| 1 |
1
연속된 프레임으로 구성된 영상에서 보행자를 카운팅하는, 컨벌루션 신경망을 이용한 임베디드 플랫폼 상의 피플 카운팅 방법에 있어서,(a) 적어도 2개 이상의 연속된 이전 프레임을 이용하여 배경모델을 초기화하여 생성하는 단계;(b) 영상의 현재 프레임을 입력받는 단계;(c) 배경모델의 밴드 상단선과 하단선을 업데이트 하되, 상기 배경모델의 화소의 편차를 이용하여 업데이트하는 단계;(d) 상기 배경모델, 및, 밴드의 상단선과 하단선을 이용하여 보행자 후보 영역 맵을 추출하되, 현재 프레임의 각 화소에 대하여 상기 업데이트된 배경모델의 밴드 상단선과 하단선 사이의 영역에서 벗어나는 화소들을 상기 보행자 후보 영역 맵으로 추출하는 단계;(e) 상기 영상의 현재 프레임을 이용하여 배경모델을 업데이트 하되, 보행자 후보 영역에서는 이전 프레임의 배경모델을 그대로 사용하고 나머지 영역에 대해서만 업데이트 하는 단계;(f) 상기 보행자 후보 영역 맵을 컨벌루션 신경망(CNN) 보행자 분류기에 입력하여 분류시키는 단계; 및,(g) 분류결과에 따라 보행자를 카운팅하는 단계를 포함하는 것을 특징으로 하는 컨벌루션 신경망을 이용한 임베디드 플랫폼 상의 피플 카운팅 방법
|
| 2 |
2
제1항에 있어서,상기 (a)단계에서, N개(N은 2이상의 자연수)의 배경 프레임을 평균하여 상기 배경모델을 초기화하고,상기 (e)단계에서, 현재 프레임을 포함하여 이전 프레임 까지 N개의 프레임을 평균하여 업데이트하는 것을 특징으로 하는 컨벌루션 신경망을 이용한 임베디드 플랫폼 상의 피플 카운팅 방법
|
| 3 |
3
제1항에 있어서,상기 (e)단계에서, 상기 배경모델을 다음 수식 1에 의하여 업데이트하는 것을 특징으로 하는 컨벌루션 신경망을 이용한 임베디드 플랫폼 상의 피플 카운팅 방법
|
| 4 |
4
제3항에 있어서,상기 (c)단계에서, 다음 수식 2에 의하여 상기 배경모델의 상단선 U_band 및 하단선 L_band를 업데이트하는 것을 특징으로 하는 컨벌루션 신경망을 이용한 임베디드 플랫폼 상의 피플 카운팅 방법
|
| 5 |
5
제4항에 있어서,상기 (d)단계에서, 상기 보행자 후보 영역 맵을 다음 수식 3에 의하여 구하는 것을 특징으로 하는 컨벌루션 신경망을 이용한 임베디드 플랫폼 상의 피플 카운팅 방법
|
| 6 |
6
제1항에 있어서,상기 CNN 보행자 분류기는 인셉션 모듈(inception module)의 레이어(layer)가 추가되고, 상기 인셉션 모듈은 NIN(network in network)의 구조로 구성되는 것을 특징으로 하는 컨벌루션 신경망을 이용한 임베디드 플랫폼 상의 피플 카운팅 방법
|
| 7 |
7
제1항에 있어서,상기 CNN 보행자 분류기를 학습시킬 때, 이동과 회전 연산을 적용하여 주어진 학습 영상을 다수의 새로운 학습 영상으로 생성하여 학습시키는 것을 특징으로 하는 컨벌루션 신경망을 이용한 임베디드 플랫폼 상의 피플 카운팅 방법
|
| 8 |
8
제7항에 있어서,상기 주어진 학습 영상 (x,y)를 다음 수식 4에 의하여 다수의 새로운 학습 영상을 생성시키되, 회전 파라미터와 평행이동 파라미터들을 달리하여 학습영상을 생성하는 것을 특징으로 하는 컨벌루션 신경망을 이용한 임베디드 플랫폼 상의 피플 카운팅 방법
|
| 9 |
9
제6항에 있어서,상기 인셉션 모듈에 대하여 프루닝 작업을 수행하는 것을 특징으로 하는 컨벌루션 신경망을 이용한 임베디드 플랫폼 상의 피플 카운팅 방법
|
| 10 |
10
제1항 내지 제9항 중 어느 한 항의 컨벌루션 신경망을 이용한 임베디드 플랫폼 상의 피플 카운팅 방법을 수행하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
|
