| 1 |
1
복수의 영상 중 테스트 영상을 인식하는 객체 인식 방법에 있어서,(a) 외부로부터 입력받은 복수의 영상 각각에 dense-SIFT(scale invariant feature transform) 알고리즘을 적용하여, 상기 복수의 영상 각각에 대한 특징 기술자들(descriptors)을 산출하는 단계;(b) 상기 복수의 영상에 대한 상기 특징 기술자들을 연결하여, 상기 복수의 영상 각각에 대응하는 벡터들을 생성하는 단계;(c) 상기 벡터들을 행으로 하는 행렬을 구성하고, 상기 행렬에 부분공간 분석법을 적용하여 변환 행렬(transformation matrix)을 산출하는 단계;(d) 상기 변환 행렬에 상기 벡터들 각각을 적용하여, 상기 복수의 영상 각각에 대한 저차원 특징 벡터들을 결정하는 단계;(e) 상기 테스트 영상에 (a) 및 (b) 단계를 수행하여 상기 테스트 영상에 대한 벡터를 산출하고, 상기 변환 행렬에 테스트 영상에 대한 벡터를 적용하여 상기 테스트 영상에 대한 저차원 특징 벡터를 결정하는 단계; 및(f) 상기 복수의 영상에 대응하는 저차원 특징 벡터와 상기 테스트 영상에 대한 저차원 특징 벡터를 비교하여, 상기 복수의 영상 중 상기 테스트 영상에 대응하는 영상을 인식하는 단계;를 포함하는 객체 인식 방법
|
| 2 |
2
제1항에 있어서,상기 특징 기술자들은, 상기 복수의 영상 각각에 2 픽셀 간격으로 설정된 특징점들 주변의 화소를 기초로 산출된 방향과 크기를 가지는 128차원의 벡터로 표현되며,상기 복수의 영상 각각에 대응하는 벡터들을 생성하는 단계는,상기 복수의 영상 각각에서 산출된 128차원의 특징 기술자들을 1차원 벡터로 재배열하여, 상기 복수의 영상 각각을 하나의 벡터로 표현하는 것을 특징으로 하는 객체 인식 방법
|
| 3 |
3
제1항에 있어서,상기 벡터들을 행으로 하는 행렬의 크기는,상기 복수의 영상 각각에 존재하는 특징 기술자들의 개수 및 상기 복수의 영상의 개수에 의해 결정되는 것을 특징으로 하는 객체 인식 방법
|
| 4 |
4
제1항에 있어서,상기 부분공간 분석법은,PCA(principal component analysis) 알고리즘 또는 LDA(linear discriminant analysis) 알고리즘을 포함하는 것을 특징으로 하는 객체 인식 방법
|
| 5 |
5
제1항에 있어서,상기 복수의 영상 중 상기 테스트 영상에 대응하는 영상을 인식하는 단계는, 최근접 이웃 알고리즘(nearest neighbor method)을 사용하는 것을 특징으로 하는 객체 인식 방법
|
| 6 |
6
복수의 영상 중 테스트 영상을 인식하는 객체 인식 장치에 있어서,외부로부터 복수의 영상을 입력받는 통신 인터페이스부;상기 복수의 영상 각각에 dense-SIFT(scale invariant feature transform) 알고리즘을 적용하여 상기 복수의 영상 각각에 대한 특징 기술자들을 산출하고, 상기 복수의 영상에 대한 상기 특징 기술자들을 연결하여 상기 복수의 영상 각각에 대응하는 벡터들을 생성하는 특징 기술자 산출부;상기 벡터들을 행으로 하는 행렬을 구성하고, 상기 행렬에 부분공간 분석법을 적용하여 변환 행렬(transformation matrix)을 산출하는 행렬 생성부;상기 변환 행렬에 상기 벡터들 각각을 적용하여, 상기 복수의 영상 각각에 대한 저차원 특징 벡터들을 결정하는 제어부; 및상기 복수의 영상 및 상기 복수의 영상 각각에 대한 저차원 특징 벡터들을 저장하는 저장부;를 포함하는 객체 인식 장치
|
| 7 |
7
제6항에 있어서,상기 통신 인터페이스부는, 외부로부터 테스트 영상을 입력받으며,상기 특징 기술자 산출부는,상기 테스트 영상에 dense-SIFT 알고리즘을 적용하여 상기 테스트 영상에 대한 특징 기술자들을 산출하고, 상기 테스트 영상에 대한 상기 특징 기술자들을 연결하여 상기 테스트 영상에 대응하는 벡터들을 생성하며,상기 제어부는,상기 변환 행렬에 상기 테스트 영상에 대응하는 벡터를 적용하여 상기 테스트 영상에 대한 저차원 특징 벡터들을 결정하고, 상기 기 저장된 복수의 영상 각각에 대응하는 저차원 특징 벡터와 상기 테스트 영상에 대한 저차원 특징 벡터를 비교하여 상기 복수의 영상 중 상기 테스트 영상에 대응하는 영상을 인식하는 것을 특징으로 하는 객체 인식 장치
|
| 8 |
8
제6항 또는 제7항에 있어서,상기 특징 기술자들은, 상기 복수의 영상 각각에 2 픽셀 간격으로 설정된 특징점들 주변의 화소를 기초로 산출된 방향과 크기를 가지는 128차원의 벡터로 표현되며,상기 특징 기술자 산출부는,상기 복수의 영상 각각 및 상기 테스트 영상에서 산출된 128차원의 특징 기술자들을 1차원 벡터로 재배열하여, 상기 복수의 영상 각각 및 상기 테스트 영상을 하나의 벡터로 표현하는 것을 특징으로 하는 객체 인식 장치
|
| 9 |
9
제6항에 있어서,상기 벡터들을 행으로 하는 행렬의 크기는,상기 복수의 영상 각각에 존재하는 특징 기술자들의 개수 및 상기 복수의 영상의 개수에 의해 결정되는 것을 특징으로 하는 객체 인식 장치
|
| 10 |
10
제6항에 있어서,상기 부분공간 분석법은,PCA(principal component analysis) 알고리즘 또는 LDA(linear discriminant analysis) 알고리즘을 포함하는 것을 특징으로 하는 객체 인식 장치
|
| 11 |
11
제7항에 있어서,상기 제어부는,최근접 이웃 알고리즘(nearest neighbor method)을 사용하여 상기 복수의 영상 중 상기 테스트 영상에 대응하는 영상을 인식하는 것을 특징으로 하는 객체 인식 장치
|
