| 1 |
1
(1) 입력 이미지로부터 사람을 포함하는 관심 영역을 지정하는 단계;(2) 지정된 상기 관심 영역으로부터 중심대칭-국부이진 패턴(Center Symmetric Local Binary Pattern; 이하 ‘CS-LBP’라 함) 특징을 추출하는 단계;(3) 추출된 상기 CS-LBP 특징을 클러스터링하여 시각적 어휘(visual vocabulary)를 생성하는 단계;(4) 상기 시각적 어휘를 이용하여 다음으로 입력되는 이미지로부터 가중 BoF(weighted bag-of features) 히스토그램을 생성하는 단계; 및(5) 상기 생성된 가중 BoF 히스토그램에 대하여 랜덤 포레스트(random forest)에 의한 학습을 수행하여 사람 행동을 분류하는 단계를 포함하는 것을 특징으로 하는, 공간적 피라미드 기반의 가중 BoF 히스토그램 및 랜덤 포레스트를 이용한 사람 행동 인식 방법
|
| 2 |
2
제1항에 있어서, 상기 단계 (2)는,(2-1) 상기 관심 영역을 균등 격자(regular grid)로 분할하는 단계; 및(2-2) 분할된 상기 균등 격자의 각 패치로부터 CS-LBP 특징을 추출하는 단계를 포함하는 것을 특징으로 하는, 공간적 피라미드 기반의 가중 BoF 히스토그램 및 랜덤 포레스트를 이용한 사람 행동 인식 방법
|
| 3 |
3
제2항에 있어서, 상기 단계 (2-1)에서,상기 균등 격자는 8 픽셀의 간격을 갖는 것을 특징으로 하는, 공간적 피라미드 기반의 가중 BoF 히스토그램 및 랜덤 포레스트를 이용한 사람 행동 인식 방법
|
| 4 |
4
제2항에 있어서, 상기 단계 (2-2)에서,상기 패치는 16×16 크기를 갖는 것을 특징으로 하는, 공간적 피라미드 기반의 가중 BoF 히스토그램 및 랜덤 포레스트를 이용한 사람 행동 인식 방법
|
| 5 |
5
제2항에 있어서, 상기 단계 (2-2)에서,상기 각 패치로부터 16개의 CS-LBP 특징이 추출되는 것을 특징으로 하는, 공간적 피라미드 기반의 가중 BoF 히스토그램 및 랜덤 포레스트를 이용한 사람 행동 인식 방법
|
| 6 |
6
제1항에 있어서, 상기 단계 (3)에서는,k-평균 클러스터링 기법을 시각적 어휘를 생성하는 것을 특징으로 하는, 공간적 피라미드 기반의 가중 BoF 히스토그램 및 랜덤 포레스트를 이용한 사람 행동 인식 방법
|
| 7 |
7
제6항에 있어서,상기 시각적 어휘의 크기는 200(k=200)인 것을 특징으로 하는, 공간적 피라미드 기반의 가중 BoF 히스토그램 및 랜덤 포레스트를 이용한 사람 행동 인식 방법
|
| 8 |
8
제1항에 있어서, 상기 단계 (4)는,(4-1) 상기 다음으로 입력되는 이미지에서 지정된 관심 영역에 대해 복수 개의 세분화된 레벨을 갖는 공간적 피라미드(spatial pyramid)를 생성하는 단계;(4-2) 각각의 상기 레벨로부터 국부 BoF 히스토그램을 생성하는 단계;(4-3) 상기 국부 BoF 히스토그램의 특징을 상기 시각적 어휘를 구성하는 시각적 단어(visual word)에 할당하고, 상기 시각적 단어의 특징에 대해 가중치를 산출하는 단계;(4-4) 산출된 상기 가중치를 각각의 상기 국부 BoF 히스토그램에 누적시키는 단계; 및(4-5) 누적된 각각의 상기 국부 BoF 히스토그램을 하나의 특징 벡터로 연결하는 단계를 포함하는 것을 특징으로 하는, 공간적 피라미드 기반의 가중 BoF 히스토그램 및 랜덤 포레스트를 이용한 사람 행동 인식 방법
|
| 9 |
9
제8항에 있어서, 상기 단계 (4-1)에서는,세 개의 세분화된 레벨(레벨 0, 레벨 1 및 레벨 2)을 갖는 공간적 피라미드를 생성하는 것을 특징으로 하는, 공간적 피라미드 기반의 가중 BoF 히스토그램 및 랜덤 포레스트를 이용한 사람 행동 인식 방법
|
| 10 |
10
제9항에 있어서, 상기 레벨 0은,1(1×1)개의 블록을 갖는 것을 특징으로 하는, 공간적 피라미드 기반의 가중 BoF 히스토그램 및 랜덤 포레스트를 이용한 사람 행동 인식 방법
|
| 11 |
11
제9항에 있어서, 상기 레벨 1은,4(2×2)개의 블록을 갖는 것을 특징으로 하는, 공간적 피라미드 기반의 가중 BoF 히스토그램 및 랜덤 포레스트를 이용한 사람 행동 인식 방법
|
| 12 |
12
제9항에 있어서, 상기 레벨 2는,16(4×4)개의 블록을 갖는 것을 특징으로 하는, 공간적 피라미드 기반의 가중 BoF 히스토그램 및 랜덤 포레스트를 이용한 사람 행동 인식 방법
|
| 13 |
13
제8항에 있어서, 상기 단계 (4-3)은,(4-3-1) 상기 시각적 단어(visual word) 중 각각의 상기 국부 BoF 히스토그램의 특징에 가장 가까운 복수 개의 시각적 단어를 검출하는 단계;(4-3-2) 각각의 상기 특징과 상기 시각적 단어 사이의 유클리디안 거리(Euclidean Distance)를 계산하는 단계; 및(4-3-3) 상기 계산된 거리에 대한 가중 함수(weighting function)를 이용하여 각각의 상기 복수 개의 시각적 단어에 대해 가중치를 산출하는 단계를 포함하는 것을 특징으로 하는, 공간적 피라미드 기반의 가중 BoF 히스토그램 및 랜덤 포레스트를 이용한 사람 행동 인식 방법
|
| 14 |
14
제13항에 있어서, 상기 단계 (4-3)은,상기 이미지에서 상기 시각적 단어에 대한 가중치를 0으로 세팅하는 전처리 단계를 더 포함하는 것을 특징으로 하는, 공간적 피라미드 기반의 가중 BoF 히스토그램 및 랜덤 포레스트를 이용한 사람 행동 인식 방법
|
| 15 |
15
제1항에 있어서, 상기 단계 (5)는,(5-1) 결정 트리의 최대 트리 깊이를 선택하는 단계; 및(5-2) 상기 결정 트리를 성장시키는 단계를 포함하는 것을 특징으로 하는, 공간적 피라미드 기반의 가중 BoF 히스토그램 및 랜덤 포레스트를 이용한 사람 행동 인식 방법
|
| 16 |
16
제15항에 있어서, 상기 단계 (5)는,(5-3) 모든 트리에서의 각 분포 확률의 평균을 산출하는 단계를 더 포함하는 것을 특징으로 하는, 공간적 피라미드 기반의 가중 BoF 히스토그램 및 랜덤 포레스트를 이용한 사람 행동 인식 방법
|
| 17 |
17
제15항에 있어서, 상기 단계 (5-2)는,(5-2-1) 훈련 세트로부터 새로운 부트스트랩 샘플을 선택하고, 상기 부트스트랩 샘플을 이용하여 가지치기돼지 않은(unpruned) 트리를 성장시키는 단계;(5-2-2) 상기 트리의 각 내부 노드가 랜덤하게 변수를 선택하고, 선택된 상기 변수만을 이용하여 최상(best)의 스플릿 함수(split function)를 결정하는 단계; 및(5-2-3) 상기 트리를 최대 트리 깊이로 성장시키는 단계를 포함하는 것을 특징으로 하는, 공간적 피라미드 기반의 가중 BoF 히스토그램 및 랜덤 포레스트를 이용한 사람 행동 인식 방법
|
