| 1 |
1
보행자 영상 데이터 증강장치를 이용하는 영상 증강방법에 있어서,입력 영상(input image)을 획득하는 과정;딥러닝(deep learning) 기반 영역 검출 모델(area detection model)을 이용하여 상기 입력 영상으로부터 운전가능 영역(drivable area)을 추출하는 과정;딥러닝 기반 보행자 검출 모델(pedestrian detection model)을 이용하여 상기 입력 영상으로부터 보행자(pedestrian)를 추출하는 과정; 및상기 운전가능 영역 및 상기 보행자에 대한 마스크(masks)를 기반으로 상기 보행자의 이상행동(abnormal behavior) 상황에 대한 증강 영상(augmented images)을 생성하는 과정을 포함하는 것을 특징으로 하는, 컴퓨터 상에 구현되는 영상 증강방법
|
| 2 |
2
제1항에 있어서,학습용 데이터세트(datasets)를 기반으로 상기 영역 검출 모델 및 상기 보행자 검출 모델에 대한 사전 트레이닝을 수행하는 과정을 더 포함하는 것을 특징으로 하는, 컴퓨터 상에 구현되는 영상 증강방법
|
| 3 |
3
제1항에 있어서,상기 입력 영상은,상기 운전가능 영역 및/또는 적어도 한 명의 보행자를 포함하는 것을 특징으로 하는, 컴퓨터 상에 구현되는 영상 증강방법
|
| 4 |
4
제1항에 있어서,상기 입력 영상이 복수의 보행자를 포함하는 경우, 상기 입력 영상 중에 상기 운전가능 영역을 제외한 영역에서 가장 먼저 추출된 한 명의 보행자를 선택하는 것을 특징으로 하는, 컴퓨터 상에 구현되는 영상 증강방법
|
| 5 |
5
제1항에 있어서, 상기 증강 영상을 생성하는 과정은,상기 운전가능 영역에 대한 마스크 내에 상기 보행자에 대한 마스크를 위치시키는 것을 특징으로 하는, 컴퓨터 상에 구현되는 영상 증강방법
|
| 6 |
6
제1항에 있어서, 상기 증강 영상을 생성하는 과정은,상기 보행자의 마스크 및 가로 플립(horizontal flip)이 적용된 보행자의 마스크와 상기 운전가능 영역의 마스크를 상호 결합함으로써 상기 보행자의 이상행동 상황에 대한 증강 영상을 생성하는 것을 특징으로 하는, 컴퓨터 상에 구현되는 영상 증강방법
|
| 7 |
7
제1항에 있어서, 상기 증강 영상은,비정상 상황으로 분류되고, 상기 이상행동을 실행하는 보행자의 위치 정보에 대한 레이블을 포함하는 것을 특징으로 하는, 컴퓨터 상에 구현되는 영상 증강방법
|
| 8 |
8
입력 영상(image)을 획득하는 입력부;영역 검출 모델(area detection model)을 이용하여 상기 입력 영상으로부터 운전가능 영역(drivable area)을 추출하는 영역추출부;보행자 검출 모델(pedestrian detection model)을 이용하여 상기 입력 영상으로부터 보행자(pedestrian)를 추출하는 보행자추출부; 및상기 운전가능 영역 및 상기 보행자 마스크(masks)를 기반으로 상기 보행자의 이상행동(abnormal behavior) 상황에 대한 증강 영상(augmented images)을 생성하는 데이터증강부를 포함하는 것을 특징으로 하는 보행자 영상 데이터 증강장치
|
| 9 |
9
제8항에 있어서, 상기 영역 검출 모델 및 상기 보행자 검출 모델은 딥러닝(deep learning) 기반의 신경망으로 구현되되, 학습용 데이터세트(datasets)를 기반으로 사전에 트레이닝되는 것을 특징으로 하는 보행자 영상 데이터 증강장치
|
| 10 |
10
제8항에 있어서, 상기 증강 영상은,비정상 상황으로 분류되고, 상기 이상행동을 실행하는 보행자의 위치 정보에 대한 레이블을 포함하는 것을 특징으로 하는 보행자 영상 데이터 증강장치
|
| 11 |
11
제1항 내지 제7항 중 어느 한 항에 따른 영상 증강방법이 포함하는 각 단계를 실행시키기 위하여 컴퓨터로 읽을 수 있는 기록매체에 저장된 컴퓨터프로그램
|
