| 1 |
1
서버가 수행하는 행동 인지 방법에 있어서,영상 데이터를 수신하여 저장하는 단계;상기 영상 데이터의 프레임을 추출하고 배경을 제거하는 전처리 단계;상기 프레임에서 연속하는 제1 및 제2 프레임을 추출하는 단계;상기 제1 및 제2 프레임에서 기 설정된 위치 및 크기에 대응되는 정방형의 제1 및 제2 셀을 각각 추출하는 단계;상기 셀은 중심 픽셀 및 상기 중심 픽셀에 인접한 복수개의 이웃 픽셀을 포함하며, 상기 제1 셀과 제2 셀의 이웃 픽셀 값과 상기 제2 셀의 중심 픽셀 값의 차이를 이용하여 제1 및 제2 편차 셀을 생성하는 단계;상기 제1 및 제2 셀 각각의 기준 값을 연산하고, 상기 제1 및 제2 편차 셀의 이웃 픽셀과 상기 기준 값을 비교하여 제1 및 제2 상부 셀을, 상기 제1 및 제2 편차 셀의 이웃 픽셀과 상기 기준 값의 음수 값을 비교하여 제1 및 제2 하부 셀을 생성하는 단계;상기 제1 및 제2 상부 셀과 상기 제1 및 제2 하부 셀을 각각 이용하여 제3 및 제4 셀을 생성하고, 상기 제3 및 제4 셀을 이용하여 제1 및 제2 특징 벡터를 생성하는 단계;상기 제1 특징 벡터를 제1 히스토그램으로, 상기 제2 특징 벡터를 제2 히스토그램으로 변환하는 단계;상기 제1 및 제2 히스토그램에 대응하는 행동 정보를 식별하는 단계를 포함하는 행동 인지 방법
|
| 2 |
2
제1항에 있어서,상기 영상 데이터를 수신하여 저장하는 단계는,상기 수신한 영상 데이터를 분산 파일 시스템에 저장하는 단계;상기 영상 데이터를 하나 이상의 파티션에서 병렬 처리하기 위한 형태로 클러스터에 불러오는 단계를 포함하는 행동 인지 방법
|
| 3 |
3
제2항에 있어서,상기 분산 파일 시스템은 하둡 분산 파일 시스템인 것을 특징으로 하는 행동 인지 방법
|
| 4 |
4
제1항에 있어서,상기 전처리 단계는,상기 영상 데이터에서 프레임을 추출하는 단계;상기 프레임을 그레이 스케일로 변환하는 단계;상기 프레임의 크기를 변경하는 단계;상기 프레임의 배경을 제거하는 단계를 포함하는 행동 인지 방법
|
| 5 |
5
제4항에 있어서,상기 프레임의 배경을 제거하는 단계는 가우시안 함수를 이용하는 것을 특징으로 하는 행동 인지 방법
|
| 6 |
6
제1항에 있어서,상기 제1 및 제2 편차 셀을 생성하는 단계는,상기 제1 및 제2 셀의 이웃 픽셀 값과 상기 제2 셀의 중심 픽셀 값의 차이를 상기 제1 및 제2 셀의 이웃 픽셀에 상응하는 위치의 픽셀 값으로 갖는 제1 및 제2 편차 셀을 생성하고,상기 제1 및 제2 특징 벡터를 생성하는 단계는,상기 제1 상부 셀과 상기 제2 상부 셀 간 XOR 연산을 수행하여 제3 셀을 생성하고, 상기 제1 하부 셀과 상기 제2 하부 셀 간 XOR 연산을 수행하여 제4 셀을 생성하는 단계;상기 제3 셀 및 상기 제4 셀의 이웃 픽셀을 기 설정된 순서대로 이진수의 n비트 값에 대응시키고, 상기 n비트 값을 10진수로 변환하여 제1 특징 벡터와 제2 특징 벡터를 생성하는 단계를 포함하고,상기 제1 및 제2 상부 셀, 상기 제1 및 제2 하부 셀의 이웃 픽셀 값은 이진수인 행동 인지 방법
|
| 7 |
7
제6항에 있어서,상기 기준 값을 연산하는 단계는,상기 제1 셀의 이웃 픽셀과 중심 픽셀의 차이 값을 연산하고, 상기 차이 값의 제1 중간 값을 연산하는 단계;상기 제2 셀의 이웃 셀과 중심 셀의 차이 값을 연산하고, 상기 차이 값의 제2 중간 값을 연산하는 단계;상기 제1 중간 값과 상기 제2 중간 값의 평균을 기준 값으로 설정하는 단계를 더 포함하는 행동 인지 방법
|
| 8 |
8
제7항에 있어서,제1 및 제2 상부 셀을 생성하는 단계는,상기 제1 및 제2 편차 셀의 이웃 픽셀 값이 상기 기준 값보다 크면 1을, 그렇지 않으면 0을 각 이웃 픽셀에 맵핑하고,제1 및 제2 하부 셀을 생성하는 단계는,상기 제1 및 제2 편차 셀의 이웃 픽셀 값이 상기 기준 값에 -1을 곱한 값보다 작으면 1을, 그렇지 않으면 0을 각 이웃 픽셀에 맵핑하는 것을 특징으로 하는 행동 인지 방법
|
| 9 |
9
제1항에 있어서상기 히스토그램에 대응하는 행동 정보를 식별하는 단계는 Random Forest 기법을 사용하는 행동 인지 방법
|
| 10 |
10
서버가 수행하는 행동 인지 시스템에 있어서,영상 데이터를 수신하여 하둡 분산 파일 시스템에 저장하고, 상기 영상 데이터를 하나 이상의 파티션에서 병렬 처리하기 위한 형태로 클러스터에 불러오는 저장부;상기 영상 데이터에서 프레임을 추출하고, 상기 프레임을 그레이 스케일로 변환하고, 상기 프레임의 크기를 변환하고, 상기 프레임의 배경을 제거하는 전처리부;상기 프레임에서 연속하는 제1 및 제2 프레임을 추출하고, 상기 제1 및 제2 프레임에서 기 설정된 위치 및 크기에 대응되며 중심 픽셀 및 상기 중심 픽셀에 인접한 복수 개의 이웃 픽셀을 포함하는 정방형의 제1 및 제2 셀을 각각 추출하며, 상기 제1 및 제2 셀의 이웃 픽셀과 상기 제2 셀의 중심 픽셀 값의 차이를 이용하여 제1 및 제2 편차 셀을 생성하고, 상기 제1 및 제2 셀 각각의 기준 값을 연산하며, 상기 제1 및 제2 편차 셀의 이웃 픽셀과 상기 기준 값을 비교하여 제1 및 제2 상부 셀을, 상기 제1 및 제2 편차 셀의 이웃 픽셀과 상기 기준 값의 음수 값을 비교하여 제1 및 제2 하부 셀을 생성하고, 상기 제1 및 제2 상부 셀과 상기 제1 및 제2 하부 셀을 각각 이용하여 제3 및 제4 셀을 생성하며, 상기 제3 및 제4 셀을 이용하여 제1 및 제2 특징 벡터를 각각 생성하고, 상기 제1 특징 벡터를 제1 히스토그램으로, 상기 제2 특징 벡터를 제2 히스토그램으로 변환하는 특징추출부;상기 제1 및 제2 히스토그램에 대응하는 행동 정보를 식별하는 식별부를 포함하는 행동 인지 시스템
|
| 11 |
11
제10항에 있어서,상기 특징추출부는,상기 제1 및 제2 셀의 이웃 픽셀 값과 상기 제2 셀의 중심 픽셀 값의 차이를 상기 제1 및 제2 셀의 이웃 픽셀에 상응하는 위치의 픽셀 값으로 갖는 제1 및 제2 편차 셀을 생성하고, 상기 제1 상부 셀과 상기 제2 상부 셀 간 XOR 연산을 수행하여 제3 셀을 생성하고, 상기 제1 하부 셀과 상기 제2 하부 셀 간 XOR 연산을 수행하여 제4 셀을 생성하는 셀 생성부; 및상기 제3 셀 및 상기 제4 셀의 이웃 픽셀을 기 설정된 순서대로 이진수의 n비트 값에 대응시키고, 상기 n비트 값을 10진수로 변환하여 제1 특징 벡터와 제2 특징 벡터를 생성하는 변환부를 포함하고,상기 제1 및 제2 상부 셀, 상기 제1 및 제2 하부 셀의 이웃 픽셀 값은 이진수인 행동 인지 시스템
|
