1 |
1
카메라를 통해 다수의 영상(이하, '모델 영상' 이라 함)을 수집하는 제1 단계;HOG(histogram of gradient)를 사용하여 각 모델 영상에 대해 HOG 특징을 추출하는 제2 단계;상기 제2 단계를 통해 추출된 상기 각 모델 영상의 HOG 특징을 기반으로, 기계 학습 알고리즘 (machine learning algorithm)을 통한 모델 학습을 수행하여 보행자 모델을 생성하는 제3 단계;보행자 유무의 판별이 필요한 영상(이하, '입력 영상'이라 함)을 입력받는 제4 단계;상기 보행자 모델의 HOG 특징과 상기 입력 영상에서 추출되는 HOG 특징 간의 유사도에 비례하여 스코어(score)값이 계산되는 스코어링(Scoring)을 수행하는 제5 단계;상기 제5 단계를 통해 산출되는 스코어값을 기설정된 임계값과 비교하는 제6 단계; 및상기 제6 단계의 비교결과, 상기 스코어값이 상기 임계값보다 더 클 경우 상기 입력 영상을 보행자 영상으로 인식하는 제7 단계;를 포함하는 것을 특징으로 하는 카메라를 이용한 보행자 인식 방법
|
2 |
2
제1 항에 있어서,상기 제2 단계는, 상기 모델 영상에 대해 복수 개의 범위 각도로 구분하여, 각 범위 각도별로 HOG 특징을 추출하고,상기 제3 단계는,상기 모델 영상의 복수 개의 범위 각도별 HOG 특징을 기반으로 상기 기계 학습 알고리즘을 통한 모델 학습을 수행하여,상기 보행자 모델은 상기 각 범위 각도별로 HOG 특징에 대한 정보를 갖도록 구성되는 것을 특징으로 하는 카메라를 이용한 보행자 인식 방법
|
3 |
3
제2 항에 있어서,상기 제5 단계는, 상기 입력 영상의 각 단위 지점을 기준으로 상기 보행자 모델을 상기 입력 영상에 매칭시켜 나아가며 상기 각 단위 지점별로 스코어값을 산출하도록 구성되고,상기 제6 단계는,상기 각 단위 지점별로 산출되는 다수 개의 스코어값을 기설정된 임계값과 비교하며,상기 제7 단계는,상기 제6 단계의 비교결과, 상기 다수 개의 스코어값 중 어느 하나의 스코어값이 상기 임계값보다 더 클 경우 상기 입력 영상을 보행자 영상으로 인식하도록 구성되는 것을 특징으로 하는 카메라를 이용한 보행자 인식 방법
|
4 |
4
제3 항에 있어서,상기 제5 단계의 상기 각 단위 지점별로 스코어값은 가우시안 함수를 이용하여 산출되는 것을 특징으로 하는 카메라를 이용한 보행자 인식 방법
|
5 |
5
제3 항에 있어서,상기 제5 단계의 상기 각 단위 지점별로 스코어값은 다음 수학식을 이용하여 산출되는 것을 특징으로 하는 카메라를 이용한 보행자 인식 방법
|
6 |
6
제2 항에 있어서,상기 복수 개의 범위 각도는 "20°씩 총 18개로 구분되는 범위 각도" 내지 "30°씩 총 12개로 구분되는 범위 각도"인 것을 특징으로 하는 카메라를 이용한 보행자 인식 방법
|
7 |
7
제1 항에 있어서,상기 제2 단계는, HOG 가중 필터(weight filter)를 사용하여, 상기 모델 영상에 포함되어 있는 배경을 포함한 잡음을 제거하는 단계를 더 포함하는 것을 특징으로 하는 카메라를 이용한 보행자 인식 방법
|
8 |
8
제1 항에 있어서,상기기계 학습 알고리즘은 서포트 벡터 머신(Support Vector Machine: SVM)을 사용하도록 구성되는 것을 특징으로 하는 카메라를 이용한 보행자 인식 방법
|
9 |
9
카메라를 통해 다수의 영상(이하, '모델 영상' 이라 함)을 수집하는 단계; HOG(histogram of gradient)를 사용하여 상기 각 모델 영상에 대해 HOG 특징을 추출하는 단계; 및 추출된 상기 각 모델 영상의 HOG 특징을 기반으로 기계 학습 알고리즘(machine learning algorithm)을 통해 모델 학습을 수행하는 단계;에 의해 획득되는 보행자 모델을 기반으로 하여, 보행자 유무의 판별이 필요한 영상(이하, '입력 영상'이라 함)의 보행자 유무를 인식하는 방법으로서,상기 입력 영상을 입력받는 제1 단계;상기 보행자 모델의 HOG 특징과 상기 입력 영상에서 추출되는 HOG 특징 간의 유사도에 비례하여 스코어(score)값이 계산되는 스코어링(Scoring)을 수행하는 제2 단계;상기 제2 단계를 통해 산출된 스코어값을 기설정된 임계값과 비교하는 제3 단계; 및 상기 제3 단계의 비교결과, 상기 스코어값이 상기 임계값보다 더 클 경우 상기 입력 영상을 보행자 영상으로 인식하고, 작을 경우 비보행자 영상으로 인식하는 제4 단계;를 포함하는 것을 특징으로 하는 카메라를 이용한 보행자 인식 방법
|
10 |
10
제9 항에 있어서,상기 보행자 모델은, 상기 모델 영상에 대해 복수 개의 범위 각도로 구분하여 각 범위 각도별로 HOG 특징을 추출하고, 상기 모델 영상의 복수 개의 범위 각도별 HOG 특징을 기반으로 상기 기계 학습 알고리즘을 통한 모델 학습을 수행하여 생성됨으로써, 상기 보행자 모델은 상기 각 범위 각도별로 HOG 특징에 대한 정보를 갖도록 구성된 것을 특징으로 하는 카메라를 이용한 보행자 인식 방법
|
11 |
11
제10 항에 있어서,상기 제2 단계는, 상기 입력 영상의 각 단위 지점을 기준으로 상기 보행자 모델을 상기 입력 영상에 매칭시켜 나아가며 상기 각 단위 지점별로 스코어값을 산출하도록 구성되고,상기 제3 단계는,상기 각 단위 지점별로 산출되는 다수 개의 스코어값을 기설정된 임계값과 비교하며,상기 제4 단계는,상기 제3 단계의 비교결과, 상기 다수 개의 스코어값 중 어느 하나의 스코어값이 상기 임계값보다 더 클 경우 상기 입력 영상을 보행자 영상으로 인식하도록 구성되는 것을 특징으로 하는 카메라를 이용한 보행자 인식 방법
|
12 |
12
제11 항에 있어서,상기 제2 단계의 상기 각 단위 지점별로 스코어값은 다음 수학식을 이용하여 산출되는 것을 특징으로 하는 카메라를 이용한 보행자 인식 방법
|
13 |
13
전기 전자 장치에 제1 항 내지 제11 항 중에서 선택된 어느 하나의 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 매체
|