| 1 |
1
차량검출 장치를 이용하여 차량을 검출하는 방법에 있어서,적어도 운동체가 포함되는 이미지가 입력되는 단계;상기 운동체가 위치하는 영역으로서 의미론 영역 모델을 결정하고, 상기 의미론 영역 모델에 사용되도록 결정되어 있는 크기 탬플릿으로 상기 운동체가 포함되는 서브이미지를 획득하는 단계; 및상기 서브이미지와 분류기에 저장된 차량의 외형 정보를 매칭하여 차량을 검출하는 단계가 포함되고상기 의미론 영역 모델은 상기 운동체의 피처(feature)를 클러스터링하여 결정되고,상기 운동체의 궤적이 미리 결정된 수 이상을 포함하는 경우에 상기 의미론 영역 모델결정하는 차량검출방법
|
| 2 |
2
제 1 항에 있어서, 상기 의미론 영역 모델은, 상기 운동체의 위치에 대하여 적어도 어느 하나가 포함되는 차량검출방법
|
| 3 |
3
제 1 항에 있어서, 상기 크기 탬플릿은, 적어도 하나의 상기 의미론 영역 모델에 적어도 두개가 포함되는 차량검출방법
|
| 4 |
4
제 3 항에 있어서, 상기 서브이미지는, 모든 상기 크기 탬플릿에 대하여 획득되는 차량검출방법
|
| 5 |
5
제 1 항에 있어서,상기 차량을 검출하는 단계는,리니어 서포트 벡터 머신 기법으로 상기 서브이미지와 상기 분류기에 저장된 차량의 외형 정보를 비교하고,그 비교결과를 비 최대값 제거법으로 최적화하여 수행되는 차량검출방법
|
| 6 |
6
제 1 항에 있어서, 상기 의미론 영역 모델은, 상기 운동체의 피처(feature)를 클러스터링하여 얻어지는 차량검출방법
|
| 7 |
7
제 6 항에 있어서, 상기 운동체의 피처를 획득하는 운동체는, 다른 운동체와 겹치지 않는 독립 운동체인 차량검출방법
|
| 8 |
8
제 6 항에 있어서, 상기 운동체의 피처에는, 상기 운동체의 위치정보와 이동각도정보가 포함되는 차량검출방법
|
| 9 |
9
제 8 항에 있어서, 상기 의미론 영역 모델은, 상기 운동체의 위치정보와 이동각도정보가 클러스터링되는 추측 클러스터에서, 상기 이동각도정보가 제거된 2차원 클러스터 정보인 차량검출방법
|
| 10 |
10
제 9 항에 있어서,상기 의미론 영역 모델은, 도로영역으로 판단된 영역에 대응하는, 상기 2차원 클러스터 정보인 차량검출방법
|
| 11 |
11
제 6 항에 있어서, 상기 클러스터링은 핵심밀도추정(kernel density estimation)에 의해서 수행되는 차량검출방법
|
| 12 |
12
제 1 항에 있어서, 상기 의미론 영역 모델의 크기는 조절이 가능한 차량검출방법
|
| 13 |
13
제 1 항에 있어서, 상기 크기 탬플릿은, 상기 의미론 영역 모델을 통과하는 상기 운동체의 위치정보와 크기정보를 클러스터링하여 획득되는 차량검출방법
|
| 14 |
14
제 1 항에 있어서, 상기 크기 탬플릿의 개수는 조절이 가능한 차량검출방법
|
| 15 |
15
이미지의 화소위치와 연결되고, 운동체가 위치하는 영역으로서 의미론 영역모델이 저장되는 제 1 데이터베이스; 및분류기에 저장된 차량의 외형 정보와 비교하기 위한 상기 운동체의 서브이미지를 획득하기 위한 크기탬플릿이, 상기 제 1 데이터베이스의 의미론 영역 모델에 대응하여 저장되는 제 2 데이터베이스가 포함되고, 상기 의미론 영역 모델은 상기 운동체의 피처(feature)를 클러스터링하여 결정되고,상기 운동체의 궤적이 미리 결정된 수 이상을 포함하는 경우에 상기 의미론 영역 모델결정하는 차량검출을 위한 데이터가 저장된 기록매체
|
| 16 |
16
제 15 항에 있어서,상기 크기탬플릿은 어느 하나의 상기 의미론 영역 모델에 적어도 두 개가 포함되는 차량검출을 위한 데이터가 저장된 기록매체
|
| 17 |
17
삭제
|
| 18 |
18
삭제
|
| 19 |
19
삭제
|
| 20 |
20
삭제
|
