| 1 |
1
입력된 트랙이 포함된 이미지를 최적화하되, 이미지의 밝기 및 명암을 최적화하기 위해 3채널에 따라 평균 픽셀값을 계산한 후, 색상을 균일화하는 이미지 최적화 단계;상기 최적화된 이미지를 이진화하여 트랙 보정 및 검출하는 단계;상기 보정된 트랙 중 손상된 트랙을 복구하되, 트랙윤곽을 일정길이의 선분으로 변환하여 그 연결조건을 만족하고 선분에 대응하는 트랙의 모델을 예측 및 복원하는 단계; 및 상기 검출된 트랙 수 및 복구된 트랙의 사이즈 정보를 이용한 겹침 트랙의 수를 포함한 전체의 트랙 수를 카운팅하는 단계;를 포함하는 것을 특징으로 하는 트랙 이미지 카운팅 방법
|
| 2 |
2
청구항 1에 있어서, 상기 이진화하여 트랙 보정 및 검출 단계 이후 트랙 주변의 노이즈를 제거하는 노이즈제거 단계를 더 포함하는 것을 특징으로 하는 트랙 이미지 카운팅 방법
|
| 3 |
3
청구항 1에 있어서,상기 이미지 최적화 단계는 입력된 이미지를 3채널로 분리하는 단계;상기 3채널 이미지 각각의 평균 픽셀값을 계산하여 중간 분포에 속하는 채널의 이미지의 밝기 및 명암을 최적화하는 단계; 및 상기에서 최적화된 3채널 이미지를 병합하고, Mean-shift segmentation을 이용하여 색상을 균일화하는 단계;로 이루어지는 것을 특징으로 하는 트랙 이미지 카운팅 방법
|
| 4 |
4
청구항 1에 있어서, 상기 손상된 트랙을 복구하는 단계는 트랙의 엣지에 해당하는 윤곽(contour)을 검출하여 일정길이의 선분으로 변환하는 트랙윤곽검출단계;상기에서 변환된 트랙의 선분에서 연결 조건을 만족하는 선분을 구분하는 적절시점추정(Suitable point estimation)단계;상기에서 조건에 만족하는 선분에 RANSAC(RANdom SAmple Consensus) 알고리즘을 적용하여 트랙의 모델을 예측 및 복원하는 모델예측복원단계;로 이루어지는 것을 특징으로 하는 트랙 이미지 카운팅 방법
|
| 5 |
5
청구항 1에 있어서,상기 트랙의 사이즈 정보는 장축, 단축, 중심점, 및 장축이 회전한 각도 중 어느 하나 이상을 포함하는 것을 특징으로 하는 트랙 이미지 카운팅 방법
|
| 6 |
6
청구항 4에 있어서,상기 트랙윤곽검출단계는 이진화된 트랙 이미지에 소벨(Sobel) 필터를 적용하여 트랙의 윤곽을 검출하는 것을 특징으로 하는 트랙 이미지 카운팅 방법
|
| 7 |
7
청구항 4에 있어서, 상기 모델은 원형, 타원형, 및 비원형 중 어느 하나인 것을 특징으로 하는 트랙 이미지 카운팅 방법
|
| 8 |
8
청구항 4에 있어서, 상기 적절시점추정단계는 미스매치드 윤곽 점(Mismatched contour point)의 탐색 및 제거하는 단계를 포함하는 것을 특징으로 하는 트랙 이미지 카운팅 방법
|
| 9 |
9
청구항 8에 있어서, 상기에서 미스매치드 윤곽 점(Mismatched contour point)의 탐색 및 제거하는 단계는 트랙의 연속된 외곽점을 이용하여 벡터를 생성하는 단계;상기에서 생성된 벡터 중 2개의 벡터의 내적 연산을 통해 사잇각을 구하는 단계;상기 두 벡터의 사잇각이 기설정 각도 이하인 경우 미스매치드 윤곽 점으로 판단하는 단계; 및 상기 미스매치드 윤곽 점으로 판단된 점들을 제거하는 단계;로 이루어지는 것을 특징으로 하는 트랙 이미지 카운팅 방법
|
| 10 |
10
청구항 9에 있어서, 상기 기설정 각도는 120°인 것을 특징으로 하는 트랙 이미지 카운팅 방법
|
| 11 |
11
청구항 4에 있어서, 상기 복구된 트랙의 사이즈 정보를 이용하여 트랙 이미지를 분석하여 전체의 트랙 수를 카운팅하는 단계에서 복구된 트랙의 비율이 임계값보다 크거나 트랙의 장축이 평균 장축보다 크면 겹침트랙으로 판단하여 트랙의 수를 증가시켜 2이상으로 증가시켜 카운팅하는 것을 특징으로 하는 트랙 이미지 카운팅 방법
|
| 12 |
12
청구항 11에 있어서, 상기 임계값은 전체 트랙의 평균 사이즈의 1
|
