| 1 |
1
영상의 객체정보 및 배경정보를 분석하는 객체정보분석단계;배경과 객체의 분할정보를 포함한 영상정보에 대해서 객체의 관심영역을 추정하는 객체관심영역추정단계; 및상기 객체관심영역추정단계에 의해 분석된 객체의 관심영역의 정보를 이용하여 GrabCut 알고리즘에 의해 객체를 분할하는 GrabCut처리단계;를 갖되,상기 객체관심영역추정단계는:영상정보에 대해서 배경군집, 중립군집, 객체군집에 대해 라벨링처리 및 객체의 영역추정을 수행하는 군집라벨링처리단계;를 포함하는 것을 특징으로 하는 자동객체분할방법
|
| 2 |
2
배경과 객체의 분할정보를 포함한 영상정보에 대해서 객체의 관심영역을 추정하는 객체관심영역추정단계를 포함하는데,상기 객체관심영역추정단계는,영상의 군집분산정보를 분석하여 분산영역의 크기에 따라 군집을 분별하고,영상을 소정 개수의 블록으로 분할하고 개별 블록 내의 객체면적과 배경면적, 그리고 블록의 색상평균값에 따라서 객체군집과 배경군집으로 판별하는 것을 특징으로 하는 자동객체분할방법
|
| 3 |
3
제 2항에 있어서,상기 객체관심영역추정단계는:영상정보에 대해서 배경군집, 중립군집, 객체군집에 대해 라벨링처리 및 객체의 영역추정을 수행하는 군집라벨링처리단계;를 포함하는 것을 특징으로 하는 자동객체분할방법
|
| 4 |
4
제 1항 또는 제 3항에 있어서,상기 군집라벨링처리단계는:영상의 배경, 중립, 객체로 분석된 배경군집, 중립군집, 객체군집에 대해 라벨링하기 위해 각 군집의 분산정보를 분석하는 군집분산정보분석단계; 및영상의 외곽영역정보를 분석하는 외곽정보분석단계;를 포함하는 것을 특징으로 하는 자동객체분할방법
|
| 5 |
5
제 4항에 있어서,상기 군집분산정보분석단계는 배경군집, 중립군집, 객체군집 중에서 분산영역이 큰 군집을 배경군집으로 판별하고, 분산영역이 작은 군집을 객체군집으로 판별하는 것을 특징으로 하는 자동객체분할방법
|
| 6 |
6
제 4항에 있어서,상기 군집분산정보분석단계는 수학식 2에 의해 각 군집의 분산정보를 산출하는 단계; 및(수학식 2),('area'는 영상(클래스) 전체 면적, x와 y는 클래스에서 축들, C는 클래스, 와 는 두 축의 평균값),상기 외곽정보분석단계(S312)는 수학식 4에 의해 각 군집의 외곽정보를 산출하는 단계;(수학식 4),(G는 각 군집 정보(each Gaussian area), τ는 외곽영역(total boundary region)),를 포함하는 것을 특징으로 하는 자동객체분할방법
|
| 7 |
7
제 1항 또는 제 3항에 있어서,상기 중립군집에 대해 수학식 5에 의해 배경군집 또는 객체군집으로 라벨링처리하는 중립군집라벨링단계;(수학식 5)(foreground는 객체군집, background는 배경군집, 는 중립영역의 분산, 는 외곽영역 안에서 중립영역이 차지하고 있는 면적값, 와 는 각각 객체의 분산과 배경의 분산, 와 는 각각 외곽영역 안에 객체와 배경이 차지하고 있는 면적값),를 포함하는 것을 특징으로 하는 자동객체분할방법
|
| 8 |
8
제 1항 또는 제 2항에 있어서,상기 객체관심영역추정단계는:객체 영역의 정보를 포함한 영상을 소정의 개수의 블록으로 분할하고 블록으로 분할된 영상에서 객체의 관심영역을 추정하는 블록클러스터링처리단계;를 포함하는 것을 특징으로 하는 자동객체분할방법
|
| 9 |
9
제 8항에 있어서,상기 블록클러스터링처리단계는,개별 블록에서 객체군집에 해당하는 블록내 객체면적값, 개별 블록에서 배경군집에 해당하는 블록내 배경면적값을 산출하는 블록별면적산출단계;개별 블록별 색상평균값에 대해 객체군집의 평균색상값과의 거리, 개별 블록별 색상평균값에 대해 배경군집의 평균색상값과의 거리를 산출하는 블록색상정보산출단계; 및상기 블록별면적산출단계와 블록색상정보산출단계에 의해 산출된 개별 블록에서의 객체면적, 배경면적, 색상값의 비교에 의해 개별 블록을 객체군집 또는 배경군집으로 라벨링처리하는 개별블록라벨링단계;를 포함하는 것을 특징으로 하는 자동객체분할방법
|
| 10 |
10
제 9항에 있어서,상기 블록별면적산출단계는 수학식 6에 의하여 개별 블록에 대한 객체면적값, 배경면적값을 산출하고,상기 블록색상정보산출단계는 수학식 7, 수학식 8에 의하여 개별 블록의 색상평균값에 대해 객체군집과 배경군집 각각의 평균색상값을 산출하며,상기 개별블록라벨링단계는 수학식 9에 의하여 개별 블록을 객체군집 또는 배경군집으로 라벨링처리하는 것을 특징으로 하는 자동객체분할방법
|
| 11 |
11
제 1항에 있어서,상기 객체정보분석단계는:K-means 알고리즘에 의해 대상이 되는 영상에 대한 군집화알고리즘을 수행하는 K-means 클러스터링단계; 및혼합가중치(mixture weight)에 따른 GMM알고리즘의 수행으로 대상이 되는 영상을 "배경", "중립", "객체"로 하여 영상을 분할하는 GMM처리단계;를 포함하는 것을 특징으로 하는 자동객체분할방법
|
| 12 |
12
영상의 객체정보 및 배경정보를 분석하는 객체정보분석부;배경과 객체의 분할정보를 포함한 영상정보에 대해서 객체의 관심영역을 추정하는 객체관심영역추정부; 및상기 객체관심영역추정부에 의해 분석된 객체의 관심영역의 정보를 이용하여 GrabCut 알고리즘에 의해 객체를 분할하는 GrabCut처리부;를 포함하고,상기 객체관심영역추정부는,영상의 군집분산정보를 분석하여 분산영역의 크기에 따라 군집을 분별하고,영상을 소정 개수의 블록으로 분할하고 개별 블록 내의 객체면적과 배경면적, 그리고 블록의 색상평균값에 따라서 객체군집과 배경군집으로 판별하는 것을 특징으로 하는 자동객체분할시스템
|
| 13 |
13
제 12항에 있어서,상기 객체관심영역추정부는:영상정보에 대해서 배경군집, 중립군집, 객체군집에 대해 라벨링처리 및 객체의 영역추정을 수행하는 군집라벨링처리부; 및객체 영역의 정보를 포함한 영상을 소정의 개수의 블록으로 분할하고 블록으로 분할된 영상에서 객체의 관심영역을 추정하는 블록클러스터링처리부;를 포함하는 것을 특징으로 하는 자동객체분할시스템
|
| 14 |
14
제 13항에 있어서,상기 군집라벨링처리부는:영상의 배경, 중립, 객체로 분석된 배경군집, 중립군집, 객체군집에 대해 라벨링하기 위해 각 군집의 분산정보를 분석하는 군집분산정보분석부;영상의 외곽영역정보를 분석하는 외곽정보분석부; 및상기 중립군집에 대해 배경군집 또는 객체군집으로 라벨링처리하는 중립군집라벨링부;를 포함하는 것을 특징으로 하는 자동객체분할시스템
|
| 15 |
15
제 13항에 있어서,상기 블록클러스터링처리부는:개별 블록에서 객체군집에 해당하는 블록내 객체면적값, 개별 블록에서 배경군집에 해당하는 블록내 배경면적값을 산출하는 블록별면적산출부;개별 블록별 색상평균값에 대해 객체군집의 평균색상값과의 거리, 개별 블록별 색상평균값에 대해 배경군집의 평균색상값과의 거리를 산출하는 블록색상정보산출부; 및상기 블록별면적산출부와 블록색상정보산출부에 의해 산출된 개별 블록에서의 객체면적, 배경면적, 색상값의 비교에 의해 개별 블록을 객체군집 또는 배경군집으로 라벨링처리하는 개별블록라벨링부;를 포함하는 것을 특징으로 하는 자동객체분할시스템
|
