| 1 |
1
감시 지역을 촬영한 동영상을 입력받는 단계;상기 동영상에서 영상전환점을 추출하는 단계;이동 객체 검출 알고리즘을 통해 상기 영상전환점에서 이동 객체 좌표를 검출하는 단계; 및상기 이동 객체를 제외시킨 동영상에서 감시 대상인 비정형 객체를 인식하는 단계를 포함하는 비정형객체 인식 방법
|
| 2 |
2
제1항에 있어서,상기 비정형 객체를 인식하는 단계는,상기 동영상에서 상기 이동 객체 좌표에 따른 객체 바운딩박스를 제외시키고, 영상전환점을 다시 추출하는 단계; 및다시 추출된 영상전환점 이후의 동영상에 대하여 커스텀 학습 모델을 적용하여 이상 영역을 인식하는 단계를 포함하는 비정형객체 인식 방법
|
| 3 |
3
제2항에 있어서,상기 이상 영역을 인식하는 단계 이후,탐지된 이상 영역을 추출하여 상기 커스텀 학습 모델의 기준 시공간객체와 비교하는 단계; 및 비교 결과 감시 대상 시공간객체로 인식되면 알람을 수행하는 단계를 포함하는 비정형객체 인식 방법
|
| 4 |
4
제1항에 있어서,상기 영상전환점을 추출하는 단계는,상기 동영상에서 콘텐츠 인식 감지로 두 개의 후속 프레임간의 차이가 임계값을 초과하는 영역을 찾는 방식으로 수행되는 비정형객체 인식 방법
|
| 5 |
5
제1항에 있어서,상기 이동 객체 검출 알고리즘은, 상기 동영상을 구성하는 프레임들 중 상기 영상전환점에 해당되는 프레임에서 이동 객체를 검출하는 비정형객체 인식 방법
|
| 6 |
6
제5항에 있어서,상기 이동 객체 검출 알고리즘은, scipy, numpy, keras 중 하나 이상의 라이브러리를 활용하는 CAM(class activation map)이 적용된 비정형객체 인식 방법
|
| 7 |
7
제1항에 있어서,상기 비정형 객체는, 0
|
| 8 |
8
제1항에 있어서,상기 비정형 객체를 인식하는 단계에서는,CAM을 이용하여 추출된 영역을 바탕으로 커스텀 학습 객체로서 기준 시공간객체 비교하여 감시 대상 시공간객체를 인식하는 비정형객체 인식 방법
|
| 9 |
9
제2항에 있어서,가상으로 증강된 형상 데이터를 이용하여 상기 커스텀 학습 모델을 학습시키는 단계를 더 포함하는 비정형객체 인식 방법
|
| 10 |
10
감시 지역을 촬영한 동영상을 입력받는 동영상 수집부;상기 동영상에서 영상전환점을 추출하는 영상전환점 추출부;상기 동영상에서 상기 영상전환점에 대한 이동 객체 좌표를 검출하는 이동 객체 검출부;상기 동영상에서 상기 이동 객체 좌표에 따른 객체 바운딩박스를 제거하고 보간하는 이동 객체 제거부; 및상기 객체 바운딩박스가 제거된 동영상에서 다시 추출된 영상전환점 이후의 동영상에서 감시 대상인 비정형 객체를 인식하는 커스텀 학습 모델을 포함하는 비정형객체 인식 장치
|
| 11 |
11
제10항에 있어서,가상으로 증강된 형상 데이터를 이용하여 상기 커스텀 학습 모델을 학습시키는 학습부를 더 포함하는 비정형객체 인식 장치
|
| 12 |
12
제10항에 있어서,상기 영상전환점 추출부는, 영상 매 프레임의 content_val, delta_hue(색조), delta_sat(포화도), delta_lum(휘도/밝기)를 설정된 임계값과 비교하는 임계값 감지기를 구비하는 비정형객체 인식 장치
|
| 13 |
13
제10항에 있어서,상기 커스텀 학습 모델은, 이상 영역을 추출한 후 커스텀 학습된 모델의 기준 시공간객체와 비교하여 감시 대상 비정형 시공간객체를 탐지하고 인식하는 비정형객체 인식 장치
|
| 14 |
14
제10항에 있어서,상기 커스텀 학습 모델은, 상기 동영상에서 상기 이동 객체 좌표에 따른 객체 바운딩박스를 제외시키고, 영상전환점을 다시 추출하고,다시 추출된 영상전환점 이후의 동영상에 대하여 커스텀 학습 모델을 적용하여 이상 영역을 인식하고, 탐지된 이상 영역을 추출하여 상기 커스텀 학습 모델의 기준 시공간객체와 비교하는 비정형객체 인식 장치
|
| 15 |
15
제14항에 있어서,상기 이상 영역의 객체가 상기 기준 시공간객체와 유사성이 높아 감시 대상 시공간객체로 인식되면 알람을 수행하는 알람부를 더 포함하는 비정형객체 인식 장치
|
