| 1 |
1
객체에 대한 행동 패턴 인식 장치에 있어서, 객체의 행동 패턴 인식 프로그램이 저장된 메모리; 및상기 메모리에 저장된 프로그램을 실행하는 프로세서를 포함하고, 상기 프로세서는 상기 프로그램의 실행에 따라, 상기 객체에 대해 서로 다른 방향에서 촬영된 복수의 시점의 영상 데이터 별로 밀도 궤적 특징을 추출하고, 상기 밀도 궤적 특징에 기초하여 상기 객체로부터 추출된 HOG(histogram of oriented gradient) 특징을 포함하는 주변 외형 정보를 추출하고, 상기 주변 외형 정보에 기초하여 상기 객체에 대한 밀도 궤적 공분산 행렬을 산출하고, 밀도 궤적 공분산 행렬에 기초하여 기설정된 복수의 행동 패턴 중 어느 하나로 분류하는 행동 패턴 분류기를 통해 상기 객체에 대한 밀도 궤적 공분산 행렬에 따른 행동 패턴을 분류하되, 상기 행동 패턴 분류기는 상기 복수의 행동 패턴에 대하여 각각 수집된 하나 이상의 시점의 영상 데이터를 학습 영상 데이터로서 사용하여 생성된 것이고,상기 밀도 궤적 특징은 상기 영상 데이터에 포함된 기설정된 개수의 프레임 또는 정지 영상 데이터에 대해 추출된 것인, 객체에 대한 행동 패턴 인식 장치
|
| 2 |
2
제 1 항에 있어서, 상기 프로세서는 상기 밀도 궤적 특징에 기초하여 상기 객체에 대한 주변 움직임 정보를 더 추출하고, 상기 주변 외형 정보 및 상기 주변 움직임 정보에 기초하여 상기 객체에 대한 밀도 궤적 공분산 행렬을 산출하는 것인, 객체에 대한 행동 패턴 인식 장치
|
| 3 |
3
제 2 항에 있어서, 상기 주변 움직임 정보는 상기 객체로부터 추출된 HOF(histogram of optical flow) 특징 및 MBH(motion boundary histogram) 특징 중 적어도 하나 이상을 포함하는, 객체에 대한 행동 패턴 인식 장치
|
| 4 |
4
제 1 항에 있어서, 상기 프로세서는 상기 객체에 대한 영상 데이터로부터 전경 영상을 추출하고, 상기 전경 영상을 이용하여 상기 밀도 궤적 특징으로부터 잡음을 제거하는 전처리를 수행하는 것인, 객체에 대한 행동 패턴 인식 장치
|
| 5 |
5
제 1 항에 있어서, 상기 프로세서는 상기 객체에 대한 밀도 궤적 공분산 행렬에 기초하여 행동 기술자를 추출하고, 상기 행동 기술자 및 상기 행동 패턴 분류기에 기초하여 상기 객체에 대한 행동 패턴을 분류하는 것인, 객체에 대한 행동 패턴 인식 장치
|
| 6 |
6
제 5 항에 있어서, 상기 프로세서는 상기 객체에 대한 밀도 궤적 공분산 행렬에 기초하여 밀도 궤적 로그 공분산 행렬을 산출하고, 상기 밀도 궤적 로그 공분산 행렬에 기초하여 상기 행동 기술자를 추출하는 것인, 객체에 대한 행동 패턴 인식 장치
|
| 7 |
7
제 1 항에 있어서, 상기 프로세서는 상기 학습 영상 데이터로부터 밀도 궤적 특징을 추출하고, 상기 학습 영상 데이터로부터 추출된 밀도 궤적 특징에 기초하여 상기 학습 영상 데이터에 대한 밀도 궤적 공분산 행렬을 산출하고, 상기 영상 데이터에 대한 밀도 궤적 공분산 행렬에 기초하여 상기 행동 패턴 분류기를 생성하는 것인, 객체에 대한 행동 패턴 인식 장치
|
| 8 |
8
제 7 항에 있어서, 상기 프로세서는 상기 학습 영상 데이터에 대한 밀도 궤적 공분산 행렬 및 지지 벡터 머신 알고리즘에 기초하여 상기 행동 패턴 분류기를 생성하는 것인, 객체에 대한 행동 패턴 인식 장치
|
| 9 |
9
제 1 항에 있어서,각각 서로 다른 방향에서 상기 객체를 동시에 촬영하도록 배치되어 복수의 시점에서 상기 객체에 대한 영상 데이터를 수집하는 복수의 카메라, 또는 일정 시간 간격을 두고 서로 다른 방향에서 연속적으로 촬영하여 복수의 시점에서 상기 객체에 대한 영상 데이터를 수집하는 단일 카메라를 더 포함하되,상기 프로세서는 상기 카메라로부터 수집된 복수의 시점의 영상 데이터에 기초하여 상기 밀도 궤적 특징을 추출하는, 객체에 대한 행동 패턴 인식 장치
|
| 10 |
10
행동 패턴 인식 장치의 객체에 대한 행동 패턴 인식 방법에 있어서, 객체에 대해 서로 다른 방향에서 촬영된 복수의 시점의 영상 데이터 별로 밀도 궤적 특징을 추출하는 단계;상기 밀도 궤적 특징에 기초하여 상기 객체로부터 추출된 HOG(histogram of oriented gradient) 특징을 포함하는 주변 외형 정보를 추출하는 단계;상기 주변 외형 정보에 기초하여 상기 객체에 대한 밀도 궤적 공분산 행렬을 산출하는 단계; 및 밀도 궤적 공분산 행렬에 기초하여 기설정된 복수의 행동 패턴 중 어느 하나로 분류하는 행동 패턴 분류기를 통해 상기 객체에 대한 밀도 궤적 공분산 행렬에 따른 행동 패턴을 분류하는 단계를 포함하되, 상기 행동 패턴 분류기는 상기 복수의 행동 패턴에 대하여 각각 수집된 하나 이상의 시점의 영상 데이터를 학습 영상 데이터로서 사용하여 생성된 것이고,상기 밀도 궤적 특징은 상기 영상 데이터에 포함된 기설정된 개수의 프레임 또는 정지 영상 데이터에 대해 추출된 것인, 객체에 대한 행동 패턴 인식 방법
|
| 11 |
11
제 10 항에 있어서, 상기 객체에 대한 밀도 궤적 공분산 행렬을 산출하는 단계 이전에, 상기 복수의 시점의 영상 데이터 별로 추출된 밀도 궤적 특징에 기초하여 상기 객체에 대한 주변 움직임 정보를 추출하는 단계를 더 포함하며,상기 주변 외형 정보 및 상기 주변 움직임 정보에 기초하여 상기 객체에 대한 밀도 궤적 공분산 행렬을 산출하는, 객체에 대한 행동 패턴 인식 방법
|
| 12 |
12
제 11 항에 있어서, 상기 주변 움직임 정보는 상기 객체로부터 추출된 HOF(histogram of optical flow) 특징 및 MBH(motion boundary histogram) 특징 중 적어도 하나를 포함하는, 객체에 대한 행동 패턴 인식 방법
|
| 13 |
13
제 10 항에 있어서,상기 밀도 궤적 특징을 추출하는 단계는, 각각 서로 다른 방향에서 상기 객체를 촬영하도록 배치되어 복수의 시점에서 상기 객체에 대한 영상 데이터를 수집하는 복수의 카메라, 또는 일정 시간 간격을 두고 서로 다른 방향에서 연속적으로 촬영하여 복수의 시점에서 상기 객체에 대한 영상 데이터를 수집하는 단일 카메라로부터 상기 객체에 대한 복수의 시점의 영상 데이터를 획득하는 단계; 및상기 객체에 대한 복수의 시점의 영상 데이터로부터 상기 밀도 궤적 특징을 추출하는 단계를 포함하는, 객체에 대한 행동 패턴 인식 방법
|
| 14 |
14
행동 패턴 인식 장치의 행동 패턴 분류기 생성 방법에 있어서, 기설정된 복수의 행동 패턴이 레이블링된 학습 영상 데이터로부터 밀도 궤적 특징을 추출하는 단계;상기 학습 영상 데이터로부터 추출된 밀도 궤적 특징에 기초하여, 임의의 객체를 복수의 시점에서 촬영한 영상 데이터에서 상기 객체로부터 추출된 HOG(histogram of oriented gradient) 특징을 포함하는 주변 외형 정보를 추출하는 단계;상기 주변 외형 정보에 기초하여 상기 학습 영상 데이터에 대한 밀도 궤적 공분산 행렬을 산출하는 단계; 및 상기 학습 영상 데이터에 대한 밀도 궤적 공분산 행렬에 기초하여 상기 복수의 행동 패턴 중 어느 하나로 분류하는 행동 패턴 분류기를 생성하는 단계를 포함하되, 상기 밀도 궤적 특징은 상기 영상 데이터에 포함된 기설정된 개수의 프레임 또는 정지 영상 데이터에 대해 추출된 것이고,상기 학습 영상 데이터는 상기 복수의 행동 패턴에 대하여 각각 수집된 하나 이상의 시점의 영상 데이터인, 행동 패턴 분류기 생성 방법
|
| 15 |
15
제 10 항 내지 제 14 항 중 어느 한 항에 기재된 방법을 컴퓨터 상에서 수행하기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체
|
