맞춤기술찾기

이전대상기술

회전 가능한 타원형 모델을 이용한 딥러닝 기반의 영상 내 객체 추적 장치 및 방법

  • 기술번호 : KST2020009429
  • 담당센터 : 서울동부기술혁신센터
  • 전화번호 : 02-2155-3662
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 회전 가능한 타원형 모델을 이용한 심층학습 기반의 영상 내 객체 추적 장치는 이전 프레임 영상으로부터 추적 대상 객체에 대응하는 타원형 모델을 정의하는 모델 정의부, 상기 이전 프레임 영상과 현재 프레임 영상의 특성을 입력으로 하는 인공신경망을 통해 상기 현재 프레임 영상에서 상기 추적 대상 객체에 대응하는 타원형 모델을 예측하는 모델 예측부 및 상기 예측된 현재 프레임 영상의 타원형 모델에 기초하여 상기 현재 프레임 영상에서 상기 추적 대상 객체를 추적하는 객체 추적부를 포함할 수 있다.
Int. CL G06T 7/246 (2017.01.01) G06T 7/269 (2017.01.01) G06N 3/08 (2006.01.01)
CPC G06T 7/251(2013.01) G06T 7/251(2013.01) G06T 7/251(2013.01) G06T 7/251(2013.01) G06T 7/251(2013.01)
출원번호/일자 1020180170829 (2018.12.27)
출원인 건국대학교 산학협력단
등록번호/일자
공개번호/일자 10-2020-0084467 (2020.07.13) 문서열기
공고번호/일자 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2018.12.27)
심사청구항수 7

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 건국대학교 산학협력단 대한민국 서울특별시 광진구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 김원준 서울특별시 광진구
2 김민지 서울특별시 성동구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 유민규 대한민국 서울특별시 강남구 논현로 *** , *층 ***호 (역삼동, 여산빌딩)(온유특허법률사무소)
2 박기갑 대한민국 서울특별시 강남구 논현로 ***(역삼동) 여산빌딩 *층 ***호(온유특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 건국대학교 산학협력단 서울특별시 광진구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application
2018.12.27 수리 (Accepted) 1-1-2018-1311176-81
2 선행기술조사의뢰서
Request for Prior Art Search
2019.07.15 수리 (Accepted) 9-1-9999-9999999-89
3 선행기술조사보고서
Report of Prior Art Search
2019.08.08 수리 (Accepted) 9-1-2019-0038267-19
4 의견제출통지서
Notification of reason for refusal
2020.02.20 발송처리완료 (Completion of Transmission) 9-5-2020-0130397-90
5 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2020.04.17 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2020-0396201-85
6 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
2020.04.17 수리 (Accepted) 1-1-2020-0396191-16
7 등록결정서
Decision to grant
2020.07.22 발송처리완료 (Completion of Transmission) 9-5-2020-0496985-10
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
회전 가능한 타원형 모델을 이용한 심층학습 기반의 영상 내 객체 추적 방법에 있어서,(a) 이전 프레임 영상으로부터 추적 대상 객체에 대응하는 타원형 모델을 정의하는 단계;(b) 상기 이전 프레임 영상과 현재 프레임 영상의 특성을 입력으로 하는 인공신경망을 통해 상기 현재 프레임 영상에서 상기 추적 대상 객체에 대응하는 타원형 모델을 예측하는 단계; 및(c) 상기 예측된 현재 프레임 영상의 타원형 모델에 기초하여 상기 현재 프레임 영상에서 상기 추적 대상 객체를 추적하는 단계,를 포함하되,상기 타원형 모델은 벡터에 기반한 특징 도메인을 포함하고,상기 특징 도메인은 타원의 중심점, 장축, 단축, 및 사잇각을 포함하고,상기 (b) 단계는,상기 예측된 현재 프레임 영상의 타원형 모델과 실제 추적 대상 객체의 타원형 모델의 차이에 따른 손실 함수를 고려하여 상기 현재 프레임 영상의 타원형 모델을 예측하되,이전 프레임 영상의 타원형 모델의 특징 도메인과 현재 프레임 영상의 타원형 모델의 특징 도메인 각각의 변화량 및 변화 가능한 범위 중 적어도 어느 하나에 따른 특징 도메인의 특성에 기초하여 상기 특징 도메인 별로 가중치를 적응적으로 결정하고,상기 특징 도메인별 가중치를 정규화하고 상기 손실 함수에 적용하여 상기 현재 프레임 영상의 타원형 모델을 예측하는 것인, 심층학습 기반의 영상 내 객체 추적 방법
2 2
제1항에 있어서,상기 (a) 단계는,상기 이전 프레임 영상에서 추적 대상 객체 영역을 크롭(crop)하고, 상기 추적 대상 객체 영역에서 상기 타원형 모델을 정의하는 것인, 심층학습 기반의 영상 내 객체 추적 방법
3 3
삭제
4 4
삭제
5 5
제1항에 있어서,상기 (b) 단계는,상기 인공신경망을 통해 상기 이전 프레임 영상과 상기 현재 프레임 영상 각각의 특징맵을 산출하고,상기 인공신경망은, 상기 각각의 특징맵을 완전 연결 레이어 처리하여 상기 추적 대상 객체의 모션 차이를 학습하여 상기 추적 대상 객체에 대응하는 타원형 모델을 예측하는 것인, 심층학습 기반의 영상 내 객체 추적 방법
6 6
회전 가능한 타원형 모델을 이용한 심층학습 기반의 영상 내 객체 추적 장치에 있어서,이전 프레임 영상으로부터 추적 대상 객체에 대응하는 타원형 모델을 정의하는 모델 정의부;상기 이전 프레임 영상과 현재 프레임 영상의 특성을 입력으로 하는 인공신경망을 통해 상기 현재 프레임 영상에서 상기 추적 대상 객체에 대응하는 타원형 모델을 예측하는 모델 예측부; 및상기 예측된 현재 프레임 영상의 타원형 모델에 기초하여 상기 현재 프레임 영상에서 상기 추적 대상 객체를 추적하는 객체 추적부,를 포함하되,상기 타원형 모델은 벡터에 기반한 특징 도메인을 포함하고,상기 특징 도메인은 타원의 중심점, 장축, 단축, 및 사잇각을 포함하고,상기 모델 예측부는,상기 예측된 현재 프레임 영상의 타원형 모델과 실제 추적 대상 객체의 타원형 모델의 차이에 따른 손실 함수를 고려하여 상기 현재 프레임 영상의 타원형 모델을 예측하되,이전 프레임 영상의 타원형 모델의 특징 도메인과 현재 프레임 영상의 타원형 모델의 특징 도메인 각각의 변화량 및 변화 가능한 범위 중 적어도 어느 하나에 따른 특징 도메인의 특성에 기초하여 상기 특징 도메인 별로 가중치를 적응적으로 결정하고,상기 특징 도메인별 가중치를 정규화하고 상기 손실함수에 적용하여 상기 현재 프레임 영상의 타원형 모델을 예측하는 것인, 심층학습 기반의 영상 내 객체 추적 장치
7 7
제6항에 있어서,상기 모델 정의부는,상기 이전 프레임 영상에서 추적 대상 객체 영역을 크롭(crop)하고, 상기 추적 대상 객체 영역에서 상기 타원형 모델을 정의하는 것인, 심층학습 기반의 영상 내 객체 추적 장치
8 8
삭제
9 9
삭제
10 10
제6항에 있어서,상기 모델 예측부는,상기 인공신경망을 통해 상기 이전 프레임 영상과 상기 현재 프레임 영상 각각의 특징맵을 산출하고,상기 인공신경망은, 상기 각각의 특징맵을 완전 연결 레이어 처리하여 상기 추적 대상 객체의 모션 차이를 학습하여 상기 추적 대상 객체에 대응하는 타원형 모델을 예측하는 것인, 심층학습 기반의 영상 내 객체 추적 장치
11 11
제1항, 제2항 및 제5항 중 어느 한 항의 방법을 컴퓨터에서 실행하기 위한 프로그램을 기록한 컴퓨터에서 판독 가능한 기록매체
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 과학기술정보통신부 건국대학교산학협력단 SW중심대학 SW중심대학(건국대학교)