| 1 |
1
야간 시간의 보행자를 검출하기 위한 보행자 검출 장치에 있어서,연속적인 복수의 이미지들을 입력받는 연속 이미지 입력부;입력된 연속적인 복수의 이미지들을 정규화하는 이미지 정규화부; 및정규화된 연속적인 복수의 이미지들에 대해 기계 학습된 변경된 R-CNN 을 적용하여 보행자 후보군을 분류하는 변경된 R-CNN부를 포함하되,주간 환경의 이미지를 야간 환경의 이미지와 유사한 특성을 갖도록 알고리즘을 수행하여 기계 학습하는 딥 러닝부를 더 포함하고,상기 복수의 이미지들은주간 이미지에 비해 콘트라스트와 조도가 크게 변동하는 야간 이미지이며, 연속적인 프레임 특징 결합을 위한 3개의 연속적인 이미지이고,상기 이미지 정규화부는각 입력 이미지에 대해서, RGB 채널 각각에, 각 채널의 픽셀 값들을 제로 평균 및 단위 표준 편차를 갖는 분포로 만든 후 스케일링 하여, 각 입력 이미지의 조도와 콘트라스트를 정규화시키거나각각의 입력 이미지의 RGB 컬러를 HSV 컬러로 채널 변환 한 후, 밸류(value) 채널 이미지에 히스토그램 정규화를 적용하고, 그 후, 다시 RGB 채널로 변경하여 이미지 셋 전체의 RGB 평균 값을 빼서 정규화시키고,상기 변경된 R-CNN부는정규화된 연속적인 복수의 이미지들에 대해 기계 학습된 변경된 R-CNN 을 적용하여 각 이미지들의 공간적인 특징 맵을 추출하는 특징맵추출부;각 이미지에서 추출한 공간적인 특징 맵 들에서 시간적으로 특징 맵 결합을 수행하여 보행자 후보군을 추정하는 특징맵결합부; 및각 이미지에서 추출한 공간적인 특징 맵 및 추정된 보행자 후보군을 이용하여 예상 보행자를 분류하는 분류기부를 포함하는 보행자 검출 장치
|
| 2 |
2
삭제
|
| 3 |
3
삭제
|
| 4 |
4
삭제
|
| 5 |
5
제1항에 있어서, 상기 특징맵추출부는,복수의 보행자들을 포함한 이미지를 입력으로 받아, 13개의 콘볼루션 레이어와 ReLU 활성함수를 3개의 맥스 풀링 레이어를 통과시켜서, 특징맵을 추출하는 보행자 검출 장치
|
| 6 |
6
제5항에 있어서, 상기 특징맵추출부는,VGG-네트 16 네트워크에서 저 해상도 특징 맵 문제를 해결하기 위하여 추가로 4번째 맥스 풀링 레이어를 제거하여, 마지막 특징 맵의 해상도를 높인 보행자 검출 장치
|
| 7 |
7
제1항에 있어서,상기 특징맵결합부는각 이미지에서 추출한 공간적인 특징 맵들 간의 가중치 합산을 통한 결합을 수행하는 보행자 검출 장치
|
| 8 |
8
야간 시간의 보행자 검출을 위한 보행자 검출장치에서 수행되는 보행자 검출방법에 있어서,연속적인 복수의 이미지들을 입력 받는 단계;입력된 연속적인 복수의 이미지들을 정규화하는 단계;정규화된 연속적인 복수의 이미지들에 대해 기계 학습된 변경된 R-CNN 을 적용하여 각 이미지들의 공간적인 특징 맵을 추출하는 단계;각 이미지에서 추출한 공간적인 특징 맵 들에서 시간적으로 특징 맵 결합을 수행하여 보행자 후보군을 추정하는 단계; 및각 이미지에서 추출한 공간적인 특징 맵 및 추정된 보행자 후보군을 이용하여 예상 보행자를 분류하는 단계를 포함하되,주간 환경의 이미지를 야간 환경의 이미지와 유사한 특성을 갖도록 알고리즘을 수행하여 기계 학습을 수행하는 단계를 더 포함하고,상기 복수의 이미지들은 주간 이미지에 비해 콘트라스트와 조도가 크게 변동하는 야간 이미지이며, 연속적인 프레임 특징 결합을 위한 3개의 연속적인 이미지이고,상기 입력된 연속적인 복수의 이미지들을 정규화하는 단계는,각 입력 이미지에 대해서, RGB 채널 각각에, 각 채널의 픽셀 값들을 제로 평균 및 단위 표준 편차를 갖는 분포로 만든 후 스케일링 하여, 각 입력 이미지의 조도와 콘트라스트를 정규화시키거나각각의 입력 이미지의 RGB 컬러를 HSV 컬러로 채널 변환 한 후, 밸류(value) 채널 이미지에 히스토그램 정규화를 적용하고, 그 후, 다시 RGB 채널로 변경하여 이미지 셋 전체의 RGB 평균 값을 빼는 보행자 검출 방법
|
| 9 |
9
삭제
|
| 10 |
10
삭제
|
| 11 |
11
제8항의 보행자 검출 방법을 실행하고 컴퓨터가 판독 가능한 기록매체에 기록된 컴퓨터 프로그램
|
