| 1 |
1
기지정된 방식에 따라 인가된 입력 영상의 다수의 프레임 각각에서 보행자가 포함된 영역을 추출하여 패치를 획득하는 보행자 검출부; 미리 학습된 인공 신경망으로 구현되어, 학습된 방식에 따라 상기 패치의 특징을 추출하여 패치 특징맵을 획득하는 특징 추출 네트워크; 및 다수 프레임의 영상 중 서로 다른 프레임 영상에서 획득된 패치 특징맵을 서로 비교하여 대응하는 패치 특징맵을 탐색하여 보행자를 추적하는 추적부를 포함하고, 상기 특징 추출 네트워크는 학습 시에 보행자의 포함 여부에 무관하게 획득된 학습 영상에 식별자가 부여된 학습 데이터를 인가받아 상기 학습 데이터의 다수의 프레임의 특징을 추출하여 학습 특징맵을 획득하고, 별도로 구비된 학습부가 상기 학습 특징맵을 분류하여 계산되는 손실을 역전파하여 학습되는 보행자 추적 장치
|
| 2 |
2
제1항에 있어서, 상기 학습 데이터는 다수의 카메라에서 획득된 다수의 영상 각각에서 기지정된 시간 길이의 연속되는 프레임을 추출하여 획득되는 상기 학습 영상에 상기 식별자를 부여하여 획득되는 보행자 추적 장치
|
| 3 |
3
제2항에 있어서, 상기 학습 영상은 카메라의 회전 또는 이동 등의 변화 없이 고정된 위치를 촬영하여 획득된 영상인 보행자 추적 장치
|
| 4 |
4
제3항에 있어서, 상기 학습부는 학습 시에 상기 특징 추출 네트워크와 함께 학습이 수행되어, 학습되는 방식에 따라 상기 특징 추출 네트워크에서 획득된 상기 학습 특징맵을 분류하는 영상 분류부; 및 상기 학습 특징맵의 분류 결과와 상기 학습 데이터에 부여된 식별자를 비교하여 기지정된 방식으로 손실을 계산하고, 계산된 손실을 역전파하여 상기 특징 추출 네트워크와 상기 영상 분류부를 학습시키는 손실 역전파부를 포함하는 보행자 추적 장치
|
| 5 |
5
제1항에 있어서, 상기 보행자 검출부는 미리 학습된 방식에 따라 상기 입력 영상의 각 프레임에서 보행자가 포함된 영역을 추정하여, 보행자가 포함된 영역을 나타내는 경계 박스의 위치 및 크기를 설정하는 경계 박스 설정부; 및 상기 입력 영상에서 설정된 경계 박스에 대응하는 영역을 추출하여 상기 패치를 획득하는 패치 획득부를 포함하는 보행자 추적 장치
|
| 6 |
6
제1항에 있어서, 상기 추적부는 기지정된 기간 동안의 다수의 프레임 각각에 대응하는 패치 특징맵이 인가되면, 인가된 패치 특징맵을 저장하고, 현재 인가된 패치 특징 맵과 저장된 패치 특징맵들 사이의 유사도를 분석하여, 동일 보행자에 대한 패치 특징맵들을 판별하여 매칭시키고, 매칭된 패치 특징맵들의 각 프레임에서의 위치를 확인하여 보행자를 추적하는 보행자 추적 장치
|
| 7 |
7
보행자 검출부, 특징 추출 네트워크 및 추적부를 포함하는 보행자 추적 장치의 보행자 추적 방법에 있어서, 학습 시에 인공 신경망으로 구현되는 상기 특징 추출 네트워크가 보행자의 포함 여부에 무관하게 획득된 학습 영상에 식별자가 부여된 학습 데이터를 인가받아 상기 학습 데이터의 다수의 프레임의 특징을 추출하여 학습 특징맵을 획득하면, 획득된 상기 학습 특징맵을 분류하여 계산되는 손실을 역전파하여 상기 특징 추출 네트워크를 학습시키는 단계; 상기 특징 추출 네트워크에 대한 학습이 종료된 이후, 상기 보행자 검출부가 기지정된 방식에 따라 인가된 입력 영상의 다수의 프레임 각각에서 보행자가 포함된 영역을 추출하여 패치를 획득하는 단계; 상기 특징 추출 네트워크가 학습된 방식에 따라 상기 패치의 특징을 추출하여 패치 특징맵을 획득하는 단계; 및 상기 추적부가 다수 프레임의 영상 중 서로 다른 프레임 영상에서 획득된 패치 특징맵을 서로 비교하여 대응하는 패치 특징맵을 탐색하여 보행자를 추적하는 단계를 포함하는 보행자 추적 방법
|
| 8 |
8
제7항에 있어서, 상기 학습 데이터는 다수의 카메라에서 획득된 다수의 영상 각각에서 기지정된 시간 길이의 연속되는 프레임을 추출하여 획득되는 상기 학습 영상에 상기 식별자를 부여하여 획득되는 보행자 추적 방법
|
| 9 |
9
제8항에 있어서, 상기 학습 영상은 카메라의 회전 또는 이동 등의 변화 없이 고정된 위치를 촬영하여 획득된 영상인 보행자 추적 방법
|
| 10 |
10
제9항에 있어서, 상기 학습시키는 단계는 학습 시에 상기 특징 추출 네트워크와 함께 학습이 수행되는 인공 신경망을 이용하여, 학습되는 방식에 따라 상기 특징 추출 네트워크에서 획득된 상기 학습 특징맵을 분류하는 단계; 및 상기 학습 특징맵의 분류 결과와 상기 학습 데이터에 부여된 식별자를 비교하여 기지정된 방식으로 손실을 계산하고, 계산된 손실을 역전파하는 단계를 포함하는 보행자 추적 방법
|
| 11 |
11
제7항에 있어서, 상기 패치를 획득하는 단계는 미리 학습된 방식에 따라 상기 입력 영상의 각 프레임에서 보행자가 포함된 영역을 추정하는 단계; 추정된 보행자가 포함된 영역을 나타내는 경계 박스의 위치 및 크기를 설정하는 단계; 및 상기 입력 영상에서 설정된 경계 박스에 대응하는 영역을 추출하여 상기 패치를 획득하는 단계를 포함하는 보행자 추적 방법
|
| 12 |
12
제11항에 있어서, 상기 보행자를 추적하는 단계는 기지정된 기간 동안의 다수의 프레임 각각에 대응하는 패치 특징맵이 인가되면, 인가된 패치 특징맵을 저장하는 단계; 현재 인가된 패치 특징 맵과 저장된 패치 특징맵들 사이의 유사도를 분석하여, 동일 보행자에 대한 패치 특징맵들을 판별하여 매칭시키는 단계; 및 매칭된 패치 특징맵들의 각 프레임에서의 위치를 확인하여 보행자를 추적하는 단계를 포함하는 보행자 추적 방법
|
| 13 |
13
제7항 내지 제12항 중 어느 한 항에 따른 보행자 추적 방법을 실행하기 위한 프로그램 명령어가 기록된 기록 매체
|
