1 |
1
객체 검출 장치에 있어서,입력 이미지를 입력받고, 상기 입력 이미지와 배경 이미지의 차 연산을 수행하여 전경 영역을 검출하는 전경 영역 검출부;검출한 전경 영역을 참조하여 상기 입력 이미지에서 객체 영역을 픽셀 단위의 윈도우 이미지로 생성하는 윈도우 이미지 생성부;복수개의 윈도우 이미지로 구축된 학습 데이터를 이용하여 회선 신경망 (CNN; Convolutional Neural Network)을 학습하는 회선 신경망 학습부; 및상기 윈도우 이미지를 보간법에 의해 미리 설정된 크기로 변형하고, 변형된 윈도우 이미지를 학습된 회선 신경망을 이용하여 객체 또는 그림자로 분류하고, 그림자로 분류된 영역을 제외한 객체 영역을 검출하는 객체 검출부를 포함하고,상기 윈도우 이미지 생성부는 ,아래 식 1을 통해 상기 윈도우 이미지를 HSV 컬러 모델로 변환하여 3채널의 윈도우 이미지를 생성하되,상기 식 1에서 는 k프레임에서 x, y좌표의i번째 윈도우 이미지, 은 F의 각 채널, 는 k프레임에서의 입력 이미지의 S값, V값, 는 참조 영상의 V값을 의미하는 객체 검출 장치
|
2 |
2
삭제
|
3 |
3
제1항에 있어서, 상기 회선 신경망 학습부는 상기 학습 데이터에 포함된 윈도우 이미지를 실측 이미지(ground truth image)를 기반으로 객체 데이터와 그림자 데이터로 구분하고, 상기 객체 데이터와 상기 그림자 데이터를 보간법에 의해 미리 설정된 크기로 변형하여 회선 신경망의 입력으로 사용하는 객체 검출 장치
|
4 |
4
제1항에 있어서, 상기 회선 신경망은 미리 설정한 픽셀 크기의 윈도우 이미지를 입력하는 이미지 입력 레이어;입력한 윈도우 이미지에 회선 신경망을 적용하여 특징을 추출하는 컨볼루션 레이어 그룹; 및 상기 추출한 특징에 의해 상기 윈도우 이미지를 객체 또는 그림자로 분류하는 은닉 레이어 그룹을 포함하는 객체 검출 장치
|
5 |
5
제4항에 있어서,상기 회선 신경망은 5개의 컨볼루션 레이어 그룹 및 3개의 은닉 레이어 그룹을 포함하되, 상기 5개의 컨볼루션 레이어 그룹은 하나 이상의 컨볼루션 레이어(Convolutional Layer)를 포함하고, 각각의 컨볼루션 레이어들은 교정 선형 유닛(ReLU; Rectified Linear Unit) 레이어 및/또는 최대 풀링(Max Pooling) 레이어를 포함하며,상기 3개의 은닉 레이어 그룹은 완전 연결 레이어(Fully connected layer), 교정 선형 유닛 레이어(ReLU layer), 드롭아웃 레이어(Dropout layer), 소프트맥스 레이어(Softmax layer) 및 분류 레이어(Classification layer)를 포함하는 객체 검출 장치
|
6 |
6
객체 검출 방법에 있어서, 입력 이미지를 입력받고 상기 입력 이미지와 배경 이미지의 차 연산을 수행하여 전경 영역을 검출하는 단계; 검출한 전경 영역을 참조하여 상기 입력 이미지에서 객체 영역을 픽셀 단위의 윈도우 이미지로 생성하는 단계;복수개의 윈도우 이미지로 구축된 학습 데이터를 이용하여 회선 신경망 (CNN; Convolutional Neural Network)을 학습하는 단계;상기 윈도우 이미지를 보간법에 의해 미리 설정된 크기로 변형하고, 변형된 윈도우 이미지를 학습된 회선 신경망을 이용하여 객체 또는 그림자로 분류하는 단계; 및그림자로 분류된 영역을 제외한 객체 영역을 상기 입력 이미지에 표시하는 단계를 포함하고,상기 검출한 전경 영역을 참조하여 입력 이미지에서 객체 영역을 픽셀 단위의 윈도우 이미지로 생성하는 단계는,아래 식 1을 통해 상기 윈도우 이미지를 HSV 컬러 모델로 변환하여 3채널의 윈도우 이미지를 생성하되,상기 식 1에서 는 k프레임에서 x, y좌표의i번째 윈도우 이미지, 은 F의 각 채널, 는 k프레임에서의 입력 이미지의 S값, V값, 는 참조 영상의 V값을 의미하는 객체 검출 방법
|
7 |
7
삭제
|
8 |
8
제6항에 있어서,상기 복수개의 윈도우 이미지로 구축된 학습 데이터를 이용하여 회선 신경망 (CNN; Convolutional Neural Network)을 학습하는 단계는 상기 학습 데이터에 포함된 윈도우 이미지를 실측 이미지(ground truth image)를 기반으로 객체 데이터와 그림자 데이터로 구분하고, 보간법에 의해 미리 설정된 크기로 변형하여 회선 신경망의 입력으로 사용하는 객체 검출 방법
|
9 |
9
제6항 및 제8항 중 어느 한 항의 객체 검출 방법을 실행하기 위하여 컴퓨터가 판독 가능한 기록매체에 저장된 컴퓨터 프로그램
|