| 1 |
1
프레임 데이터들을 순차적으로 수신하고, 연속한 두 개의 프레임 데이터들 사이의 차이를 검출하도록 구성되는 프레임 데이터 변화 검출기;상기 검출된 차이에 따라, 상기 프레임 데이터들에서 앙상블 구간을 설정하도록 구성되는 앙상블 구간 제어기;상기 앙상블 구간 내의 구간 프레임 데이터들에 대해 서로 다른 신경망 분류기들을 적용하여 상기 구간 프레임 데이터들에 각각 대응하는 클래스들을 순차적으로 식별하도록 구성되는 영상 인식기; 그리고상기 앙상블 구간 내의 상기 클래스들을 조합하여 상기 구간 프레임 데이터들에 각각 대응하는 앙상블 클래스들을 순차적으로 식별하도록 구성되는 인식 결과 분류기를 포함하는 영상 인식 장치
|
| 2 |
2
제1항에 있어서,상기 연속한 두 개의 프레임 데이터들 사이의 차이가 문턱 이상일 때, 상기 연속한 두 개의 프레임 데이터들은 상기 앙상블 구간 제어기에 의해 서로 다른 앙상블 구간들에 편입되는 영상 인식 장치
|
| 3 |
3
제2항에 있어서,상기 앙상블 구간 제어기는 상기 연속한 두 개의 프레임 데이터들 중에서 선행하는 프레임 데이터를 현재 앙상블 구간의 마지막 프레임 데이터로 설정하고, 후행하는 프레임 데이터를 다음 앙상블 구간의 시작 프레임 데이터로 설정하는 영상 인식 장치
|
| 4 |
4
제1항에 있어서,상기 연속한 두 개의 프레임 데이터들 사이의 차이가 문턱 이하일 때, 상기 앙상블 구간 제어기는 상기 연속한 두 개의 프레임 데이터들을 현재 앙상블 구간에 포함시키는 영상 인식 장치
|
| 5 |
5
제1항에 있어서,상기 영상 인식기는 서로 다른 방법들로 학습된 신경망 분류기들을 포함하고, 상기 앙상블 구간 내의 상기 구간 프레임 데이터들에 상기 신경망 분류기들을 순차적으로 적용하는 영상 인식 장치
|
| 6 |
6
제5항에 있어서,상기 신경망 분류기들은 상기 영상 인식기의 연산 자원을 공유하고, 교대로 활성화되는 영상 인식 장치
|
| 7 |
7
제5항에 있어서,상기 인식 결과 분류기는 상기 신경망 분류기들로부터 교대로 상기 클래스들을 수신하는 영상 인식 장치
|
| 8 |
8
제1항에 있어서,상기 구간 프레임 데이터들 중 제1 내지 제n 프레임 데이터들(n은 1보다 큰 양의 정수)에서 특정한 클래스가 반복적으로 검출될 때, 상기 인식 결과 분류기는 상기 제1 내지 제n 프레임 데이터들에서 검출된 상기 특정한 클래스의 확률들을 합하고, 합한 결과를 n으로 나누고, 나눈 결과를 상기 제n 프레임 데이터의 앙상블 클래스에 포함시키는 영상 인식 장치
|
| 9 |
9
제1항에 있어서,상기 구간 프레임 데이터들 중 제n 프레임 데이터(n은 2보다 큰 양의 정수)에서 특정한 클래스가 검출되고, 그리고 제1 프레임 데이터 내지 상기 제n 프레임 데이터들에서 상기 특정한 클래스가 k번(k는 1보다 크고 n보다 작은 양의 정수) 검출될 때, 상기 인식 결과 분류기는 상기 제1 내지 제n 프레임 데이터들에서 검출된 상기 특정한 클래스의 확률들을 합하고, 합한 결과를 k로 나누고, 나눈 결과를 상기 제n 프레임 데이터의 앙상블 클래스에 포함시키는 영상 인식 장치
|
| 10 |
10
제1항에 있어서,상기 구간 프레임 데이터들 중 제n 프레임 데이터(n은 1보다 큰 양의 정수)에서 특정한 클래스가 검출되고, 그리고 제1 프레임 데이터 내지 제n 프레임 데이터에서 상기 특정한 클래스가 처음 검출된 때에, 상기 인식 결과 분류기는 상기 특정한 클래스를 상기 제n 프레임 데이터의 앙상블 클래스에 포함시키는 영상 인식 장치
|
| 11 |
11
제1항에 있어서,상기 구간 프레임 데이터들 중 첫 번째 프레임 데이터에서 특정한 클래스가 검출된 때에, 상기 인식 결과 분류기는 상기 특정한 클래스를 상기 첫 번째 프레임 데이터의 앙상블 클래스에 포함시키는 영상 인식 장치
|
| 12 |
12
제1항에 있어서,상기 앙상블 구간 제어기는 상기 클래스들을 더 수신하도록 구성되고, 상기 앙상블 구간 제어기는 상기 수신된 클래스들에 따라 상기 앙상블 구간을 보정하는 영상 인식 장치
|
| 13 |
13
제12항에 있어서,상기 앙상블 구간 내의 연속한 프레임 데이터들에 대응하는 클래스들의 차이가 문턱 이상일 때, 상기 앙상블 구간 제어기는 상기 연속한 프레임 데이터들을 서로 다른 앙상블 구간들에 편입시키는 영상 인식 장치
|
| 14 |
14
영상 인식 장치의 동작 방법에 있어서:프레임 데이터를 수신하는 단계;이전 프레임 데이터와 상기 수신된 프레임 데이터의 변화에 기반하여, 앙상블 구간을 설정하는 단계;상기 앙상블 구간 내의 이전 프레임 데이터에 적용된 신경망 분류기와 다른 신경망 분류기를 이용하여 상기 수신된 프레임 데이터에서 클래스를 식별하는 단계; 그리고상기 앙상블 구간 내의 상기 이전 프레임 데이터에서 식별된 선행 클래스와 상기 수신된 프레임 데이터에서 식별된 상기 클래스를 조합하여 앙상블 클래스를 식별하는 단계를 포함하는 동작 방법
|
| 15 |
15
제14항에 있어서,상기 앙상블 구간 내의 상기 이전 프레임 데이터에서 식별된 선행 클래스와 상기 수신된 프레임 데이터에서 식별된 상기 클래스를 조합하여 앙상블 클래스를 식별하는 단계는:상기 앙상블 구간 내의 이전 프레임 데이터들 모두에서 식별된 선행 클래스들과 상기 수신된 프레임 데이터에서 식별된 상기 클래스를 조합하는 단계를 포함하는 동작 방법
|
| 16 |
16
제14항에 있어서,상기 이전 프레임 데이터와 상기 수신된 프레임 데이터의 변화에 기반하여, 앙상블 구간을 설정하는 단계는:상기 이전 프레임 데이터와 상기 수신된 프레임 데이터의 상기 변화가 문턱보다 작을 때, 상기 수신된 프레임 데이터를 상기 이전 프레임 데이터와 동일한 앙상블 구간에 편입시키는 단계를 포함하는 동작 방법
|
| 17 |
17
제14항에 있어서,상기 수신된 프레임 데이터에서 식별된 상기 클래스를 이용하여 상기 앙상블 구간을 보정하는 단계를 더 포함하는 동작 방법
|
| 18 |
18
프로세서;프레임 데이터들을 저장하도록 구성되는 메모리; 그리고상기 프로세서의 요청에 따라, 상기 메모리에 저장된 상기 프레임 데이터들의 영상 인식을 수행하도록 구성되는 영상 인식 장치를 포함하고,상기 영상 인식 장치는 상기 프레임 데이터들의 변화에 기반하여 앙상블 구간을 설정하고, 상기 앙상블 구간 내의 구간 프레임 데이터들에 서로 다른 신경망 분류기들을 적용하여 클래스들을 식별하고, 그리고 상기 앙상블 구간 내에서 특정 시점의 프레임 데이터의 클래스 및 이전 프레임 데이터들의 클래스들을 조합하여 상기 특정 시점의 앙상블 클래스를 식별하도록 구성되는 컴퓨팅 장치
|
| 19 |
19
제18항에 있어서,상기 영상 인식 장치는 상기 앙상블 구간 내에서 상기 특정 시점의 클래스와 상기 이전 프레임 데이터들의 클래스들을 비교하고, 비교의 결과에 따라 상기 앙상블 구간을 보정하는 컴퓨팅 장치
|
| 20 |
20
제18항에 있어서,상기 영상 인식 장치는 상기 앙상블 구간에 포함된 프레임 데이터들의 수가 문턱에 도달할 때, 상기 앙상블 구간을 종료하고 다음 프레임 데이터부터 새로운 앙상블 구간을 시작하는 영상 인식 장치
|
