| 1 |
1
눈 개폐 분류 장치에 있어서,입력된 컬러 눈 영상의 RGB 컬러정보를 I 컬러정보 및 K 컬러정보로 변환하는 컬러정보 변환부; 상기 I 컬러정보 및 상기 K 컬러정보를 0에서 1사이의 범위로 정규화하는 정규화부;상기 정규화하여 생성된 I 컬러정보의 값 및 K 컬러정보의 값을 이용하여 퍼지 룰 테이블을 설정하고, 퍼지 멤버쉽 함수를 이용하여 상기 I 컬러정보의 값 및 상기 K 컬러정보의 값의 출력 값에 대한 추론 값을 산출하는 퍼지추론값산출부; 및상기 추론 값을 역퍼지화하여 출력점수를 계산하는 역퍼지출력계산부를 포함하는 눈 개폐 분류 장치
|
| 2 |
2
제1 항에 있어서,상기 정규화부는 정규화 히스토그램의 -3σ와 +3σ 범위로 최소 값 및 최대 값을 설정하는 눈 개폐 분류 장치
|
| 3 |
3
제1항에 있어서,상기 추론 값은 상기 퍼지 룰 테이블에 기초하여 Min 룰 및 Max 룰에 의해 산출되는 눈 개폐 분류 장치
|
| 4 |
4
제1항에 있어서,상기 출력점수로 FOM(First Of Maxima) 값, LOM(Last Of Maxima) 값, MOM(Middle Of Maxima) 값, MeOM(Mean Of Maxima) 값 및 RWAM(Revised Weighted Average Method) 값 중 적어도 하나가 사용되는 눈 개폐 분류 장치
|
| 5 |
5
제1 항에 있어서,상기 출력점수를 이용하여 이미지를 생성하고 생성된 이미지를 이진화하는 이미지이진화부를 더 포함하는 눈 개폐 분류 장치
|
| 6 |
6
제5항에 있어서,상기 이미지는 상기 출력점수에 255를 곱하여 생성되는 눈 개폐 분류 장치
|
| 7 |
7
제5 항에 있어서,상기 이진화된 이미지의 요소를 라벨링하고 라벨링된 부분을 세로방향으로 사영하는 요소라벨링및사영부를 더 포함하는 눈 개폐 분류 장치
|
| 8 |
8
제7 항에 있어서,상기 요소라벨링및사영부는상기 이진화된 이미지의 요소 중 가장 큰 눈 BLOB(Binary Large Object) 영역을 요소 라벨링(Component Labeling)하는 눈 개폐 분류 장치
|
| 9 |
9
제7항에 있어서,상기 세로방향으로 사영한 이진화된 이미지의 요소에서 흑색의 픽셀들의 세로 길이들의 표준편차를 산출하고, 상기 표준편차에 기초하여 눈 개폐를 분류하는 눈개폐분류부를 더 포함하는 눈 개폐 분류 장치
|
| 10 |
10
제9항에 있어서,상기 눈개폐분류부는 미리 설정된 임계 값보다 상기 표준편차가 큰 경우 뜬 눈으로 판단하고, 상기 미리 설정된 임계 값보다 상기 표준편차가 작은 경우 감은 눈으로 판단하는 눈 개폐 분류 장치
|
| 11 |
11
눈 개폐 분류 방법에 있어서,입력된 컬러 눈 영상의 RGB 컬러정보를 I 컬러정보 및 K 컬러정보로 변환하는 단계; 상기 I 컬러정보 및 상기 K 컬러정보를 0에서 1사이의 범위로 정규화하는 단계;상기 정규화하여 생성된 I 컬러정보의 값 및 K 컬러정보의 값을 이용하여 퍼지 룰 테이블을 설정하고, 퍼지 멤버쉽 함수를 이용하여 상기 I 컬러정보의 값 및 상기 K 컬러정보의 값의 출력 값에 대한 추론 값을 산출하는 단계; 및상기 추론 값을 역퍼지화하여 출력점수를 계산하여 이미지를 생성하고, 상기 이미지를 이용하여 눈 개폐를 판단하는 단계를 포함하는 눈 개폐 분류 방법
|
| 12 |
12
제11 항에 있어서,입력된 컬러 눈 영상에서 얼굴 영역을 감지하는 단계를 더 포함하되,상기 얼굴 영역의 감지는 AdaBoost 방법, 서브블록 기반의 템플릿 매칭(Subblock-based template matching) 방법 및 적응적 템플릿 매칭(Adaptive template matching) 방법 중 적어도 하나의 방법을 이용하는 눈 개폐 분류 방법
|
| 13 |
13
제11항에 있어서,상기 RGB 컬러정보를 I 컬러정보 및 K 컬러정보로 변환하는 단계는 아래 수학식 1 및 수학식 2를 이용하는 눈 개폐 분류 방법
|
| 14 |
14
제11항에 있어서,상기 정규화하여 생성된 I 컬러정보의 값 및 K 컬러정보의 값을 이용하여 퍼지 룰 테이블을 설정하는 것은상기 I 컬러정보의 값이 낮고, 상기 K 컬러정보의 값이 높은 경우는 피부보다 눈에 가깝다고 가정하여 I 컬러정보의 값이 L(Low)이고, K 컬러정보의 값이 H(High)일 경우에 출력 값이 H가 되고, 영상의 흐림(Blur)가 있는 경우를 감안하여 I 컬러정보의 값이 M(Middle)이고, K 컬러정보의 값이 H일 경우 출력 값이 H가 되는 눈 개폐 분류 방법
|
| 15 |
15
제11항에 있어서,상기 퍼지 멤버쉽 함수를 이용하여 상기 I 컬러정보의 값 및 상기 K 컬러정보의 값의 출력 값에 대한 추론 값을 산출하는 단계는Min 룰, Max 룰 및 상기 퍼지 룰 테이블에 기초하여 상기 추론 값들을 산출하는 눈 개폐 분류 방법
|
| 16 |
16
제11 항에 있어서,상기 추론 값을 역퍼지화하여 출력점수를 계산하여 이미지를 생성하고, 상기 이미지를 이용하여 눈 개폐를 판단하는 단계는상기 추론 값을 역퍼지화하여 출력점수를 계산하는 단계;상기 출력점수를 이용하여 이미지를 생성하고 생성된 이미지를 이진화하는 단계;상기 이진화된 이미지의 요소를 라벨링하고 라벨링된 부분을 세로방향으로 사영하는 단계; 및상기 세로방향으로 사영한 이진화된 이미지의 요소에서 흑색의 픽셀들의 세로 길이들의 표준편차를 산출하고, 상기 표준편차에 기초하여 눈 개폐를 분류하는 단계를 포함하는 눈 개폐 분류 방법
|
| 17 |
17
제16 항에 있어서,상기 라벨링은 상기 이진화된 이미지의 요소 중 가장 큰 눈 BLOB(Binary Large Object) 영역을 요소 라벨링(Component Labeling)하는 눈 개폐 분류 방법
|
| 18 |
18
제16 항에 있어서,상기 눈 개폐를 분류하는 단계는 미리 설정된 임계 값보다 상기 표준편차가 큰 경우 뜬 눈으로 판단하고, 상기 미리 설정된 임계 값보다 상기 표준편차가 작은 경우 감은 눈으로 판단하는 눈 개폐 분류 방법
|
| 19 |
19
제16항에 있어서,상기 출력점수로 FOM(First Of Maxima) 값, LOM(Last Of Maxima) 값, MOM(Middle Of Maxima) 값, MeOM(Mean Of Maxima) 값 및 RWAM(Revised Weighted Average Method) 값 중 적어도 하나가 사용되는 눈 개폐 분류 방법
|
| 20 |
20
제11항 내지 제19항 중 어느 한 항의 눈 개폐 분류 방법을 실행하는 컴퓨터 프로그램을 기록한 컴퓨터로 읽을 수 있는 매체
|
