1 |
1
(a) 특정 공간을 촬영한 비디오 스트림을 분석하여 연기를 포함하는지 여부에 따라 연기(smoky) 프레임들과 비연기(non-smoky) 프레임들로 분류하는 단계;(b) 상기 비연기 프레임들을 이용하여 각 물체의 움직임 이벤트 발생 여부에 따라 각 물체에 대한 샷(shot)으로 각각 분할하는 단계;(c) 상기 각 샷에 상응하는 배경 이미지를 저장하는 단계;(d) 상기 각 물체를 훈련된 인공 신경망을 통해 분류하는 단계;(e) 상기 연기 프레임들을 분석하여 중요 키 프레임을 선별하는 단계; 및(f) 상기 중요 키 프레임과 상기 저장된 배경 이미지와 신호대 잡음비(PSNR)을 각각 도출한 후 신호대 잡음비가 가장 큰 배경 이미지를 상기 중요 키 프레임에 대한 배경 이미지로 선택하는 단계를 포함하는 영상 분석 방법
|
2 |
2
제1 항에 있어서, 상기 (c) 단계는, 상기 각 샷에 포함된 프레임들을 이용하여 물체 움직임이 발생한 이후 가장 깨끗한 프레임을 배경 이미지로 선택하여 저장하는 것을 특징으로 하는 영상 분석 방법
|
3 |
3
제2 항에 있어서, 상기 각 샷에 포함된 각 프레임에 대한 기억 가능성 점수 및 엔트로피를 도출한 후 상기 도출된 기억 가능성 점수 및 엔트로피가 임계치 이상인 프레임을 배경 이미지로 선택하는 것을 특징으로 하는 영상 분석 방법
|
4 |
4
제3 항에 있어서, 상기 기억 가능성 점수는 CNN 모델을 기반으로 계산되며, 상기 엔트로피는 각 프레임을 HSV 색상 모델로 변환한 뒤 색상, 채도, 명도 컴포넌트 각각에 대한 히스토그램 빈의 확률을 계산하여 도출되는 것을 특징으로 하는 영상 분석 방법
|
5 |
5
삭제
|
6 |
6
제1 항에 있어서,상기 중요 키 프레임을 선별하는 단계는, 상기 연기 프레임들 중 연속된 두개의 프레임을 HSV 색상 모델로 변환하는 단계; 및상기 HSV 색상 모델로 변환된 두개의 프레임간의 색조(Hue) 컴포넌트의 에지 차이가 임계치 이상인 프레임을 중요 키 프레임으로 선별하는 단계를 포함하는 것을 특징으로 하는 영상 분석 방법
|
7 |
7
제1 항에 있어서,상기 연기 프레임들을 학습된 인공 신경망에 적용하여 도출된 특징맵을 이용하여 관심 영역을 추출하는 단계; 및상기 추출된 관심 영역을 학습된 인공 신경망에 적용하여 컨텍스트 정보를 추출하는 단계를 더 포함하는 영상 분석 방법
|
8 |
8
제1 항에 따른 방법을 수행하기 위한 프로그램 코드를 기록한 컴퓨터로 판독 가능한 기록매체 제품
|
9 |
9
각 지역에 설치된 영상 감시 장치에 있어서, 특정 공간을 촬영한 비디오 스트림을 분석하여 연기를 포함하는지 여부에 따라 연기(smoky) 프레임들과 비연기(non-smoky) 프레임들로 분류하는 프레임 분류부;상기 비연기 프레임들을 이용하여 각 물체의 움직임 이벤트 발생 여부에 따라 각 물체에 대한 샷(shot)으로 각각 분할한 후 상기 각 샷에 상응하는 배경 이미지를 저장하는 배경 저장부; 및상기 각 물체를 훈련된 인공 신경망을 통해 분류하는 물체 분류부를 포함하되, 상기 연기 프레임들은 분석되어 중요 키 프레임으로 선별되되, 상기 중요 키 프레임과 상기 저장된 배경 이미지와 신호대 잡음비(PSNR)이 도출된 후 신호대 잡음비가 가장 큰 배경 이미지가 상기 중요 키 프레임에 대한 배경 이미지로 선택되는 것을 특징으로 하는 영상 감시 장치
|
10 |
10
제9 항에 있어서, 상기 배경 저장부는, 상기 각 샷에 포함된 프레임들을 이용하여 물체 움직임이 발생한 이후 가장 깨끗한 프레임을 배경 이미지로 선택하여 저장하는 것을 특징으로 하는 영상 감시 장치
|
11 |
11
제9 항에 있어서, 상기 배경 저장부는, 상기 각 샷에 포함된 각 프레임에 대한 기억 가능성 점수 및 엔트로피를 도출한 후 상기 도출된 기억 가능성 점수 및 엔트로피가 임계치 이상인 프레임을 배경 이미지로 선택하는 것을 특징으로 하는 영상 감시 장치
|
12 |
12
영상 감시 장치와 연결된 서버에 있어서, 통신부;적어도 하나의 명령어들을 저장하는 메모리; 및상기 메모리에 저장된 명령어들을 수행하는 프로세서를 포함하되,상기 프로세서에 의해 수행된 명령어들은, 상기 영상 감시 장치로부터 수신된 연기 프레임들을 분석하여 중요 키 프레임을 선별하는 단계; 및상기 중요 키 프레임과 기저장된 배경 이미지와 신호대 잡음비(PSNR)을 각각 도출한 후 신호대 잡음비가 가장 큰 배경 이미지를 상기 중요 키 프레임에 대한 배경 이미지로 선택하는 단계를 수행하는 것을 특징으로 하는 서버
|
13 |
13
제12 항에 있어서,상기 중요 키 프레임을 선별하는 단계는, 상기 연기 프레임들 중 연속된 두개의 프레임을 HSV 색상 모델로 변환하는 단계; 및상기 HSV 색상 모델로 변환된 두개의 프레임간의 색조(Hue) 컴포넌트의 에지 차이가 임계치 이상인 프레임을 중요 키 프레임으로 선별하는 단계를 포함하는 것을 특징으로 하는 서버
|
14 |
14
제12 항에 있어서,상기 연기 프레임들을 학습된 인공 신경망에 적용하여 도출된 특징맵을 이용하여 관심 영역을 추출하는 단계; 및상기 배경 이미지에 상응하여 상기 영상 감시 장치에서 분류된 물체 단서를 이용하여 상기 추출된 관심 영역에 대한 문맥 정보를 추출하는 단계를 더 포함하는 서버
|
15 |
15
특정 공간을 촬영한 비디오 스트림을 분석하여 연기를 포함하는지 여부에 따라 연기(smoky) 프레임들과 비연기(non-smoky) 프레임들로 분류하며, 상기 비연기 프레임들을 이용하여 각 물체의 움직임 이벤트 발생 여부에 따라 각 물체에 대한 샷(shot)으로 각각 분할한 후 상기 각 샷에 상응하는 배경 이미지를 저장하는 영상 감시 장치; 및상기 영상 감시 장치로부터 수신된 연기 프레임들을 분석하여 중요 키 프레임을 선별하고, 상기 중요 키 프레임과 상기 저장된 배경 이미지와 신호대 잡음비(PSNR)을 각각 도출한 후 신호대 잡음비가 가장 큰 배경 이미지를 상기 중요 키 프레임에 대한 배경 이미지로 선택하여 인공 신경망을 통해 분석하는 서버를 포함하는 영상 처리 시스템
|
16 |
16
제15 항에 있어서, 상기 영상 감시 장치는 상기 배경 이미지를 인공 신경망에 적용하여 각 물체를 분류하는 것을 특징으로 하는 영상 처리 시스템
|
17 |
17
제15 항에 있어서, 상기 서버는, 상기 연기 프레임들을 학습된 인공 신경망에 적용하여 도출된 특징맵을 이용하여 관심 영역을 추출하며, 상기 배경 이미지에 상응하여 상기 영상 감시 장치에서 분류된 물체 단서를 이용하여 상기 추출된 관심 영역에 대한 문맥 정보를 추출하는 것을 특징으로 하는 영상 처리 시스템
|