맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

이미지 블록 분류 장치 및 방법과 이를 이용한 장면 분류 장치 및 방법

  • 기술번호 : KST2014046728
  • 담당센터 : 대전기술혁신센터
  • 전화번호 : 042-610-2279
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 이미지를 블록 단위로 분할하고, 이미지 블록의 특징 벡터들 간의 거리에 기초하여 검출된 최근접 이웃 블록 그룹 중 가장 높은 빈도수를 가지는 최다 빈도 레이블, 레이블 빈도수 및 블록 분류 문턱 값에 기초하여 이미지 블록을 분류하고 저장한다. 블록 단위로 블록 분류 문턱 값에 미치지 못하는 이미지 블록들을 이미지 장면 분류 시 데이터 베이스에서 제외 하고, 장면 결정과정에서 제외하여 장면 분류 성능을 개선할 수 있다.
Int. CL G06T 7/00 (2006.01)
CPC G06K 9/00718(2013.01) G06K 9/00718(2013.01) G06K 9/00718(2013.01) G06K 9/00718(2013.01) G06K 9/00718(2013.01)
출원번호/일자 1020100059040 (2010.06.22)
출원인 한국과학기술원
등록번호/일자 10-1126364-0000 (2012.03.06)
공개번호/일자 10-2011-0138889 (2011.12.28) 문서열기
공고번호/일자 (20120323) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 소멸
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2010.06.22)
심사청구항수 13

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한국과학기술원 대한민국 대전광역시 유성구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 유창동 대한민국 대전광역시 유성구
2 백승렬 대한민국 서울특별시 송파구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 박영우 대한민국 서울특별시 강남구 논현로 ***, *층 **세기특허법률사무소 (역삼동, 세일빌딩)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 한국과학기술원 대전광역시 유성구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2010.06.22 수리 (Accepted) 1-1-2010-0399902-41
2 의견제출통지서
Notification of reason for refusal		 2011.10.17 발송처리완료 (Completion of Transmission) 9-5-2011-0594659-06
3 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2011.12.14 수리 (Accepted) 1-1-2011-0991592-45
4 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2011.12.14 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2011-0991588-62
5 등록결정서
Decision to grant		 2012.02.28 발송처리완료 (Completion of Transmission) 9-5-2012-0120649-45
6 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2013.02.01 수리 (Accepted) 4-1-2013-5019983-17
7 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2014.12.24 수리 (Accepted) 4-1-2014-5157968-69
8 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2014.12.24 수리 (Accepted) 4-1-2014-5158129-58
9 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2014.12.24 수리 (Accepted) 4-1-2014-5157993-01
10 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2019.04.24 수리 (Accepted) 4-1-2019-5081392-49
11 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2020.05.15 수리 (Accepted) 4-1-2020-5108396-12
12 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2020.06.12 수리 (Accepted) 4-1-2020-5131486-63
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
적어도 하나의 훈련 이미지를 분할하여 복수의 이미지 블록들을 각각 생성하는 단계;상기 복수의 이미지 블록들에 대해 장면 분류를 수행하기 위한 복수의 제1 특징 벡터들을 각각 추출하는 단계; 및상기 복수의 제1 특징 벡터들 및 복수의 데이터 베이스 이미지 블록들의 복수의 제2 특징 벡터들에 기초하여 적어도 하나 이상의 최근접 이웃(Nearest Neighbor) 이미지 블록을 포함하는 최근접 이웃 블록 그룹들을 각각 생성하고, 상기 최근접 이웃 블록 그룹들 각각이 가지는 복수의 장면 분류 레이블들 중 가장 높은 빈도수를 가지는 최다 빈도 레이블들, 상기 최다 빈도 레이블들 각각의 레이블 빈도수들 및 상기 최다 빈도 레이블들의 블록 분류 문턱 값(상기 블록 분류 문턱 값은 상기 최근접 이웃 블록 그룹들 각각이 포함하는 이미지 블록들의 개수의 1/2보다 일정한 값만큼 더 큰 값)에 기초하여 상기 복수의 이미지 블록들에 상기 최다 빈도 레이블들 또는 미분류 레이블을 각각 기입하는 단계를 포함하는 이미지 블록 분류 방법
2 2
제1항에 있어서, 상기 최다 빈도 레이블들 또는 미분류 레이블을 각각 기입하는 단계는상기 복수의 제1 특징 벡터들과 상기 복수의 데이터 베이스 이미지 블록들의 상기 복수의 제2 특징 벡터들의 유클리디언 거리(Euclidean Distance)들을 각각 계산하는 단계;상기 유클리디언 거리들을 비교하여 상기 복수의 이미지 블록들 각각에 대한 상기 최근접 이웃 블록 그룹들을 각각 생성하는 단계;상기 최근접 이웃 블록 그룹들이 각각이 가지는 상기 복수의 장면 분류 레이블들 중 상기 가장 높은 빈도수를 가지는 상기 최다 빈도 레이블들과 상기 최다 빈도 레이블들의 상기 레이블 빈도수들을 각각 검출하는 단계; 및상기 최다 빈도 레이블들의 상기 레이블 빈도수들이 각각 상기 블록 분류 문턱 값보다 큰 경우에 상기 복수의 이미지 블록들에 상기 최다 빈도 레이블들을 각각 기입하는 단계;상기 최다 빈도 레이블들의 상기 레이블 빈도수들이 각각 상기 블록 분류 문턱 값보다 작은 경우에 상기 복수의 이미지 블록들에 상기 미분류 레이블을 각각 기입하는 단계를 포함하는 이미지 블록 분류 방법
3 3
제1항에 있어서, 상기 이미지 블록 분류 방법은상기 복수의 이미지 블록들의 상기 복수의 제1 특징 벡터들과 상기 최다 빈도 레이블들 또는 상기 미분류 레이블이 각각 기입된 상기 복수의 이미지 블록들을 데이터 베이스 저장부에 제공하여 상기 복수의 데이터 베이스 이미지 블록들을 블록 단위로 업데이트를 수행하는 단계를 더 포함하는 것을 특징으로 하는 이미지 블록 분류 방법
4 4
제3항에 있어서, 상기 업데이트를 수행하는 단계는상기 복수의 이미지 블록들 중 상기 최다 빈도 레이블이 기입된 이미지 블록들을 이용하여 상기 복수의 데이터 베이스 이미지 블록들을 블록 단위로 업데이트를 수행하는 것을 특징으로 하는 이미지 블록 분류 방법
5 5
삭제
6 6
제1항에 있어서, 상기 장면 분류 레이블들은 실내 장면 분류 레이블, 실외 장면 분류 레이블 및 미분류 레이블을 포함하고, 상기 실외 장면 분류 레이블은 도시 장면 분류 레이블 및 풍경 장면 분류 레이블을 포함하고, 상기 풍경 장면 분류 레이블은 일몰 장면 분류 레이블 및 산숲 장면 분류 레이블을 포함하고, 상기 산숲 장면 분류 레이블은 산 장면 분류 레이블과 숲 장면 분류 레이블을 포함하는 것을 특징으로 하는 이미지 블록 분류 방법
7 7
제1항에 있어서,상기 복수의 제2 특징 벡터들은 데이터 베이스 저장부로부터 제공되는 것을 특징으로 하는 이미지 블록 분류 방법
8 8
제1항에 있어서,상기 최다 빈도 레이블들은 하기의 [수학식 5]를 각각 만족하는 것을 특징으로 하는 이미지 블록 분류 방법
9 9
삭제
10 10
적어도 하나의 훈련 이미지를 분할하여 복수의 이미지 블록들을 각각 생성하는 단계;상기 복수의 이미지 블록들에 대해 장면 분류를 수행하기 위한 복수의 제1 특징 벡터들을 각각 추출하는 단계; 상기 복수의 제1 특징 벡터들 및 복수의 데이터 베이스 이미지 블록들의 복수의 제2 특징 벡터들에 기초하여 적어도 하나 이상의 최근접 이웃(Nearest Neighbor) 이미지 블록을 포함하는 제1 최근접 이웃 블록 그룹들을 각각 생성하고, 상기 제1 최근접 이웃 블록 그룹들 각각이 가지는 복수의 장면 분류 레이블들 중 가장 높은 빈도수를 가지는 제1 최다 빈도 레이블들, 상기 제1 최다 빈도 레이블들 각각의 제1 레이블 빈도수들 및 상기 제1 최다 빈도 레이블들의 제1 블록 분류 문턱 값(상기 제1 블록 분류 문턱 값은 상기 제1 최근접 이웃 블록 그룹들 각각이 포함하는 이미지 블록들의 개수의 1/2보다 일정한 값만큼 더 큰 값)에 기초하여 상기 복수의 이미지 블록들에 상기 제1 최다 빈도 레이블들 또는 미분류 레이블을 각각 기입하는 단계;상기 복수의 이미지 블록들의 상기 복수의 제1 특징 벡터들과 상기 제1 최다 빈도 레이블들 또는 상기 미분류 레이블이 각각 기입된 상기 복수의 이미지 블록들을 데이터 베이스 저장부에 제공하여 상기 복수의 데이터 베이스 이미지 블록들을 블록 단위로 업데이트를 수행하는 단계;입력 이미지를 분할하여 복수의 입력 이미지 블록들을 생성하는 단계;상기 복수의 입력 이미지 블록들에 대해 장면 분류를 수행하기 위한 복수의 제3 특징 벡터들을 추출하는 단계;상기 복수의 제3 특징 벡터들 및 상기 업데이트 된 복수의 데이터 베이스 이미지 블록들의 복수의 제4 특징 벡터들에 기초하여 적어도 하나 이상의 최근접 이웃(Nearest Neighbor) 이미지 블록을 포함하는 제2 최근접 이웃 블록 그룹들을 각각 생성하고, 상기 제2 최근접 이웃 블록 그룹들 각각이 가지는 복수의 장면 분류 레이블들 중 가장 높은 빈도수를 가지는 제2 최다 빈도 레이블들, 상기 제2 최다 빈도 레이블들 각각의 제2 레이블 빈도수들 및 상기 제2 최다 빈도 레이블들의 제2 블록 분류 문턱 값(상기 제2 블록 분류 문턱 값은 상기 제2 최근접 이웃 블록 그룹들 각각이 포함하는 이미지 블록들의 개수의 1/2보다 일정한 값만큼 더 큰 값)에 기초하여 상기 복수의 입력 이미지 블록들에 상기 제2 최다 빈도 레이블들 또는 상기 미분류 레이블을 각각 기입하는 단계; 및상기 복수의 입력 이미지 블록들에 기입된 상기 복수의 장면 분류 레이블들 중 가장 높은 빈도수를 가지는 이미지 레이블, 상기 이미지 레이블의 블록 빈도수, 상기 이미지 레이블의 이미지 분류 문턱값(상기 이미지 분류 문턱값은 상기 블록 빈도수를 상기 복수의 입력 이미지 블록들의 개수로 나누어 얻어지는 상기 입력 이미지에 대한 블록 빈도 비율과 비교하기 위한 값)에 기초하여 상기 입력 이미지를 분류하는 단계를 포함하는 장면 분류 방법
11 11
제10항에 있어서, 상기 입력 이미지를 분류하는 단계는상기 복수의 입력 이미지 블록들에 기입된 상기 복수의 장면 분류 레이블들의 개수를 각각 카운트하여 상기 복수의 장면 분류 레이블들 중 가장 높은 빈도수를 가지는 상기 이미지 레이블과 상기 이미지 레이블의 상기 블록 빈도수를 검출하는 단계;상기 블록 빈도수를 상기 복수의 입력 이미지 블록들의 개수로 나누어 상기 입력 이미지에 대한 상기 블록 빈도 비율을 계산하는 단계;상기 입력 이미지의 상기 블록 빈도 비율이 상기 이미지 분류 문턱값보다 큰 상기 입력 이미지는 상기 이미지 레이블에 기초하여 분류하는 단계; 및상기 입력 이미지의 상기 블록 빈도 비율이 상기 이미지 분류 문턱값보다 작은 상기 입력 이미지는 상기 미분류 레이블에 기초하여 분류하는 단계를 포함하는 장면 분류 방법
12 12
제11항에 있어서,상기 이미지 레이블은 하기의 [수학식 6]을 각각 만족하는 장면 분류 방법
13 13
적어도 하나의 훈련 이미지를 분할하여 복수의 이미지 블록들을 각각 생성하고, 상기 복수의 이미지 블록들에 대해 장면 분류를 수행하기 위한 복수의 제1 특징 벡터들을 각각 추출하는 특징 벡터 추출부; 및상기 복수의 제1 특징 벡터들 및 복수의 데이터 베이스 이미지 블록들의 복수의 제2 특징 벡터들에 기초하여 적어도 하나 이상의 최근접 이웃(Nearest Neighbor) 이미지 블록을 포함하는 최근접 이웃 블록 그룹들을 각각 생성하고, 상기 최근접 이웃 블록 그룹들 각각이 가지는 복수의 장면 분류 레이블들 중 가장 높은 빈도수를 가지는 최다 빈도 레이블들, 상기 최다 빈도 레이블들 각각의 레이블 빈도수들 및 상기 최다 빈도 레이블들의 블록 분류 문턱 값(상기 블록 분류 문턱 값은 상기 최근접 이웃 블록 그룹들 각각이 포함하는 이미지 블록들의 개수의 1/2보다 일정한 값만큼 더 큰 값)에 기초하여 상기 복수의 이미지 블록들에 상기 최다 빈도 레이블들 또는 미분류 레이블을 각각 기입하는 블록 레이블 분류기 포함하는 이미지 블록 분류 장치
14 14
적어도 하나의 훈련 이미지를 분할하여 복수의 이미지 블록들을 각각 생성하고, 상기 복수의 이미지 블록들에 대해 장면 분류를 수행하기 위한 복수의 제1 특징 벡터들을 각각 추출하는 제1 특징 벡터 추출부;상기 복수의 제1 특징 벡터들 및 복수의 데이터 베이스 이미지 블록들의 복수의 제2 특징 벡터들에 기초하여 적어도 하나 이상의 최근접 이웃(Nearest Neighbor) 이미지 블록을 포함하는 제1 최근접 이웃 블록 그룹들을 각각 생성하고, 상기 제1 최근접 이웃 블록 그룹들 각각이 가지는 복수의 장면 분류 레이블들 중 가장 높은 빈도수를 가지는 제1 최다 빈도 레이블들, 상기 제1 최다 빈도 레이블들 각각의 제1 레이블 빈도수들 및 상기 제1 최다 빈도 레이블들의 제1 블록 분류 문턱 값(상기 제1 블록 분류 문턱 값은 상기 제1 최근접 이웃 블록 그룹들 각각이 포함하는 이미지 블록들의 개수의 1/2보다 일정한 값만큼 더 큰 값)에 기초하여 상기 복수의 이미지 블록들에 상기 제1 최다 빈도 레이블들 또는 미분류 레이블을 각각 기입하는 제1 블록 분류기;상기 복수의 이미지 블록들의 상기 복수의 제1 특징 벡터들과 상기 제1 최다 빈도 레이블들 또는 상기 미분류 레이블이 각각 기입된 상기 복수의 이미지 블록들을 기초로 블록 단위로 업데이트 된 상기 복수의 데이터 베이스 이미지 블록들을 저장하는 데이터 베이스 저장부;입력 이미지를 분할하여 복수의 입력 이미지 블록들을 생성하고, 상기 복수의 입력 이미지 블록들에 대해 장면 분류를 수행하기 위한 복수의 제3 특징 벡터들을 추출하는 제2 특징 벡터 추출부;상기 복수의 제3 특징 벡터들 및 상기 업데이트 된 복수의 데이터 베이스 이미지 블록들의 복수의 제4 특징 벡터들에 기초하여 적어도 하나 이상의 최근접 이웃(Nearest Neighbor) 이미지 블록을 포함하는 제2 최근접 이웃 블록 그룹들을 각각 생성하고, 상기 제2 최근접 이웃 블록 그룹들 각각이 가지는 복수의 장면 분류 레이블들 중 가장 높은 빈도수를 가지는 제2 최다 빈도 레이블들, 상기 제2 최다 빈도 레이블들 각각의 제2 레이블 빈도수들 및 상기 제2 최다 빈도 레이블들의 제2 블록 분류 문턱 값(상기 제2 블록 분류 문턱 값은 상기 제2 최근접 이웃 블록 그룹들 각각이 포함하는 이미지 블록들의 개수의 1/2보다 일정한 값만큼 더 큰 값)에 기초하여 상기 복수의 입력 이미지 블록들에 상기 제2 최다 빈도 레이블들 또는 상기 미분류 레이블을 각각 기입하는 제2 블록 분류기;상기 복수의 입력 이미지 블록들에 기입된 상기 복수의 장면 분류 레이블들 중 가장 높은 빈도수를 가지는 이미지 레이블, 상기 이미지 레이블의 블록 빈도수, 상기 이미지 레이블의 이미지 분류 문턱값(상기 이미지 분류 문턱값은 상기 블록 빈도수를 상기 복수의 입력 이미지 블록들의 개수로 나누어 얻어지는 상기 입력 이미지에 대한 블록 빈도 비율과 비교하기 위한 값)에 기초하여 상기 입력 이미지를 분류하는 이미지 분류기를 포함하는 장면 분류 장치
15 15
적어도 하나의 훈련 이미지가 분할된 복수의 이미지 블록들을 기초로 블록 단위로 업데이트 된 복수의 데이터 베이스 이미지 블록들을 블록 단위로 업데이트하여 저장하는 데이터 베이스 저장부;입력 이미지를 분할하여 복수의 입력 이미지 블록들을 생성하고, 상기 복수의 입력 이미지 블록들에 대해 장면 분류를 수행하기 위한 복수의 제1 특징 벡터들을 추출하는 특징 벡터 추출부;상기 복수의 제1 특징 벡터들 및 상기 업데이트 된 복수의 데이터 베이스 이미지 블록들의 복수의 제2 특징 벡터들에 기초하여 적어도 하나 이상의 최근접 이웃(Nearest Neighbor) 이미지 블록을 포함하는 최근접 이웃 블록 그룹들을 각각 생성하고, 상기 최근접 이웃 블록 그룹들 각각이 가지는 복수의 장면 분류 레이블들 중 가장 높은 빈도수를 가지는 최다 빈도 레이블들, 상기 최다 빈도 레이블들 각각의 레이블 빈도수들 및 상기 최다 빈도 레이블들의 블록 분류 문턱 값(상기 블록 분류 문턱 값은 상기 최근접 이웃 블록 그룹들 각각이 포함하는 이미지 블록들의 개수의 1/2보다 일정한 값만큼 더 큰 값)에 기초하여 상기 복수의 입력 이미지 블록들에 상기 최다 빈도 레이블들을 각각 기입하는 블록 분류기; 및상기 복수의 입력 이미지 블록들에 기입된 복수의 장면 분류 레이블들 중 가장 높은 빈도수를 가지는 이미지 레이블, 상기 이미지 레이블의 블록 빈도수, 상기 이미지 레이블의 이미지 분류 문턱값(상기 이미지 분류 문턱값은 상기 블록 빈도수를 상기 복수의 입력 이미지 블록들의 개수로 나누어 얻어지는 상기 입력 이미지에 대한 블록 빈도 비율과 비교하기 위한 값)에 기초하여 상기 입력 이미지를 분류하는 이미지 분류기를 포함하는 장면 분류 장치
지정국 정보가 없습니다
패밀리정보가 없습니다
국가 R&D 정보가 없습니다.