1 |
1
컴퓨터에 의해 적어도 일시적으로 구현되는 상호 활동 모델링 방법에 있어서,비디오로부터 추출한 2차원 스켈레톤 위치의 데이터 세트를 입력받는 단계;상기 입력된 데이터 세트로부터 오브젝트의 위치 좌표들을 연산하는 단계;상기 연산된 오브젝트의 위치 좌표들로부터 상기 오브젝트의 움직임 속도 및 움직임 방향을 포함하는 트래킹 특징들을 계산하는 단계;상기 오브젝트에 대응되는 상호 존과 상기 계산된 트래킹 특징들에 기초하여 상호 오브젝트를 결정하는 단계;상기 결정된 상호 오브젝트에 대한 스켈레톤의 데이터 세트로부터 특징들을 계산하는 단계; 및상기 계산된 특징들을 싱글 휴먼 액션들의 토픽들과 상호 그룹 활동들에 모델링하는 단계를 포함하는 상호 활동 모델링 방법
|
2 |
2
제1항에 있어서,상기 오브젝트의 위치 좌표들을 연산하는 단계는,상기 입력된 데이터 세트로부터 몸통의 4조인트를 이용해서 상기 오브젝트에 대한 위치 좌표들을 검출하는 단계를 포함하는 상호 활동 모델링 방법
|
3 |
3
제1항에 있어서,상기 상호 오브젝트 및 상기 상호 오브젝트에 상응하는 비상호 오브젝트들은 상호 포텐셜 존과 상기 트래킹 특징들을 통해 결정되는 상호 활동 모델링 방법
|
4 |
4
제1항에 있어서,상기 오브젝트의 움직임 속도 및 움직임 방향을 포함하는 트래킹 특징들을 계산하는 단계는,상기 오브젝트의 공간적-시간적 조인트 거리와 휴먼 오브젝트들 간에 상기 움직임 방향을 추출하되, 상기 스켈레톤의 위치 데이터세트로부터 추출하는 단계를 포함하는 상호 활동 모델링 방법
|
5 |
5
제1항에 있어서,상기 모델링하는 단계는,모델링 알고리즘을 이용해서 상기 싱글 휴먼 액션들을 위한 확률 모델 및 상기 상호 그룹 활동들을 생성하는 단계를 포함하는 상호 활동 모델링 방법
|
6 |
6
컴퓨터에 의해 적어도 일시적으로 구현되는 상호 오브젝트 식별 방법에 있어서,오브젝트의 위치 좌표들을 입력받는 단계;상기 입력된 오브젝트의 위치 좌표들에 기초하여 상기 오브젝트로부터 미리 지정된 범위 내에 위치하는 싱글 상호 포텐셜 존들을 결정하는 단계;상기 결정된 싱글 상호 포텐셜 존들에 기초하여 각 오브젝트에 대한 중첩 영역의 비율을 계산하는 단계; 및각 오브젝트에 대한 그룹 아이디에 할당된 임계값과 상기 계산된 비율을 비교하여 상기 오브젝트를 식별하는 단계를 포함하는 상호 오브젝트 식별 방법
|
7 |
7
제6항에 있어서,상기 싱글 상호 포텐셜 존들을 결정하는 단계는,상기 오브젝트의 위치 좌표와 원의 반지름에 기초하여 상기 싱글 상호 포텐셜 존들을 결정하는 단계를 포함하는 상호 오브젝트 식별 방법
|
8 |
8
제6항에 있어서,상기 싱글 상호 포텐셜 존들과 상기 중첩 영역의 비율은, 각각의 오브젝트에 대해서 식별되는 상호 오브젝트 식별 방법
|
9 |
9
삭제
|
10 |
10
컴퓨터에 의해 적어도 일시적으로 구현되는 특징 데이터 세트의 구성 방법에 있어서,그룹 아이디를 입력 받는 단계;상기 그룹 아이디에 해당하는 각 그룹에 대한 오브젝트의 수를 비교하는 단계;상기 비교된 오브젝트의 수를 고려하여 및 중에서 적어도 하나 이상의 좌표에 대한 특징들을 추출하는 단계;상기 추출된 특징들에 상응하는 데이터세트를 인식하는 단계; 및상기 인식된 데이터세트에 기초하여 인트라 오브젝트 데이터 세트와 인터 오브젝트 특징 데이터세트를 획득하는 단계를 포함하는 특징 데이터 세트의 구성 방법
|
11 |
11
제10항에 있어서,상기 특징들을 추출하는 단계는,상기 그룹 내에 하나의 오브젝트가 있는 경우, x=y 좌표에 대한 특징들을 추출하는 단계를 포함하는 특징 데이터 세트의 구성 방법
|
12 |
12
제10항에 있어서,상기 특징들을 추출하는 단계는,상기 그룹 내에 한 개 이상이 오브젝트가 있다면, 및 의 좌표에 대한 특징들을 추출하는 단계를 포함하는 특징 데이터 세트의 구성 방법
|
13 |
13
제10항에 있어서,상기 오브젝트의 수의 비교 결과를 고려하여, 상기 오브젝트를 비상호 오브젝트와 상호 오브젝트의 두 그룹으로 분류하는 단계를 더 포함하는 특징 데이터 세트의 구성 방법
|
14 |
14
제13항에 있어서,상기 오브젝트를 비상호 오브젝트와 상호 오브젝트의 두 그룹으로 분류하는 단계는,상기 오브젝트에 대한 공간적-시간적 조인트 거리와 움직임 방향 특징들은 추출하는 단계를 포함하는 특징 데이터 세트의 구성 방법
|
15 |
15
제10항에 있어서,상기 특징들을 추출하는 단계는,싱글 액션 인식을 위한 인트라 오브젝트 특징 및 상호 활동 인식을 위한 데이터 세트와 인터 오브젝트 특징 중에서 적어도 하나 이상의 특징을 추출하는 단계를 포함하는 특징 데이터 세트의 구성 방법
|
16 |
16
컴퓨터에 의해 적어도 일시적으로 구현되는 확률 모델 생성 방법에 있어서,특징 데이터세트를 입력받는 단계;K-평균 클러스터링 알고리즘을 적용하여 상기 특징 데이터세트들 내의 특징들을 코드워드들로 클러스터링하는 단계;상기 클러스터링에 따른 인트라 오브젝트 특징들과 인터 오브젝트 특징들을 액션들과 활동들의 코드워드 히스토그램들로 맵핑하는 단계;상기 맵핑된 히스토그램에 기반하는 계층 모델(hierarchical model)을 이용해서 워드들을 인코딩하는 단계; 및상기 인코딩된 워드들을 이용해서 확률 모델을 출력하는 단계를 포함하는 확률 모델 생성 방법
|
17 |
17
제16항에 있어서,상기 확률 모델을 출력하는 단계는,계측 모델을 기반으로 하는 토픽 모델링에 기초하여 상기 확률 모델을 생성하는 단계를 포함하는 확률 모델 생성 방법
|
18 |
18
제1항 내지 제8항 및 제10항 내지 제17항 중에서 어느 한 항의 방법을 수행하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체
|
19 |
19
기록매체에 저장되는 상호 활동 모델링 프로그램으로서, 상기 프로그램은 컴퓨팅 시스템에서 실행되는:비디오로부터 추출한 2차원 스켈레톤 위치의 데이터 세트를 입력받는 명령어 세트;상기 입력된 데이터 세트로부터 오브젝트의 위치 좌표들을 연산하는 명령어 세트;상기 연산된 오브젝트의 위치 좌표들로부터 상기 오브젝트의 움직임 속도 및 움직임 방향을 포함하는 트래킹 특징들을 계산하는 명령어 세트;상기 오브젝트에 대응되는 상호 존과 상기 계산된 트래킹 특징들에 기초하여 상호 오브젝트를 결정하는 명령어 세트;상기 결정된 상호 오브젝트에 대한 스켈레톤의 데이터 세트로부터 특징들을 계산하는 명령어 세트; 및상기 계산된 특징들을 싱글 휴먼 액션들의 토픽들과 상호 그룹 활동들에 모델링하는 명령어 세트를 포함하는 상호 활동 모델링 프로그램
|