| 1 |
1
밀도 기반 클러스터링 알고리즘을 이용하여, 상기 밀도 기반 클러스터링 알고리즘의 파라미터의 값을 변화시키며, 원본 사람 자세 데이터셋을 클러스터링하는 클러스터링 준비부;상기 클러스터링 준비부를 통해 상기 파라미터의 값의 변화에 따라 획득한 클러스터의 개수를 기반으로, 상기 원본 사람 자세 데이터셋에 적합한 상기 파라미터의 값을 획득하는 파라미터 획득부;상기 파라미터 획득부를 통해 획득한 상기 파라미터의 값을 기반으로, 상기 밀도 기반 클러스터링 알고리즘을 이용하여, 상기 원본 사람 자세 데이터셋을 클러스터링하는 클러스터링부; 및상기 클러스터링부를 통해 획득한 클러스터 별로 미리 설정된 개수의 자세 데이터를 추출하여 축약 사람 자세 데이터셋을 획득하는 데이터 축약부;를 포함하는 밀도 기반 클러스터링을 이용한 사람 자세 데이터셋의 축약 장치
|
| 2 |
2
제1항에서,상기 파라미터 획득부는,가장 많은 클러스터의 개수를 나타내는 상기 파라미터의 값을, 상기 원본 사람 자세 데이터셋에 적합한 상기 파라미터의 값으로 획득하는,밀도 기반 클러스터링을 이용한 사람 자세 데이터셋의 축약 장치
|
| 3 |
3
제2항에서,상기 파라미터 획득부는,가장 많은 클러스터의 개수를 기준으로 하여 미리 설정된 범위 내의 클러스터의 개수를 나타내는 상기 파라미터의 값들 중에서 하나의 값을, 상기 원본 사람 자세 데이터셋에 적합한 상기 파라미터의 값으로 획득하는,밀도 기반 클러스터링을 이용한 사람 자세 데이터셋의 축약 장치
|
| 4 |
4
제3항에서,상기 파라미터 획득부는,가장 많은 클러스터의 개수를 기준으로 하여 미리 설정된 범위 내의 클러스터의 개수를 나타내는 상기 파라미터의 값들 중에서 가장 작은 MPJPE(mean per joint position error)를 나타내는 값을, 상기 원본 사람 자세 데이터셋에 적합한 상기 파라미터의 값으로 획득하는,밀도 기반 클러스터링을 이용한 사람 자세 데이터셋의 축약 장치
|
| 5 |
5
제3항에서,상기 파라미터 획득부는,가장 많은 클러스터의 개수를 기준으로 하여 미리 설정된 범위 내의 클러스터의 개수를 나타내는 상기 파라미터의 값들 중에서 랜덤하게 선택한 값을, 상기 원본 사람 자세 데이터셋에 적합한 상기 파라미터의 값으로 획득하는,밀도 기반 클러스터링을 이용한 사람 자세 데이터셋의 축약 장치
|
| 6 |
6
제1항에서,상기 원본 사람 자세 데이터셋을 기반으로, 자세의 구조적 분석, 자세의 의미론적 분석 및 자세의 구조와 의미론적 분석 중 하나를 통해 메트릭 공간(metric space)을 획득하는 메트릭 공간 획득부;를 더 포함하며,상기 클러스터링 준비부 및 상기 클러스터링부는,상기 메트릭 공간 획득부를 통해 획득한 상기 메트릭 공간에서 상기 밀도 기반 클러스터링 알고리즘을 이용하여 클러스터링을 수행하여, 상기 원본 사람 자세 데이터셋을 클러스터링하는,밀도 기반 클러스터링을 이용한 사람 자세 데이터셋의 축약 장치
|
| 7 |
7
제6항에서,상기 메트릭 공간 획득부는,2개의 비교 대상 자세의 3차원 스켈레톤 구조를 골반 중심을 기준으로 정렬하고, 정렬된 상기 2개의 비교 대상 자세의 3차원 스켈레톤 구조를 기반으로 전체 골격 유사도를 측정하고, 정렬된 상기 2개의 비교 대상 자세의 3차원 스켈레톤 구조를 기반으로 지역 골격 유사도를 측정하며, 정렬된 상기 2개의 비교 대상 자세의 3차원 스켈레톤 구조를 기반으로 전체 관절 거리 유사도를 측정하고, 정렬된 상기 2개의 비교 대상 자세의 3차원 스켈레톤 구조를 기반으로 뼈대 길이 유사도를 측정하며, 상기 전체 골격 유사도, 상기 지역 골격 유사도, 상기 전체 관절 거리 유사도 및 상기 뼈대 길이 유사도를 가중합하여 상기 2개의 비교 대상 자세의 유사도를 측정하여, 자세의 구조적 분석을 수행하는,밀도 기반 클러스터링을 이용한 사람 자세 데이터셋의 축약 장치
|
| 8 |
8
제6항에서,상기 메트릭 공간 획득부는,자세의 다차원 속성이 레이블링(labeling)되어 있는 자세 데이터로 이루어지는 학습 데이터를 통해 학습된 머신러닝 모델을 이용하여, 자세의 의미론적 분석을 수행하는,밀도 기반 클러스터링을 이용한 사람 자세 데이터셋의 축약 장치
|
| 9 |
9
제6항에서,상기 원본 사람 자세 데이터셋을 정규화(normalization)하고 정렬(alignment)하여 전처리하는 전처리부;를 더 포함하며,상기 메트릭 공간 획득부는,상기 전처리부를 통해 전처리된 상기 원본 사람 자세 데이터셋을 기반으로 상기 메트릭 공간을 획득하는,밀도 기반 클러스터링을 이용한 사람 자세 데이터셋의 축약 장치
|
| 10 |
10
밀도 기반 클러스터링 알고리즘을 이용하여, 상기 밀도 기반 클러스터링 알고리즘의 파라미터의 값을 변화시키며, 원본 사람 자세 데이터셋을 클러스터링하는 클러스터링 준비 단계;상기 파라미터의 값의 변화에 따라 획득한 클러스터의 개수를 기반으로, 상기 원본 사람 자세 데이터셋에 적합한 상기 파라미터의 값을 획득하는 파라미터 획득 단계;상기 원본 사람 자세 데이터셋에 적합한 상기 파라미터의 값을 기반으로, 상기 밀도 기반 클러스터링 알고리즘을 이용하여, 상기 원본 사람 자세 데이터셋을 클러스터링하는 클러스터링 단계; 및클러스터 별로 미리 설정된 개수의 자세 데이터를 추출하여 축약 사람 자세 데이터셋을 획득하는 단계;를 포함하는 밀도 기반 클러스터링을 이용한 사람 자세 데이터셋의 축약 방법
|
| 11 |
11
제10항에서,상기 원본 사람 자세 데이터셋을 기반으로, 자세의 구조적 분석, 자세의 의미론적 분석 및 자세의 구조와 의미론적 분석 중 하나를 통해 메트릭 공간(metric space)을 획득하는 메트릭 공간 획득 단계;를 더 포함하며,상기 클러스터링 준비 단계 및 상기 클러스터링 단계는,상기 메트릭 공간에서 상기 밀도 기반 클러스터링 알고리즘을 이용하여 클러스터링을 수행하여, 상기 원본 사람 자세 데이터셋을 클러스터링하는 것으로 이루어지는,밀도 기반 클러스터링을 이용한 사람 자세 데이터셋의 축약 방법
|
| 12 |
12
제11항에서,상기 원본 사람 자세 데이터셋을 정규화(normalization)하고 정렬(alignment)하여 전처리하는 전처리 단계;를 더 포함하며,상기 메트릭 공간 획득 단계는,전처리된 상기 원본 사람 자세 데이터셋을 기반으로 상기 메트릭 공간을 획득하는 것으로 이루어지는,밀도 기반 클러스터링을 이용한 사람 자세 데이터셋의 축약 방법
|
| 13 |
13
제10항 내지 제12항 중 어느 한 항에 기재된 밀도 기반 클러스터링을 이용한 사람 자세 데이터셋의 축약 방법을 컴퓨터에서 실행시키기 위하여 컴퓨터로 읽을 수 있는 기록 매체에 저장된 컴퓨터 프로그램
|
