에 상기 영상 등록 오차를 보상하여 제3 가중치 벡터를 생성하는 제4 단계; 및상기 제3 가중치 벡터를 이용하여 상기 입력 영상을 상기 트레이닝 세트에 포함된 어느 하나의 클래스로 분류하는 제5 단계를 포함하는 영상 인식 방법
|
| 9 |
9
제8항에 있어서,상기 제2 단계는 상기 입력 영상을 상기 트레이닝 세트에 포함된 각 클래스의 고유 벡터에 투영시켜 상기 제2 가중치 벡터를 생성하는 단계인 영상 인식 방법
|
| 10 |
10
제8항에 있어서,상기 제3 단계는 상기 제1 가중치 벡터와 상기 제2 가중치 벡터 간의 차이를 상기 제1 가중치 벡터의 순간 변화량으로 나누어 상기 영상 등록 오차를 산출하는 단계인 영상 인식 방법
|
| 11 |
11
제10항에 있어서,상기 제1 가중치 벡터의 순간 변화량은 상기 입력 영상과 상기 트레이닝 세트의 각 클래스 간의 관계를 나타내는 선형 보간 행렬의 미분 계수와 상기 입력 영상의 곱을 상기 트레이닝 세트의 각 클래스의 고유 벡터에 투영시킨 값으로 산출되는 영상 인식 방법
|
| 12 |
12
제8항에 있어서, 상기 제5 단계는 상기 제3 가중치 벡터와 상기 제1 가중치 벡터의 거리를 비교하여 최소 거리를 갖는 클래스로 상기 입력 영상을 분류하는 영상 인식 방법
|
| 13 |
13
제1 영상으로부터 수직 이동, 수평 이동, 크기 변환, 회전 변환 중 적어도 하나가 발생된 제2 영상의 변형의 정도를 검출하는 오차 검출 프로그램을 기록한 기록 매체에 있어서, 상기 제1 영상의 제1 가중치 벡터를 생성하는 기능; 상기 제2 영상의 제2 가중치 벡터를 생성하는 기능; 상기 수직 이동, 수평 이동, 크기 변환, 회전 변환 중 적어도 하나에 대한 상기 제1 가중치 벡터의 미분 계수를 산출하는 기능; 및 상기 제1 가중치 벡터의 미분 계수를 이용하여, 상기 제2 영상이 상기 제1 영상으로부터 변형된 정도를 선형 근사화하는 기능 을 포함하는 오차 검출 프로그램을 기록한 기록 매체
|
| 14 |
13
제1 영상으로부터 수직 이동, 수평 이동, 크기 변환, 회전 변환 중 적어도 하나가 발생된 제2 영상의 변형의 정도를 검출하는 오차 검출 프로그램을 기록한 기록 매체에 있어서, 상기 제1 영상의 제1 가중치 벡터를 생성하는 기능; 상기 제2 영상의 제2 가중치 벡터를 생성하는 기능; 상기 수직 이동, 수평 이동, 크기 변환, 회전 변환 중 적어도 하나에 대한 상기 제1 가중치 벡터의 미분 계수를 산출하는 기능; 및 상기 제1 가중치 벡터의 미분 계수를 이용하여, 상기 제2 영상이 상기 제1 영상으로부터 변형된 정도를 선형 근사화하는 기능 을 포함하는 오차 검출 프로그램을 기록한 기록 매체
|
