맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

객체 추적 방법 및 이를 수행하는 장치들

  • 기술번호 : KST2019027536
  • 담당센터 : 서울동부기술혁신센터
  • 전화번호 : 02-2155-3662
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 객체 추적 방법 및 이를 수행하는 장치들이 개시된다. 일 실시예에 따른 객체 추적 방법은 비디오 프레임의 객체를 추적하기 위해 상기 객체에 대응하는 복수의 후보 파티클들을 생성하는 단계와, 상기 복수의 후보 파티클들의 상기 객체에 대한 유사도에 기초하여 상기 비디오 프레임 내 상기 객체의 위치에 대응하는 최적의 파티클을 생성함으로써 상기 객체를 추적하는 단계를 포함한다.
Int. CL H04N 5/14 (2006.01.01) G06N 3/08 (2006.01.01)
CPC H04N 5/144(2013.01) H04N 5/144(2013.01)
출원번호/일자 1020170177521 (2017.12.21)
출원인 건국대학교 산학협력단
등록번호/일자 10-1982942-0000 (2019.05.21)
공개번호/일자
공고번호/일자 (20190527) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2017.12.21)
심사청구항수 16

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 건국대학교 산학협력단 대한민국 서울특별시 광진구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 티안, 블라디미르 서울특별시 광진구
2 김두현 경기도 성남시 분당구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인 무한 대한민국 서울특별시 강남구 언주로 ***, *층(역삼동,화물재단빌딩)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 건국대학교 산학협력단 대한민국 서울특별시 광진구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2017.12.21 수리 (Accepted) 1-1-2017-1278997-94
2 의견제출통지서
Notification of reason for refusal		 2018.10.18 발송처리완료 (Completion of Transmission) 9-5-2018-0705343-18
3 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2018.11.26 수리 (Accepted) 1-1-2018-1178678-56
4 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2018.11.26 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2018-1178677-11
5 거절결정서
Decision to Refuse a Patent		 2019.04.17 발송처리완료 (Completion of Transmission) 9-5-2019-0277640-24
6 [명세서등 보정]보정서(재심사)
Amendment to Description, etc(Reexamination)		 2019.05.09 보정승인 (Acceptance of amendment) 1-1-2019-0474685-42
7 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2019.05.09 수리 (Accepted) 1-1-2019-0474684-07
8 등록결정서
Decision to Grant Registration		 2019.05.16 발송처리완료 (Completion of Transmission) 9-5-2019-0351179-02
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
비디오 프레임의 객체를 추적하기 위해 상기 객체에 대응하는 복수의 후보 파티클들을 생성하는 단계; 및상기 복수의 후보 파티클들의 상기 객체에 대한 유사도에 기초하여 상기 비디오 프레임 내 상기 객체의 위치에 대응하는 최적의 파티클을 생성함으로써 상기 객체를 추적하는 단계를 포함하고,상기 최적의 파티클은 상기 복수의 후보 파티클들 중에서 상기 유사도에 기반한 가중치가 높은 후보 파티클들의 평균 위치에 생성되고,상기 복수의 후보 파티클들을 생성하는 단계는,상기 복수의 후보 파티클들을 생성하기 위해, 상기 비디오 프레임에 기초하여 상기 객체에 대응하는 복수의 초기 파티클들을 생성하는 단계를 포함하고,상기 복수의 후보 파티클들은 상기 복수의 초기 파티클들의 모션이 예측된 파티클이고,상기 복수의 초기 파티클들을 생성하는 단계는,상기 비디오 프레임이 초기 비디오 프레임이 아닌 경우, 상기 비디오 프레임 이전 비디오 프레임의 객체에 대응하는 복수의 후보 파티클들 중에서 상기 이전 비디오 프레임의 객체에 대응하는 복수의 후보 파티클들의 가중치가 낮은 복수의 후보 파티클을 제거하는 단계;상기 이전 비디오 프레임 및 상기 비디오 프레임에 대한 파티클의 트레이드 오프를 유지하기 위해, 상기 가중치가 낮은 복수의 후보 파티클의 수에 따라 임의의 랜덤값으로 초기화한 상기 비디오 프레임의 객체에 대응하는 복수의 대체 파티클들을 생성하는 단계; 및상기 이전 비디오 프레임의 객체에 대응하는 복수의 후보 파티클들 중에서 제거되지 않은 가중치가 높은 복수의 후보 파티클들 및 상기 복수의 대체 파티클들을 상기 복수의 초기 파티클들로 결정하는 단계를 포함하는 객체 추적 방법
2 2
제1항에 있어서,상기 복수의 후보 파티클들을 생성하는 단계는,상기 복수의 초기 파티클들에 드리프트 및 확산 중에서 적어도 하나를 수행하여 상기 복수의 초기 파티클들의 모션을 예측함으로써 상기 복수의 후보 파티클들을 생성하는 단계를 더 포함하는 객체 추적 방법
3 3
제2항에 있어서,상기 드리프트는 상기 복수의 초기 파티클들에 대한 모션 벡터 컴포넌트를 가변하여 수행되고,상기 확산은 상기 복수의 초기 파티클들에 대한 바운딩 박스의 좌표를 가변하여 수행되는 객체 추적 방법
4 4
제2항에 있어서,상기 복수의 초기 파티클들을 생성하는 단계는,상기 비디오 프레임이 초기 비디오 프레임인 경우, 가우시안 분포를 이용하여 임의의 랜덤값으로 초기화한 상기 복수의 초기 파티클들을 생성하는 단계를 포함하는 객체 추적 방법
5 5
삭제
6 6
삭제
7 7
제1항에 있어서,상기 추적하는 단계는,기 학습된 CNN 모델을 이용하여 상기 복수의 후보 파티클들의 상기 객체에 대한 유사도를 계산하는 단계; 및상기 유사도에 기초하여 상기 복수의 후보 파티클들의 가중치를 결정하는 단계를 포함하는 객체 추적 방법
8 8
제7항에 있어서,상기 기 학습된 CNN 모델은 비디오 데이터 세트를 통한 학습 및 가장 최근에 추적된 비디오 프레임을 통한 학습 중에서 적어도 하나로 학습되는 객체 추적 방법
9 9
제8항에 있어서,상기 비디오 데이터 세트를 통한 학습은 상기 비디오 데이터 세트의 객체에 대한 포지티브 패치 및 상기 비디오 데이터 세트의 배경에 대한 네거티브 패치를 통한 학습이고,상기 가장 최근에 추적된 비디오 프레임을 통한 학습은 상기 가장 최근에 추적된 비디오 프레임의 객체에 대한 포지티브 패치 및 상기 가장 최근에 추적된 비디오 프레임의 배경에 대한 네거티브 패치를 통한 학습인 객체 추적 방법
10 10
제7항에 있어서,상기 추적하는 단계는,추적된 객체를 통해 상기 기 학습된 CNN 모델을 업데이트하는 단계를 더 포함하는 객체 추적 방법
11 11
비디오 프레임을 수신하는 통신 모듈; 및상기 비디오 프레임의 객체를 추적하기 위해 상기 객체에 대응하는 복수의 후보 파티클들을 생성하고, 상기 복수의 후보 파티클들의 상기 객체에 대한 유사도에 기초하여 상기 비디오 프레임 내 상기 객체의 위치에 대응하는 최적의 파티클을 생성함으로써 상기 객체를 추적하는 컨트롤러를 포함하고,상기 최적의 파티클은 상기 복수의 후보 파티클들 중에서 상기 유사도에 기반한 가중치가 높은 후보 파티클들의 평균 위치에 생성되고,상기 컨트롤러는 상기 복수의 후보 파티클들을 생성하기 위해, 상기 비디오 프레임에 기초하여 상기 객체에 대응하는 복수의 초기 파티클들을 생성하는 파티클 필터를 포함하고,상기 복수의 후보 파티클들은 상기 복수의 초기 파티클들의 모션이 예측된 파티클이고,상기 파티클 필터는 상기 비디오 프레임이 초기 비디오 프레임이 아닌 경우, 상기 비디오 프레임 이전 비디오 프레임의 객체에 대응하는 복수의 후보 파티클들 중에서 상기 이전 비디오 프레임의 객체에 대응하는 복수의 후보 파티클들의 가중치가 낮은 복수의 후보 파티클을 제거하고, 상기 이전 비디오 프레임 및 상기 비디오 프레임에 대한 파티클의 트레이드 오프를 유지하기 위해, 상기 가중치가 낮은 복수의 후보 파티클의 수에 따라 임의의 랜덤값으로 초기화한 상기 비디오 프레임의 객체에 대응하는 복수의 대체 파티클들을 생성하고, 상기 이전 비디오 프레임의 객체에 대응하는 복수의 후보 파티클들 중에서 제거되지 않은 가중치가 높은 복수의 후보 파티클들 및 상기 복수의 대체 파티클들을 상기 복수의 초기 파티클들로 결정하는 객체 추적 장치
12 12
제11항에 있어서,상기 컨트롤러는,상기 복수의 초기 파티클들에 드리프트 및 확산 중에서 적어도 하나를 수행하여 상기 복수의 초기 파티클들의 모션을 예측함으로써 상기 복수의 후보 파티클들을 생성하는 파티클 필터를 포함하는 객체 추적 장치
13 13
제12항에 있어서,상기 드리프트는 상기 복수의 초기 파티클들에 대한 모션 벡터 컴포넌트를 가변하여 수행되고,상기 확산은 상기 복수의 초기 파티클들에 대한 바운딩 박스의 좌표를 가변하여 수행되는 객체 추적 장치
14 14
제12항에 있어서,상기 파티클 필터는,상기 비디오 프레임이 초기 비디오 프레임인 경우, 가우시안 분포를 이용하여 임의의 랜덤값으로 초기화한 상기 복수의 초기 파티클들을 생성하는 객체 추적 장치
15 15
삭제
16 16
삭제
17 17
제11항에 있어서,상기 컨트롤러는,기 학습된 CNN(convolutional neural network) 모델을 이용하여 상기 복수의 후보 파티클들의 상기 객체에 대한 유사도를 계산하고, 상기 유사도에 기초하여 상기 복수의 후보 파티클들의 가중치를 결정하는 추적기를 포함하는 객체 추적 장치
18 18
제17항에 있어서,상기 기 학습된 CNN 모델은 비디오 데이터 세트를 통한 학습 및 가장 최근에 추적된 비디오 프레임을 통한 학습 중에서 적어도 하나로 학습되는 객체 추적 장치
19 19
제18항에 있어서,상기 비디오 데이터 세트를 통한 학습은 상기 비디오 데이터 세트의 객체에 대한 포지티브 패치 및 상기 비디오 데이터 세트의 배경에 대한 네거티브 패치를 통한 학습이고,상기 가장 최근에 추적된 비디오 프레임을 통한 학습은 상기 가장 최근에 추적된 비디오 프레임의 객체에 대한 포지티브 패치 및 상기 가장 최근에 추적된 비디오 프레임의 배경에 대한 네거티브 패치를 통한 학습인 객체 추적 장치
20 20
제17항에 있어서,상기 추적기는,추적된 객체를 통해 상기 기 학습된 CNN 모델을 업데이트하는 객체 추적 장치
지정국 정보가 없습니다
순번, 패밀리번호, 국가코드, 국가명, 종류의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 패밀리정보 - 패밀리정보 표입니다.
순번 패밀리번호 국가코드 국가명 종류
1 WO2019124602 WO 세계지적재산권기구(WIPO) FAMILY

DOCDB 패밀리 정보

순번, 패밀리번호, 국가코드, 국가명, 종류의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 패밀리정보 - DOCDB 패밀리 정보 표입니다.
순번 패밀리번호 국가코드 국가명 종류
1 CN111566658 CN 중국 DOCDBFAMILY
2 WO2019124602 WO 세계지적재산권기구(WIPO) DOCDBFAMILY
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 과학기술정보통신부 건국대학교 산학협력단 대학ICT연구센터 육성지원사업 (2차) 지능정보서비스를 위한 고성능 하이브리드 클라우드 컴퓨팅 기술 개발 및 인력양성