1 |
1
광학 카메라 통신(OPTICAL CAMERA COMMUNICATION, OCC)을 위해 데이터를 송신하는 광원을 검출하는 송신 광원 탐지 방법으로서,카메라를 이용하여 적어도 하나 이상의 광원을 포함한 이미지를 획득하는 단계;상기 획득한 이미지를 광원을 식별하도록 학습된 이미지 분류 알고리즘에 적용하여 상기 이미지 내의 광원 영역에 대하여 특징(Feature)을 추출하는 단계; 및상기 추출된 특징을 데이터 송신 광원을 식별하도록 학습된 이진 분류 알고리즘에 적용하여 상기 획득한 이미지 내의 광원 각각에 대하여 OCC 기반 데이터 송신 광원인지 여부를 판단하는 단계를 포함하되,상기 이진 분류 알고리즘은,OCC 기반 데이터 송신 광원의 이미지 및 데이터를 송신하지 않는 일반 광원의 이미지를 포함하는 이미지 세트를 수집하는 단계;상기 수집한 이미지 세트 내의 이미지들에 형태학적(morphological) 이미지 처리를 수행하는 단계; 상기 형태학적 이미지 처리된 이미지 세트 내의 광원의 이미지들의 특징(Feature)들을 트레이닝 세트 및 테스트 세트로 추출하는 단계; 및상기 트레이닝 세트를 이용하여 초기 이진 분류 알고리즘을 훈련시키는 단계를 포함하는 훈련 페이즈(phase)에 의해 훈련되고,상기 이미지 세트 내의 OCC 기반 데이터 송신 광원의 이미지 및 데이터를 송신하지 않는 일반 광원의 이미지는 각각 송신 광원 및 일반 광원으로 레이블링 되어 있으며,상기 트레이닝 세트 및 상기 테스트 세트 내의 이미지들의 특징들도 각각 송신 광원 및 일반 광원으로 레이블링 되어 있는,송신 광원 탐지 방법
|
2 |
2
삭제
|
3 |
3
제 1 항에 있어서,상기 형태학적(morphological) 이미지 처리를 수행하는 단계는,상기 수집한 이미지 세트 내의 이미지에 형태학적 기울기 연산 및 이미지 필터링 과정을 적용하여 전처리 이미지를 생성하는 단계를 포함하는,송신 광원 탐지 방법
|
4 |
4
제 1 항에 있어서,상기 훈련 페이즈는,상기 훈련시키는 단계 이후에,상기 테스트 세트를 이용하여 훈련된 상기 이진 분류 알고리즘의 정확도를 확인하는 단계를 더 포함하고,상기 훈련 페이즈는 상기 정확도가 임계치를 초과하는 경우 훈련을 종료하고, 상기 정확도가 임계치 이하인 경우 상기 형태학적 이미지 처리를 수행하는 단계의 전처리 방식을 변경하여 상기 이미지 처리를 수행하는 단계, 상기 추출하는 단계 및 상기 훈련시키는 단계를 재수행하도록 구성되는, 송신 광원 탐지 방법
|
5 |
5
제 1 항에 있어서,상기 훈련 페이즈는,상기 훈련시키는 단계 이후에,상기 테스트 세트를 이용하여 훈련된 상기 이진 분류 알고리즘의 정확도를 확인하는 단계를 더 포함하고,상기 훈련 페이즈는 상기 정확도가 임계치를 초과하는 경우 훈련을 종료하고, 상기 정확도가 임계치 이하인 경우 상기 특징을 추출하는 단계의 특징 추출 방식을 변경하여 상기 추출하는 단계 및 상기 훈련시키는 단계를 재수행하도록 구성되는, 송신 광원 탐지 방법
|
6 |
6
제 5 항에 있어서,상기 이미지 분류 알고리즘은, 상기 정확도가 임계치 이상인 경우에 채택되었던 상기 특징 추출 방식에 기반하여 생성되는,송신 광원 탐지 방법
|
7 |
7
제 1 항에 있어서,상기 특징은, 광원의 기하학적 특징을 포함하고,상기 기하학적 특징은, 광원의 각 스트라이프 면적, 상기 광원의 모든 스트라이프의 둘레의 합 및 상기 광원의 스트라이프 패턴을 나타내는 라인 세그먼트의 수 중 적어도 하나를 포함하고,상기 라인 세그먼트의 수는 상기 광원 영역의 이미지에 더글라스-포이커 알고리즘을 적용하여 도출되는,송신 광원 탐지 방법
|
8 |
8
제 1 항에 있어서,상기 특징을 추출하는 단계는,상기 이미지 내에서 광원이 있는 영역을 식별하는 단계; 및식별된 광원 영역에 대하여 특징을 추출하는 단계를 포함하고,상기 특징은 상기 광원 영역에서 탐지되는 스트라이프의 수 및 상기 광원 영역 내에서 스트라이프들 간의 간격의 변화를 포함하며,상기 이진 분류 알고리즘은 상기 스트라이프의 수 및 상기 광원 영역 내에서 스트라이프들 간의 간격의 변화에 기초하여 상기 광원 각각에 대하여 OCC 기반 데이터 송신 광원인지 여부를 판단하도록 구성되는,송신 광원 탐지 방법
|
9 |
9
제 1 항에 있어서,상기 학습된 이진 분류 알고리즘은, 데이터의 특성을 무한한 모든 차수의 모든 다항식으로 확장하는 방사형 기저 함수(Radial Basis Function, RBF) 커널(kernel)을 적용하여, 데이터를 차원이 무한한 특성 공간에 매핑하는,송신 광원 탐지 방법
|
10 |
10
컴퓨터를 이용하여 제 1 항 및 제 3 항 내지 제 9 항의 방법 중 어느 한 항의 방법을 실행시키기 위한 컴퓨터 프로그램이 저장된 컴퓨터로 판독 가능한 기록매체
|
11 |
11
광학 카메라 통신(OPTICAL CAMERA COMMUNICATION, OCC)을 위해 데이터를 송신하는 광원을 검출하는 송신 광원 탐지 장치로서,메모리; 및상기 메모리와 연결되고, 상기 메모리에 포함된 컴퓨터 판독 가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고,상기 적어도 하나의 프로세서는,카메라를 이용하여 적어도 하나 이상의 광원을 포함한 이미지를 획득하는 동작,상기 획득한 이미지를 광원을 식별하도록 학습된 이미지 분류 알고리즘에 적용하여 상기 이미지 내의 광원 영역에 대하여 특징(Feature)을 추출하는 동작, 및상기 추출된 특징을 데이터 송신 광원을 식별하도록 학습된 이진 분류 알고리즘에 적용하여 상기 획득한 이미지 내의 광원 각각에 대하여 OCC 기반 데이터 송신 광원인지 여부를 판단하는 동작을 수행하도록 구성되되,상기 이진 분류 알고리즘은,OCC 기반 데이터 송신 광원의 이미지 및 데이터를 송신하지 않는 일반 광원의 이미지를 포함하는 이미지 세트를 수집하는 단계;상기 수집한 이미지 세트 내의 이미지들에 형태학적(morphological) 이미지 처리를 수행하는 단계; 상기 형태학적 이미지 처리된 이미지 세트 내의 광원의 이미지들의 특징(Feature)들을 트레이닝 세트 및 테스트 세트로 추출하는 단계; 및상기 트레이닝 세트를 이용하여 초기 이진 분류 알고리즘을 훈련시키는 단계를 포함하는 훈련 페이즈(phase)에 의해 훈련되고,상기 이미지 세트 내의 OCC 기반 데이터 송신 광원의 이미지 및 데이터를 송신하지 않는 일반 광원의 이미지는 각각 송신 광원 및 일반 광원으로 레이블링 되어 있으며,상기 트레이닝 세트 및 상기 테스트 세트 내의 이미지들의 특징들도 각각 송신 광원 및 일반 광원으로 레이블링 되어 있는,송신 광원 탐지 장치
|
12 |
12
삭제
|
13 |
13
제 11 항에 있어서,상기 이진 분류 알고리즘은,상기 형태학적(morphological) 이미지 처리를 수행하는 단계에서, 상기 수집한 이미지 세트 내의 이미지에 형태학적 기울기 연산 및 이미지 필터링 과정을 적용하여 전처리 이미지를 생성하는 동작을 수행하도록 구성되는,송신 광원 탐지 장치
|
14 |
14
제 11 항에 있어서,상기 훈련 페이즈는,상기 훈련시키는 단계 이후에,상기 테스트 세트를 이용하여 훈련된 상기 이진 분류 알고리즘의 정확도를 확인하는 단계를 더 포함하고,상기 훈련 페이즈는 상기 정확도가 임계치를 초과하는 경우 훈련을 종료하고, 상기 정확도가 임계치 이하인 경우 상기 형태학적 이미지 처리를 수행하는 단계의 전처리 방식을 변경하여 상기 이미지 처리를 수행하는 단계, 상기 추출하는 단계 및 상기 훈련시키는 단계를 재수행하도록 구성되는, 송신 광원 탐지 장치
|
15 |
15
제 11 항에 있어서,상기 훈련 페이즈는,상기 훈련시키는 단계 이후에,상기 테스트 세트를 이용하여 훈련된 상기 이진 분류 알고리즘의 정확도를 확인하는 단계를 더 포함하고,상기 훈련 페이즈는 상기 정확도가 임계치를 초과하는 경우 훈련을 종료하고, 상기 정확도가 임계치 이하인 경우 상기 특징을 추출하는 단계의 특징 추출 방식을 변경하여 상기 추출하는 단계 및 상기 훈련시키는 단계를 재수행하도록 구성되는, 송신 광원 탐지 장치
|
16 |
16
제 15 항에 있어서,상기 이미지 분류 알고리즘은, 상기 정확도가 임계치 이상인 경우에 채택되었던 상기 특징 추출 방식에 기반하여 생성되는,송신 광원 탐지 장치
|
17 |
17
제 11 항에 있어서,상기 특징은, 광원의 기하학적 특징을 포함하고,상기 기하학적 특징은, 광원의 각 스트라이프 면적, 상기 광원의 모든 스트라이프의 둘레의 합 및 상기 광원의 스트라이프 패턴을 나타내는 라인 세그먼트의 수 중 적어도 하나를 포함하고,상기 라인 세그먼트의 수는 상기 광원 영역의 이미지에 더글라스-포이커 알고리즘을 적용하여 도출되는,송신 광원 탐지 장치
|
18 |
18
제 11 항에 있어서,상기 특징을 추출하는 동작은,상기 이미지 내에서 광원이 있는 영역을 식별하는 동작, 및식별된 광원 영역에 대하여 특징을 추출하는 동작을 더 수행하도록 구성되고,상기 특징은 상기 광원 영역에서 탐지되는 스트라이프의 수 및 상기 광원 영역 내에서 스트라이프들 간의 간격의 변화를 포함하며,상기 이진 분류 알고리즘은 상기 스트라이프의 수 및 상기 광원 영역 내에서 스트라이프들 간의 간격의 변화에 기초하여 상기 광원 각각에 대하여 OCC 기반 데이터 송신 광원인지 여부를 판단하도록 구성되는,송신 광원 탐지 장치
|
19 |
19
제 11 항에 있어서,상기 학습된 이진 분류 알고리즘은, 데이터의 특성을 무한한 모든 차수의 모든 다항식으로 확장하는 방사형 기저 함수(Radial Basis Function, RBF) 커널(kernel)을 적용하여, 데이터를 차원이 무한한 특성 공간에 매핑하는,송신 광원 탐지 장치
|