| 1 |
1
심층신경망을 이용하여 선박 주변의 객체를 인식하는 방법으로서,(a) 선박에 장착된 카메라로부터, 촬영중인 영상을 수신하는 단계;(b) 수신한 영상의 전처리를 수행하는 단계;(c) 전처리된 영상 데이터를, 딥러닝(deep learning) 기반 심층신경망 모델에 입력 데이터로서 입력하고, 상기 심층신경망 모델에서 상기 영상에서 인식된 물체의 정보(이하 '물체 인식 정보'라 한다)를 출력하는 단계;(d) 상기 심층신경망 모델에서 출력한 물체 인식 정보로부터, 해당 물체로 인한 위험 레벨을 분석하는 단계; 및,(e) 분석된 위험 레벨에 따른 조치를 수행하는 단계를 포함하고,상기 단계(b)는,(b1) 수신한 영상 내의 특정 물체에 대하여 코너 점(corner point) 검출 알고리즘을 수행하여 코너 점을 검출하는 단계;(b2) 상기 검출된 코너 점의 군집이 형성된 지점을 객체로 판단하고, 검출된 코너 점의 좌표로부터 코너 점 군집의 중간 지점을 추정하는 단계; 및,(b3) YOLO 알고리즘의 영상 검출율을 강화하기 위해서, 상기 중간 지점의 좌표로부터 객체로 판단된 부분의 영상을 확대하는 단계를 포함하며,상기 심층신경망 모델은,해상 및 선박 주변에 존재할 수 있는 객체 정보가 학습된 CNN(convolutional neural network) 및 YOLO(You Only Look Once)를 포함하고,상기 단계(c)는,(c1) 촬영 영상을 전처리한 영상 데이터를, 빠른 물체 인식이 가능한 YOLO 모델에 입력하는 단계;(c2) 상기 YOLO 모델의 출력에서 물체가 인식된 경우, 영상 데이터에서 인식된 물체 영역을 추출해내는 단계;(c3) 추출된 물체 영역 이미지를, 물체의 정보를 정확하게 인식해 낼 수 있는 CNN 모델에 입력하는 단계; 및,(c4) CNN 모델은 인식된 물체의 정보(이하 '물체 인식 정보'라 한다)를 출력하는 단계를 포함하며,상기 물체 인식 정보는,물체의 크기, 종류 및 선박과 물체와의 거리를 포함하고,상기 단계(d)는,상기 단계(c)에서 출력된 물체 인식 정보에 대하여 데이터베이스 상에 테이블로 구성해 놓은 위험 레벨 테이블 데이터로부터 위험 레벨을 분석하며,상기 단계(e)의 조치는,상기 단계(d)에서 분석된 위험 레벨로부터, 위험도가 높은 레벨인 경우,위험 회피를 위해 선박 자동제어 장치를 통해 선박을 제어시키고, 동시에,경보음, 모니터링 화면에의 표시 등을 통해 위험 알림을 수행하는,심층신경망을 이용한 선박 주변 객체 인식 방법
|
| 2 |
2
삭제
|
| 3 |
3
삭제
|
| 4 |
4
삭제
|
| 5 |
5
삭제
|
| 6 |
6
삭제
|
| 7 |
7
삭제
|
| 8 |
8
삭제
|
| 9 |
9
삭제
|
| 10 |
10
심층신경망을 이용하여 선박 주변의 객체를 인식하는 시스템으로서,적어도 하나의 프로세서; 및컴퓨터로 실행가능한 명령을 저장하는 적어도 하나의 메모리를 포함하되,상기 적어도 하나의 메모리에 저장된 상기 컴퓨터로 실행가능한 명령은, 상기 적어도 하나의 프로세서에 의하여, (a) 선박에 장착된 카메라로부터, 촬영중인 영상을 수신하는 단계;(b) 수신한 영상의 전처리를 수행하는 단계;(c) 전처리된 영상 데이터를, 딥러닝(deep learning) 기반 심층신경망 모델에 입력 데이터로서 입력하고, 상기 심층신경망 모델에서 상기 영상에서 인식된 물체의 정보(이하 '물체 인식 정보'라 한다)를 출력하는 단계;(d) 상기 심층신경망 모델에서 출력한 물체 인식 정보로부터, 해당 물체로 인한 위험 레벨을 분석하는 단계; 및,(e) 분석된 위험 레벨에 따른 조치를 수행하는 단계가 실행되도록 하고,상기 단계(b)는,(b1) 수신한 영상 내의 특정 물체에 대하여 코너 점(corner point) 검출 알고리즘을 수행하여 코너 점을 검출하는 단계;(b2) 상기 검출된 코너 점의 군집이 형성된 지점을 객체로 판단하고, 검출된 코너 점의 좌표로부터 코너 점 군집의 중간 지점을 추정하는 단계; 및,(b3) YOLO 알고리즘의 영상 검출율을 강화하기 위해서, 상기 중간 지점의 좌표로부터 객체로 판단된 부분의 영상을 확대하는 단계를 포함하며,상기 심층신경망 모델은,해상 및 선박 주변에 존재할 수 있는 객체 정보가 학습된 CNN(convolutional neural network) 및 YOLO(You Only Look Once)를 포함하고,상기 단계(c)는,(c1) 촬영 영상을 전처리한 영상 데이터를, 빠른 물체 인식이 가능한 YOLO 모델에 입력하는 단계;(c2) 상기 YOLO 모델의 출력에서 물체가 인식된 경우, 영상 데이터에서 인식된 물체 영역을 추출해내는 단계;(c3) 추출된 물체 영역 이미지를, 물체의 정보를 정확하게 인식해 낼 수 있는 CNN 모델에 입력하는 단계; 및,(c4) CNN 모델은 인식된 물체의 정보(이하 '물체 인식 정보'라 한다)를 출력하는 단계를 포함하며,상기 물체 인식 정보는,물체의 크기, 종류 및 선박과 물체와의 거리를 포함하고,상기 단계(d)는,상기 단계(c)에서 출력된 물체 인식 정보에 대하여 데이터베이스 상에 테이블로 구성해 놓은 위험 레벨 테이블 데이터로부터 위험 레벨을 분석하며,상기 단계(e)의 조치는,상기 단계(d)에서 분석된 위험 레벨로부터, 위험도가 높은 레벨인 경우,위험 회피를 위해 선박 자동제어 장치를 통해 선박을 제어시키고, 동시에,경보음, 모니터링 화면에의 표시 등을 통해 위험 알림을 수행하는,심층신경망을 이용한 선박 주변 객체 인식 시스템
|
| 11 |
11
심층신경망을 이용하여 선박 주변의 객체를 인식하기 위한, 비일시적 저장매체에 저장된 컴퓨터 프로그램으로서,비일시적 저장매체에 저장되며, 프로세서에 의하여,(a) 선박에 장착된 카메라로부터, 촬영중인 영상을 수신하는 단계;(b) 수신한 영상의 전처리를 수행하는 단계;(c) 전처리된 영상 데이터를, 딥러닝(deep learning) 기반 심층신경망 모델에 입력 데이터로서 입력하고, 상기 심층신경망 모델에서 상기 영상에서 인식된 물체의 정보(이하 '물체 인식 정보'라 한다)를 출력하는 단계;(d) 상기 심층신경망 모델에서 출력한 물체 인식 정보로부터, 해당 물체로 인한 위험 레벨을 분석하는 단계; 및,(e) 분석된 위험 레벨에 따른 조치를 수행하는 단계가 실행되도록 하는 명령을 포함하고,상기 단계(b)는,(b1) 수신한 영상 내의 특정 물체에 대하여 코너 점(corner point) 검출 알고리즘을 수행하여 코너 점을 검출하는 단계;(b2) 상기 검출된 코너 점의 군집이 형성된 지점을 객체로 판단하고, 검출된 코너 점의 좌표로부터 코너 점 군집의 중간 지점을 추정하는 단계; 및,(b3) YOLO 알고리즘의 영상 검출율을 강화하기 위해서, 상기 중간 지점의 좌표로부터 객체로 판단된 부분의 영상을 확대하는 단계를 포함하며,상기 심층신경망 모델은,해상 및 선박 주변에 존재할 수 있는 객체 정보가 학습된 CNN(convolutional neural network) 및 YOLO(You Only Look Once)를 포함하고,상기 단계(c)는,(c1) 촬영 영상을 전처리한 영상 데이터를, 빠른 물체 인식이 가능한 YOLO 모델에 입력하는 단계;(c2) 상기 YOLO 모델의 출력에서 물체가 인식된 경우, 영상 데이터에서 인식된 물체 영역을 추출해내는 단계;(c3) 추출된 물체 영역 이미지를, 물체의 정보를 정확하게 인식해 낼 수 있는 CNN 모델에 입력하는 단계; 및,(c4) CNN 모델은 인식된 물체의 정보(이하 '물체 인식 정보'라 한다)를 출력하는 단계를 포함하며,상기 물체 인식 정보는,물체의 크기, 종류 및 선박과 물체와의 거리를 포함하고,상기 단계(d)는,상기 단계(c)에서 출력된 물체 인식 정보에 대하여 데이터베이스 상에 테이블로 구성해 놓은 위험 레벨 테이블 데이터로부터 위험 레벨을 분석하며,상기 단계(e)의 조치는,상기 단계(d)에서 분석된 위험 레벨로부터, 위험도가 높은 레벨인 경우,위험 회피를 위해 선박 자동제어 장치를 통해 선박을 제어시키고, 동시에,경보음, 모니터링 화면에의 표시 등을 통해 위험 알림을 수행하는,심층신경망을 이용하여 선박 주변의 객체를 인식하기 위한, 비일시적 저장매체에 저장된 컴퓨터 프로그램
|
| 12 |
12
삭제
|
