| 1 |
1
행동 포즈렛과 2단계 분류 모델을 이용한 정지 영상에서의 사람 행동 인식 시스템으로서,입력된 학습 정지 영상으로부터 특징 벡터로 이루어진 포즈렛(Poselet)들을 추출하여 획득하기 위한 포즈렛 검출부(110);상기 포즈렛 검출부(110)에서 획득한 각 포즈렛에 대해 해당 포즈렛의 위치를 찾기 위해 1단계 랜덤 포레스트 분류기(121)를 이용하여 훈련하고, 공간적 포즈렛 활성화 벡터(Spatial Poselet Activation Vector; 이하 ‘SPAV’라 칭함)를 생성하며, 2단계 랜덤 포레스트 분류기(122)를 이용하여 상기 1단계 랜덤 포레스트 분류기(121)에서 생성한 SPAV들을 하나의 벡터로 연결한 CSPAV(Concatenated SPAV)를 생성하고, 그 CSPAV를 2단계 랜덤 포레스트 분류기(122)로 훈련하는 행동 인식 학습부(120); 및사람 영역이 포함된 테스트 입력 정지 영상이 입력되면, 상기 행동 인식 학습부(120)의 1단계 랜덤 포레스트 분류기(121)와 2단계 랜덤 포레스트 분류기(122)에 순차로 적용하여 CSPAV를 추출한 후 2단계 랜덤 포레스트 분류기(122)에 매칭하여 가장 큰 스코어 값을 가지는 행동 클래스를 최종 예측된 행동 클래스로 선택 결정하는 행동 인식 판단부(130)를 포함하는 것을 특징으로 하는, 행동 포즈렛과 2단계 분류 모델을 이용한 정지 영상에서의 사람 행동 인식 시스템
|
| 2 |
2
제1항에 있어서, 상기 포즈렛 검출부(110)는,상기 포즈렛들을 추출 획득하기 위해 주석 정보와 하우스도르프 거리(Hausdorff distance)를 이용한 행동 특정 포즈렛 선택(Action Specific Poselet Selection; 이하 ‘ASPS’라 칭함) 알고리즘(111)을 적용하는 것을 특징으로 하는, 행동 포즈렛과 2단계 분류 모델을 이용한 정지 영상에서의 사람 행동 인식 시스템
|
| 3 |
3
제2항에 있어서, 상기 주석 정보는,사람의 주요 관절 위치를 표기한 정보인 것을 특징으로 하는, 행동 포즈렛과 2단계 분류 모델을 이용한 정지 영상에서의 사람 행동 인식 시스템
|
| 4 |
4
제1항에 있어서, 상기 포즈렛 검출부(110)는,학습 정지 영상에 포함된 사람의 키포인트들과 위치가 주석 처리된 데이터 집합으로부터 사람 영역에 한해 램덤하게 예제 패치들을 생성하고, 랜덤하게 추출하여 생성한 예제 패치들을 행동 특정 포즈렛 선택(Action Specific Poselet Selection) 알고리즘(111)을 적용하여 포즈렛으로 군집화하는 것을 특징으로 하는, 행동 포즈렛과 2단계 분류 모델을 이용한 정지 영상에서의 사람 행동 인식 시스템
|
| 5 |
5
제4항에 있어서, 상기 포즈렛 검출부(110)는,상기 학습 정지 영상으로부터 사람 영역을 탐색하여 검출하는 것을 특징으로 하는, 행동 포즈렛과 2단계 분류 모델을 이용한 정지 영상에서의 사람 행동 인식 시스템
|
| 6 |
6
제4항에 있어서, 상기 포즈렛 검출부(110)는,상기 포즈렛을 ASPS 알고리즘(111)을 적용하여 군집화할 때, 해당 포즈렛 예제 패치들에 대한 분포를 구하는 것을 특징으로 하는, 행동 포즈렛과 2단계 분류 모델을 이용한 정지 영상에서의 사람 행동 인식 시스템
|
| 7 |
7
제1항에 있어서, 상기 행동 인식 학습부(120)는,상기 1단계 랜덤 포레스트 분류기(121)를 이용한 OCS-LBP(Oriented Center-symmetric Local Binary Patterns) 특징으로 상기 포즈렛들을 학습하여 훈련시키는 것을 특징으로 하는, 행동 포즈렛과 2단계 분류 모델을 이용한 정지 영상에서의 사람 행동 인식 시스템
|
| 8 |
8
제7항에 있어서, 상기 행동 인식 학습부(120)는,상기 검출된 포즈렛들의 스코어 값을 합하여 누적시키는 방식으로 상기 SPAV를 생성하는 것을 특징으로 하는, 행동 포즈렛과 2단계 분류 모델을 이용한 정지 영상에서의 사람 행동 인식 시스템
|
| 9 |
9
제7항에 있어서, 상기 행동 인식 학습부(120)는,상기 1단계 랜덤 포레스트 분류기(121)를 이진 분류기로 사용하고, 상기 2단계 랜덤 포레스트 분류기(122)를 최종 다중 클래스 분류기(Final multi-class classifier)로 사용하는 것을 특징으로 하는, 행동 포즈렛과 2단계 분류 모델을 이용한 정지 영상에서의 사람 행동 인식 시스템
|
| 10 |
10
행동 포즈렛과 2단계 분류 모델을 이용한 정지 영상에서의 사람 행동 인식 방법으로서,(1) 포즈렛 검출부(110)가 입력된 학습 정지 영상으로부터 특징 벡터로 이루어진 포즈렛(Poselet)들을 추출하여 획득하는 단계;(2) 행동 인식 학습부(120)가 상기 단계 (1)에서 획득한 각 포즈렛에 대해 해당 포즈렛의 위치를 찾기 위해 1단계 랜덤 포레스트 분류기(121)를 이용하여 훈련되도록 하고, 공간적 포즈렛 활성화 벡터(Spatial Poselet Activation Vector; 이하 ‘SPAV’라 칭함)를 생성하는 단계;(3) 행동 인식 학습부(120)가 2단계 랜덤 포레스트 분류기(122)를 이용하여 상기 단계 (2)에서 생성한 SPAV들을 하나의 벡터로 연결한 CSPAV(Concatenated SPAV)를 생성하고, 그 CSPAV를 2단계 랜덤 포레스트 분류기(122)로 훈련하는 단계; 및(4) 사람 영역이 포함된 테스트 입력 정지 영상이 입력되면, 행동 인식 판단부(130)가 상기 단계 (1) 내지 단계 (3)의 과정을 통해 CSPAV를 추출한 후 2단계 랜덤 포레스트 분류기(122)에 매칭하여 가장 큰 스코어 값을 가지는 행동 클래스를 최종 예측된 행동 클래스로 선택 결정하는 단계를 포함하는 것을 특징으로 하는, 행동 포즈렛과 2단계 분류 모델을 이용한 정지 영상에서의 사람 행동 인식 방법
|
| 11 |
11
제10항에 있어서, 상기 단계 (1)에서는,상기 포즈렛들을 추출 획득하기 위해 주석 정보와 하우스도르프 거리(Hausdorff distance)를 이용한 행동 특정 포즈렛 선택(Action Specific Poselet Selection; 이하 ‘ASPS’라 칭함) 알고리즘(111)을 사용하는 것을 특징으로 하는, 행동 포즈렛과 2단계 분류 모델을 이용한 정지 영상에서의 사람 행동 인식 방법
|
| 12 |
12
제11항에 있어서, 상기 주석 정보는,사람의 주요 관절 위치를 표기한 정보인 것을 특징으로 하는, 행동 포즈렛과 2단계 분류 모델을 이용한 정지 영상에서의 사람 행동 인식 방법
|
| 13 |
13
제10항에 있어서, 상기 단계 (1)에서는,(1-1) 학습 정지 영상에 포함된 사람의 키포인트들과 위치가 주석 처리된 데이터 집합으로부터 사람 영역에 한해 램덤하게 예제 패치들을 생성하는 단계; 및(1-2) 상기 단계 (1-1)에서 랜덤하게 추출하여 생성한 예제 패치들을 행동 특정 포즈렛 선택(Action Specific Poselet Selection) 알고리즘(111)을 통해 포즈렛으로 군집화하는 단계로 이루어지는 것을 특징으로 하는, 행동 포즈렛과 2단계 분류 모델을 이용한 정지 영상에서의 사람 행동 인식 방법
|
| 14 |
14
제13항에 있어서, 상기 단계 (1-1)에서는,상기 학습 정지 영상으로부터 사람 영역을 탐색하여 검출하는 과정을 더 포함하여 이루어지는 것을 특징으로 하는, 행동 포즈렛과 2단계 분류 모델을 이용한 정지 영상에서의 사람 행동 인식 방법
|
| 15 |
15
제13항에 있어서, 상기 단계 (1-2)에서는,상기 포즈렛을 ASPS 알고리즘(111)을 통해 군집화할 때, 해당 포즈렛 예제 패치들에 대한 분포를 구하는 것을 특징으로 하는, 행동 포즈렛과 2단계 분류 모델을 이용한 정지 영상에서의 사람 행동 인식 방법
|
| 16 |
16
제10항에 있어서, 상기 단계 (2)에서는,상기 행동 인식 학습부(120)가 1단계 랜덤 포레스트 분류기(121)를 이용한 OCS-LBP(Oriented Center-symmetric Local Binary Patterns) 특징으로 포즈렛들을 학습하여 훈련하는 것을 특징으로 하는, 행동 포즈렛과 2단계 분류 모델을 이용한 정지 영상에서의 사람 행동 인식 방법
|
| 17 |
17
제16항에 있어서, 상기 단계 (2)에서는,상기 SPAV를 생성하는 과정으로 검출된 포즈렛들의 스코어 값을 합하여 누적시키는 방식으로 구하는 것을 특징으로 하는, 행동 포즈렛과 2단계 분류 모델을 이용한 정지 영상에서의 사람 행동 인식 방법
|
| 18 |
18
제16항에 있어서, 상기 단계 (2)에서는,모든 학습 정지 영상에 대한 SPAV를 생성하는 것을 특징으로 하는, 행동 포즈렛과 2단계 분류 모델을 이용한 정지 영상에서의 사람 행동 인식 방법
|
| 19 |
19
제10항 내지 제18항 중 어느 한 항에 있어서, 상기 단계 (3)에서는,상기 행동 인식 학습부(120)가 2단계 랜덤 포레스트 분류기(122)를 이용하여 모든 학습 정지 영상에 대한 행동 클래스별로 모든 포즈렛을 탐색하여 추출한 SPAV들을 하나의 CSPAV로 연결시키는 것을 특징으로 하는, 행동 포즈렛과 2단계 분류 모델을 이용한 정지 영상에서의 사람 행동 인식 방법
|
| 20 |
20
제19항에 있어서, 상기 1단계 랜덤 포레스트 분류기(121)는,이진 분류기로 기능하는 것을 특징으로 하는, 행동 포즈렛과 2단계 분류 모델을 이용한 정지 영상에서의 사람 행동 인식 방법
|
| 21 |
21
제19항에 있어서, 상기 2단계 랜덤 포레스트 분류기(122)는,최종 다중 클래스 분류기(Final multi-class classifier)로 기능하는 것을 특징으로 하는, 행동 포즈렛과 2단계 분류 모델을 이용한 정지 영상에서의 사람 행동 인식 방법
|
