1 |
1
입력되는 영상에서 서로 다른 특징을 추출하고, 추출된 특징의 평균을 계산하고, 계산된 특징의 평균이 기 저장된 특징 평균 정보에 해당하는지를 판단하는 다수의 특징 판별부; 및외부로부터 혹은 상위 구성으로부터 입력되는 영상에 대한 객체 인식을 수행하며, 상기 다수의 특징 판별부와 각각 매칭되는 다수의 특징 학습기를 포함하고,상기 다수의 특징 판별부는, 계산된 특징의 평균이 상기 특징 평균 정보에 해당하면, 입력된 영상을 매칭되는 특징 학습기로 제공하며, 상기 다수의 특징 판별부 중 최하위 특징 판별부는 영상이 입력되면, 입력되는 영상을 매칭되는 특징 학습기로 제공하고,상기 다수의 특징 학습기는, 학습 과정에서 입력되는 포지티브 학습 영상과 네거티브 학습 영상에서 추출되는 특징, 추출되는 특징의 평균을 기반으로 분류되는 하위 그룹 중 상기 포지티브 학습 영상의 하위 그룹의 True-positive 영상 및 상기 네거티브 학습 영상의 하위 그룹의 True-negative 영상을 기반으로 학습하여 생성되는 것을 특징으로 하는객체 인식 장치
|
2 |
2
제 1 항에 있어서,상기 다수의 특징 판별부 중 최상위 특징 판별부에서 최하위 특징 판별부 전단의 특징 판별부는, 계산된 특징의 평균이 상기 특징 평균 정보에 해당하지 않으면, 다음 단의 특징 판별부로 영상을 제공하는 것을 특징으로 하는객체 인식 장치
|
3 |
3
삭제
|
4 |
4
제 1 항에 있어서,상기 다수의 특징 판별부에 기 저장된 특징 평균 정보는, 학습 과정에서 입력되는 포지티브 학습 영상과 네거티브 학습 영상에서 추출되는 특징의 평균, 혹은 상기 포지티브 및 네거티브 학습 영상을 분류하여 획득되는 하위 그룹에서 추출되는 특징의 평균인 것을 특징으로 하는객체 인식 장치
|
5 |
5
삭제
|
6 |
6
포지티브 학습 영상과 네거티브 학습 영상이 수신되면, 학습 영상 각각에 대한 제 1 특징의 평균을 계산하는 단계;계산된 제 1 특징 평균을 기반으로 상기 포지티브 및 네거티브 학습 영상을 각각 하위 그룹으로 분류하는 단계; 및상기 포지티브 학습 영상의 하위 그룹 중 상기 제 1 특징 평균을 기반으로 정상 분류가 가능한 제 1 그룹, 상기 네거티브 학습 영상의 하위 그룹 중 상기 제 1 특징 평균을 기반으로 정상 분류가 가능한 제 2 그룹 및 상기 제 1 특징을 기반으로 학습하여 제 1 특징 학습기를 생성하는 단계를 포함하는객체 인식 장치의 학습 방법
|
7 |
7
제 6 항에 있어서,상기 제 1 특징 학습기를 생성한 후, 상기 포지티브 학습 영상의 하위 그룹 중 제 1 그룹 이외의 하위 그룹 및 상기 네거티브 학습 영상의 하위 그룹 중 제 2 그룹 이외의 하위 그룹에 대한 분류가 필요한지를 판단하는 단계; 및하위 그룹에 대한 분류가 필요하다고 판단되면, 상기 포지티브 학습 영상 및 상기 네거티브 학습 영상 각각의 나머지 하위 그룹에 대한 분류를 수행하는 단계를 더 포함하는객체 인식 장치의 학습 방법
|
8 |
8
제 7 항에 있어서,상기 나머지 하위 그룹에 대한 분류를 수행하는 단계는,상기 포지티브 학습 영상의 나머지 하위 그룹에 대한 제 2 특징의 평균 및 상기 네거티브 학습 영상의 나머지 하위 그룹에 대한 제 2 특징의 평균을 계산하는 단계;계산된 제 2 특징 평균을 기반으로, 상기 포지티브 학습 영상의 나머지 하위 그룹 및 상기 네거티브 학습 영상의 나머지 하위 그룹을 하위 그룹으로 분류하는 단계; 및상기 포지티브 학습 영상의 나머지 하위 그룹 중 상기 제 2 특징 평균을 기반으로 정상 분류가 가능한 제 3 그룹, 상기 네거티브 학습 영상의 나머지 그룹 중 상기 제 2 특징을 기반으로 정상 분류가 가능한 제 4 그룹 및 상기 제 2 특징을 기반으로 학습하여 제 2 특징 학습기를 생성하는 단계를 포함하는객체 인식 장치의 학습 방법
|
9 |
9
외부로부터 영상이 입력되면, 최상위 특징 판별부가 영상에서 제 1 특징을 추출하고, 추출된 제 1 특징에 대한 평균을 계산하는 단계;상기 최상위 특징 판별부가 제 1 특징 평균과 기 저장된 제 1 특징 평균 정보를 비교하여, 상기 제 1 특징 평균이 상기 제 1 특징 평균 정보에 해당하는지를 판단하는 단계; 및상기 제 1 특징 평균이 상기 제 1 특징 평균 정보에 해당하면, 최상위 특징 학습기가 상기 최상위 특징 판별부로부터 제공되는 영상에 대한 객체 인식을 수행하는 단계를 포함하고,상기 최상위 특징 학습기는 학습 과정에서 입력되는 포지티브 학습 영상과 네거티브 학습 영상에서 추출되는 제 1 특징, 추출되는 제 1 특징의 평균을 기반으로 분류되는 하위 그룹 중 상기 포지티브 학습 영상의 하위 그룹의 True-positive 영상 및 상기 네거티브 학습 영상의 하위 그룹의 True-negative 영상을 기반으로 학습하여 생성되는 것을 특징으로 하는객체 인식 방법
|
10 |
10
제 9 항에 있어서,상기 제 1 특징 평균이 상기 제 1 특징 평균 정보에 해당하지 않으면, 상기 최상위 특징 판별부가 다음 단의 특징 판별부로 영상을 제공하는 단계;상기 다음 단의 특징 판별부가 최하위 특징 판별부인지를 판단하는 단계; 및상기 다음 단의 특징 판별부가 상기 최하위 특징 판별부인 경우, 상기 다음 단의 특징 판별부에 매칭되는 특징 학습기가 상기 다음 단의 특징 판별부로부터 제공되는 영상에 대한 객체 인식을 수행하는 단계를 더 포함하는객체 인식 방법
|
11 |
11
제 10 항에 있어서,상기 다음 단의 특징 판별부가 상기 최하위 특징 판별부가 아닌 경우, 상기 다음 단의 특징 판별부가 전단의 특징 판별부로부터 제공되는 영상에서 관련 특징을 추출하고, 추출된 관련 특징에 대한 평균을 계산하는 단계;상기 다음 단의 특징 판별부가 계산된 관련 특징 평균과 기 저장된 관련 특징 평균 정보를 비교하여, 상기 관련 특징 평균이 상기 관련 특징 평균 정보에 해당하는지를 판단하는 단계; 및상기 관련 특징 평균이 상기 관련 특징 평균 정보에 해당하면, 상기 다음 단의 특징 판별부에 매칭되는 특징 학습기가 상기 다음 단의 특징 판별부로부터 제공되는 영상에 대한 객체 인식을 수행하는 단계를 더 포함하는객체 인식 방법
|
12 |
12
제 11 항에 있어서,상기 관련 특징 평균이 상기 관련 특징 평균 정보에 해당하지 않으면, 상기 다음 단의 특징 판별부가 영상을 자신의 다음 단의 특징 판별부로 제공하는 단계를 더 포함하는객체 인식 방법
|