1 |
1
3차원 사용자 자세 추정 장치에서 3차원 사용자 자세를 추정하는 방법으로서, 사용자의 깊이 영상으로부터 사용자 몸에 해당하는 사용자 영역을 추출하는 단계, 상기 사용자 영역 내의 픽셀 각각에 대해 랜덤 결정 포레스트(Randomized Decision Forest)를 이용하여 상기 골격 관절 영역에서의 중심점을 결정하는 단계, 그리고 상기 골격 관절 영역에서의 중심점을 이용하여 골격 정보를 생성하는 단계를 포함하는 3차원 사용자 자세 추정 방법
|
2 |
2
제1항에서, 상기 결정하는 단계는 상기 사용자 영역 내의 픽셀 각각에 대하여 상기 랜덤 결정 포레스트를 이용하여 상기 사용자 몸 내의 어느 부위의 골격 관절에 해당하는지에 대한 확률 분포 값을 계산하는 단계, 상기 사용자 영역 내의 픽셀 각각에 대한 확률 분포 값을 이용하여 골격 관절 영역을 결정하는 단계, 그리고 상기 골격 관절 영역에서의 중심점을 결정하는 단계를 포함하는 3차원 사용자 자세 추정 방법
|
3 |
3
제2항에서, 상기 랜덤 결정 포레스트를 이용하여 확률 분포 값을 계산하는 단계는 상기 사용자 영역 내의 픽셀 각각에 대하여, 상기 랜덤 결정 포레스트의 모든 결정 트리에서 리프 노드에서의 확률 분포 값을 획득하는 단계, 그리고 상기 모든 결정 트리에서 획득된 확률 분포 값을 합산하는 단계를 포함하는 3차원 사용자 자세 추정 방법
|
4 |
4
제2항에서, 상기 랜덤 결정 포레스트를 이용하여 확률 분포 값을 계산하는 단계는 상기 사용자 영역 내의 픽셀 각각에 대하여, 상기 랜덤 결정 포레스트의 결정 트리 각각에서 리프 노드에 도달하기 전에 확률 분포 값이 임계 값을 넘지 않는 노드가 존재하면 0의 확률 분포 값을 반환하는 단계, 상기 랜덤 결정 포레스트의 결정 트리 각각에서 상기 리프 노드에 도달하기 전에 각 노드의 확률 분포 값이 임계 값을 초과하면 상기 리프 노드에서의 확률 분포 값을 반환하는 단계, 그리고 상기 랜덤 결정 포레스트의 결정 트리 각각에서 반환된 확률 분포 값을 합산하는 단계를 포함하는 3차원 사용자 자세 추정 방법
|
5 |
5
제4항에서, 상기 랜덤 결정 포레스트를 이용하여 확률 분포 값을 계산하는 단계는 상기 랜덤 결정 포레스트의 결정 트리 각각에서 각 노드의 확률 분포 값을 자식 노드의 확률 분포 값을 이용하여 사전에 정의하는 단계를 더 포함하는 3차원 사용자 자세 추정 방법
|
6 |
6
제2항에서, 상기 확률 분포 값을 계산하는 단계는 상기 사용자 영역 내의 픽셀 각각에 대하여 거절 트리(rejection tree)를 이용하여 관절 또는 비관절 클래스로 분류하는 단계, 그리고 상기 관절 클래스로 분류된 픽셀에 대해서만 랜덤 결정 포레스트를 이용하여 확률 분포 값을 계산하는 단계를 포함하는 3차원 사용자 자세 추정 방법
|
7 |
7
제6항에서, 상기 분류하는 단계는 상기 사용자 영역 내의 픽셀 각각에 대하여 상기 거절 트리에서 리프 노드의 확률 분포 값을 임계 값과 비교하는 단계, 그리고 상기 사용자 영역 내의 픽셀 각각에 대하여 상기 거절 트리에서 리프 노드의 확률 분포 값이 상기 임계 값을 초과하는 경우에, 상기 관절 클래스로 분류하는 단계를 포함하는 3차원 사용자 자세 추정 방법
|
8 |
8
제1항에서, 상기 중심점을 결정하는 단계는 상기 깊이 영상으로부터 다중 스케일의 깊이 영상을 생성하는 단계, 상기 다중 스케일의 깊이 영상 중 가장 낮은 제1 스케일의 깊이 영상의 사용자 영역 내의 픽셀 각각에 대해 상기 랜덤 결정 포레스트를 이용하여 골격 관절 영역에서의 중심점을 추정하는 단계, 그리고 상기 다중 스케일의 깊이 영상 중 상기 제1 스케일보다 큰 제2 스케일의 깊이 영상에서 상기 중심점으로부터 일정 영역의 픽셀에 대해서만 상기 랜덤 결정 포레스트를 이용하여 상기 골격 관절 영역에서의 중심점을 확정하는 단계를 포함하는 3차원 사용자 자세 추정 방법
|
9 |
9
제1항에서, 상기 골격 정보를 토대로 상기 사용자의 자세를 추정하는 단계를 더 포함하며, 상기 골격 정보는 각 골격 관절의 3차원 위치 정보와 골격 관절의 연결 정보를 포함하는 3차원 사용자 자세 추정 방법
|
10 |
10
제1항에서, 상기 사용자 영역을 추출하는 단계는 상기 깊이 영상 내에서 각 픽셀의 깊이 정보 값을 포함하는 픽셀 데이터를 추출하는 단계, 그리고 상기 픽셀 데이터에 기초하여 상기 사용자 영역을 추출하는 단계를 포함하는 3차원 사용자 자세 추정 방법
|
11 |
11
3차원 사용자 자세 추정 장치로서, 사용자의 깊이 영상 중 사용자 영역 내의 픽셀 각각에 대해 랜덤 결정 포레스트(Randomized Decision Forest, RDF)를 이용하여 상기 사용자 몸 내의 어느 부위의 골격 관절에 해당하는지에 대한 최종 확률 분포 값을 계산하는 RDF 분류부, 상기 사용자 영역 내의 픽셀 각각의 확률 분포 값을 이용하여 골격 관절 영역에서의 중심점을 결정하는 중심점 결정부, 그리고 상기 골격 관절 영역에서의 중심점을 이용하여 상기 사용자의 자세를 추정하는 골격 정보 생성부를 포함하는 3차원 사용자 자세 추정 장치
|
12 |
12
제11항에서, 상기 깊이 영상 내에서 각 픽셀의 깊이 정보 값을 포함하는 픽셀 데이터에 기초하여 상기 사용자 영역을 추출하는 사용자 영역 추출부를 더 포함하는 3차원 사용자 자세 추정 장치
|
13 |
13
제11항에서, 상기 RDF 분류부는 상기 사용자 영역 내의 픽셀 각각에 대하여, 상기 RDF의 각 결정 트리에서 반환되는 확률 분포 값을 합산하여 상기 최종 확률 분포 값을 계산하는 3차원 사용자 자세 추정 장치
|
14 |
14
제12항에서, 상기 각 결정 트리에서 반환되는 확률 분포 값은 상기 각 결정 트리의 리프 노드에서의 확률 분포 값인 3차원 사용자 자세 추정 장치
|
15 |
15
제12항에서, 상기 각 결정 트리에서 반환되는 확률 분포 값은 0 또는 리프 노드에서의 확률 분포 값인 3차원 3차원 사용자 자세 추정 장치
|
16 |
16
제15항에서, 상기 RDF 분류부는 상기 RDF의 결정 트리 각각에서 리프 노드에 도달하기 전에 확률 분포 값이 임계 값을 넘지 않는 노드가 존재하면 0의 확률 분포 값을 반환하고 다른 결정 트리의 노드를 순회하는 3차원 사용자 자세 추정 장치
|
17 |
17
제11항에서, 상기 RDF 분류부는 상기 사용자 영역 내의 픽셀 각각에 대해 상기 RDF의 도입 트리로 거절 트리를 이용하여 관절 또는 비관절 클래스로 분류하고, 관절 클래스에 해당하는 픽셀에 대해서만 상기 RDF를 이용하여 상기 최종 확률 분포 값을 계산하는 3차원 사용자 자세 추정 장치
|
18 |
18
제17항에서, 상기 RDF 분류부는 상기 비관절 클래스에 해당하는 픽셀에 대해서는 상기 최종 확률 분포 값으로 0을 반환하는 3차원 사용자 자세 추정 장치
|
19 |
19
제11항에서, 상기 깊이 영상은 다중 스케일의 깊이 영상을 포함하고, 상기 RDF 분류부는 상기 다중 스케일의 깊이 영상 중 가장 낮은 제1 스케일의 깊이 영상의 사용자 영역 내의 픽셀 각각에 대해 상기 랜덤 결정 포레스트를 이용하여 골격 관절 영역에서의 중심점을 추정하고, 상기 다중 스케일의 깊이 영상 중 상기 제1 스케일보다 큰 적어도 하나의 제2 스케일의 깊이 영상에서 상기 중심점으로부터 일정 영역의 픽셀에 대해서만 상기 랜덤 결정 포레스트를 이용하여 상기 골격 관절 영역에서의 중심점을 확정하는 3차원 사용자 자세 추정 장치
|