| 1 |
1
제1 영상 데이터를 수신하면, 상기 제1 영상 데이터를 복수 개의 제2 영상 데이터로 분할하여 분산 저장하는 단계;상기 제2 영상 데이터의 프레임 추출을 포함하는 전처리를 수행하는 단계;상기 제2 영상 데이터에서 하나 이상의 직교 평면에 대하여 기 설정된 크기를 갖는 평면 패턴을 각각 추출하여 분산 저장하는 단계;상기 평면 패턴은중심 픽셀 및 중심 픽셀에 인접한 복수 개의 이웃 픽셀을 포함하는 평면 패턴; 상기 평면 패턴과 동일한 크기를 갖는 방향성 마스크를 이용하여 상기 평면 패턴에서 특징 벡터를 각각 분산하여 생성하는 단계;상기 특징 벡터를 생성하는 단계는평면 패턴에 상기 방향성 마스크를 이용하여 각도 별 벡터값을 생성하는 단계; 상기 각도 별 벡터값을 상기 중심 픽셀에 인접한 복수 개의 이웃 픽셀에 대한 값으로 설정하고, 상기 각도 별 벡터값의 평균값을 상기 중심 픽셀에 대한 값으로 설정하는 단계; 상기 생성된 각도 별 벡터값을 특정 임계값과 비교하여 이진화를 통해 특징 벡터를 생성하는 단계를 포함하는 것을 특징으로 하며;상기 생성된 특징 벡터를 이용하여 히스토그램을 생성하고, 상기 히스토그램에 대응되는 행동 정보를 식별함으로써 상기 제2 영상 데이터에 포함된 객체를 식별하는 단계;상기 객체를 식별하는 단계는상기 제2 영상 데이터에서 생성된 히스토그램에 프레임 수를 곱한 것을 CNN 알고리즘의 입력 값으로 사용하여, 4개의 합성곱 계층, 4개의 맥스-풀링(Max Pooling) 계층, 그리고 하나의 연결 계층으로 구성된 CNN 알고리즘을 사용하여 객체를 식별하는 것을 특징으로 하는객체 인식 방법
|
| 2 |
2
제 1항에 있어서,상기 전처리를 수행하는 단계는,상기 제2 영상 데이터에서 프레임을 추출하는 단계;상기 프레임을 그레이 스케일로 변환하는 단계;상기 프레임의 크기를 변경하는 단계를 포함하는 객체 인식 방법
|
| 3 |
3
제 1항에 있어서,상기 평면 패턴은,X축-Y축 직교 평면에 대한 제1 평면 패턴;X축-T축 직교 평면에 대한 제2 평면 패턴;Y축-Y축 직교 평면에 대한 제3 평면 패턴을 포함하는 객체 인식 방법
|
| 4 |
4
삭제
|
| 5 |
5
제 1항에 있어서,상기 특징 벡터를 생성하는 단계는상기 각도 별 벡터값이 특정 임계값 보다 크면 1의 값을, - 특정 임계값 보다 작으면 -1의 값을, 그 외의 경우에는 0의 값으로 하여 특징 벡터를 생성하는 것을 특징으로 하는 객체 인식 방법
|
| 6 |
6
제 1항에 있어서,상기 특정 임계값은 상기 중심 픽셀의 제곱근 값으로 하는 것을 특징으로 하는객체 인식 방법
|
| 7 |
7
제1 영상 데이터를 수신하는 영상 수집부;상기 제1 영상 데이터를 복수 개의 제2 영상 데이터로 분할하는 데이터 분할부;상기 제2 영상 데이터의 프레임 추출을 포함하는 전처리를 수행하는 전처리부;상기 제2 영상 데이터에서, 하나 이상의 직교 평면에 대하여 기 설정된 크기를 갖는 중심 픽셀 및 중심 픽셀에 인접한 복수 개의 이웃 픽셀을 포함하는 평면 패턴을 추출하고, 상기 평면 패턴과 동일한 크기를 갖는 방향성 마스크를 이용하여 상기 평면 패턴에서 특징 벡터를 생성하며, 상기 특징 벡터를 이용하여 히스토그램을 분산하여 생성하고, 상기 히스토그램에 대응되는 행동 정보를 식별함으로써 상기 제2 영상 데이터에 포함된 객체를 식별하는 제어부;상기 제어부는평면 패턴에 상기 방향성 마스크를 이용하여 각도 별 벡터값을 상기 중심 픽셀에 인접한 복수 개의 이웃 픽셀에 대한 값으로 설정하고, 상기 각도 별 벡터값의 평균값을 상기 중심 픽셀에 대한 값으로 설정하여, 상기 생성된 각도 별 벡터값을 특정 임계값과 비교하여 이진화를 통해 특징 벡터 생성하는 특징 벡터 생성부와, 상기 제2 영상 데이터에서 생성된 히스토그램에 프레임 수를 곱한 것을 CNN 알고리즘의 입력 값으로 사용하여, 4개의 합성곱 계층, 4개의 맥스-풀링(Max Pooling) 계층, 그리고 하나의 연결 계층으로 구성된 CNN 알고리즘을 사용하여 객체를 식별하는 객체 식별부를 더 포함하는 제어부; 상기 제2 영상 데이터를 분산 저장하고, 상기 직교 평면에 대한 상기 평면 패턴을 분산 저장하는 저장부를 포함하는 객체 인식 장치
|
| 8 |
8
제 7항에 있어서,상기 전처리부는,상기 제2 영상 데이터에서 프레임을 추출하고, 상기 프레임을 그레이 스케일로 변환하며, 상기 프레임의 크기를 변경하는 것을 특징으로 하는 객체 인식 장치
|
| 9 |
9
제 7항에 있어서,상기 평면 패턴은,X축-Y축 직교 평면에 대한 제1 평면 패턴, X축-T축 직교 평면에 대한 제2 평면 패턴, Y축-Y축 직교 평면에 대한 제3 평면 패턴을 포함하는 것을 특징으로 하는 객체 인식 장치
|
| 10 |
10
제 7항에 있어서,상기 특징 벡터 생성부는 상기 각도 별 벡터값이 특정 임계값 보다 크면 1의 값을, 특정 임계값 보다 작으면 -1의 값을, 그 외의 경우에는 0의 값으로 하여 특징 벡터를 생성하는 것을 특징으로 하는 객체 인식 장치
|
| 11 |
11
제 7항에 있어서,상기 특정 임계값은 상기 중심 픽셀의 제곱근 값으로 하는 것을특징으로 하는 객체 인식 장치
|
| 12 |
12
삭제
|
