| 1 |
1
동영상에서 배경과 사용자 객체의 경계 추정 방법에 있어서, 객체 분할을 위한 동영상의 첫 프레임에서 초기 객체 경계를 추정하여 객체와 배경을 분할하는 과정과,상기 첫 프레임에서 분할된 상기 객체와 상기 배경의 컬러(color) 확률 밀도 함수를 각각 추정하는 과정과,현재 프레임에서, 이전 프레임의 객체 경계를 따라, 상기 이전 프레임의 객체 경계를 중심으로 미리 설정된 일정한 너비를 가지는 경계 스트립(strip)을 생성하여 상기 경계 스트립의 일관성(coherence) 확률 밀도 함수를 추정하는 과정과,에너지 최소화(Energy Minimization)를 수행하여 현재 프레임의 객체를 분할하는 과정을 포함함을 특징으로 하는 객체 경계 추정 방법
|
| 2 |
2
제 1항에 있어서, 상기 초기 객체 경계 추정은 사용자의 상호 작용을 이용하는 그랩컷(Grabcut) 알고리즘을 사용하여 수행하는 것을 특징으로 하는 객체 경계 추정 방법
|
| 3 |
3
제 1항에 있어서, 상기 컬러 확률 밀도 함수는 하기의 수학식 10과 같음을 특징으로 하는 객체 경계 추정 방법
|
| 4 |
4
제 3항에 있어서, 상기 커널은 다변수(multivariate)의 에파네치니코브 커널(Epanechinikov kernel)이며, 하기의 수학식 11과 같음을 특징으로 하는 객체 경계 추정 방법
|
| 5 |
5
제 1항에 있어서, 상기 컬러 확률 밀도 함수를 추정한 후 미리 설정된 룩 업 테이블(Look-up table)에 저장하는 것을 특징으로 하는 객체 경계 추정 방법
|
| 6 |
6
제 1항에 있어서, 상기 경계 스트립의 너비는, 상기 이전 프레임에서 추정된 객체의 경계에 겹치는 블록들의 움직임 벡터(motion vector) 값들의 중간(median) 움직임 벡터를 이용하여 계산하며, 하기의 수학식 12와 같음을 특징으로 하는 객체 경계 추정 방법
|
| 7 |
7
제 6항에 있어서, 각 블록의 움직임 벡터는 'Three-step search' 알고리즘을 이용하여 구하는 것을 특징으로 하는 객체 경계 추정 방법
|
| 8 |
8
제 6항에 있어서, 상기 일관성 확률 밀도 함수는 하기의 수학식 13과 같음을 특징으로 하는 객체 경계 추정 방법
|
| 9 |
9
제 6항에 있어서, 상기 일관성 확률 밀도 함수는, 현재 프레임의 상기 중간 움직임 벡터를 이용하여 현재 프레임의 경계 스트립을 이동시켜서 계산하며, 하기의 수학식 14와 같음을 특징으로 하는 객체 경계 추정 방법
|
| 10 |
10
제 1항에 있어서, 상기 에너지 최소화는 컬러 에너지 함수와 일관성 에너지 함수와 평탄(smoothness) 에너지 함수를 이용하여, 하기의 수학식 15와 같이 계산하는 것을 특징으로 하는 객체 경계 추정 방법
|
| 11 |
11
제 10항에 있어서, 상기 컬러 에너지 함수는 하기의 수학식 16과 같이 계산하는 것을 특징으로 하는 객체 경계 추정 방법
|
| 12 |
12
제 10항에 있어서, 상기 일관성 에너지 함수는 하기의 수학식 17과 같이 계산하는 것을 특징으로 하는 객체 경계 추정 방법
|
| 13 |
13
제 10항에 있어서, 상기 평탄 에너지 함수는 하기의 수학식 18과 같이 계산하는 것을 특징으로 하는 객체 경계 추정 방법
|
| 14 |
14
제 1항에 있어서, 상기 현재 프레임의 객체 분할 후, 상기 경계 스트립에 포함된 픽셀을, 배경의 컬러 확률 밀도 함수와 객체의 컬러 확률 밀도 함수 둘 다와 비교하여, 상기 비교 결과 0의 확률을 가진 픽셀이 전체 픽셀의 7퍼센트(%) 이상이면, 컬러 확률 밀도 함수를 업데이트 하는 것을 특징으로 하는 객체 경계 추정 방법
|
| 15 |
15
제 14항에 있어서, 상기 컬러 확률 밀도 함수를 업데이트하는 경우, 과거 세 프레임의 컬러를 참조하는 것을 특징으로 하는 객체 경계 추정 방법
|
