| 1 |
1
카메라로부터 촬영된 원본 이미지를 프레임 단위로 입력받는 입력부;입력받은 프레임의 사이즈를 줄인 후 합성곱 신경망(CNN)에 입력하여 상기 프레임의 특징을 추출하는 제1 특징 추출부;객체 검출 알고리즘을 이용하여 상기 입력부로부터 입력받은 프레임에 포함된 객체의 특징을 추출하는 제2 특징 추출부;상기 프레임의 특징과 상기 객체의 특징을 혼합한 후 인공신경망(ANN)에 입력하여 연산하는 연산부; 및상기 연산 결과에 따라 상기 카메라의 폐색 여부를 판단하는 판단부를 포함하는 딥러닝 기반 객체 검출기를 이용한 차량 카메라 폐색 분류 장치
|
| 2 |
2
제1항에 있어서,상기 제1 특징 추출부는,근접 이웃(Nearest Neighbor) 보간법을 이용하여 상기 프레임의 사이즈를 100x100으로 줄인 후, 상기 합성곱 신경망에 입력하여 추출되는 프레임의 특징을 일차원(one dimension)으로 펼치는 딥러닝 기반 객체 검출기를 이용한 차량 카메라 폐색 분류 장치
|
| 3 |
3
제1항에 있어서,상기 제2 특징 추출부는,딥러닝 기반의 객체 검출 알고리즘을 이용하여 상기 프레임 내 객체의 위치 정보, 클래스 정보 및 신뢰도 정보가 포함된 객체의 특징을 각 객체별로 추출하되,상기 위치 정보를 이용하여 각 객체별 박스 값을 산출하고, 상기 신뢰도 정보에 포함된 신뢰 값이 높은 순으로 설정 개의 신뢰 값을 추출하여 추출된 신뢰 값에 대응하는 객체의 박스 값들을 이용하여, 해당 객체들의 특징을 FC(Fully-Connected) 레이어 연산을 위한 일차원(one dimension)으로 합치는 딥러닝 기반 객체 검출기를 이용한 차량 카메라 폐색 분류 장치
|
| 4 |
4
제3항에 있어서,상기 제2 특징 추출부는,상기 객체의 위치 정보에 포함된 x 좌표 값, y 좌표 값, 이미지 크기의 경계 박스 너비 및 이미지 크기의 경계 박스 높이를 이용하여 상기 박스 값을 산출하되,상기 박스 값은 다음의 식에 의해 산출하는 딥러닝 기반 객체 검출기를 이용한 차량 카메라 폐색 분류 장치:여기서, BOX는 박스 값, Vsize는 박스의 크기, Vratio는 박스의 종횡비, w0는 검출 박스의 가로 픽셀, wt는 이미지 가로 픽셀, h0는 검출 박스의 세로 픽셀, ht는 이미지 세로 픽셀, axismin은 검출 박스의 가로 또는 세로 픽셀 중 최소 값, axismax는 검출 박스의 가로 또는 세로 픽셀 중 최대 값, λsize는 사이즈 조절 상수 파라미터, λratio는 비율 조절 상수 파라미터이다
|
| 5 |
5
제1항에 있어서,상기 판단부는,소프트맥스 함수를 이용하여 상기 연산 결과에 포함된 클래스 구분 결과에 따라 상기 카메라의 폐색 여부를 판단하는 딥러닝 기반 객체 검출기를 이용한 차량 카메라 폐색 분류 장치
|
| 6 |
6
딥러닝 기반 객체 검출기를 이용한 차량 카메라 폐색 분류 장치에 의해 수행되는 차량 카메라 폐색 분류 방법에 있어서,카메라로부터 촬영된 원본 이미지를 프레임 단위로 입력받는 단계;입력받은 프레임의 사이즈를 줄인 후 합성곱 신경망(CNN)에 입력하여 상기 프레임의 특징을 추출하는 단계;객체 검출 알고리즘을 이용하여 상기 입력부로부터 입력받은 프레임에 포함된 객체의 특징을 추출하는 단계;상기 프레임의 특징과 상기 객체의 특징을 혼합한 후 인공신경망(ANN)에 입력하여 연산하는 단계; 및상기 연산 결과에 따라 상기 카메라의 폐색 여부를 판단하는 단계를 포함하는 차량 카메라 폐색 분류 방법
|
| 7 |
7
제6항에 있어서,상기 프레임의 특징을 추출하는 단계는,근접 이웃(Nearest Neighbor) 보간법을 이용하여 상기 프레임의 사이즈를 100x100으로 줄인 후, 상기 합성곱 신경망에 입력하여 추출되는 프레임의 특징을 일차원(one dimension)으로 펼치는 차량 카메라 폐색 분류 방법
|
| 8 |
8
제6항에 있어서,상기 객체의 특징을 추출하는 단계는,딥러닝 기반의 객체 검출 알고리즘을 이용하여 상기 프레임 내 객체의 위치 정보, 클래스 정보 및 신뢰도 정보가 포함된 객체의 특징을 각 객체별로 추출하되,상기 위치 정보를 이용하여 각 객체별 박스 값을 산출하는 단계,상기 신뢰도 정보에 포함된 신뢰 값이 높은 순으로 설정 개의 신뢰 값을 추출하는 단계, 및상기 추출된 신뢰 값에 대응하는 객체의 박스 값들을 이용하여, 해당 객체들의 특징을 FC(Fully-Connected) 레이어 연산을 위한 일차원(one dimension)으로 합치는 단계를 포함하는 차량 카메라 폐색 분류 방법
|
| 9 |
9
제8항에 있어서,상기 객체의 특징을 추출하는 단계는,상기 객체의 위치 정보에 포함된 x 좌표 값, y 좌표 값, 이미지 크기의 경계 박스 너비 및 이미지 크기의 경계 박스 높이를 이용하여 상기 박스 값을 산출하되,상기 박스 값은 다음의 식에 의해 산출하는 차량 카메라 폐색 분류 방법:여기서, BOX는 박스 값, Vsize는 박스의 크기, Vratio는 박스의 종횡비, w0는 검출 박스의 가로 픽셀, wt는 이미지 가로 픽셀, h0는 검출 박스의 세로 픽셀, ht는 이미지 세로 픽셀, axismin은 검출 박스의 가로 또는 세로 픽셀 중 최소 값, axismax는 검출 박스의 가로 또는 세로 픽셀 중 최대 값, λsize는 사이즈 조절 상수 파라미터, λratio는 비율 조절 상수 파라미터이다
|
| 10 |
10
제6항에 있어서,상기 카메라의 폐색 여부를 판단하는 단계는,소프트맥스 함수를 이용하여 상기 연산 결과에 포함된 클래스 구분 결과에 따라 상기 카메라의 폐색 여부를 판단하는 차량 카메라 폐색 분류 방법
|
