1 |
1
보행자 이미지에 대응되는 복수의 채널이미지로부터 선별된 적어도 2개의 선택채널이미지 각각에서 윈도우별로 선별된 복수의 픽셀에 대한 복수의 픽셀특징값을 산출하는 단계;상기 적어도 2개의 선택채널이미지 각각에서 동일한 위치의 윈도우에서 선별된 상기 복수의 픽셀특징값을 픽셀의 위치를 기초로 결합하여 복수의 최종특징값을 산출하는 단계; 및상기 복수의 최종특징값에 기초하여, 상기 윈도우별로 보행자 존재 여부를 검출하는 단계를 포함하고,상기 최종특징값은수학식 1에 의해 산출되는 것을 특징으로 하는 특징값 결합 방식을 이용하는 보행자 검출 방법
|
2 |
2
삭제
|
3 |
3
보행자 이미지에 대응되는 복수의 채널이미지로부터 선별된 적어도 2개의 선택채널이미지 각각에서 윈도우별로 선별된 복수의 픽셀에 대한 복수의 픽셀특징값을 산출하는 단계;상기 적어도 2개의 선택채널이미지 각각에서 동일한 위치의 윈도우에서 선별된 상기 복수의 픽셀특징값을 픽셀의 위치를 기초로 결합하여 복수의 최종특징값을 산출하는 단계; 및상기 복수의 최종특징값에 기초하여, 상기 윈도우별로 보행자 존재 여부를 검출하는 단계를 포함하고,상기 윈도우별로 보행자 존재 여부를 검출하는 단계는상기 복수의 최종특징값 각각에 대응되는 복수의 결정트리(decision tree) 및 상기 복수의 결정트리에 기초하는 아다부스트(adaboost) 결과값에 더 기초하여 수행되는 것을 특징으로 하는 특징값 결합 방식을 이용하는 보행자 검출 방법
|
4 |
4
제3항에 있어서,학습용 보행자 이미지를 이용하여 산출된 상기 복수의 최종특징값에 기초하여 상기 복수의 결정트리 및 상기 아다부스트를 학습시키는 단계; 및상기 복수의 최종특징값에 기초하여 보행자를 검출할 때 발생하는 오차가 최소가 되도록 하는 상기 적어도 2개의 선택채널이미지 및 상기 복수의 픽셀특징값의 결합계수를 결정하는 단계를 더 포함하는 것을 특징으로 하는 특징값 결합 방식을 이용하는 보행자 검출 방법
|
5 |
5
제4항에 있어서,상기 선택채널이미지가 2개 선별될 때,상기 복수의 픽셀특징값의 결합계수를 결정하는 단계는상기 결합계수를 {(1,0), (0,1), (1,1), (1,-1), (1,2), (2,1), (1,-2), (2,-1)} 중에서 보행자 검출 오차가 최소가 되도록 하는 것으로 결정하는 것을 특징으로 하는 특징값 결합 방식을 이용하는 보행자 검출 방법
|
6 |
6
제4항에 있어서,상기 선택채널이미지가 2개 선별될 때,상기 복수의 픽셀특징값의 결합계수를 결정하는 단계는상기 결합계수를 각 결합계수의 제곱의 합이 소정의 양수이고, 보행자 검출 오차가 최소가 되도록 하는 것으로 결정하는 것을 특징으로 하는 특징값 결합 방식을 이용하는 보행자 검출 방법
|
7 |
7
제3항에 있어서,상기 윈도우 내의 보행자를 검출하는 단계는2단계 깊이(depth)를 갖는 상기 복수의 결정트리가 결합된 상기 아다부스트를 이용하여 검출을 수행하고, 상기 복수의 결정트리 및 상기 아다부스트는 보행자를 검출하기 위한 학습이 완료된 것을 특징으로 하는 특징값 결합 방식을 이용하는 보행자 검출 방법
|
8 |
8
제3항에 있어서,상기 윈도우 내의 보행자를 검출하는 단계는상기 복수의 최종특징값 각각을 대응되는 상기 복수의 결정트리에 적용한 복수의 결정트리결과값을 산출하는 단계;상기 산출된 복수의 결정트리결과값에 기초하는 상기 아다부스트의 아다부스트결과값을 산출하는 단계; 및상기 아다부스트결과값에 기초하여 상기 윈도우 내의 보행자를 검출하는 단계를 포함하는 것을 특징으로 하는 특징값 결합 방식을 이용하는 보행자 검출 방법
|
9 |
9
보행자 이미지에 대응되는 복수의 채널이미지로부터 선별된 적어도 2개의 선택채널이미지 각각에서 윈도우별로 선별된 복수의 픽셀에 대한 복수의 픽셀특징값을 산출하고, 상기 적어도 2개의 선택채널이미지 각각에서 동일한 위치의 윈도우에서 선별된 상기 복수의 픽셀특징값을 픽셀의 위치를 기초로 결합하여 복수의 최종특징값을 산출하는 연산부; 및상기 복수의 최종특징값에 기초하여, 상기 윈도우별로 보행자 존재 여부를 검출하는 검출부를 포함하고,상기 최종특징값은수학식 1에 의해 산출되는 것을 특징으로 하는 특징값 결합 방식을 이용하는 보행자 검출 장치
|
10 |
10
삭제
|
11 |
11
보행자 이미지에 대응되는 복수의 채널이미지로부터 선별된 적어도 2개의 선택채널이미지 각각에서 윈도우별로 선별된 복수의 픽셀에 대한 복수의 픽셀특징값을 산출하고, 상기 적어도 2개의 선택채널이미지 각각에서 동일한 위치의 윈도우에서 선별된 상기 복수의 픽셀특징값을 픽셀의 위치를 기초로 결합하여 복수의 최종특징값을 산출하는 연산부; 및상기 복수의 최종특징값에 기초하여, 상기 윈도우별로 보행자 존재 여부를 검출하는 검출부를 포함하고,상기 검출부는상기 복수의 최종특징값 각각에 대응되는 복수의 결정트리 및 상기 복수의 결정트리에 기초하는 아다부스트 결과값에 더 기초하는 것을 특징으로 하는 특징값 결합 방식을 이용하는 보행자 검출 장치
|
12 |
12
제11항에 있어서,학습용 보행자 이미지를 이용하여 산출된 상기 복수의 최종특징값에 기초하여 상기 복수의 결정트리 및 상기 아다부스트를 학습시키는 학습부; 및상기 복수의 최종특징값에 기초하여 보행자를 검출할 때 발생하는 오차가 최소가 되도록 하는 상기 적어도 2개의 선택채널이미지 및 상기 복수의 픽셀특징값의 결합계수를 결정하는 결정부를 더 포함하는 것을 특징으로 하는 특징값 결합 방식을 이용하는 보행자 검출 장치
|
13 |
13
제12항에 있어서,상기 선택채널이미지가 2개 선별될 때,상기 결정부는상기 결합계수를 {(1,0), (0,1), (1,1), (1,-1), (1,2), (2,1), (1,-2), (2,-1)} 중에서 보행자 검출 오차가 최소가 되도록 하는 것으로 결정하는 것을 특징으로 하는 특징값 결합 방식을 이용하는 보행자 검출 장치
|
14 |
14
제12항에 있어서,상기 선택채널이미지가 2개 선별될 때,상기 결정부는상기 결합계수를 각 결합계수의 제곱의 합이 소정의 양수이고, 보행자 검출 오차가 최소가 되도록 하는 것으로 결정하는 것을 특징으로 하는 특징값 결합 방식을 이용하는 보행자 검출 장치
|
15 |
15
제11항에 있어서,상기 검출부는2단계 깊이를 갖는 상기 복수의 결정트리가 결합된 상기 아다부스트를 이용하여 검출을 수행하고, 상기 복수의 결정트리 및 상기 아다부스트는 보행자를 검출하기 위한 학습이 완료된 것을 특징으로 하는 특징값 결합 방식을 이용하는 보행자 검출 장치
|
16 |
16
제11항에 있어서,상기 검출부는상기 복수의 최종특징값 각각을 대응되는 상기 복수의 결정트리에 적용한 복수의 결정트리결과값을 산출하고,상기 산출된 복수의 결정트리결과값에 기초하는 상기 아다부스트의 아다부스트결과값을 산출하고,상기 아다부스트결과값에 기초하여 상기 윈도우 내의 보행자를 검출하는 것을 특징으로 하는 특징값 결합 방식을 이용하는 보행자 검출 장치
|
17 |
17
보행자 이미지에 대응되는 복수의 채널이미지로부터 선별된 적어도 2개의 선택채널이미지 각각에서 윈도우별로 선별된 복수의 픽셀에 대한 복수의 픽셀특징값을 산출하고, 상기 적어도 2개의 선택채널이미지 각각에서 동일한 위치의 윈도우에서 선별된 상기 복수의 픽셀특징값을 픽셀의 위치를 기초로 결합하여 복수의 최종특징값을 산출하는 연산부; 및상기 복수의 최종특징값에 기초하여, 상기 윈도우별로 보행자 존재 여부를 검출하는 검출부를 포함하고,상기 검출부는상기 복수의 최종특징값 각각에 대응되는 복수의 결정트리 및 상기 복수의 결정트리에 기초하는 아다부스트 결과값에 더 기초하는 것을 특징으로 하는 스마트 디바이스
|