1 |
1
(a) 서로 다른 시점에 동일한 구간에서 동일한 시설물이 포함된 특정 공간을 촬영한 두 입력 영상 셋을 입력받는 단계;(b) 상기 두 입력 영상 셋을 정합하는 단계;(c) 상기 정합된 두 입력 영상 셋 중 어느 하나를 분류 모델에 입력한 후 랜덤 포레스트를 적용하여 검출 대상 시설물을 검출하는 단계; 및 (d) 상기 정합된 두 입력 영상을 대상으로 상기 검출된 검출 대상 시설물의 영역의 변형을 검출하여 시설물의 결함을 검측하는 단계를 포함하는 시설물 결함 검측 방법
|
2 |
2
제1 항에 있어서, 상기 (b) 단계는, 두 입력 영상 셋의 각 화소의 위상 상관(phase correlation) 결과를 계산하는 단계; 및상기 두 입력 영상 셋의 각 화소간의 위상 상관 결과 중 최대값을 변위 벡터로 도출하고, 상기 변위 벡터를 이용하여 상기 두 입력 영상을 정합하는 단계를 포함하는 것을 특징으로 하는 시설물 결함 검측 방법
|
3 |
3
제1 항에 있어서, 상기 (c) 단계는, 상기 두 입력 영상 중 어느 하나에 대해 HOG(histogram of oriented gradient) 알고리즘을 적용하여 특징 정보를 각각 추출하는 단계;상기 추출된 특징 정보를 벡터화하는 단계; 및상기 벡터화된 특징 정보를 상기 분류 모델에 입력한 후 랜덤 포레스트 알고리즘을 적용하여 상기 검출 대상 시설물을 검출 및 분류하는 단계를 포함하는 것을 특징으로 하는 시설물 결함 검측 방법
|
4 |
4
제3 항에 있어서, 상기 검출 대상 시설물을 검출 및 분류하는 단계 이전에, 상기 벡터화된 특징 정보를 상기 분류 모델에 입력한 후 랜덤 포레스트 알고리즘을 적용하여 상기 분류 모델을 학습하는 단계를 더 포함하는 것을 특징으로 하는 시설물 결함 검측 방법
|
5 |
5
제1 항에 있어서, 상기 (d) 단계는, (d-1) 상기 두 입력 영상의 키 포인트(key point) 특징점을 도출하여 매칭하여 상기 두 입력 영상간 상기 검출된 검출 대상 시설물의 모양을 일치시키는 단계; 및(d-2) 상기 두 입력 영상간 모양이 일치된 검출 대상 시설물의 지역적 차분 결과를 이용하여 결함 여부를 판단하는 단계를 포함하는 시설물 결함 검측 방법
|
6 |
6
제5 항에 있어서, 상기 (d-1) 단계는, 상기 두 입력 영상에 대해 SURF 알고리즘을 적용하여 키 포인트(key point) 특징점을 추출하고, 상기 추출된 두 입력 영상의 키 포인트 특징점을 각각 매칭하는 단계; 및상기 매칭된 특징점 쌍(pair)를 이용하여 호모그래피 행렬을 추정한 후 두 입력 영상 중 이전 시점에 촬영된 입력 영상을 와핑(wrapping)하여 상기 두 입력 영상간 상기 검출된 검출 대상 시설물의 모양을 일치시키는 단계를 포함하는 시설물 결함 검측 방법
|
7 |
7
제5 항에 있어서, 상기 (d-2) 단계는, 상기 두 입력 영상간 모양이 일치된 검출 대상 시설물간의 SAD(sum of absolute difference)를 도출하는 단계; 및상기 도출된 SAD 결과 중 최소값이 임계치 이상이면 상기 검출 대상 시설물의 결함으로 판단하는 단계를 포함하는 시설물 결함 검측 방법
|
8 |
8
제1 항 내지 제7 항 중 어느 하나의 항에 따른 방법을 수행하기 위해 필요한 프로그램 코드를 기록한 컴퓨터로 판독 가능한 기록매체 제품
|
9 |
9
서로 다른 시점에 동일한 구간에서 동일한 시설물이 포함된 특정 공간을 촬영한 두 입력 영상 셋을 입력받는 입력부;상기 두 입력 영상 셋을 정합하는 정합부;상기 정합된 두 입력 영상 셋 중 어느 하나를 분류 모델에 입력한 후 랜덤 포레스트를 적용하여 검출 대상 시설물을 검출하는 시설물 검출부; 및상기 정합된 두 입력 영상을 대상으로 상기 검출된 검출 대상 시설물의 영역의 변형을 검출하여 시설물의 결함을 검측하는 결함 검측부를 포함하는 시설물 결함 검측 장치
|
10 |
10
제9 항에 있어서, 상기 정합부는, 두 입력 영상 셋의 각 화소의 위상 상관(phase correlation) 결과를 계산한 후 상기 두 입력 영상 셋의 각 화소간의 위상 상관 결과 중 최대값을 변위 벡터로 도출하고, 상기 변위 벡터를 이용하여 상기 두 입력 영상을 정합하는 것을 특징으로 하는 시설물 결함 검측 장치
|
11 |
11
제9 항에 있어서, 상기 시설물 검출부는, 상기 두 입력 영상 중 어느 하나에 대해 HOG(histogram of oriented gradient) 알고리즘을 적용하여 특징 정보를 각각 추출하는 특징 추출부;상기 추출된 특징 정보를 벡터화하는 특징 재배열부; 및상기 벡터화된 특징 정보를 상기 분류 모델에 입력한 후 랜덤 포레스트 알고리즘을 적용하여 상기 검출 대상 시설물을 검출 및 분류하는 분류기를 포함하는 것을 특징으로 하는 시설물 결함 검측 장치
|
12 |
12
제11 항에 있어서, 상기 시설물 검출부는, 상기 벡터화된 특징 정보를 상기 분류 모델에 입력한 후 랜덤 포레스트 알고리즘을 적용하여 상기 분류 모델을 학습하는 학습부를 더 포함하는 시설물 결함 검측 장치
|
13 |
13
제9 항에 있어서, 상기 결함 검측부는, 상기 두 입력 영상의 키 포인트(key point) 특징점을 도출하여 매칭하여 상기 두 입력 영상간 상기 검출된 검출 대상 시설물의 모양을 일치시키는 매칭부; 및상기 두 입력 영상간 모양이 일치된 검출 대상 시설물의 지역적 차분 결과를 이용하여 결함 여부를 판단하는 결함 분석부를 포함하는 것을 특징으로 하는 시설물 결함 검측 장치
|
14 |
14
제13 항에 있어서, 상기 매칭부는, 상기 두 입력 영상에 대해 SURF 알고리즘을 적용하여 키 포인트(key point) 특징점을 추출하고, 상기 추출된 두 입력 영상의 키 포인트 특징점을 각각 매칭하고, 상기 매칭된 특징점 쌍(pair)를 이용하여 호모그래피 행렬을 추정한 후 두 입력 영상 중 이전 시점에 촬영된 입력 영상을 와핑(wrapping)하여 상기 두 입력 영상간 상기 검출된 검출 대상 시설물의 모양을 일치시키는 것을 특징으로 하는 시설물 결함 검측 장치
|
15 |
15
제13 항에 있어서, 상기 결함 분석부는, 상기 두 입력 영상간 모양이 일치된 검출 대상 시설물간의 SAD(sum of absolute difference)를 도출한 후 상기 도출된 SAD 결과 중 최소값이 임계치 이상이면 상기 검출 대상 시설물의 결함으로 판단하는 것을 특징으로 하는 시설물 결함 검측 장치
|