1 |
1
인체 동작 모델링 방법에 있어서,비디오 클립에서 추출한 인체 동작의 깊이 이미지들 및 이진 형상 이미지들의 원칙 요소를 결정하는 과정과,상기 원칙 요소를 기반으로 독립 요소 분석(Independent Component Analysis, ICA) 표현을 결정하는 과정과,상기 ICA 표현을 기반으로 선형 판별 분석(Linear Discriminant Analysis, LDA)를 통해 특징들을 결정하는 과정과,벡터 양자화를 이용하여 코드북을 결정하는 과정과,상기 비디오 클립에서 관측 심볼 시퀀스를 결정하는 과정과,상태 천이 및 관측 행렬을 기반으로 히든 마르코프 모델(Hidden Markov Model, HMM)을 이용하여 인체 동작을 인식하는 과정을 포함하며,상기 인체 동작의 깊이 이미지들은 상기 인체 동작의 이진 형상 이미지들과 서로 다른 것을 특징으로 하는 방법
|
2 |
2
제 1항에 있어서,상기 비디오 클립에서 추출된 인체 동작의 깊이 이미지들 및 이진 형상 이미지들의 원칙 요소를 결정하는 과정은,상기 깊이 이미지들 및 이진 형상 이미지들의 인체 표현을 기반으로 전체 이미지를 대표하는 적어도 하나의 원칙 요소를 결정하는 과정을 포함하는 것을 특징으로 하는 방법
|
3 |
3
제 1항에 있어서,상기 원칙 요소를 기반으로 ICA 표현을 결정하는 과정은,상기 원칙 요소에서 서로 독립적인 ICA 표현을 결정하는 과정을 포함하는 것을 특징으로 하는 방법
|
4 |
4
제 1항에 있어서,상기 ICA 표현을 기반으로 LDA를 통해 특징들을 결정하는 과정은,상기 깊이 이미지들 및 이진 형상 이미지들에서 상기 ICA 표현을 서로 구분하기 위해 상기 ICA 표현의 특징을 강조하는 과정을 포함하는 것을 특징으로 하는 방법
|
5 |
5
제 1항에 있어서,상기 벡터 양자화를 이용하여 코드북을 결정하는 과정은,상기 LDA를 통해 결정한 특징들을 상기 벡터 양자화를 이용하여 적어도 하나의 그룹으로 분류하는 과정과,상기 적어도 하나의 분류한 그룹에 코드를 부여하는 과정을 포함하는 것을 특징으로 하는 방법
|
6 |
6
제 1항에 있어서,상기 비디오 클립에서 관측 심볼 시퀀스를 결정하는 과정은,상기 코드북의 코드들을 이용하여 상기 비디오 클립의 코드들과 코드 배열 순서를 결정하는 과정을 포함하는 것을 특징으로 하는 방법
|
7 |
7
제 1항에 있어서,상기 상태 천이 및 관측 행렬을 기반으로 HMM을 이용하여 인체 동작을 인식하는 과정은,각각의 인체 동작에 대한 상기 HMM을 생성하는 과정과,상기 관측 심볼 시퀀스를 이용하여 각각의 생성된 HMM을 인식하는 과정을 포함하는 것을 특징으로 하는 방법
|
8 |
8
제 1항에 있어서,상기 비디오 클립은,상기 상태 천이와 관측 행렬을 기반으로 상기 HMM을 이용하여 표현되는 것을 특징으로 하는 방법
|
9 |
9
인체 동작 인식 방법에 있어서,비디오 클립에서 추출한 인체 동작의 깊이 이미지들 및 이진 형상 이미지들의 원칙 요소를 결정하는 과정과,상기 원칙 요소에 기반하여 인체 동작 모델링을 수행하는 과정과,상기 인체 동작 모델링의 출력 값에 따라 사전에 존재하는 동작 모델들 중에서 우도 확률이 최대인 인체 동작 모델을 결정하는 과정을 포함하며,상기 인체 동작의 깊이 이미지들은 상기 인체 동작의 이진 형상 이미지들과 다른 이미지들이고,상기 비디오 클립은 비디오 센서에 기반한 연속적인 이미지들을 포함하는 것을 특징으로 하는 방법
|
10 |
10
제 9항에 있어서,상기 인체 동작 모델링의 출력 값에 따라 사전에 존재하는 동작모델들 중에서 우도 확률이 최대인 인체 동작 모델을 결정하는 과정은,인체 동작 HMM 사전으로부터 우도 확률이 최대인 인체 동작 모델을 결정하는 과정을 포함하는 것을 특징으로 하는 방법
|
11 |
11
삭제
|
12 |
12
삭제
|
13 |
13
삭제
|
14 |
14
삭제
|
15 |
15
삭제
|
16 |
16
삭제
|
17 |
17
삭제
|
18 |
18
삭제
|
19 |
19
삭제
|
20 |
20
삭제
|
21 |
21
인체 동작 모델링 장치에 있어서,비디오 클립을 입력받는 입력부와,상기 비디오 클립에서 추출한 인체 동작의 깊이 이미지들 및 이진 형상 이미지들의 원칙 요소를 결정하고, 상기 원칙 요소를 기반으로 ICA 표현을 결정하고, 상기 ICA 표현을 기반으로 LDA를 통해 특징을 결정하고, 벡터 양자화를 이용하여 코드북을 결정하고, 상기 비디오 클립에서 관측 심볼 시퀀스를 결정하고, 상태 천이 및 관측 행렬을 기반으로 HMM을 이용하여 인체 동작을 인식하는 제어부와,인식 결과를 출력하는 출력부를 포함하며,상기 인체 동작의 깊이 이미지들은 상기 인체 동작의 이진 형상 이미지들과 서로 다른 것을 특징으로 하는 장치
|
22 |
22
제 21항에 있어서,상기 제어부는,상기 깊이 이미지들 및 이진 형상 이미지들의 인체 표현을 기반으로 전체 이미지를 대표하는 적어도 하나의 원칙 요소를 결정함으로써,상기 비디오 클립에서 추출된 인체 동작의 깊이 이미지들 및 이진 형상 이미지들의 원칙 요소를 결정하는 것을 특징으로 하는 장치
|
23 |
23
제 21항에 있어서,상기 제어부는,상기 원칙 요소에서 서로 독립적인 ICA 표현을 결정함으로써,상기 원칙 요소를 기반으로 ICA 표현을 결정하는 것을 특징으로 하는 장치
|
24 |
24
제 21항에 있어서,상기 제어부는,상기 깊이 이미지들 및 이진 형상 이미지들에서 ICA 표현을 서로 구분하기 위해 상기 ICA 표현의 특징을 강조함으로써, 상기 ICA 표현을 기반으로 LDA를 통해 특징들을 결정하는 것을 특징으로 하는 장치
|
25 |
25
제 21항에 있어서,상기 제어부는,상기 LDA를 통해 결정한 특징들을 상기 벡터 양자화를 이용하여 적어도 하나의 그룹으로 분류하고 상기 적어도 하나의 분류한 그룹에 코드를 부여함으로써, 상기 벡터 양자화를 이용하여 코드북을 결정하는 것을 특징으로 하는 장치
|
26 |
26
제 21항에 있어서,상기 제어부는,상기 코드북의 코드들을 이용하여 상기 비디오 클립의 코드들과 코드 배열 순서를 결정함으로써 상기 비디오 클립에서 관측 심볼 시퀀스를 결정하는 것을 특징으로 하는 장치
|
27 |
27
제 21항에 있어서,상기 제어부는,각각의 인체 동작에 대한 상기 HMM을 생성하고, 상기 관측 심볼 시퀀스를 이용하여 각각의 생성된 HMM을 인식함으로써 상기 상태 천이 및 관측 행렬을 기반으로 HMM을 이용하여 인체 동작을 인식하는 것을 특징으로 하는 장치
|
28 |
28
제 21항에 있어서,상기 비디오 클립은,상기 상태 천이와 관측 행렬을 기반으로 상기 HMM을 이용하여 표현되는 것을 특징으로 하는 장치
|
29 |
29
인체 동작 인식 장치에 있어서,비디오 클립을 입력받는 입력부와,상기 비디오 클립에서 추출한 인체 동작의 깊이 이미지들 및 이진 형상 이미지들의 원칙 요소를 결정하고, 상기 원칙 요소에 기반하여 인체 동작 모델링을 수행하고, 상기 인체 동작 모델링의 출력 값에 따라 사전에 존재하는 동작 모델들 중에서 우도 확률이 최대인 인체 동작 모델을 결정하는 제어부와,상기 결정된 인체 동작 모델을 출력하는 출력부를 포함하며,상기 인체 동작의 깊이 이미지들은 상기 인체 동작의 이진 형상 이미지들과 다른 이미지들이고,상기 비디오 클립은 비디오 센서에 기반한 연속적인 이미지들을 포함하는 것을 특징으로 하는 장치
|
30 |
30
제 29항에 있어서,상기 제어부는,인체 동작 HMM 사전으로부터 우도 확률이 최대화인 인체 동작 모델을 결정함으로써 상기 인체 동작 모델링의 출력 값에 따라 사전에 존재하는 동작 모델들 중에서 우도 확률이 최대인 인체 동작 모델을 결정하는 것을 특징으로 하는 장치
|
31 |
31
삭제
|
32 |
32
삭제
|
33 |
33
삭제
|
34 |
34
삭제
|
35 |
35
삭제
|
36 |
36
삭제
|
37 |
37
삭제
|
38 |
38
삭제
|
39 |
39
삭제
|
40 |
40
삭제
|
41 |
41
제9항에 있어서,상기 비디오 클립에서 추출한 인체 동작의 깊이 이미지들 및 이진 형상 이미지들의 원칙 요소를 결정하는 과정은,상기 깊이 이미지들 및 이진 형상 이미지들의 인체 표현에 기반하여 전체 이미지를 대표하는 적어도 한 원칙 요소를 결정하는 과정을 포함하는 것을 특징으로 하는 방법
|
42 |
42
제9항에 있어서,상기 비디오 클립은 상태 천이 및 관측 행렬에 기반으로 한 HMM을 이용하여 표현되는 것을 특징으로 하는 방법
|
43 |
43
제9항에 있어서,상기 원칙 요소에 기반하여 인체 동작 모델링을 수행하는 과정은,상기 원칙 요소에 기반으로 한 ICA 표현을 결정하는 과정과, 상기 ICA 표현을 기반으로 한 LDA를 통해 특징들을 결정하는 과정과, 벡터 양자화를 이용하여 코드북을 결정하는 과정과, 상기 비디오 클립에서 관측 심볼 시퀀스를 결정하는 과정과, 상태 천이 및 관측 행렬을 기반으로 한 HMM을 이용하여 인체 동작을 인식하는 과정을 포함하는 것을 특징으로 하는 방법
|
44 |
44
제43항에 있어서,상기 원칙 요소에 기반으로 한 ICA 표현을 결정하는 과정은상기 원칙 요소에서 독립적인 ICA 표현을 결정하는 과정을 포함하는 것을 특징으로 하는 방법
|
45 |
45
제43항에 있어서,상기 ICA 표현을 기반으로 한 LDA를 통해 특징들을 결정하는 과정은, 상기 깊이 이미지들 및 이진 형상 이미지들에서 ICA 표현을 구분하기 위해 상기 ICA 표현의 특징을 강조하는 과정을 포함하는 것을 특징으로 하는 방법
|
46 |
46
제43항에 있어서,상기 벡터 양자화를 이용하여 코드북을 결정하는 과정은,상기 벡터 양자화를 이용하여 상기 결정된 특징들을 상기 LDA를 통해 적어도 한 그룹으로 분류하는 과정과,상기 적어도 한 분류된 그룹에 코드를 부여하는 과정을 포함하는 것을 특징으로 하는 방법
|
47 |
47
제43항에 있어서,상기 비디오 클립에서 관측 심볼 시퀀스를 결정하는 과정은,상기 코드북의 코드들을 이용하여 상기 비디오 클립의 코드들과 코드 배열 순서를 결정하는 과정을 포함하는 것을 특징으로 하는 방법
|
48 |
48
제29항에 있어서,상기 제어부는상기 깊이 이미지들 및 이진 형상 이미지들의 인체 표현을 기반으로 전체 이미지를 대표하는 적어도 하나의 원칙 요소를 결정함으로써, 상기 비디오 클립에서 추출된 인체 동작의 깊이 이미지들 및 이진 형상 이미지들의 원칙 요소를 결정하는 것을 특징으로 하는 장치
|
49 |
49
제29항에 있어서,상기 비디오 클립은 상태 천이 및 관측 행렬을 기반으로 한 HMM을 이용하여 표현되는 것을 특징으로 하는 장치
|
50 |
50
제29항에 있어서,상기 제어부는, 상기 원칙 요소에 기반한 ICA 표현을 결정하고, 상기 ICA 표현에 기반한 LDA를 통해 특징을 결정하고, 벡터 양자화를 이용하여 코드북을 결정하고, 상기 비디오 클립에서 관측 심볼 시퀀스를 결정하고, 상태 천이 및 관측 행렬에 기반한 HMM을 이용하여 인체 동작을 인식하는 것을 특징으로 하는 장치
|