| 1 |
1
복수의 이미지들을 이용하여 부분 이미지 기반의 데이터베이스를 생성하는 방법에 있어서, 상기 복수의 이미지들 중 제1 이미지를 입력 받는 단계;상기 제1 이미지의 기울기 또는 스케일을 기 설정된 크기로 변환하여 각각 서로 다른 기울기 또는 스케일을 갖는 복수의 변환 이미지들을 생성하는 단계;상기 복수의 변환 이미지들 각각으로부터 복수의 특징점들을 추출하는 단계;상기 복수의 특징점들 각각을 포함하는 소정 크기의 복수의 부분 이미지들을 생성하고, 상기 복수의 부분 이미지들 각각에 대한 특징 벡터를 각각 추출하는 단계; 및상기 제1이미지와 대응하는 카테고리를 생성하고, 상기 추출된 상기 부분 이미지들 각각에 대한 특징 벡터를 상기 카테고리와 매핑하여 저장하는 단계를 포함하되, 상기 입력받는 단계, 상기 생성하는 단계, 상기 복수의 특징점들을 추출하는 단계, 상기 특징 벡터를 각각 추출하는 단계 및 상기 저장하는 단계를 상기 복수의 이미지들 모두에 대해 반복 수행하는 부분 이미지 기반의 데이터베이스 생성 방법
|
| 2 |
2
데이터베이스를 사용하여 타겟 이미지 내의 객체를 판별하는 방법에 있어서,복수의 이미지들 중 제1 이미지를 상기 타겟 이미지로서 입력 받는 단계;상기 타겟 이미지의 기울기 또는 스케일을 기 설정된 크기로 변환하여 각각 서로 다른 기울기 또는 스케일을 갖는 복수의 변환 타겟 이미지들을 생성하는 단계;상기 복수의 변환 타겟 이미지들 각각으로부터 복수의 타겟 특징점들을 추출하는 단계;상기 복수의 타겟 특징점들을 각각 포함하는 소정 크기의 복수의 타겟 부분 이미지들을 생성하고, 상기 복수의 타겟 부분 이미지들 각각의 타겟 특징 벡터를 추출하는 단계; 상기 추출된 상기 복수의 타겟 부분 이미지들 각각의 타겟 특징 벡터에 대하여, 상기 데이터베이스 내에 포함된 복수의 카테고리들 각각에서, 상기 복수의 카테고리들 각각에 매핑된 복수의 특징 벡터들 중 상기 각각의 타겟 특징 벡터와 거리가 가장 가까운 특징 벡터를 추출하는 단계, -상기 복수의 카테고리들 각각은 상기 데이터베이스에 저장되어 있으며, 상기 복수의 이미지들은 상기 복수의 카테고리들 중 하나에 각각 대응됨-; 및상기 복수의 카테고리들 각각에서 추출된 복수의 특징 벡터들을 이용하여 상기 타겟 이미지의 객체를 판별하는 단계를 포함하는객체 판별 방법
|
| 3 |
3
제2항에 있어서, 상기 타겟 이미지의 객체를 판별하는 단계는, 상기 각각의 타겟 특징 벡터와 상기 각각의 타겟 특징 벡터로부터 추출된 복수의 특징 벡터들과의 연관 관계를 나타내는 스파스 배열(sparse array)를 계산하는 단계;상기 스파스 배열을 기초로 상기 추출된 복수의 특징 벡터들 중 상기 각각의 타겟 특징 벡터와 연관 관계가 가장 큰 특징 벡터의 카테고리를 판별하는 단계; 상기 판별된 카테고리 및 상기 스파스 배열 각각을 기초로 상기 타겟 이미지와 연관 관계가 가장 큰 카테고리를 판별하는 단계; 및상기 타겟 이미지의 객체를 상기 판별된 카테고리와 대응되는 이미지의 객체로 판별하는 단계를 포함하는 객체 판별 방법
|
| 4 |
4
제2항에 있어서,상기 복수의 변환 타겟 이미지들을 생성하는 단계는, affine simulation을 사용하여 상기 타겟 이미지의 가로 기울기, 세로 기울기 또는 스케일을 변환하는 단계를 포함하고, 및상기 타겟 특징점을 추출하는 단계는, harris corner detector를 이용하여 상기 타겟 특징점을 추출하는 단계를 포함하는 객체 판별 방법
|
| 5 |
5
제2항에 있어서,상기 타겟 특징 벡터를 추출하는 단계는,intensity value, LBP(local binary pattern) 및 HOG(histogram of oriented gradient) 중 적어도 하나를 사용하여 상기 타겟 특징 벡터를 추출하는 단계를 포함하는객체 판별 방법
|
| 6 |
6
제3항에 있어서,상기 각각의 타겟 특징 벡터와 거리가 가장 가까운 특징 벡터를 상기 복수의 카테고리들 각각에서 추출하는 단계는, 1-NN(1-nearest neighbor)을 이용하여 상기 복수의 카테고리들 각각에 매핑된 복수의 특징 벡터들과 상기 복수의 타겟 부분 이미지들 각각의 타겟 특징 벡터와의 거리를 계산하는 단계를 포함하는객체 판별 방법
|
| 7 |
7
제3항에 있어서,상기 스파스 배열을 계산하는 단계는,[수학식 1] (는 i번째 타겟 특징 벡터, 는 각 카테고리 마다 추출된 i번째 타겟 특징 벡터와 거리가 가장 가까운 특징 벡터들의 집합, 은 소정의 오차) 을 만족하는 벡터() 중 [수학식 2] ( 는 상기 [수학식 1]을 만족하는 )에 따라 크기가 가장 작은 벡터()를 상기 스파스 배열로 계산하는 단계를 포함하는객체 판별 방법
|
| 8 |
8
제3항에 있어서,상기 카테고리를 판별하는 단계는,[수학식 3] (는 상기 타겟 특징 벡터, 는 상기 각각의 타겟 특징 벡터와 거리가 가장 가까운 특징 벡터들의 집합, 는 상기 스파스 배열, 는 상기 스파스 배열()의 j번째 원소 이외의 원소를 모두 0으로 만드는 함수, j는 j번째 카테고리의 식별자) 을 만족하는 j번째 카테고리를 상기 타겟 특징 벡터()와 연관 관계가 가장 큰 카테고리로 판별하는 단계를 포함하는 객체 판별 방법
|
| 9 |
9
제3항에 있어서,상기 타겟 이미지와 연관 관계가 가장 큰 카테고리를 판별하는 단계는,상기 타겟 특징 벡터와 대응하는 상기 스파스 배열의 원소들의 값이 밀집된 정도를 나타내는 수치를 계산하는 단계; 및상기 판별된 카테고리마다 상기 수치를 부여하고, 상기 수치의 합이 가장 높은 카테고리를 상기 타겟 이미지와 연관 관계가 가장 큰 카테고리로 판별하는 단계를 포함하는객체 판별 방법
|
| 10 |
10
제9항에 있어서,상기 스파스 배열의 원소들의 값이 밀집된 정도를 나타내는 수치는,[수학식 4](는 i번째 타겟 특징 벡터에 대응되는 스파스 배열, 는 상기 스파스 배열()의 j번째 원소 이외의 원소를 모두 0으로 만드는 함수, j는 j번째 카테고리의 식별자, c는 상기 데이터베이스의 카테고리의 수)에 의해 산출되는객체 판별 방법
|
| 11 |
11
복수의 이미지들을 이용하여 부분 이미지 기반의 데이터베이스를 생성하는 장치에 있어서, 명령어들을 저장하는 메모리; 및상기 메모리와 동작 가능하게 연결된 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는,상기 복수의 이미지들 중 제1 이미지를 입력 받고,상기 제1 이미지의 기울기 또는 스케일을 기 설정된 크기로 변환하여 각각 서로 다른 기울기 또는 스케일을 갖는 복수의 변환 이미지들을 생성하고, 상기 복수의 변환 이미지들 각각으로부터 복수의 특징점들을 추출하고,상기 복수의 특징점들을 각각 포함하는 소정 크기의 복수의부분 이미지들을 생성하고, 상기 복수의 부분 이미지들 각각의 특징 벡터를 추출하고, 및상기 제1 이미지와 대응하는 카테고리를 생성하고, 상기 추출된 상기 복수의 부분 이미지들 각각에 대한 특징 벡터를 상기 카테고리와 매핑하여 저장하되, 상기 제1 이미지를 입력받고, 상기 복수의 변환 이미지들을 생성하고, 상기 복수의 특징점들을 추출하고, 상기 특징 벡터를 각각 추출하고 상기 매핑하여 저장하는 것을 상기 복수의 이미지들 모두에 대해 반복 수행하기 위해 상기 저장된 명령어들을 실행하도록 설정되는 부분 이미지 기반의 데이터베이스 생성 장치
|
| 12 |
12
데이터베이스를 사용하여 타겟 이미지 내의 객체를 판별하는 장치에 있어서, 명령어들을 저장하는 메모리; 및상기 메모리와 동작 가능하게 연결된 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는,복수의 이미지들 중 제1 이미지를 상기 타겟 이미지로서 입력받고,상기 타겟 이미지의 기울기 또는 스케일을 기 설정된 크기로 변환하여 각각 서로 다른 기울기 또는 스케일을 갖는 복수의 변환 타겟 이미지들을 생성하고, 상기 복수의 변환 타겟 이미지들 각각으로부터 복수의 타겟 특징점들을 추출하고,상기 복수의 타겟 특징점들을 각각 포함하는 소정 크기의 복수의 타겟 부분 이미지들을 생성하고, 상기 복수의 타겟 부분 이미지들 각각의 타겟 특징 벡터를 추출하고, 상기 추출된 상기 복수의 타겟 부분 이미지들 각각의 타겟 특징 벡터에 대하여, 상기 데이터베이스 내에 포함된 복수의 카테고리들 각각에서, 상기 복수의 카테고리들 각각에 매핑된 복수의 특징 벡터들 중 상기 각각의 타겟 특징 벡터와 거리가 가장 가까운 특징 벡터를 추출하고, -상기 복수의 카테고리들 각각은 상기 타겟 이미지의 객체를 판별하기 위해 상기 데이터베이스에 저장되어 있으며, 상기 복수의 이미지들은 상기 복수의 카테고리들 중 하나에 각각 대응됨-, 및 상기 복수의 카테고리들 각각에서 추출된 복수의 특징 벡터들을 이용하여 상기 타겟 이미지의 객체를 판별하기 위해 상기 저장된 명령어들을 실행하도록 설정되는 객체 판별 장치
|
| 13 |
13
제2항 내지 제10항 중 어느 한 항의 방법을 프로세서가 수행하도록 하는 컴퓨터 판독 가능 기록매체에 저장된 프로그램
|
| 14 |
14
제2항 내지 제10항 중 어느 한 항의 방법을 프로세서가 수행하게 하는 명령어를 포함하는 프로그램이 기록된 컴퓨터 판독 가능 기록매체
|
