1 |
1
단일채널의 적외선 영상을 획득하는 단계와,획득된 상기 적외선 영상을 다채널 적외선 영상으로 변환하는 단계와,적합도 기반으로 생성된 매개변수에 기반하여 생성된 상기 다채널 적외선 영상을 합성하는 단계와,합성된 상기 다채널 적외선 영상을 인공신경망 기반의 물체 인식 장치에 학습시키는 단계와,학습된 상기 인공신경망을 이용하여 새로운 적외선 영상으로부터 생성된 다채널 적외선 영상에 대하여 물체 검출을 수행하는 단계를 포함하고,상기 변환하는 단계는,대비제한 적응 히스토그램 평활화(CLAHE, Contrast Limited Adaptive Histogram Equalization) 기법을 사용하여 상기 적외선 영상을 상기 다채널 적외선 영상으로 변환하되, 상기 다채널 적외선 영상 중 하나의 채널은 배경 영역의 세부 특징이 강조되는 채널로 구성하고, 다른 하나의 채널은 물체 영역의 세부 특징이 강조되는 채널로 구성하며,상기 대비제한 적응 히스토그램 평활화를 위한 블록 사이즈는 상기 다른 하나의 채널보다 상기 하나의 채널이 더 크고, 대비 한계점은 상기 다른 하나의 채널보다 상기 하나의 채널이 더 높은다채널 적외선 영상 기반의 물체 검출 방법
|
2 |
2
삭제
|
3 |
3
삭제
|
4 |
4
삭제
|
5 |
5
제 1 항에 있어서,상기 변환하는 단계는,상기 대비제한 적응 히스토그램 평활화의 최적 매개변수를 찾기 위해 유전 알고리즘(Genetic Algorithm)을 이용하는다채널 적외선 영상 기반의 물체 검출 방법
|
6 |
6
제 1 항에 있어서,상기 합성하는 단계는,임의의 매개변수 그룹을 생성하여 초기 인구(Population)를 생성하는 단계와,생성된 각 매개변수들에 대해 물체인식기를 학습 데이터에 대해 학습하고, 학습된 모델이 검증 데이터셋에서의 정확도를 계산하여 상기 적합도를 산출하는 단계와,산출된 상기 적합도를 선택 확률로 활용하여 주어진 특정 매개변수를 변이시키는 단계와,적합도 기준에 의해 선발된 두 개의 매개변수에 대해 각각 한쪽의 매개변수를 취해 조합하여 새로운 매개변수를 생성하는 단계를 포함하는다채널 적외선 영상 기반의 물체 검출 방법
|
7 |
7
제 6 항에 있어서,상기 초기 인구를 생성하는 단계는,다음의 4개 매개변수를 상기 임의의 매개변수 그룹으로 설정하는ClipLimit, nRBins, nRX, nRY다채널 적외선 영상 기반의 물체 검출 방법
|
8 |
8
제 7 항에 있어서,상기 매개변수를 변이시키는 단계는,상기 4개 매개변수에 대해 Cliplimit 변경, nRBins의 변경, nRX 및 nRY의 변경 중 어느 한 방법으로 변이시키는다채널 적외선 영상 기반의 물체 검출 방법
|
9 |
9
제 6 항에 있어서,상기 적합도를 산출하는 단계는,학습/검증 적합도(정확도)가 높아지는 특정세대로 수렴되도록, 특정세대 집합에서 적합도가 상대적으로 높은 세대1과 세대2의 세대 값들을 교배하여 상기 적합도를 산출하는다채널 적외선 영상 기반의 물체 검출 방법
|
10 |
10
컴퓨터 프로그램을 저장하고 있는 컴퓨터 판독 가능 기록매체로서,상기 컴퓨터 프로그램은, 프로세서에 의해 실행되면,단일채널의 적외선 영상을 획득하는 단계와,획득된 상기 적외선 영상을 다채널 적외선 영상으로 변환하는 단계와,적합도 기반으로 생성된 매개변수에 기반하여 생성된 상기 다채널 적외선 영상을 합성하는 단계와,합성된 상기 다채널 적외선 영상을 인공신경망 기반의 물체 인식 장치에 학습시키는 단계와,학습된 상기 인공신경망을 이용하여 새로운 적외선 영상으로부터 생성된 다채널 적외선 영상에 대하여 물체 검출을 수행하는 단계를 포함하고,상기 변환하는 단계는,대비제한 적응 히스토그램 평활화(CLAHE, Contrast Limited Adaptive Histogram Equalization) 기법을 사용하여 상기 적외선 영상을 상기 다채널 적외선 영상으로 변환하되, 상기 다채널 적외선 영상 중 하나의 채널은 배경 영역의 세부 특징이 강조되는 채널로 구성하고, 다른 하나의 채널은 물체 영역의 세부 특징이 강조되는 채널로 구성하며,상기 대비제한 적응 히스토그램 평활화를 위한 블록 사이즈는 상기 다른 하나의 채널보다 상기 하나의 채널이 더 크고, 대비 한계점은 상기 다른 하나의 채널보다 상기 하나의 채널이 더 높은,동작을 상기 프로세서가 수행하도록 하기 위한 명령어를 포함하는,컴퓨터 판독 가능한 기록매체
|
11 |
11
컴퓨터 판독 가능한 기록매체에 저장되어 있는 컴퓨터 프로그램으로서,상기 컴퓨터 프로그램은, 프로세서에 의해 실행되면,단일채널의 적외선 영상을 획득하는 단계와,획득된 상기 적외선 영상을 다채널 적외선 영상으로 변환하는 단계와,적합도 기반으로 생성된 매개변수에 기반하여 생성된 상기 다채널 적외선 영상을 합성하는 단계와,합성된 상기 다채널 적외선 영상을 인공신경망 기반의 물체 인식 장치에 학습시키는 단계와,학습된 상기 인공신경망을 이용하여 새로운 적외선 영상으로부터 생성된 다채널 적외선 영상에 대하여 물체 검출을 수행하는 단계를 포함하고,상기 변환하는 단계는,대비제한 적응 히스토그램 평활화(CLAHE, Contrast Limited Adaptive Histogram Equalization) 기법을 사용하여 상기 적외선 영상을 상기 다채널 적외선 영상으로 변환하되, 상기 다채널 적외선 영상 중 하나의 채널은 배경 영역의 세부 특징이 강조되는 채널로 구성하고, 다른 하나의 채널은 물체 영역의 세부 특징이 강조되는 채널로 구성하며,상기 대비제한 적응 히스토그램 평활화를 위한 블록 사이즈는 상기 다른 하나의 채널보다 상기 하나의 채널이 더 크고, 대비 한계점은 상기 다른 하나의 채널보다 상기 하나의 채널이 더 높은,동작을 상기 프로세서가 수행하도록 하기 위한 명령어를 포함하는,컴퓨터 프로그램
|
12 |
12
단일채널의 적외선 영상을 획득하는 영상 획득부와,획득된 상기 적외선 영상을 다채널 적외선 영상으로 변환하는 다채널 영상 생성부와,적합도 기반으로 생성된 매개변수에 기반하여 생성된 상기 다채널 적외선 영상을 합성하는 영상 합성부와,합성된 상기 다채널 적외선 영상을 인공신경망 기반의 물체 인식 장치에 학습시키는 인공지능 학습 실행부와,학습된 상기 인공신경망을 이용하여 새로운 적외선 영상으로부터 생성된 다채널 적외선 영상에 대하여 물체 검출을 수행하는 물체 검출부를 포함하고,상기 다채널 영상 생성부는,대비제한 적응 히스토그램 평활화(CLAHE, Contrast Limited Adaptive Histogram Equalization) 기법을 사용하여 상기 적외선 영상을 상기 다채널 적외선 영상으로 변환하되, 상기 다채널 적외선 영상 중 하나의 채널은 배경 영역의 세부 특징이 강조되는 채널로 구성하고, 다른 하나의 채널은 물체 영역의 세부 특징이 강조되는 채널로 구성하며,상기 대비제한 적응 히스토그램 평활화를 위한 블록 사이즈는 상기 다른 하나의 채널보다 상기 하나의 채널이 더 크고, 대비 한계점은 상기 다른 하나의 채널보다 상기 하나의 채널이 더 높은다채널 적외선 영상 기반의 물체 검출 장치
|
13 |
13
삭제
|
14 |
14
삭제
|
15 |
15
삭제
|
16 |
16
제 12 항에 있어서,상기 대비제한 적응 히스토그램 평활화의 최적 매개변수를 찾기 위해 유전 알고리즘(Genetic Algorithm)을 이용하는다채널 적외선 영상 기반의 물체 검출 장치
|