KR100920918B1 - Cb물체감지 알고리즘을 이용한 물체추적시스템 및 그 시스템을 사용한 물체추적방법 - Google Patents
Cb물체감지 알고리즘을 이용한 물체추적시스템 및 그 시스템을 사용한 물체추적방법 Download PDFInfo
- Publication number
- KR100920918B1 KR100920918B1 KR1020080135640A KR20080135640A KR100920918B1 KR 100920918 B1 KR100920918 B1 KR 100920918B1 KR 1020080135640 A KR1020080135640 A KR 1020080135640A KR 20080135640 A KR20080135640 A KR 20080135640A KR 100920918 B1 KR100920918 B1 KR 100920918B1
- Authority
- KR
- South Korea
- Prior art keywords
- value
- input pixel
- tracking
- foreground
- object detection
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 120
- 238000000034 method Methods 0.000 claims description 68
- 239000013598 vector Substances 0.000 claims description 28
- 238000012805 post-processing Methods 0.000 claims description 23
- 238000001914 filtration Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 8
- 238000002372 labelling Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 description 28
- 230000008569 process Effects 0.000 description 26
- 238000012549 training Methods 0.000 description 12
- 239000003086 colorant Substances 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30264—Parking
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
Description
CB물체감지알고리즘은 물체의 배경을 모델링하여 영상의 입력픽셀이 모델링한 결과와 일치하는 경우, 이러한 입력픽셀을 배경으로 일치하지 않는 경우 전경물체로 판단하게 되는 알고리즘이다 본 명세서에서 배경을 CB(Codebook)란 한 영상에서 배경 영상의 픽셀에 대한 정보를 가지고 있는 CW(Codeword)들의 집합으로, 또한, CW를 어떻게 구성하고, 갱신되고, 업데이트되는 지에 대해 설명하도록 한다.
물체의 종류 | (가로길이/세로길이)비율 |
승용차 | 1.53 |
승합차 | 0.87 |
트럭 | 0.85 |
오토바이 | 0.44 |
사람 | 0.36 |
여기서, 외접사각형에 오목한 부분이란 물체 감지 결과가 다음과 같이 가운데가 동그스름하게 폭 패거나 들어가 있는 형태를 의미한다. 이러한 형태는 그림 1에서 도시한 바와 같다.
그림1. 물체 검지 결과 내에서 오목한 부분의 예
따라서, 외접 사각형에 이러한 오목한 부분 완전하지 않은 사각형을 이루는 경우 후처리 과정에 의해 오목한 부분을 채우게 되어 최소 사각형을 형성하게 된다.
후처리수단(300)은 외접하는 외접사각형이 완전하지 않은 사각형인 경우 오목한 부분을 채워 직선으로 형성된 최소사각형(220)을 형성시키고, 감지한 전경물체가 합쳐져서 인식된 경우, 최소사각형(220)에서 급격히 변하는 부분을 찾아 가로방향 및 세로방향의 분할선(310)을 나누고 분할된 사각형에서 전경물체가 차지하는 비율 큰 사각형을 찾아내 전경물체를 분리하는 후처리과정을 수행하게 된다(S120).
여기서, 외접사각형에 오목한 부분이란 물체 감지 결과가 다음과 같이 가운데가 동그스름하게 폭 패거나 들어가 있는 형태를 의미한다. 이러한 형태는 그림 1에서 도시한 바와 같다.
그림1. 물체 검지 결과 내에서 오목한 부분의 예
따라서, 외접 사각형에 이러한 오목한 부분 완전하지 않은 사각형을 이루는 경우 후처리 과정에 의해 오목한 부분을 채우게 되어 최소 사각형을 형성하게 된다.
그리고, 이러한 최소사각형이 두 개 이상의 전경물체를 하나로 인식하게 되는 오류를 막기 위해 최소사각형(220)에서 급격히 변하는 부분을 찾아 가로방향 및 세로방향의 분할선(310)을 나누고 분할된 사각형에서 전경물체가 차지하는 비율 큰 사각형을 찾아내 전경물체를 분리하는 후처리과정도 수행할 수 있다. 여기에서 ‘급격히 변하는 부분’의 의미는 물체를 감지한 결과 영상은 0과 1만의 값을 갖는 배경을 의미하는 검정색(0)과 물체를 의미하는 흰색(1)만을 갖는 이진 영상으로 표시할 수 있다. 여기서 일정 y좌표에 대하여 위쪽과 아래쪽에 대하여 차를 구하게 되면 같은 영역에 포함되는 포함될 경우 그 차의 절대값들의 합이 작을 것이고, 만약 그 차의 절대 값들의 합이 클 경우 물체 혹은 배경이 갑자기 나타난다고 볼 수 있을 것이다. 같은 과정을 x좌표에 대하여도 반복하여 ‘급격히 변하는 부분’을 검출할 수 있게 된다.
그림2. 최소 사각형과 그 내부에서 ‘급격히 변하는 부분’의 예시
예를 들면, 위의 그림2 에서 회색 사각형은 물체로 검출된 부분의 이진 영상이고, (x,y)에서의 픽셀값을 V(x,y)라고 할 때, 빨간색 사각형은 이렇게 검출된 물체 영역에 대해 오목한 부분을 채운 최소 사각형에 해당한다. 여기서 y좌표 y1과 y2를 갖는 모든 픽셀들의 차의 절대값 합 은 0이 되는 반면, y좌표 y3과 y4를 갖는 모든 픽셀들의 차의 절대값 합은 0이 아닌 2가 된다. 따라서 이러한 경우 y3에서 급격히 변하는 부분이라고 볼 수 있게 된다. 이와 같은 과정을 x좌표에 대하여도 반복하면 x3에서 물체의 상태가 급격히 변화하는 것을 검출할 수 있게 된다.
Claims (22)
- CW들의 집합으로 구성된 CB 물체감지 알고리즘을 이용하여 물체를 감지하여 상기 물체를 추적하는 물체추적 시스템에 있어서,실시간으로 영상을 프레임마다 촬영하여 영상픽셀을 출력하는 카메라;상기 영상픽셀에서 추출된 입력픽셀과 저장된 기존의 배경으로 감지된 상기 CB를 구성하는 CW들과 비교하여 상기 입력픽셀의 밝기값이 밝기범위 내에 있는지 및 상기 입력픽셀과 상기 CW를 비교하여 연산된 색상왜곡값이 기 설정된 색상문턱값 이하 인지를 판단하고, 상기 입력픽셀의 상기 밝기 값이 상기 밝기범위 내이고, 상기 색상왜곡값이 상기 색상문턱값 이하라면 상기 입력픽셀을 배경으로 인식하고, 상기 CW를 실시간으로 갱신하며 그렇지 않은 경우 상기 입력픽셀을 전경물체로 인식하는 CB물체감지 알고리즘을 구비한 물체감지수단;매 프레임마다 상기 물체감지수단에 의해 상기 전경물체로 감지된 입력픽셀들이 외접하는 외접사각형을 인식하고, 인식된 상기 외접사각형 각각에 ID를 부여하여 라벨링하고, 프레임의 이동마다 동일하게 라벨링된 상기 외접사각형의 이동을 추적하여 상기 전경물체 각각의 이동을 추적하는 물체추적알고리즘을 구비한 물체추적수단;상기 외접사각형이 오목한 부분을 갖는 완전하지 않은 사각형을 형성하는 경우 오목한 부분을 채워 최소 사각형으로 형성시키고, 상기 최소사각형이 실제 별도의 전경물체들을 합쳐서 인식된 경우, 상기 최소사각형에서 급격히 변하는 부분을 찾아 가로방향 및 세로방향의 분할선을 나누고 분할된 사각형들 중에 가장 큰 최대사각형을 찾아내 상기 최대사각형을 상기 전경물체로 선택하는 후처리수단;촬영된 상기 입력픽셀 및 실시간으로 갱신되는 상기 CW를 저장하는 데이터베이스;상기 물체감지수단 및 상기 물체추적수단과 연결되어 상기 데이터베이스에 저장된 촬영된 상기 입력픽셀 및 실시간으로 갱신되는 상기 CW를 전송받아, 상기 물체감지수단을 제어하여 상기 물체감지수단에 구비된 상기 CB물체감지 알고리즘에 의해 상기 배경과 상기 전경물체를 구별하여 물체감지신호를 출력하고, 상기 물체추적수단을 제어하여 상기 물체추적수단에 구비된 상기 물체추적알고리즘에 의하여 상기 전경물체를 실시간으로 추적하여 물체추적신호를 출력하는 제어부; 및상기 제어부에서 출력된 상기 물체감지신호 및 상기 물체추적신호를 전송받아 물체 감지 및 추적결과를 영상으로 실시간 디스플레이하는 디스플레이부;를 포함하여 물체를 감지하고, 추적하는 것을 특징으로 하는 CB물체감지 알고리즘을 이용한 물체추적시스템.
- 삭제
- 제 1 항에 있어서,상기 CW는,R,G,B로 이루어진 벡터값, 밝기의 최대값, 밝기의 최소값, 상기 밝기범위 및 상기 색상문턱값 이하에 있는 상기 입력픽셀이 나타난 시간간격,상기 밝기범위 및 상기 색상문턱값 이하에 있는 상기 입력픽셀이 나타나지 않은 가장 긴 시간간격,상기 밝기범위 및 상기 색상문턱값 이하에 있는 상기 입력픽셀이 나타난 처음 시간, 및상기 밝기범위 및 상기 색상문턱값 이하에 있는 상기 입력픽셀이 나타난 마지막 시간에 대한 정보를 가진 것을 특징으로 하는 CB물체감지 알고리즘을 이용한 물체추적시스템.
- 제 3항에 있어서,상기 제어부는,상기 물체감지수단에 구비된 상기 CB물체감지 알고리즘을 통하여,상기 입력픽셀과 상기 CW를 비교하여 색상왜곡값을 구하여 기 설정된 색상문턱값보다 상기 색상왜곡값이 작고, 그리고기존의 저장된 상기 CW로부터 상기 밝기범위를 설정하여 상기 입력픽셀의 밝기가 상기 밝기범위 내인 경우 상기 제어부는 상기 입력픽셀을 배경으로 인식하고, 상기 CW을 갱신하여 계속 상기 데이터베이스에 갱신된 CW를 저장하는 것을 특징으로 하는 CB물체감지 알고리즘을 이용한 물체추적시스템.
- 제 4항에 있어서,상기 제어부는,매 프레임마다 상기 CB물체감지 알고리즘을 통해 배경으로 찾아낸 상기 입력픽셀 중에 상기 밝기범위 및 상기 색상문턱값 이하에 있는 상기 입력픽셀이 나타나지 않은 가장 긴 시간간격 값이 기설정된 시간문턱값보다 작은 것을 실제배경으로 필터링하는 것을 특징으로 하는 CB물체감지 알고리즘을 이용한 물체추적시스템.
- 제 3항에 있어서,상기 CW는,에지정보를 더 포함하며,상기 에지정보는,상기 입력픽셀에서 소벨(Sobel)연산자를 사용하여 가로방향 에지정보값과 세로방향 에지정보값을 갖는 벡터값에 해당하여,상기 제어부가 저장된 상기 CW의 상기 에지정보에 부합되지 않는 상기 입력픽셀은 상기 밝기 값이 상기 밝기범위 이내이고, 상기 색상왜곡값이 상기 색상문턱값 이하라도 배경이 아닌 전경물체로 인식하는 것을 특징으로 하는 CB물체감지 알고리즘을 이용한 물체추적시스템.
- 제 6항에 있어서,상기 제어부는,상기 물체추적수단에 구비된 상기 물체추적 알고리즘을 통하여 상기 전경물체로 인식된 색상정보의 유사성과 에지정보의 유사성 및 칼만필터에 의해 상기 전경물체의 예측된 위치에 의하여 동일한 물체를 인식하여 상기 전경물체를 추적하며,상기 에지정보의 유사성은 상기 소벨 연산자에 의해 구해진 각 프레임의 상기 에지정보값을 비교하여 기 설정된 임계치 이하에 해당하는 경우 동일하다고 판단하는 것을 특징으로 하는 CB물체감지 알고리즘을 이용한 물체추적시스템.
- 삭제
- 삭제
- 제 7 항에 있어서,상기 데이터베이스에는,추적대상이 되는 상기 물체의 형상을 모델링한 형상모델링 데이터가 저장되고,상기 제어부는,상기 형상모델링 데이터를 통해 감지된 상기 전경물체 중 추적대상이 되는 상기 물체 형상에 부합되는 것을 추적하는 것을 특징으로 하는 CB물체감지 알고리즘을 이용한 물체추적시스템.
- 제 10 항에 있어서,추적대상이 되는 상기 물체는 자동차인 것을 특징으로 하는 CB물체감지 알고리즘을 이용한 물체추적시스템.
- 삭제
- 제 7 항에 있어서,상기 물체추적알고리즘에 E.D(Euclidean distance)정보를 구비하여,현재 프레임에서 상기 제어부가 인식한 상기 전경물체 내에 어느 한 지점과 이전 프레임에서 상기 제어부가 인식한 상기 전경물체 내에 어느 한 지점 사이의 거리를 연산하여 기설정된 거리보다 큰 경우 추적대상에서 제외하는 것을 특징으로 하는 CB물체감지 알고리즘을 이용한 물체추적시스템.
- 제 10항에 있어서,상기 제어부는 상기 CB물체감지 알고리즘을 통하여,상기 최소사각형의 중심점의 매 프레임의 이동크기가 기 설정된 이동문턱값이하이고, 그리고칼만필터에서 사용한 속도 정보에 의한 속도 변화량이 기설정된 속도문턱값이하인 경우 상기 전경물체를 정지상태로 인식하는 것을 특징으로 하는 CB물체감지 알고리즘을 이용한 물체추적시스템.
- 제 1항의 물체추적시스템을 사용한 물체추적방법에 있어서,카메라로 매 프레임마다 실시간으로 영상을 촬영하여 영상픽셀을 출력하는 단계;제어부가 물체감지수단이 구비한 CB물체감지 알고리즘을 전송받아 상기 영상픽셀에서 추출된 입력픽셀의 밝기값 및 상기 입력픽셀과 데이터베이스에 저장된 CW들을 비교하여 색상왜곡값을 연산하는 단계;상기 제어부에서 데이터베이스에 저장된 CW들로부터 밝기범위 및 색상왜곡값의 색상문턱값을 설정하고, 상기 입력픽셀의 상기 밝기값이 상기 밝기범위 내이고, 상기 색상왜곡값이 기 설정된 상기 색상문턱값 이하인 경우 상기 입력픽셀을 배경으로 인식하고, 상기 CW값을 갱신하며, 그렇지 않은 경우, 상기 입력픽셀을 전경물체로 인식하고 물체감지신호를 출력하는 단계;상기 제어부가 물체추적수단의 물체추적알고리즘을 전송받아 매 프레임마다 상기 전경물체로 감지된 입력픽셀들이 외접하는 외접사각형을 인식하고,인식된 상기 외접 사각형 각각에 ID를 부여하는 단계;후처리수단은 상기 외접 사각형이 오목한 부분을 구비하는 완전하지 않은 사각형인 경우 상기 오목한 부분을 채워 최소 사각형을 형성시키고,상기 최소사각형이 실제 전경물체들을 합쳐서 인식된 경우, 상기 최소 사각형에서 급격히 변하는 부분을 찾아 가로방향 및 세로방향의 분할선을 나누고 분할된 사각형들 중에 가장 큰 최대사각형을 찾아내 상기 최대사각형을 상기 전경물체로 선택하는 단계;상기 제어부가 상기 물체추적수단의 물체추적알고리즘을 전송받아 상기 프레임의 이동마다 동일한 상기 전경물체 각각의 이동을 추적하여 물체추적신호를 출력하는 단계; 및디스플레이부에서 상기 제어부에서 출력된 상기 물체감지신호 및 상기 물체추적신호를 전송받아 물체 감지 및 추적결과를 실시간으로 디스플레이하는 단계;를 포함하는 것을 특징으로 하는 CB물체감지 알고리즘을 이용한 물체추적시스템을 사용한 물체추적방법.
- 제 15항에 있어서,상기 CW는,R,G,B로 이루어진 벡터값, 밝기의 최대값, 밝기의 최소값, 상기 밝기범위 및 상기 색상문턱값 이하에 있는 상기 입력픽셀이 나타난 시간간격,상기 밝기범위 및 상기 색상문턱값 이하에 있는 상기 입력픽셀이 나타나지 않은 가장 긴 시간간격,상기 밝기범위 및 상기 색상문턱값 이하에 있는 상기 입력픽셀이 나타난 처음 시간, 및상기 밝기범위 및 상기 색상문턱값 이하에 있는 상기 입력픽셀이 나타난 마지막 시간에 대한 정보들을 포함하는 것을 특징으로 하는 CB물체감지 알고리즘을 이용한 물체추적시스템을 사용한 물체추적방법.
- 제 16항에 있어서,상기 물체감지신호 출력단계는,상기 제어부가 상기 밝기범위 및 상기 색상문턱값 이하에 있는 상기 입력픽셀이 나타나지 않은 가장 긴 시간간격 값이 기설정된 시간문턱값보다 작은 것을 실제배경으로 필터링하여 필터링된 물체감지신호를 출력하는 단계인 것을 특징으로 하는 CB물체감지 알고리즘을 이용한 물체추적시스템을 사용한 물체추적방법.
- 제 16항에 있어서,상기 CW는 에지정보를 더 포함하며,상기 에지정보는,상기 입력픽셀에서 소벨연산자를 사용하여 가로방향 에지정보값과 세로방향 에지정보값을 갖는 벡터값에 해당하여,상기 제어부가 저장된 상기 CW의 상기 에지정보와 다른 상기 입력픽셀은 상기 밝기범위 및 상기 색상문턱값 이하라도 배경이 아닌 전경물체로 인식하는 것을 특징으로 하는 CB물체감지 알고리즘을 이용한 물체추적시스템을 사용한 물체추적방법.
- 삭제
- 제 15항에 있어서,상기 물체추적신호 출력단계에서,상기 제어부는 상기 CB물체감지 알고리즘을 통하여,상기 최소사각형의 중심점의 매 프레임의 이동크기가 기 설정된 이동문턱값이하이고, 그리고칼만필터에서 사용한 속도 정보에 의한 속도 변화량이 기 설정된 속도문턱값 이하인 경우 상기 전경물체를 정지물체로 감지하고,상기 데이터베이스에는 감지 목적이 있는 물체의 형상를 모델링한 형상모델링정보가 저장되어 있고,상기 제어부가,상기 형상모델링정보를 통해 감지된 상기 전경물체 중 상기 감지 목적이 있는 물체의 형상에 부합하는 것을 추적하는 것을 특징으로 하는 CB물체감지 알고리즘을 이용한 물체추적시스템을 사용한 물체추적방법.
- 제 20항에 있어서,상기 감지 목적이 있는 물체는 자동차인 것을 특징으로 하는 CB물체감지 알고리즘을 이용한 물체추적시스템을 사용한 물체추적방법.
- 제 15항에 있어서,상기 물체추적신호 출력단계에서,상기 물체추적알고리즘은 E.D(Euclidean distance)정보를 구비하여,상기 제어부가 현재 프레임에서 인식한 상기 전경물체 내에 어느 한 지점과 이전 프레임에서 인식한 상기 전경물체 내에 어느 한 지점 사이의 거리를 연산하여 기설정된 거리보다 큰 경우 추적대상에서 제외하는 것을 특징으로 하는 CB물체감지 알고리즘을 이용한 물체추적시스템을 사용한 물체추적방법.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020080135640A KR100920918B1 (ko) | 2008-12-29 | 2008-12-29 | Cb물체감지 알고리즘을 이용한 물체추적시스템 및 그 시스템을 사용한 물체추적방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020080135640A KR100920918B1 (ko) | 2008-12-29 | 2008-12-29 | Cb물체감지 알고리즘을 이용한 물체추적시스템 및 그 시스템을 사용한 물체추적방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR100920918B1 true KR100920918B1 (ko) | 2009-10-12 |
Family
ID=41572156
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020080135640A KR100920918B1 (ko) | 2008-12-29 | 2008-12-29 | Cb물체감지 알고리즘을 이용한 물체추적시스템 및 그 시스템을 사용한 물체추적방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR100920918B1 (ko) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100942409B1 (ko) | 2009-10-08 | 2010-02-17 | (주)나인정보시스템 | 고속 이동 차량 검지 방법 |
CN103020990A (zh) * | 2012-12-06 | 2013-04-03 | 华中科技大学 | 一种基于gpu的运动目标检测方法 |
KR101256873B1 (ko) | 2011-11-18 | 2013-04-22 | 광주과학기술원 | 객체 추적 방법, 객체 추적 장치 및 이를 이용한 교통 감시 시스템 |
KR101294498B1 (ko) * | 2011-11-29 | 2013-08-07 | 동의대학교 산학협력단 | 터널 유고 시스템의 객체 인식방법 |
CN103578119A (zh) * | 2013-10-31 | 2014-02-12 | 苏州大学 | 基于超像素的Codebook动态场景中目标检测方法 |
CN107944499A (zh) * | 2017-12-10 | 2018-04-20 | 上海童慧科技股份有限公司 | 一种针对前景背景同时建模的背景检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07311848A (ja) * | 1993-12-10 | 1995-11-28 | Ricoh Co Ltd | カラー画像認識方法および対象物抽出方法 |
JPH09265530A (ja) * | 1996-03-29 | 1997-10-07 | Ricoh Co Ltd | 辞書作成方法およびカラー画像認識方法 |
KR20030005908A (ko) * | 2001-07-10 | 2003-01-23 | 주식회사 오픈비주얼 | 영상의 객체 특징 추출과 이를 이용한 내용 기반 영상검색 장치 및 방법 |
KR20050077863A (ko) * | 2004-01-28 | 2005-08-04 | 삼성전자주식회사 | 객체 추적 방법 및 장치 |
-
2008
- 2008-12-29 KR KR1020080135640A patent/KR100920918B1/ko active IP Right Grant
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07311848A (ja) * | 1993-12-10 | 1995-11-28 | Ricoh Co Ltd | カラー画像認識方法および対象物抽出方法 |
JPH09265530A (ja) * | 1996-03-29 | 1997-10-07 | Ricoh Co Ltd | 辞書作成方法およびカラー画像認識方法 |
KR20030005908A (ko) * | 2001-07-10 | 2003-01-23 | 주식회사 오픈비주얼 | 영상의 객체 특징 추출과 이를 이용한 내용 기반 영상검색 장치 및 방법 |
KR20050077863A (ko) * | 2004-01-28 | 2005-08-04 | 삼성전자주식회사 | 객체 추적 방법 및 장치 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100942409B1 (ko) | 2009-10-08 | 2010-02-17 | (주)나인정보시스템 | 고속 이동 차량 검지 방법 |
KR101256873B1 (ko) | 2011-11-18 | 2013-04-22 | 광주과학기술원 | 객체 추적 방법, 객체 추적 장치 및 이를 이용한 교통 감시 시스템 |
KR101294498B1 (ko) * | 2011-11-29 | 2013-08-07 | 동의대학교 산학협력단 | 터널 유고 시스템의 객체 인식방법 |
CN103020990A (zh) * | 2012-12-06 | 2013-04-03 | 华中科技大学 | 一种基于gpu的运动目标检测方法 |
CN103020990B (zh) * | 2012-12-06 | 2015-09-09 | 华中科技大学 | 一种基于gpu的运动目标检测方法 |
CN103578119A (zh) * | 2013-10-31 | 2014-02-12 | 苏州大学 | 基于超像素的Codebook动态场景中目标检测方法 |
CN103578119B (zh) * | 2013-10-31 | 2017-02-15 | 苏州大学 | 基于超像素的Codebook动态场景中目标检测方法 |
CN107944499A (zh) * | 2017-12-10 | 2018-04-20 | 上海童慧科技股份有限公司 | 一种针对前景背景同时建模的背景检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | Lane-mark extraction for automobiles under complex conditions | |
US9939909B2 (en) | Gesture manipulation device and method, program, and recording medium | |
US9934442B2 (en) | Passenger counting device, passenger counting method, and program recording medium | |
JP4772115B2 (ja) | 夜間に道路を検出する方法及びシステム | |
US9818301B2 (en) | Lane correction system, lane correction apparatus and method of correcting lane | |
KR100920918B1 (ko) | Cb물체감지 알고리즘을 이용한 물체추적시스템 및 그 시스템을 사용한 물체추적방법 | |
US7231288B2 (en) | System to determine distance to a lead vehicle | |
CN101029823B (zh) | 基于车辆状态分类的车辆跟踪方法和装置 | |
US7190811B2 (en) | Adaptive tracking for gesture interfaces | |
CN101633356B (zh) | 检测行人的***及方法 | |
US8948455B2 (en) | Travel path estimation apparatus and program | |
US8934669B2 (en) | Self-adaptive image-based obstacle detection method | |
US20180114089A1 (en) | Attachable matter detection apparatus and attachable matter detection method | |
JP4373840B2 (ja) | 動物体追跡方法、動物体追跡プログラムおよびその記録媒体、ならびに、動物体追跡装置 | |
JP2000011133A (ja) | 移動物体検出装置及びその方法 | |
CN107748882B (zh) | 一种车道线检测方法及装置 | |
US20230394829A1 (en) | Methods, systems, and computer-readable storage mediums for detecting a state of a signal light | |
CN111079613A (zh) | 姿势识别方法和装置、电子设备及存储介质 | |
KR101026778B1 (ko) | 차량 영상 검지 장치 | |
Špoljar et al. | Lane detection and lane departure warning using front view camera in vehicle | |
KR101146417B1 (ko) | 무인 감시 로봇에서 중요 얼굴 추적 장치 및 방법 | |
US11530993B2 (en) | Deposit detection device and deposit detection method | |
US20210090260A1 (en) | Deposit detection device and deposit detection method | |
Rathnayake et al. | Lane detection and prediction under hazy situations for autonomous vehicle navigation | |
VÁPENíK et al. | Object tracking in multicamera systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
A302 | Request for accelerated examination | ||
E902 | Notification of reason for refusal | ||
AMND | Amendment | ||
E601 | Decision to refuse application | ||
J201 | Request for trial against refusal decision | ||
AMND | Amendment | ||
B701 | Decision to grant | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20120907 Year of fee payment: 4 |
|
FPAY | Annual fee payment |
Payment date: 20130917 Year of fee payment: 5 |
|
FPAY | Annual fee payment |
Payment date: 20140930 Year of fee payment: 6 |
|
FPAY | Annual fee payment |
Payment date: 20150820 Year of fee payment: 7 |
|
FPAY | Annual fee payment |
Payment date: 20160928 Year of fee payment: 8 |
|
FPAY | Annual fee payment |
Payment date: 20170920 Year of fee payment: 9 |
|
FPAY | Annual fee payment |
Payment date: 20180921 Year of fee payment: 10 |