KR101982258B1

KR101982258B1 - 오브젝트 검출 방법 및 오브젝트 검출 장치

Info

Publication number: KR101982258B1
Application number: KR1020140124733A
Authority: KR
Inventors: 테스홈 미키야스; 정호엽
Original assignee: 삼성전자주식회사
Priority date: 2014-09-19
Filing date: 2014-09-19
Publication date: 2019-05-24
Anticipated expiration: 2034-09-19
Also published as: US9824462B2; US20160086337A1; KR20160035104A

Abstract

오브젝트 검출 방법을 개시한다. 본 발명의 일 실시 예에 따른 오브젝트 검출 방법은, 복수의 이미지에 포함된 움직이는 객체의 정보를 입력하여 회귀 트리(regression tree)를 생성하는 단계와, 새로운 이미지가 입력되면, 상기 입력된 새로운 이미지에 포함된 움직이는 객체의 정보를 상기 회귀 트리에 입력하는 단계와, 상기 회귀 트리의 결과값을 기초로 상기 새로운 이미지에 포함된 사람의 크기를 판단하는 단계를 포함한다.

Description

오브젝트 검출 방법 및 오브젝트 검출 장치{METHOD FOR DETECTING OBJECT AND OBJECT DETECTING APPARATUS}

본 발명은 오브젝트 검출 장치에 관한 것으로, 좀 더 상세하게는 계산이 빠르고 간단하면서도 이미지에 포함되어 있는 오브젝트를 빠르게 검출할 수 있는 오브젝트 검출 장치 및 오브젝트 검출 방법에 관한 것이다.

이미지에서 사람을 검출하기 위해서는 고정된 사이즈의 검출 윈도우를 사용할 수 있다. 이 경우 검출 윈도우를 이용하여 화면의 모든 영역에 대해 스캔한다. 이때, 사람의 크기가 검출 윈도우보다 크게 되면 사람을 완전하게 검출하기 어려우므로 검출 윈도우의 스케일을 변화시키면서 최적의 크기를 찾는다. 오브젝트의 크기에 대한 정보가 없기 때문에 검출 윈도우의 스케일을 변화시켜야 하는 것이다. 이러한 작업은 이미지에서 사람을 포함하는 오브젝트를 검출하는데 많은 계산량을 요하며 많은 시간이 소요된다.

따라서, 계산이 빠르고 간단하면서도 이미지에 포함되어 있는 오브젝트를 빠르게 검출할 수 있는 기술 방안이 요청된다.

본 발명은 상기와 같은 문제점을 해결하기 위한 것으로, 본 발명의 목적은, 계산이 빠르고 간단하면서도 이미지에 포함되어 있는 오브젝트를 빠르게 검출할 수 있는 오브젝트 검출 장치 및 오브젝트 검출 방법을 제공하기 위함이다.

상기와 같은 목적을 달성하기 위한 본 발명의 일 실시 예에 따른 오브젝트 검출 방법은, 복수의 이미지에 포함된 움직이는 객체의 정보를 입력하여 회귀 트리(regression tree)를 생성하는 단계와, 새로운 이미지가 입력되면, 상기 입력된 새로운 이미지에 포함된 움직이는 객체의 정보를 상기 회귀 트리에 입력하는 단계와, 상기 회귀 트리의 결과값을 기초로 상기 새로운 이미지에 포함된 사람의 크기를 판단하는 단계를 포함한다.

이때, 상기 회귀 트리를 생성하는 단계는, 두 개 이상의 이미지의 대응되는 픽셀 간 차이값을 이용하여 움직임 픽셀을 식별하는 단계와, 상기 움직임 픽셀에 대한 정보를 외부 입력받는 단계와, 상기 외부 입력 정보를 기 설정된 파라미터에 따라 분류하여 상기 회귀 트리를 생성하는 단계를 포함할 수 있다.

또한, 상기 움직임 픽셀에 대한 정보는, 상기 움직임 픽셀이 사람을 나타내는 것인지에 대한 정보, 상기 움직임 픽셀의 위치 정보, 및 상기 움직이는 객체의 크기(size) 정보 중 적어도 하나일 수 있다.

또한, 상기 외부 입력 정보를 상기 기 설정된 파라미터에 따라 분류하여 상기 회귀 트리를 생성하는 단계는, 제1 파라미터에 따라 상기 외부 입력 정보를 갖는 노드를 배치하여 상기 회귀 트리를 생성하는 단계와, 상기 생성된 회귀 트리의 리프 노드가 갖는 외부 입력 정보들이 상호 유사하지 않은 경우 상기 제1 파라미터와 다른 제2 파라미터에 따라 상기 회귀 트리를 재구성하는 단계를 포함할 수 있다.

또한, 최종 회귀 트리의 리프노드는, 움직이는 개체의 크기 정보를 포함할 수 있다.

또한, 상기 입력된 새로운 이미지에 포함된 움직이는 객체의 정보를 상기 회귀 트리에 입력하는 단계는, 복수의 새로운 이미지가 입력되면, 상기 입력된 복수의 새로운 이미지의 대응되는 픽셀 간 차이값을 이용하여 움직임 픽셀을 식별하는 단계와, 상기 식별된 움직임 픽셀에 대한 정보를 상기 회귀 트리에 입력하는 단계를 포함할 수 있다.

또한, 상기 식별된 움직임 픽셀에 대한 정보는, 상기 식별된 움직임 픽셀의 위치 정보를 포함할 수 있다.

또한, 상기 새로운 이미지에 포함된 사람의 크기를 판단하는 단계는, 상기 회귀 트리의 결과값을 기초로 상기 입력된 새로운 이미지에 포함된 움직이는 객체가 사람인지 판단하는 단계와, 상기 움직이는 객체가 사람이면, 상기 움직이는 객체의 크기를 판단하는 단계를 포함할 수 있다.

또한, 상기 오브젝트 검출 방법은, 상기 사람의 크기에 따라 검출 윈도우 스케일을 설정하는 단계를 더 포함할 수 있다.

상기와 같은 목적을 달성하기 위한 본 발명의 일 실시 예에 따른 오브젝트 검출 장치는 회귀 트리 생성부와 오브젝트 크기 판단부를 포함한다.

회귀 트리 생성부는, 복수의 이미지에 포함된 움직이는 객체의 정보를 입력하여 회귀 트리(regression tree)를 생성하는 구성이다.

오브젝트 크기 판단부는 새로운 이미지가 입력되면, 상기 입력된 새로운 이미지에 포함된 움직이는 객체의 정보를 상기 회귀 트리에 입력하고, 상기 회귀 트리의 결과값을 기초로 상기 새로운 이미지에 포함된 사람의 크기를 판단하는 구성이다.

이때, 상기 회귀 트리 생성부는, 두 개 이상의 이미지의 대응되는 픽셀 간 차이값을 이용하여 움직임 픽셀을 식별하고, 상기 움직임 픽셀에 대한 정보가 외부로부터 입력되면, 상기 외부 입력 정보를 기 설정된 파라미터에 따라 분류하여 상기 회귀 트리를 생성할 수 있다.

또한, 상기 회귀 트리 생성부는, 제1 파라미터에 따라 상기 외부 입력 정보를 갖는 노드를 배치하여 상기 회귀 트리를 생성하고, 상기 생성된 회귀 트리의 리프 노드가 갖는 외부 입력 정보들이 상호 유사하지 않은 경우 상기 제1 파라미터와 다른 제2 파라미터에 따라 상기 회귀 트리를 재구성할 수 있다.

또한, 상기 오브젝트 크기 판단부는, 복수의 새로운 이미지가 입력되면, 상기 입력된 복수의 새로운 이미지의 대응되는 픽셀 간 차이값을 이용하여 움직임 픽셀을 식별하고, 상기 식별된 움직임 픽셀에 대한 정보를 상기 회귀 트리에 입력할 수 있다.

또한, 상기 오브젝트 크기 판단부는, 상기 회귀 트리의 결과값을 기초로 상기 입력된 새로운 이미지에 포함된 움직이는 객체가 사람인지 판단하고, 상기 움직이는 객체가 사람이면, 상기 움직이는 객체의 크기를 판단할 수 있다.

이상과 같은 본 발명의 다양한 실시 예에 따르면, 본 발명은, 계산이 빠르고 간단하면서도 이미지에 포함되어 있는 오브젝트를 빠르게 검출할 수 있는 오브젝트 검출 장치 및 오브젝트 검출 방법을 제공한다.

도 1은 종래 검출 윈도우를 이용한 오브젝트 검출 방법을 도시한 도면,
도 2는 본 발명의 일 실시 예에 따른 검출 방법의 흐름도를 도시한 도면,
도 3은 회귀 트리를 생성하기 위해 모션 히스토리 이미지를 얻는 방법을 나타낸 도면,
도 4는 본 발명의 일 실시 예에 따른 모션 히스토리 이미지를 도시한 도면,
도 5는 본 발명의 일 실시 예에 따른 회귀 트리를 나타낸 도면,
도 6은 입력된 새로운 이미지의 움직이는 객체 정보를 회귀 트리에 입력하여 회귀트리를 순회하는 방법을 도시한 흐름도,
도 7은 움직이는 객체의 크기를 판단하는 방법을 도시한 흐름도,
도 8은 상기와 같은 오브젝트 검출 방법의 성능을 나타내는 그래프, 그리고,
도 9는 본 발명의 일 실시 예에 따른 검출 장치의 구성을 도시한 블록도이다.

이하에서는 첨부된 도면을 참조하여 본 발명의 다양한 실시 예를 설명한다.

도 1은 종래 검출 윈도우를 이용한 오브젝트 검출 방법을 도시한 도면이다.

이미지에서 사람을 검출하기 위해서는 고정된 사이즈의 검출 윈도우를 사용할 수 있다. 이 경우 검출 윈도우를 이용하여 화면의 모든 영역에 대해 스캔한다. 이때, 사람의 크기가 검출 윈도우보다 크게 되면 사람을 완전하게 검출하기 어려우므로 검출 윈도우의 스케일을 증가시키면서 오브젝트를 포함할 수 있는 최적의 크기를 찾는다. 그러나, 종래 기술은 오브젝트의 크기에 대한 정보가 없기 때문에 검출 윈도우의 스케일을 순차적으로 변화시키면서 복수의 스케일에 대해서 스캔을 수행해야 한다. 이러한 작업은 이미지에서 사람을 포함하는 오브젝트를 검출하는데 많은 계산량을 요하며 많은 시간이 소요된다.

본 발명은 이미지에 포함되어 있는 오브젝트 픽셀의 크기 정보를 갖는 회귀 트리(regression tree)를 이용하여 빠르게 오브젝트의 크기를 판단하고 오브젝트 크기에 맞는 검출 윈도우를 설정할 수 있는 검출 기술을 제공하기 위한 것이다. 본 발명은 cctv와 같은 카메라 장치에서 특정 장소를 표시하는 고정된 배경과, 사람 같이 움직이는 오브젝트가 포함되어 있는 이미지에 대해서 빠르게 검출 윈도우를 설정하는 것을 가능하게 한다. 특정 장소를 연속하여 촬영하여 촬영 이미지를 얻는 경우 사람과 같이 특정 장소에서 움직이는 오브젝트는 촬영 이미지 상의 위치에 따라 그 크기를 예측할 수 있다. 예를 들어, 카메라가 건물 복도의 천장모서리에 설치되어 건물 복도를 촬영하는 경우, 사람이 카메라에서 멀리 위치한 지점부터 카메라 가까이로 움직이게 되면 카메라에 의해 촬영되는 이미지 상에서 처음에는 작게 표시되다가 오브젝트의 크기가 점점 커지게 된다. 즉, 촬영 이미지 상의 위치와 오브젝트의 크기 사이에 상관관계가 존재하는 것이다. 본 발명은 상관 관계에 대한 정보를 갖는 회귀 트리를 생성하고, 생성된 회귀 트리를 이용하여 이미지 상에서 오브젝트의 위치에 따라 빠르게 오브젝트의 크기를 판단하게 된다. 오브젝트의 크기가 판단되면 대응되게 검출 윈도우의 크기를 설정할 수 있다.

도 2는 본 발명의 일 실시 예에 따른 검출 방법의 흐름도를 도시한 도면이다.

도 2를 참조하면, 본 발명의 일 실시 예에 따른 카운팅 방법에서 먼저 회귀 트리(regression tree)를 생성한다(S210). 일반적으로, 회귀분석은 주어진 데이터를 가장 잘 나타낼 수 있는 수식을 찾아내는 방법을 의미한다. 회귀 트리는 파라미터를 변경해가면서 주어진 데이터를 가장 잘 나타낼 수 있는 트리를 구성한다. 최적의 회귀 트리를 얻는 것이 목적이므로 이 과정을 트레이닝 단계라고 부를 수 있다. 새로운 데이터가 주어지면 회귀 트리의 결과값을 통해 새로운 데이터가 갖는 속성을 예측할 수 있다.

본 발명의 일 실시 예에 따르면 동영상을 구성하는 복수의 연속된 이미지 프레임에 포함되어 있는 움직이는 객체에 대한 정보를 입력하여 회귀 트리를 생성한다. 연속된 이미지 프레임에서 움직이는 객체에 대한 정보를 가장 잘 나타내는 회귀 트리를 구성하는 것이다. 이에 대해서는 뒤에서 좀더 상세하게 설명한다.

회귀 트리가 구성된 후, 새로운 이미지가 입력되면(S220-Y) 이미지에 대한 정보를 기초로 회귀 트리를 순회한다. 구체적으로, 입력된 새로운 이미지에 포함된 움직이는 객체의 정보를 회귀 트리에 입력한다(S230).

회귀 트리를 순회한 결과 즉, 리프노드의 값에 따라 새로운 이미지에 포함된 움직이는 객체의 속성이 결정된다. 본 발명에서는 회귀 트리의 결과값을 기초로 상기 새로운 이미지에 포함된 사람의 크기를 판단할 수 있다(S240). 여기에 대해서는 뒤에서 좀더 자세하게 설명한다.

도 3은 회귀 트리를 생성하기 위해 모션 히스토리 이미지를 얻는 방법을 나타낸 도면이다.

모션 히스토리 이미지는 복수의 연속된 이미지 프레임에 포함되어 있는 움직이는 객체를 식별하여 생성된 이미지이다. 이미지 프레임에 포함되어 있는 움직이는 객체를 식별하기 위해 두 개 이상의 연속되는 이미지의 대응되는 픽셀 간 차이값을 판단한다(S310). 차이값이 존재하는 영역은 객체가 움직인 영역으로 볼 수 있다. 객체가 움직여서 픽셀값이 변화된 영역은 블랙으로 처리한다. 나머지는 화이트로 처리할 수 있다. 이미지에 포함된 움직이는 오브젝트에 대해서 모두 상기의 작업을 수행하면 도 4의 오른쪽 도면과 같은 모션 히스토리 이미지를 얻게 된다. 도 4는 본 발명의 일 실시 예에 따른 모션 히스토리 이미지를 도시한 도면이다.

회귀 트리 구성 단계에서는 모션 히스토리 이미지에 포함된 움직이는 객체에 대한 정보를 외부로부터 입력받는다(S320). 즉, 움직임 픽셀에 대한 정보를 입력하는데, 이때 움직임 픽셀에 대한 정보는, 상기 움직임 픽셀이 사람을 나타내는 것인지에 대한 정보, 상기 움직임 픽셀의 위치 정보, 및 상기 움직이는 객체의 크기(size) 정보 중 적어도 하나일 수 있다. 움직임 픽셀의 위치 정보는 외부 입력이 없이 픽셀의 좌표 정보로 판단하는 것도 가능하다. 움직임 픽셀의 크기 정보는 각 움직이는 오브젝트에 대한 크기(높이) 정보를 외부 입력을 받는다. 이때, 사용자가 인터페이스를 이용하여 상기 크기 정보를 입력할 수 있다. 결과적으로 모션 히스토리 이미지의 모든 움직이는 픽셀에 대해서 오브젝트가 사람을 나타내는 것인지에 대한 정보, 움직임 픽셀의 위치 정보, 움직임 픽셀이 속하는 움직이는 객체의 크기 정보를 저장한다.

상기 움직임 픽셀에 대한 정보를 이용하여 회귀 트리를 작성한다. 즉, 외부 입력 정보를 기 설정된 파라미터에 따라 분류하여 회귀 트리를 생성한다(S330).

이때, 상기 외부 입력 정보를 상기 기 설정된 파라미터에 따라 분류하여 상기 회귀 트리를 생성하는 단계는, 제1 파라미터에 따라 상기 외부 입력 정보를 갖는 노드를 배치하여 상기 회귀 트리를 생성하는 단계와, 상기 생성된 회귀 트리의 리프 노드가 갖는 외부 입력 정보들이 상호 유사하지 않은 경우 상기 제1 파라미터와 다른 제2 파라미터에 따라 상기 회귀 트리를 재구성하는 단계를 포함할 수 있다. 즉, 파라미터를 바꿔가면서 최적의 회귀 트리를 구성한다.

일 실시 예로 움직이는 픽셀의 인접 픽셀 두 개를 랜덤하게 선택할 수 있다. 그리고, 대상 픽셀과의 거리를 계산한다. 두 개의 랜덤 픽셀과 대상 픽셀과 거리 차이가 기 설정된 값 미만이면 트리의 왼쪽 링크를 순회한다. 반대로 두 개의 랜덤 픽셀과 대상 픽셀과 거리차이가 기 설정된 값 이상이면 트리의 오른쪽 링크를 순회할 수 있다. 이렇게 결정된 회귀 트리에 대해서 검증을 수행한다. 회귀 트리의 리프노드는 복수 개의 움직이는 픽셀에 대한 정보를 포함할 수 있는데, 상기 복수 개의 움직이는 픽셀에 대한 정보는 상호 유사해야 한다. 예를 들어, 어느 움직이는 픽셀 그룹(리프 노드의 정보)에 사람에 대한 픽셀이 예외적으로 포함되어 있고, 이러한 오차가 중요하다고 판단되는 경우, 회귀 트리를 재구성해야 한다. 회귀 트리의 재구성은 파라미터 값을 조정하여 수행한다. 기 설정된 오차율을 만족하는 회귀 트리가 결정될 때까지 상기 과정을 반복한다.

도 4는 건물의 천장 모서리에 설치된 카메라에 의해 촬영되는 연속 이미지(동영상)를 도시한다. 카메라에 의해 촬영된 연속 이미지로부터 상술한 방법으로 모션 히스토리 이미지를 얻는다. 그리고, 각 움직이는 오브젝트에 대해 그 크기를 입력할 수 있다. 카메라에서 멀리 떨어진 객체는 상대적으로 크기가 작고 화면의 위쪽에 위치함을 알 수 있고, 카메라에서 가까이 있는 객체는 상대적으로 크기가 크고 화면의 아래쪽에 위치함을 알 수 있다.

도 5는 본 발명의 일 실시 예에 따른 회귀 트리를 나타낸 도면이다.

도 5에 도시된 것처럼 움직이는 픽셀에 대해서 입력된 정보를 이용하여 회귀 트리를 생성한다. 특정 리프노드는 픽셀 그룹의 지배적인 속성 정보를 포함한다. 상술한 실시 예에서, 리프 노드는 상호 유사한 픽셀 그룹(즉, 동일한 움직이는 오브젝트를 나타내는 픽셀)이 사람을 나타내는 것인지에 대한 정보, 픽셀 그룹의 위치 정보, 및 상기 픽셀 그룹이 나타내는 움직이는 객체의 크기(size) 정보 중 적어도 하나를 포함한다.

도 6은 입력된 새로운 이미지의 움직이는 객체 정보를 회귀 트리에 입력하여 회귀트리를 순회하는 방법을 도시한 흐름도이다.

도 6에 도시된 것처럼, 입력된 새로운 이미지에 포함된 움직이는 객체의 정보를 상기 회귀 트리에 입력하는 단계는, 복수의 연속되는 새로운 이미지가 입력되면, 상기 입력된 복수의 새로운 이미지의 대응되는 픽셀 간 차이값을 이용하여 움직임 픽셀을 식별한다(S610).

상기 식별된 움직임 픽셀에 대한 정보를 상기 회귀 트리에 입력한다(S620).

상기 과정은 앞서 설명한 모션 히스토리 이미지를 생성하는 과정과 동일하다. 즉, 새로 입력된 이미지에 대한 모션 히스토리 이미지를 생성한다. 구체적으로 두 개 이상의 연속되는 이미지의 대응되는 픽셀 간 차이값을 판단한다. 차이값이 존재하는 영역은 객체가 움직인 영역으로 볼 수 있다. 객체가 움직여서 픽셀값이 변화된 영역은 블랙으로 처리한다. 나머지는 화이트로 처리할 수 있다. 이미지에 포함된 움직이는 오브젝트에 대해서 모두 상기의 작업을 수행한다.

기본적으로 움직이는 오브젝트는 위치 정보를 갖고 있다. 따라서, 움직이는 오브젝트를 구성하는 움직임 픽셀에 대한 위치 정보를 회귀 트리에 입력하여 회귀 트리를 순회할 수 있다. 회귀 트리의 순회 결과인 리프노드는 움직임 픽셀의 속성을 드러낸다. 회귀 트리의 순회는 N개의 노드가 있다고 가정할 때, log N에 이루어지므로 매우 빠르게 움직임 픽셀의 속성을 파악할 수 있게 된다.

도 7은 움직이는 객체의 크기를 판단하는 방법을 도시한 흐름도이다.

도 7을 참조하면, 회귀 트리를 순회한 후, 상기 회귀 트리의 결과값을 기초로 상기 입력된 새로운 이미지에 포함된 움직이는 객체가 사람인지 판단한다(S710). 그리고, 상기 움직이는 객체가 사람이면(S720-Y), 상기 움직이는 객체의 크기를 판단한다(S730). 리프 노드는 이러한 정보를 알려준다.

이처럼 움직이는 사람의 크기가 검출되면, 이에 따라 검출 윈도우 스케일을 설정한다.

이상에서 설명한 검출 방법은 이미지에 포함되어 있는 오브젝트 픽셀의 크기 정보를 갖는 회귀 트리(regression tree)를 이용하여 빠르게 오브젝트의 크기를 판단하고 오브젝트 크기에 맞는 검출 윈도우를 설정할 수 있는 검출 기술을 제공한다. 특히, 본 발명은 cctv와 같은 카메라 장치에서 특정 장소에 대한 고정된 배경과 사람과 같은 움직이는 오브젝트가 포함되어 있는 이미지에 대해서 빠르게 검출 윈도우를 설정하는 것을 가능하게 한다. 특정 장소를 연속하여 촬영하여 촬영 이미지를 얻는 경우 사람과 같이 특정 장소에서 움직이는 오브젝트는 촬영 이미지 상의 위치에 따라 그 크기를 예측할 수 있다. 본 발명은 촬영 이미지 상의 위치와 오브젝트의 크기 사이의 상관 관계에 대한 정보를 갖는 회귀 트리를 생성하고, 생성된 회귀 트리를 이용하여 이미지 상에서 오브젝트의 위치에 따라 빠르게 오브젝트의 크기를 판단하게 된다. 오브젝트의 크기가 판단되면 대응되게 검출 윈도우의 크기를 설정한다.

한편, 전술한 검출 방법은 컴퓨터상에서 판독 가능한 비일시적 기록 매체에 프로그램의 형태로 저장될 수 있다. 여기서 비일시적 판독 가능 매체란 레지스터, 캐쉬 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장이 가능하며, 전자기기에 의해 판독(reading)이 가능한 매체를 의미한다. 예를 들어, CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등이 될 수 있다. 또한, 전술한 카운팅 방법은 임베디드 소프트웨어 형태로 하드웨어 IC칩에 내장되어 제공될 수 있다.

도 8은 상기와 같은 오브젝트 검출 방법의 성능을 나타내는 그래프이다.

도 8의 왼쪽 그래프는 트레이닝 단계에서 카메라로부터의 위치 즉, 화면 상의 오브젝트의 위치에 따라 오브젝트의 크기에 대한 정보가 입력되고, 회귀 트리를 구성하여 최적의 정보를 얻게 된다. 실선 그래프는 대체적으로 카메라에서 멀어질수록 오브젝트의 사이즈가 작아짐을 나타내고 있다.

도 8의 오른쪽 점선 그래프는 복수의 연속된 이미지 프레임에 포함되어 있는 움직이는 객체에 대한 모션 히스토리 이미지를 생성하고 움직임 픽셀에 대한 정보를 회귀 트리에 입력하여 회귀 트리를 순회한 결과 리프노드가 갖는 오브젝트의 크기를 나타낸다. 리프노드는 복수의 픽셀 그룹이 포함되는 오브젝트의 크기를 나타내고, 단일 오브젝트를 구성하는 움직임 픽셀 정보를 모두 입력하여 도달한 리프노드의 오브젝트 크기값을 평균내어 오브젝트의 최종적인 크기를 결정할 수 있다. 결정된 최종적인 오브젝트의 크기를 나타내는 점선 그래프는 실선 그래프와 근사한 결과를 보여주고 있음을 알 수 있다.

도 9는 본 발명의 일 실시 예에 따른 검출 장치의 구성을 도시한 블록도이다.

본 발명의 다양한 실시 예에 따른 검출 장치는 다양한 전자 장치로 구현될 수 있다. 예를 들어, cctv카메라, 디지털 카메라, 스마트폰, 서버, pc, 태블릿 pc, 디지털 텔레비젼, 디지털 사이니지 중 적어도 하나로 구현될 수 있다.

도 9를 참조하면, 본 발명의 일 실시 예에 따른 오브젝트 검출 장치는 회귀 트리 생성부(110)와 오브젝트 크기 판단부(120)를 포함한다.

회귀 트리 생성부(110)는, 복수의 이미지에 포함된 움직이는 객체의 정보를 입력하여 회귀 트리(regression tree)를 생성하는 구성이다.

오브젝트 크기 판단부(120)는 새로운 이미지가 입력되면, 상기 입력된 새로운 이미지에 포함된 움직이는 객체의 정보를 상기 회귀 트리에 입력하고, 상기 회귀 트리의 결과값을 기초로 상기 새로운 이미지에 포함된 사람의 크기를 판단하는 구성이다.

이때, 상기 회귀 트리 생성부(110)는, 두 개 이상의 이미지의 대응되는 픽셀 간 차이값을 이용하여 움직임 픽셀을 식별하고, 상기 움직임 픽셀에 대한 정보가 외부로부터 입력되면, 상기 외부 입력 정보를 기 설정된 파라미터에 따라 분류하여 상기 회귀 트리를 생성할 수 있다.

또한, 상기 회귀 트리 생성부(110)는, 제1 파라미터에 따라 상기 외부 입력 정보를 갖는 노드를 배치하여 상기 회귀 트리를 생성하고, 상기 생성된 회귀 트리의 리프 노드가 갖는 외부 입력 정보들이 상호 유사하지 않은 경우 상기 제1 파라미터와 다른 제2 파라미터에 따라 상기 회귀 트리를 재구성할 수 있다.

또한, 상기 오브젝트 크기 판단부(120)는, 복수의 새로운 이미지가 입력되면, 상기 입력된 복수의 새로운 이미지의 대응되는 픽셀 간 차이값을 이용하여 움직임 픽셀을 식별하고, 상기 식별된 움직임 픽셀에 대한 정보를 상기 회귀 트리에 입력할 수 있다.

또한, 상기 오브젝트 크기 판단부(120)는, 상기 회귀 트리의 결과값을 기초로 상기 입력된 새로운 이미지에 포함된 움직이는 객체가 사람인지 판단하고, 상기 움직이는 객체가 사람이면, 상기 움직이는 객체의 크기를 판단할 수 있다.

또한, 상기 오브젝트 검출 장치(100)는 오브젝트를 포함하는 복수의 이미지를 연속하여 촬영하는 촬영부(미도시)를 더 포함하고, 상기 오브젝트 크기 판단부(120)는, 상기 사람의 크기에 따라 검출 윈도우 스케일을 설정할 수 있다. 촬영부는 객체를 촬영하기 위한 다양한 기술 수단을 포함할 수 있다. 즉, 촬영부는 렌즈, 조리개, 이미지 처리부, 저장부, 셔터, 이미지 센서, 등을 포함할 수 있다.

또한, 오브젝트 검출 장치(100)는 일반적인 전자 계산기가 갖는 구성을 포함할 수있다. 즉, MPU(Micro Processing Unit) 또는 CPU(Central Processing Unit), 캐쉬 메모리(Cache Memory), 데이터 버스(Data Bus), 저장부, 유무선 인터페이스 등의 하드웨어 구성과, 운영체제, 특정 목적을 수행하는 어플리케이션의 소프트웨어 구성을 포함한다.

이상에서는 본 발명의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.

100 : 오브젝트 검출 장치
110 : 회귀 트리 생성부 120 : 오브젝트 크기 판단부

Claims

두 개 이상의 이미지에 대응되는 픽셀 간 차이값을 이용하여 움직임 픽셀을 식별하는 단계;
상기 움직임 픽셀에 대한 정보를 기 설정된 파라미터에 따라 분류하여 회귀 트리(regression tree)를 생성하는 단계;
새로운 이미지가 입력되면, 상기 입력된 새로운 이미지에 포함된 움직이는 객체의 정보를 상기 회귀 트리에 입력하는 단계; 및
상기 회귀 트리의 결과값을 기초로 상기 새로운 이미지에 포함된 사람의 크기를 판단하는 단계;를 포함하는 오브젝트 검출 방법.
제1항에 있어서,
상기 회귀 트리를 생성하는 단계는,
상기 움직임 픽셀에 대한 정보를 외부 입력받는 단계; 및
상기 외부로부터 입력된 상기 움직임 픽셀에 대한 정보를 기 설정된 파라미터에 따라 분류하여 상기 회귀 트리를 생성하는 단계;를 포함하는 오브젝트 검출 방법.
제2항에 있어서,
상기 움직임 픽셀에 대한 정보는,
상기 움직임 픽셀이 사람을 나타내는 것인지에 대한 정보, 상기 움직임 픽셀의 위치 정보, 및 상기 움직이는 객체의 크기(size) 정보 중 적어도 하나인 것을 특징으로 하는 오브젝트 검출 방법.
제2항에 있어서,
상기 움직임 픽셀에 대한 정보를 상기 기 설정된 파라미터에 따라 분류하여 상기 회귀 트리를 생성하는 단계는,
제1 파라미터에 따라 상기 움직임 픽셀에 대한 정보를 갖는 노드를 배치하여 상기 회귀 트리를 생성하는 단계;
상기 생성된 회귀 트리의 리프 노드가 갖는 움직임 픽셀에 대한 정보들이 상호 유사하지 않은 경우 상기 제1 파라미터와 다른 제2 파라미터에 따라 상기 회귀 트리를 재구성하는 단계;를 포함하는 것을 특징으로 하는 오브젝트 검출 방법.
제4항에 있어서,
최종 회귀 트리의 리프노드는, 움직이는 개체의 크기 정보를 포함하는 것을 특징으로 하는 오브젝트 검출 방법.
제1항에 있어서,
상기 입력된 새로운 이미지에 포함된 움직이는 객체의 정보를 상기 회귀 트리에 입력하는 단계는,
복수의 새로운 이미지가 입력되면, 상기 입력된 복수의 새로운 이미지의 대응되는 픽셀 간 차이값을 이용하여 움직임 픽셀을 식별하는 단계;및
상기 식별된 움직임 픽셀에 대한 정보를 상기 회귀 트리에 입력하는 단계;를 포함하는 것을 특징으로 하는 오브젝트 검출 방법.
제6항에 있어서,
상기 식별된 움직임 픽셀에 대한 정보는,
상기 식별된 움직임 픽셀의 위치 정보를 포함하는 것을 특징으로 하는 오브젝트 검출 방법.
제1항에 있어서,
상기 새로운 이미지에 포함된 사람의 크기를 판단하는 단계는,
상기 회귀 트리의 결과값을 기초로 상기 입력된 새로운 이미지에 포함된 움직이는 객체가 사람인지 판단하는 단계;및
상기 움직이는 객체가 사람이면, 상기 움직이는 객체의 크기를 판단하는 단계;를 포함하는 것을 특징으로 하는 오브젝트 검출 방법.
제1항에 있어서,
상기 사람의 크기에 따라 검출 윈도우 스케일을 설정하는 단계;를 더 포함하는 것을 특징으로 하는 오브젝트 검출 방법.
오브젝트 검출 장치에 있어서,
두 개 이상의 이미지의 대응되는 픽셀 간 차이값을 이용하여 움직임 픽셀을 식별하고 상기 움직임 픽셀에 대한 정보를 기 설정된 파라미터에 따라 분류하여 회귀 트리(regression tree)를 생성하는 회귀 트리 생성부; 및
새로운 이미지가 입력되면, 상기 입력된 새로운 이미지에 포함된 움직이는 객체의 정보를 상기 회귀 트리에 입력하고, 상기 회귀 트리의 결과값을 기초로 상기 새로운 이미지에 포함된 사람의 크기를 판단하는 오브젝트 크기 판단부;를 포함하는 오브젝트 검출 장치.
제10항에 있어서,
상기 회귀 트리 생성부는,
상기 움직임 픽셀에 대한 정보가 외부로부터 입력되면, 상기 외부로부터 입력된 상기 움직임 픽셀에 대한 정보를 기 설정된 파라미터에 따라 분류하여 상기 회귀 트리를 생성하는 것을 특징으로 하는 오브젝트 검출 장치.
제11항에 있어서,
상기 움직임 픽셀에 대한 정보는,
상기 움직임 픽셀이 사람을 나타내는 것인지에 대한 정보, 상기 움직임 픽셀의 위치 정보, 및 상기 움직이는 객체의 크기(size) 정보 중 적어도 하나인 것을 특징으로 하는 오브젝트 검출 장치.
제11항에 있어서,
상기 회귀 트리 생성부는,
제1 파라미터에 따라 상기 움직임 픽셀에 대한 정보를 갖는 노드를 배치하여 상기 회귀 트리를 생성하고, 상기 생성된 회귀 트리의 리프 노드가 갖는 움직임 픽셀에 대한 정보들이 상호 유사하지 않은 경우 상기 제1 파라미터와 다른 제2 파라미터에 따라 상기 회귀 트리를 재구성하는 것을 특징으로 하는 오브젝트 검출 장치.
제13항에 있어서,
최종 회귀 트리의 리프노드는, 움직이는 개체의 크기 정보를 포함하는 것을 특징으로 하는 오브젝트 검출 장치.
제10항에 있어서,
상기 오브젝트 크기 판단부는,
복수의 새로운 이미지가 입력되면, 상기 입력된 복수의 새로운 이미지의 대응되는 픽셀 간 차이값을 이용하여 움직임 픽셀을 식별하고, 상기 식별된 움직임 픽셀에 대한 정보를 상기 회귀 트리에 입력하는 것을 특징으로 하는 오브젝트 검출 장치.
제15항에 있어서,
상기 식별된 움직임 픽셀에 대한 정보는,
상기 식별된 움직임 픽셀의 위치 정보를 포함하는 것을 특징으로 하는 오브젝트 검출 장치.
제10항에 있어서,
상기 오브젝트 크기 판단부는,
상기 회귀 트리의 결과값을 기초로 상기 입력된 새로운 이미지에 포함된 움직이는 객체가 사람인지 판단하고, 상기 움직이는 객체가 사람이면, 상기 움직이는 객체의 크기를 판단하는 것을 특징으로 하는 오브젝트 검출 장치.
제10항에 있어서,
오브젝트를 촬영하는 촬영부;를 더 포함하고,
상기 오브젝트 크기 판단부는,
상기 사람의 크기에 따라 검출 윈도우 스케일을 설정하는 것을 특징으로 하는 오브젝트 검출 장치.