| 1 |
1
감지 가능한 영역에 대한 영상들을 획득하는 서로 다른 종류의 센서들;상기 획득된 각각의 영상에서 분류하고자 하는 객체가 적어도 일부 존재하는 후보 영역에 따른 후보 영상을 결정하고, 상기 후보 영상에 포함된 객체와 관련된 특징 벡터들을 추출하는 특징 벡터 추출부; 및상기 센서 각각으로부터 추출된 특징 벡터들을 융합하여 융합특징벡터를 생성하고, 상기 생성된 융합특징벡터들을 이용하여 상기 후보 영상에 포함된 객체를 분류하는 객체 분류부를 포함하고,상기 센서들은, 제1 센서; 및 상기 제1 센서와 서로 다른 종류의 제2 센서;를 포함하고, 상기 영상들은 상기 제1 센서로부터 획득된 제1 영상과, 상기 제2 센서로부터 획득된 제2 영상을 포함하며,상기 특징벡터 추출부는 상기 제1 센서 및 상기 제2 센서 별로 서로 다른 제1 후보 영역 및 제2 후보 영역을 지정하여 상기 제1 영상과, 제2 영상에서 분류하고자 하는 객체가 적어도 일부 존재하는 후보 영역에 따른 제1 후보 영상 또는 제2 후보 영상을 결정하고, 상기 결정된 제1 후보 영상과 제2 후보 영상에 포함된 객체와 관련된 특징 벡터들을 추출하고,상기 제1 후보 영역은 거리에 따라 상기 제2 후보 영역과 다른 객체를 검출하고, 상기 제2 후보 영역 보다 상대적으로 거리가 가까운 객체가 존재하도록 지정되는 것을 특징으로 하는 객체 검출 장치
|
| 2 |
2
삭제
|
| 3 |
3
제1항에 있어서, 상기 제2 센서는 상기 제1 센서와 다른 공간좌표계를 갖고,상기 객체 분류부는, 상기 객체가 위치하는 영역에 따라 상기 제1 센서와 제2 센서에 따른 가중치를 다르게 적용하여, 융합특징벡터를 생성하거나 또는 객체를 분류하는 것을 특징으로 하는 객체 검출 장치
|
| 4 |
4
제1항에 있어서, 상기 객체 분류부는 객체에 대한 분류 정보를 포함하는 복수개의 트레이닝 영상들에 대한 학습을 통해, 상기 트레이닝 영상 각각으로부터 획득된 트레이닝 융합특징벡터에 포함되는 특징값들 각각에 적용되는 객체 분류 가중치를 미리 결정하고, 상기 제1 후보 영상과, 제2 후보 영상에 따라 생성된 상기 융합특징벡터에 상기 객체 분류 가중치를 적용하여 객체를 분류하는 것을 특징으로 하는 객체 검출 장치
|
| 5 |
5
제3항에 있어서, 상기 특징 벡터 추출부는,상기 후보 영역에 따른 후보 영상에 대한 특징 벡터를 추출하기 위하여 상기 제1 센서가 획득한 제1 후보 영상 또는 제2 센서가 획득한 제2 후보 영상 중 하나의 후보 영상을 선택하는 것을 특징으로 하는 객체 검출 장치
|
| 6 |
6
제1항에 있어서, 상기 제1 센서 및 상기 제2 센서는 서로 다른 공간좌표계를 가지며,상기 객체 분류부는 제1 후보 영상을 제2 센서의 공간좌표계에 변환시키기 위한 변환행렬을 이용하여 변환된 제1 후보 영상을 획득하는 좌표 변환부;를 더 포함하는 것을 특징으로 하는 객체 검출 장치
|
| 7 |
7
제6항에 있어서, 상기 객체 분류부가 특징 벡터들을 융합하여 융합특징벡터를 생성하는 것은, 상기 제1 후보 영상과 상기 제2 후보 영상에 포함된 객체간의 유사성을 정의하는 유사도 지수를 미리 결정된 방법에 따라 계산하고, 상기 유사도 지수를 고려하여 상기 제1 후보 영상에 따른 제1 특징 벡터와, 상기 제2 후보 영상에 따른 제2 특징 벡터를 융합하여 융합특징벡터를 생성하는 것을 특징으로 하는 객체 검출 장치
|
| 8 |
8
제6항에 있어서,상기 좌표 변환부는, 상기 제1 센서가 획득하는 제1 후보 영상에 대하여 가상 좌표데이터를 생성함으로써, 상기 제1 센서 및 상기 제2 센서가 가지는 각각의 좌표 특성을 정합시키는 것을 특징으로 하는 객체 검출 장치
|
| 9 |
9
이종 센서를 기반으로 객체를 검출하는 객체 검출 방법에 있어서,상기 이종 센서가 감지 가능한 영역에 대한 영상들을 획득하는 단계;상기 획득된 각각의 영상에서 분류하고자 하는 객체가 적어도 일부 존재하는 후보 영역에 따른 후보 영상을 결정하고, 상기 후보 영상에 포함된 객체와 관련된 특징 벡터들을 추출하는 단계; 및상기 이종 센서 각각으로부터 추출된 특징 벡터들을 융합하여 융합특징벡터를 생성하고, 상기 생성된 융합특징벡터들을 이용하여 상기 후보 영상에 포함된 객체를 분류하는 단계를 포함하고,상기 영상들을 획득하는 단계는, 제1 센서; 및 상기 제1 센서와 다른 공간좌표계를 갖는 제2 센서;를 포함하는 이종 센서에서 제1 센서로부터 획득된 제1 영상과, 상기 제2 센서로부터 획득된 제2 영상을 포함하는 상기 영상들을 획득하며,상기 특징 벡터들을 추출하는 단계는 상기 제1 센서 및 상기 제2 센서 별로 서로 다른 제1 후보 영역 및 제2 후보 영역을 지정하여 상기 제1 영상과, 제2 영상에서 분류하고자 하는 객체가 적어도 일부 존재하는 후보 영역에 따른 제1 후보 영상 또는 제2 후보 영상을 결정하고, 상기 결정된 제1 후보 영상과 제2 후보 영상에 포함된 객체와 관련된 특징 벡터들을 추출하고,상기 제1 후보 영역은 거리에 따라 상기 제2 후보 영역과 다른 객체를 검출하고, 상기 제2 후보 영역 보다 상대적으로 거리가 가까운 객체가 존재하도록 지정되는 것을 특징으로 하는 객체 검출 방법
|
| 10 |
10
삭제
|
| 11 |
11
제9항에 있어서, 상기 객체를 분류하는 단계는 상기 객체에 대한 분류 정보를 포함하는 복수개의 트레이닝 영상들에 대한 학습을 통해, 상기 트레이닝 영상 각각으로부터 획득된 트레이닝 융합특징벡터에 포함되는 특징값들 각각에 적용되는 객체 분류 가중치를 미리 결정하고, 상기 제1 후보 영상과, 제2 후보 영상에 따라 생성된 상기 융합특징벡터에 상기 객체 분류 가중치를 적용하여 객체를 분류하는 것을 특징으로 하는 객체 검출 방법
|
| 12 |
12
제9항에 있어서,상기 객체를 분류하는 단계는 제1 후보 영상을 제2 센서의 공간좌표계에 변환시키기 위한 변환행렬을 이용하여 변환된 제1 후보 영상을 획득하는 단계를 더 포함하는 것을 특징으로 하는 객체 검출 방법
|
| 13 |
13
제12항에 있어서, 상기 특징 벡터들을 융합하여 융합특징벡터를 생성하는 것은, 상기 제1 후보 영상과 상기 제2 후보 영상에 포함된 객체간의 유사성을 정의하는 유사도 지수를 미리 결정된 방법에 따라 계산하고, 상기 유사도 지수를 고려하여 상기 제1 후보 영상에 따른 제1 특징 벡터와, 상기 제2 후보 영상에 따른 제2 특징 벡터를 융합하여 융합특징벡터를 생성하는 것을 특징으로 하는 객체 검출 방법
|
| 14 |
14
제9항, 제11항 내지 제13항 중 어느 한 항에 따른 객체 검출 방법을 위한 분석 방법을 컴퓨터에서 수행하기 위한 컴퓨터에서 판독 가능한 프로그램이 기록된 저장 매체
|
