1 |
1
물체탐지 성능 향상용 인공물체 추가 방법에 있어서, 상기 방법은 물체 탐지 장치의 제어부에 의해 수행되고, 상기 방법은,영상 내에서 탐지하고자 하는 목표물체(target object) 주변에 인공물체(artificial object)를 추가하여 배치하는 인공물체 추가 배치 단계; 상기 목표물체와 상기 인공물체가 배치된 상기 영상에서 특정 알고리즘을 통해 상기 목표물체의 탐지를 위한 특징을 학습하는 학습 단계; 및상기 학습에 따른 결과를 이용하여 상기 영상 내의 상기 목표물체를 탐지(detect)하는 목표물체 탐지 단계를 포함하고,상기 인공물체 추가 배치 단계에서, 상기 목표물체와 다른 물체이지만, 상기 목표물체와 유사한 범주에 속하는 동종물체(homogeneous object)를 추가하고,상기 목표물체 탐지 단계에서, 상기 동종물체 사이에 목표물체가 있는 환경에서 상기 목표물체의 제1 특징(feature)을 추출하여 상기 목표물체의 탐지 성능을 향상시키고,상기 제1 특징은 상기 동종물체와 상기 목표물체를 구분할 수 있는 특징 정보인 것을 특징으로 하는, 물체탐지 성능 향상용 인공물체 추가 방법
|
2 |
2
삭제
|
3 |
3
제1 항에 있어서,상기 인공물체 추가 배치 단계에서, 상기 목표물체와 다른 종류인 이종물체(heterogeneous object)를 추가하고,상기 목표물체 탐지 단계에서, 상기 이종물체 사이에 상기 목표물체가 있는 환경에서도 상기 목표물체의 제2 특징을 추출하여 목표물체 탐지의 성능을 향상시키고,상기 제2 특징은 동종물체와 상기 이종물체를 구분할 수 있는 특징 정보인, 물체탐지 성능 향상용 인공물체 추가 방법
|
4 |
4
제1 항에 있어서,상기 인공물체 추가 배치 단계에서, 상기 목표물체와 다른 물체이지만, 상기 목표물체와 유사한 범주에 속하는 동종물체(homogeneous object)를 추가하고, 상기 목표물체와 다른 종류인 이종물체(heterogeneous object)를 추가하고,상기 목표물체 탐지 단계에서, 상기 동종물체와 상기 이종물체 사이에 상기 목표물체가 있는 환경에서 상기 목표물체의 제3 특징(feature)을 추출하여 상기 목표물체의 탐지 성능을 향상시키고,상기 제3 특징은 상기 동종물체의 개수 또는 비율이 임계 치 이상이면 제1 특징으로 선택되고, 상기 이종물체의 개수 또는 비율이 제2 임계 치 이상이면 제2 특징으로 선택되고,상기 제1 특징은 상기 동종물체와 상기 목표물체를 구분할 수 있는 특징 정보이고, 상기 제2 특징은 상기 동종물체와 상기 이종물체를 구분할 수 있는 특징 정보인 것을 특징으로 하는, 물체탐지 성능 향상용 인공물체 추가 방법
|
5 |
5
제4 항에 있어서,상기 인공물체 추가 배치 단계에서, 상기 목표물체의 탐지 성능을 향상시키기 위해 배치된 상기 동종물체 및 상기 이종물체의 개수 및 빈도의 확률분포를 설정하고, 상기 설정된 확률분포에 기반하여, 상기 동종물체 및 상기 이종물체를 상기 목표물체의 주변 위치에 추가하여 배치하고,상기 학습 단계에서, 상기 목표물체의 주변 위치에 상기 설정된 확률분포에 기반하여 상기 동종물체 및 상기 이종물체가 배치된 상기 영상을 이용하여 상기 목표물체의 제3 특징을 학습하고,상기 목표물체 탐지 단계에서, 상기 동종물체와 상기 이종물체 사이에 상기 목표물체가 있는 환경 및 상황에서 상기 목표물체의 제3 특징을 추출하여 상기 목표물체의 탐지 성능을 향상시키는 것을 특징으로 하는, 물체탐지 성능 향상용 인공물체 추가 방법
|
6 |
6
제5 항에 있어서,상기 인공물체 추가 배치 단계에서, 상기 영상 내에서 상기 목표물체의 탐지(detection) 정확도 향상을 위해 상기 동종물체의 비율을 증가시키고,상기 학습 단계에서, 상기 증가된 비율을 고려하여 선정된 제2 동종물체 및 제3 이종물체가 배치된 상기 영상을 이용하여 상기 목표물체의 제3 특징을 학습하고,상기 제3 특징은 상기 동종물체의 개수 또는 비율이 임계 치 이상이면 상기 제1 특징으로 선택되고, 상기 이종물체의 개수 또는 비율이 제2 임계 치 이상이면 상기 제2 특징으로 선택되는 것을 특징으로 하는, 물체탐지 성능 향상용 인공물체 추가 방법
|
7 |
7
제5 항에 있어서,상기 학습 단계에서, 상기 제3 특징과 상기 영상 내에서 상기 목표물체의 인식(identification) 정확도 향상을 위해 상기 목표물체의 제4 특징을 학습하고,상기 제4 특징은 상기 목표물체와 동일한 물체이면서 서로 다른 모델 또는 속성을 인식하기 위한 특징인, 물체탐지 성능 향상용 인공물체 추가 방법
|
8 |
8
제1 항에 있어서,상기 학습 단계 및 상기 목표물체 탐지 단계에서, 복수의 물체가 배치되는 영역(area)과 관련된 IoU 기준(Intersection of Union Threshold)마다 Fβ(t) 점수의 평균이 가장 높은 특정 학습 알고리즘을 선택하고, 상기 선택된 학습 알고리즘에 따라 상기 목표물체의 탐지를 위한 특징을 학습하고,여기서, 이고, 동종물체 및 이종물체의 개수 및 빈도가 가변될 때마다 β를 동적으로 조정하여 Fβ(t)의 점수의 평균이 높도록 학습하고,여기서, TP(t)는 상기 물체탐지에 관한 패턴인식에 따른 분류에서 True Positive이고, FN(t)는 False Negative이고, FP(t)는 False Positive인, 물체탐지 성능 향상용 인공물체 추가 방법
|
9 |
9
물체탐지 성능 향상용 인공물체 추가 기능을 갖는 물체 탐지 장치에 있어서,목표물체가 포함된 영상을 수신하는 인터페이스; 및영상 내에서 탐지하고자 하는 목표물체(target object) 주변에 인공물체(artificial object)를 추가하여 배치하고,상기 목표물체와 상기 인공물체가 배치된 상기 영상에서 특정 알고리즘을 통해 상기 목표물체의 탐지를 위한 특징을 학습하고,상기 학습에 따른 결과를 이용하여 상기 영상 내의 상기 목표물체를 탐지(detect)하는 제어부를 포함하고,상기 제어부는, 상기 목표물체와 다른 물체이지만, 상기 목표물체와 유사한 범주에 속하는 동종물체(homogeneous object)를 추가하고,상기 동종물체 사이에 목표물체가 있는 환경에서 상기 목표물체의 제1 특징(feature)을 추출하여 상기 목표물체의 탐지 성능을 향상시키고,상기 제1 특징은 상기 동종물체와 상기 목표물체를 구분할 수 있는 특징 정보인 것을 특징으로 하는, 물체 탐지 장치
|
10 |
10
삭제
|
11 |
11
제9 항에 있어서,상기 제어부는,상기 목표물체와 다른 종류인 이종물체(heterogeneous object)를 추가하고,상기 이종물체 사이에 상기 목표물체가 있는 환경에서도 상기 목표물체의 제2 특징을 추출하여 목표물체 탐지의 성능을 향상시키고,상기 제2 특징은 동종물체와 상기 이종물체를 구분할 수 있는 특징 정보인 것을 특징으로 하는, 물체탐지 장치
|
12 |
12
제9 항에 있어서,상기 제어부는, 상기 목표물체와 다른 물체이지만, 상기 목표물체와 유사한 범주에 속하는 동종물체(homogeneous object)를 추가하고, 상기 목표물체와 다른 종류인 이종물체(heterogeneous object)를 추가하고,상기 동종물체와 상기 이종물체 사이에 상기 목표물체가 있는 환경에서 상기 목표물체의 제3 특징(feature)을 추출하여 상기 목표물체의 탐지 성능을 향상시키고,상기 제3 특징은 상기 동종물체의 개수 또는 비율이 임계 치 이상이면 제1 특징으로 선택되고, 상기 이종물체의 개수 또는 비율이 제2 임계 치 이상이면 제2 특징으로 선택되고,상기 제1 특징은 상기 동종물체와 상기 목표물체를 구분할 수 있는 특징 정보이고, 상기 제2 특징은 상기 동종물체와 상기 이종물체를 구분할 수 있는 특징 정보인 것을 특징으로 하는, 물체탐지 장치
|
13 |
13
제12 항에 있어서,상기 제어부는, 상기 목표물체의 탐지 성능을 향상시키기 위해 배치된 상기 동종물체 및 상기 이종물체의 개수 및 빈도의 확률분포를 설정하고, 상기 설정된 확률분포에 기반하여, 상기 동종물체 및 상기 이종물체를 상기 목표물체의 주변 위치에 추가하여 배치하고,상기 목표물체의 주변 위치에 상기 설정된 확률분포에 기반하여 상기 동종물체 및 상기 이종물체가 배치된 상기 영상을 이용하여 상기 목표물체의 제3 특징을 학습하고,상기 동종물체와 상기 이종물체 사이에 상기 목표물체가 있는 환경 및 상황에서 상기 목표물체의 제3 특징을 추출하여 상기 목표물체의 탐지 성능을 향상시키는 것을 특징으로 하는, 물체탐지 장치
|
14 |
14
제9 항에 있어서,상기 제어부는, 복수의 물체가 배치되는 영역(area)과 관련된 IoU 기준(Intersection of Union Threshold)마다 Fβ(t) 점수의 평균이 가장 높은 특정 학습 알고리즘을 선택하고, 상기 선택된 학습 알고리즘에 따라 상기 목표물체의 탐지를 위한 특징을 학습하고,여기서, 이고, 동종물체 및 이종물체의 개수 및 빈도가 가변될 때마다 β를 동적으로 조정하여 Fβ(t)의 점수의 평균이 높도록 학습하고,여기서, TP(t)는 상기 물체탐지에 관한 패턴인식에 따른 분류에서 True Positive이고, FN(t)는 False Negative이고, FP(t)는 False Positive인, 물체탐지 장치
|