| 1 |
1
스테레오 영상에서 기초하여 시차맵을 생성하는 단계;상기 스테레오 영상과 상기 시차맵에 기초하여 하나 이상의 객체 후보 영역을 검출하는 단계;상기 객체 후보 영역에 기초하여 객체 영역을 결정하는 단계;상기 객체 영역을 미리 정해진 크기로 정규화하는 단계;상기 정규화된 객체 영역의 탐색 영역을 결정하는 단계; 및미리 학습된 분류기에 상기 탐색 영역을 입력하고, 상기 객체의 과거 위치에 기초하여 획득한 누적 추적 정보를 고려하여 상기 객체를 인식하는 단계를 포함하고,상기 미리 학습된 분류기는제1 분류기 및 제2 분류기를 포함하고,상기 객체를 인식하는 단계는상기 제1 분류기에 제1 탐색 영역을 입력하여, 상기 객체의 제1 말단 위치를 결정하는 단계; 및상기 제2 분류기에 제2 탐색 영역을 입력하여, 상기 객체의 제2 말단 위치를 결정하는 단계를 포함하는, 객체 인식 방법
|
| 2 |
2
제1항에 있어서,상기 객체 영역을 결정하는 단계는상기 객체 후보 영역의 가로 폭을 결정하는 단계;상기 결정된 가로 폭에 기초하여 상기 객체 후보 영역의 세로 폭을 확장하는 단계; 및상기 결정된 가로 폭과 상기 확장된 세로 폭에 기초하여 상기 객체 영역을 결정하는 단계를 포함하는, 객체 인식 방법
|
| 3 |
3
제1항에 있어서,상기 탐색 영역을 결정하는 단계는상기 객체 영역의 미리 정해진 비율의 상단 영역을 상기 제1 탐색 영역으로 결정하는 단계; 및상기 객체 영역의 미리 정해진 비율의 하단 영역을 상기 제2 탐색 영역으로 결정하는 단계를 포함하는, 객체 인식 방법
|
| 4 |
4
삭제
|
| 5 |
5
제1항에 있어서,상기 객체를 인식하는 단계는상기 미리 학습된 분류기에 상기 탐색 영역을 입력하여 상기 객체 영역의 가로 방향 출력을 획득하는 단계;상기 가로 방향 출력의 최고점을 검출하는 단계;상기 누적 추적 정보를 획득하는 단계; 및상기 누적 추적 정보와 상기 최고점에 기초하여 상기 객체를 인식하는 단계를 포함하는, 객체 인식 방법
|
| 6 |
6
제1항에 있어서,상기 객체는 보행자를 포함하는, 객체 인식 방법
|
| 7 |
7
제1항에 있어서,상기 객체 후보 영역을 검출하는 단계는V-시차맵 방법, U-시차맵 방법, 컬럼(column) 검출 방법 중 적어도 하나를 이용하여 상기 객체 후보 영역을 검출하는 단계를 포함하는, 객체 인식 방법
|
| 8 |
8
제2항에 있어서,상기 객체 후보 영역의 가로 폭을 결정하는 단계는상기 시차맵의 시차값에 기초하여 상기 객체와의 실제 거리를 추정하는 단계; 및미리 정해진 실제 객체의 가로 폭과 상기 추정된 실제 거리에 기초하여 상기 객체 후보 영역의 가로 폭을 결정하는 단계를 포함하는, 객체 인식 방법
|
| 9 |
9
제2항에 있어서,상기 객체 후보 영역의 가로 폭을 결정하는 단계는상기 시차맵에 세그멘테이션 기법을 적용하여 상기 객체를 분류하는 단계; 및상기 분류된 객체의 가로 폭을 측정하는 단계를 포함하는, 객체 인식 방법
|
| 10 |
10
제9항에 있어서,상기 세그멘테이션 기법은k-평균 알고리즘, 슈퍼 픽셀(super pixel) 기법, 마르코프 랜덤 필드(Markov Random Fields) 및 조건적 랜덤 필드(Conditional Random Fields) 중 적어도 하나를 포함하는, 객체 인식 방법
|
| 11 |
11
제2항에 있어서,상기 객체 후보 영역의 가로 폭을 결정하는 단계는상기 시차맵에 수평 방향의 히스토그램을 생성하는 단계; 및상기 히스토그램의 가로 폭을 측정하는 단계를 포함하는, 객체 인식 방법
|
| 12 |
12
제2항에 있어서,상기 객체 후보 영역의 세로 폭을 확장하는 단계는상기 결정된 가로 폭에 미리 정해진 비율을 곱하여 상기 객체 후보 영역의 세로 폭을 갱신하는 단계;상기 갱신된 세로 폭까지 상기 객체 후보 영역의 세로 폭을 확장하는 단계를 포함하는, 객체 인식 방법
|
| 13 |
13
제12항에 있어서,상기 객체 후보 영역의 세로 폭을 확장하는 단계는상기 객체 후보 영역의 중심을 기준으로 상기 객체 후보 영역의 세로 폭을 확장하는 단계를 포함하는, 객체 인식 방법
|
| 14 |
14
하드웨어와 결합되어 제1항 내지 제 3항 및 제 5항 내지 제13항 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램
|
| 15 |
15
스테레오 영상에 기초하여 시차맵을 생성하고, 상기 스테레오 영상과 상기 시차맵에 기초하여 하나 이상의 객체 후보 영역을 검출하고, 상기 객체 후보 영역에 기초하여 객체 영역을 결정하고, 상기 객체 영역을 미리 정해진 크기로 정규화하고, 상기 정규화된 객체 영역의 탐색 영역을 결정하며, 미리 학습된 분류기에 상기 탐색 영역을 입력하고, 상기 객체의 과거 위치에 기초하여 획득한 누적 추적 정보를 고려하여 상기 객체를 인식하는 프로세서를 포함하고,상기 미리 학습된 분류기는제1 분류기 및 제2 분류기를 포함하고,상기 프로세서는상기 제1 분류기에 제1 탐색 영역을 입력하여, 상기 객체의 제1 말단 위치를 결정하고, 상기 제2 분류기에 제2 탐색 영역을 입력하여, 상기 객체의 제2 말단 위치를 결정하는 객체 인식 장치
|
| 16 |
16
제15항에 있어서,상기 프로세서는상기 객체 후보 영역의 가로 폭을 결정하고, 상기 결정된 가로 폭에 기초하여 상기 객체 후보 영역의 세로 폭을 확장하며, 상기 결정된 가로 폭과 상기 확장된 세로 폭에 기초하여 상기 객체 영역을 결정하는, 객체 인식 장치
|
| 17 |
17
제15항에 있어서,상기 프로세서는상기 객체 영역의 미리 정해진 비율의 상단 영역을 상기 제1 탐색 영역으로 결정하고, 상기 객체 영역의 미리 정해진 비율의 하단 영역을 상기 제2 탐색 영역으로 결정하는, 객체 인식 장치
|
| 18 |
18
삭제
|
| 19 |
19
제15항에 있어서,상기 프로세서는상기 미리 학습된 분류기에 상기 탐색 영역을 입력하여 상기 객체 영역의 가로 방향 출력을 획득하고, 상기 가로 방향 출력의 최고점을 검출하고, 상기 누적 추적 정보를 획득하며, 상기 누적 추적 정보와 상기 최고점에 기초하여 상기 객체를 인식하는, 객체 인식 장치
|
| 20 |
20
제15항에 있어서,상기 프로세서는상기 결정된 가로 폭에 미리 정해진 비율을 곱하여 상기 객체 후보 영역의 세로 폭을 갱신하고, 상기 갱신된 세로 폭까지 상기 객체 후보 영역의 세로 폭을 확장하는, 객체 인식 장치
|
