| 1 |
1
보행자 인식 장치에 있어서, 영상 촬영 장치를 통해 촬영된 가시광선 영상이 입력되는 가시광선 영상 입력부;입력된 가시광선 영상에서 보행자 영역을 지정하여 보행자 영상을 생성하고, 상기 보행자 영상을 미리 설정한 크기로 정규화하고, 정규화된 보행자 영상의 화소 밝기값을 보정하는 보행자 영상 전처리부; 및정규화된 보행자 영상에 딥러닝 기반의 나선 신경망 모델(Convolutional Neural Network)을 적용하여 보행자를 인식하는 보행자 인식부;를 포함하되,상기 보행자 인식부는미리 설정한 스케일의 보행자 영상을 입력하는 영상 입력 레이어;입력한 보행자 영상에 나선 신경망 모델을 적용하여 특징을 추출하는 특징 추출 레이어; 및상기 추출한 특징에 의해 보행자를 분류하는 분류 레이어를 포함하는 보행자 인식 장치
|
| 2 |
2
제1항에 있어서,상기 가시광선 영상 입력부는가시광선 카메라를 이용하여 주간 또는 야간 환경에서 촬영된 보행자 영상이 입력되는 보행자 인식 장치
|
| 3 |
3
삭제
|
| 4 |
4
제1항에 있어서,상기 특징 추출 레이어는5개의 콘벌루션 레이어 집합 및 3개의 완전 연결 레이어 집합을 포함하는 보행자 인식 장치
|
| 5 |
5
제4항에 있어서,상기 5개의 콘벌루션 레이어 집합은183×119×3 픽셀의 이미지가 입력되며, 크기 11×11×3 크기의 96개의 필터를 이용하여 콘벌루션화하는 제1 콘벌루션 레이어;3×3 크기의 필터를 적용하여 43×27×96 픽셀을 출력하는 제1 맥스 풀링 레이어;상기 43×27×96 픽셀을 크기 5×5×1 크기의 128개의 필터를 이용하여 콘벌루션화하는 제2 콘벌루션 레이어;3×3 크기의 필터를 적용하여 21×13×128 픽셀을 출력하는 제2 맥스 풀링 레이어;상기 21×13×128 픽셀을 크기 3×3×1 크기의 256개의 필터를 이용하여 콘벌루션화하는 제3 콘벌루션 레이어; 21×13×256 픽셀을 크기 3×3×1 크기의 256개의 필터를 이용하여 콘벌루션화하는 제4 콘벌루션 레이어; 21×13×256 픽셀을 크기 3×3×1 크기의 128개의 필터를 이용하여 콘벌루션화하는 제5 콘벌루션 레이어; 및 3×3 크기의 필터를 적용하여 10×6×128 픽셀을 출력하는 제3 맥스 풀링 레이어를 포함하는 보행자 인식 장치
|
| 6 |
6
제4항에 있어서,상기 3개의 완전 연결 레이어 집합은384 및 4096 노드들을 각각 입력 및 출력으로 하는 제1 완전 연결 레이어;4096 및 1024 노드들을 각각 입력 및 출력으로 하는 제2 완전 연결 레이어; 및1024 및 2 노드들을 각각 입력 및 출력으로 하는 제3 완전 연결 레이어를 포함하는 보행자 인식 장치
|
| 7 |
7
보행자 인식 방법에 있어서, 영상 촬영 장치를 통해 촬영된 가시광선 영상이 입력되는 단계;입력된 가시광선 영상에서 보행자 영역을 지정하여 보행자 영상을 생성하고, 상기 보행자 영상을 미리 설정한 크기로 정규화하는 전처리 단계; 및전처리된 보행자 영상에 대한 나선 신경망 기반 학습을 수행하고, 학습된 나선 신경망을 기반으로 보행자를 인식하는 단계를 포함하되,상기 전처리된 보행자 영상에 대한 나선 신경망 기반 학습을 수행하고, 학습된 나선 신경망을 기반으로 보행자를 인식하는 단계는 데이터 세트에 포함된 보행자 영상을 보행자와 배경으로 분류하는 단계;상기 데이터 세트에 포함된 보행자 영상의 크기를 정규화하고 이중 선형 보간법(Bilinear Interpolation)에 의해 미리 설정된 크기로 변형하는 단계;변형한 보행자 영상을 이용하여 나선 신경망 모델을 학습시키는 단계; 및상기 학습된 나선 신경망 모델을 이용하여 보행자를 인식하는 단계를 포함하는 보행자 인식 방법
|
| 8 |
8
제7항에 있어서,상기 전처리 단계는,상기 정규화된 보행자 영상의 화소 밝기값을 제로 센터 방법(The Zero-center Method)에 의해 보정하는 단계를 더 포함하는 보행자 인식 방법
|
| 9 |
9
삭제
|
| 10 |
10
제7항 내지 제8항 중 어느 하나의 보행자 인식 방법을 실행하고 컴퓨터가 판독 가능한 기록매체에 기록된 컴퓨터 프로그램
|
