1 |
1
행동인식 장치가 입력된 영상으로부터 키넥트(Kinect)를 이용하여 하나 이상의 RGB 영상 및 관절 데이터를 추출하는 단계;상기 행동인식 장치가 상기 RGB 영상 및 관절 데이터에 관하여 행동인식을 위한 특징을 추출하도록 각각 계층화하는 단계;상기 행동인식 장치가 상기 각각의 계층화에 따른 상기 RGB 영상에 대한 하나 이상의 제 1 특징값 및 상기 관절 데이터에 대한 하나 이상의 제 2 특징값을 추출하여 결합함으로써, 하나 이상의 제 3 특징값을 도출하는 단계; 상기 행동인식 장치가 상기 제 3 특징값을 케이민즈 클러스터링(K-means clustering)을 이용하여 소정의 개수만큼 그룹화하고, 상기 그룹을 행동 패턴을 나타내는 히스토그램(histogram)으로 변환하는 단계; 및상기 행동인식 장치가 상기 히스토그램으로부터 행동 패턴을 인식하는 단계를 포함하는 영상에서 행동을 인식하는 방법
|
2 |
2
제 1 항에 있어서,상기 키넥트를 통해 신체 관절의 상대적 3D 위치를 포함하는 관절 데이터를 시간에 따라 순차적으로 저장함으로써, 시간에 따른 관절의 궤적을 도출하는 것을 특징으로 하는 영상에서 행동을 인식하는 방법
|
3 |
3
제 1 항에 있어서,상기 추출된 RGB 영상 및 관절 데이터는 영상의 동일한 프레임으로부터 각각 추출하는 것을 특징으로 하는 영상에서 행동을 인식하는 방법
|
4 |
4
제 1 항에 있어서,상기 계층은 입력 계층이 상기 RGB 영상 및 관절 데이터이며, 출력 계층이 상기 제 1 특징값 및 제 2 특징값인 것을 특징으로 하는 영상에서 행동을 인식하는 방법
|
5 |
5
제 1 항에 있어서,상기 히스토그램은 상기 입력된 영상에서 특정 행동 패턴의 빈도 수를 나타내는 것을 특징으로 하는 영상에서 행동을 인식하는 방법
|
6 |
6
제 1 항에 있어서,상기 케이민즈 클러스터링은 상기 제 3 특징값이 벡터이고, 상기 소정 개수의 그룹만큼 중심점(centroid)을 학습하는 것을 특징으로 하는 영상에서 행동을 인식하는 방법
|
7 |
7
제 1 항에 있어서,상기 행동 패턴을 인식하는 단계는,상기 행동인식 장치가 상기 히스토그램과 맵핑된 행동타입을 검색함으로써, 상기 행동타입에 따라 행동 패턴을 인식하는 단계를 포함하는 영상에서 행동을 인식하는 방법
|
8 |
8
입력된 영상으로부터 키넥트를 이용하여 하나 이상의 RGB 영상 및 관절 데이터를 추출하는 추출부;상기 RGB 영상 및 관절 데이터에 관하여 행동인식을 위한 특징을 추출하도록 각각 계층화하고, 상기 각각의 계층화에 따른 상기 RGB 영상에 대한 하나 이상의 제 1 특징값 및 상기 관절 데이터에 대한 하나 이상의 제 2 특징값을 추출하여 결합함으로써 하나 이상의 제 3 특징값을 도출하며, 상기 제 3 특징값을 케이민즈 클러스터링을 이용하여 소정의 개수만큼 그룹화하여 상기 그룹을 행동 패턴을 나타내는 히스토그램으로 변환하는 처리부; 및상기 히스토그램으로부터 행동 패턴을 인식하는 인식부를 포함하는 것을 특징으로 하는 영상에서 행동을 인식하는 장치
|
9 |
9
제 8 항에 있어서,상기 추출부는,상기 입력된 영상의 동일한 프레임으로부터 상기 RGB 영상 및 상기 관절 데이터를 각각 추출하는 것을 특징으로 하는 영상에서 행동을 인식하는 장치
|
10 |
10
제 8 항에 있어서,상기 처리부는,입력 계층이 상기 RGB 영상 및 관절 데이터이며, 출력 계층이 상기 제 1 특징값 및 제 2 특징값으로 하는 계층을 구성하는 것을 특징으로 하는 영상에서 행동을 인식하는 장치
|
11 |
11
제 8 항에 있어서,상기 케이민즈 클러스터링은 상기 제 3 특징값이 벡터이고, 상기 소정 개수의 그룹만큼 중심점(centroid)을 학습하는 것을 특징으로 하는 영상에서 행동을 인식하는 장치
|
12 |
12
제 8 항에 있어서,상기 인식부는,상기 히스토그램과 맵핑된 행동타입을 검색함으로써, 상기 행동타입에 따라 행동 패턴을 인식하는 것을 특징으로 하는 영상에서 행동을 인식하는 장치
|