KR102196838B1 - 대상 객체의 오염도 및 파손도 인식 장치 - Google Patents
대상 객체의 오염도 및 파손도 인식 장치 Download PDFInfo
- Publication number
- KR102196838B1 KR102196838B1 KR1020190131955A KR20190131955A KR102196838B1 KR 102196838 B1 KR102196838 B1 KR 102196838B1 KR 1020190131955 A KR1020190131955 A KR 1020190131955A KR 20190131955 A KR20190131955 A KR 20190131955A KR 102196838 B1 KR102196838 B1 KR 102196838B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- target object
- object image
- damage
- level
- Prior art date
Links
- 238000010191 image analysis Methods 0.000 claims abstract description 20
- 238000013528 artificial neural network Methods 0.000 claims abstract description 13
- 238000011109 contamination Methods 0.000 claims description 22
- 239000000284 extract Substances 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 abstract 1
- 238000000034 method Methods 0.000 description 15
- 230000011218 segmentation Effects 0.000 description 5
- 210000002569 neuron Anatomy 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000001678 irradiating effect Effects 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005549 size reduction Methods 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
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
본 발명은 대상 객체의 오염도 및 파손도 인식 장치에 관한 것으로서, 특정 장소에 설치되어 대상 객체에 대해 전방위 촬영하여 대상 객체 영상을 취득할 수 있는 복수 카메라(110)와; 상기 복수 카메라(110)에서 취득된 대상 객체 영상을 전처리하는 컴퓨터 비전 장치(120)와; 상기 컴퓨터 비전 장치(120)에서 전처리된 대상 객체 영상을 인공 신경망에 대입하여 대상 객체 영상에 대한 결과물 영상을 추출하는 영상 분석 모듈(130)과; 상기 컴퓨터 비전 장치(120)에서 전처리된 대상 객체 영상과 상기 영상 분석 모듈(130)에서 추출된 대상 객체 영상에 대한 결과물 영상을 상호 비교 분석하여 대상 객체 영상과 결과물 영상 간의 오차(error)에 따라 대상 객체의 오염도 및 파손도를 판정하는 판정 모듈(140)을 포함하는 것을 특징으로 한다. 본 발명에 따르면, 복수 카메라에서 촬영된 대상 객체 영상으로부터 객체를 인식하고 분석하여 대상 객체의 오염도 및 파손도를 판정함으로써 차량이나 물류 박스, 생산 제품 등과 같이 오염도나 파손도 관리가 필요한 주차 관리 시스템이나 물류 시스템, 제품 생산 시설 등에 적용할 수 있다.
Description
본 발명은 대상 객체의 오염도 및 파손도 인식 장치에 관한 것으로서, 특히 복수 카메라에서 촬영된 대상 객체 영상으로부터 객체를 인식하고 분석하여 대상 객체의 오염도 및 파손도를 판정하는 대상 객체의 오염도 및 파손도 인식 장치에 관한 것이다.
근래, 주차 관리 시스템, 물류 시스템, 산업 자동화, 3차원 의료 영상 분석 및 장소 인식 등의 다양한 영역에서 3차원 객체 인식을 위한 연구가 활발히 진행되고 있다. 이러한 연구는 크게 복다수의 카메라를 통해 취득한 영상을 이용하는 방법, 3차원 레이저 스캐너 등의 특수한 장비를 사용하는 방법 및 단일 영상을 통한 인식 방법 등으로 분류할 수 있다.
객체 인식 기술은 영상에서 획득한 데이터를 기초로 영상에서 객체와 관련된 정보를 추출한다. 예를 들어, 객체 인식 기술은 영상에 포함된 객체가 무엇인지, 객체가 어느 위치에 있는지, 또는 객체가 어느 방향을 향하고 있는지 등의 정보를 추출할 수 있다.
종래 관련 분야 특허 기술로서, 자차의 위치 정보를 획득하는 단계; 상기 자차의 위치 정보에 기초하여 객체를 검출하기 위한 검출 로직을 활성화시키는 단계; 카메라에 의해 촬영된 영상에서 상기 객체를 검출하기 위한 관심 영역을 결정하는 단계; 상기 결정된 관심 영역 상에서 검출기를 이용하여 상기 객체를 검출하는 단계 및 미리 학습된 인식기를 통해 상기 검출된 객체가 참-양성(true positive) 및 거짓-양성(false positive) 중 어느 것인지 여부를 판단하여 인식 결과를 생성하는 단계를 포함하는 객체 인식 방법이 제안되어 있다(특허문헌 1 참조).
또한, 피사체 움직임을 감지하는 감지부; 피사체를 중심으로 카메라에 대칭하게 놓이고 피사체로 적외선을 출력하는 적외선 출력부; 피사체 움직임에 따라 피사체와 카메라 각도를 고려하고 적외선 출력부를 제어하여 피사체로 적외선 각도를 조절해서 적외선을 조사하는 적외선 조사 각도 조절부; 피사체 움직임에 따라 피사체와 카메라 각도를 고려하고 적외선 출력부를 제어하여 피사체로 적외선 조사 시간을 조절해서 적외선을 조사하는 적외선 조사 시간 조절부; 피사체를 촬영하는 피사체 카메라; 및 피사체 카메라로 촬영된 영상을 분석하여 적외선 조사 각도 조절부, 적외선 조사 시간 조절부 및 피사체 카메라 각도를 제어하는 제어부를 포함하는 딥러닝을 이용한 객체 인식 카메라 모듈 및 이를 포함한 객체 인식 시스템이 제안되어 있다(특허문헌 2 참조).
본 발명은 복수 카메라에서 촬영된 대상 객체 영상으로부터 객체를 인식하고 대상 객체 영상과 대상 객체 영상을 인공 신경망에 대입하여 추출된 대상 객체 영상에 대한 결과물 영상을 상호 비교 분석한 후에 대상 객체의 오염도 및 파손도를 판정할 수 있는 대상 객체의 오염도 및 파손도 인식 장치를 제공하는데 그 목적이 있다.
상기와 같은 목적을 달성하기 위하여 본 발명에 따른 대상 객체의 오염도 및 파손도 인식 장치는, 대상 객체에 대한 오염도 및 파손도를 인식하는 장치로서, 특정 장소에 설치되어 대상 객체에 대해 전방위 촬영하여 대상 객체 영상을 취득할 수 있는 복수 카메라(110)와; 상기 복수 카메라(110)에서 취득된 대상 객체 영상을 축소시켜 일정 크기로 전처리하는 컴퓨터 비전 장치(120)와; 상기 컴퓨터 비전 장치(120)에서 전처리된 대상 객체 영상을 인공 신경망에 대입하여 대상 객체 영상에 대한 근사영상을 추출하는 영상 분석 모듈(130)과; 상기 컴퓨터 비전 장치(120)에서 전처리된 대상 객체 영상과, 상기 영상 분석 모듈(130)에서 추출된 근사영상을 상호 비교 분석하여 대상 객체 영상과 근사영상 간의 특정 위치에 대한 오차(error)인 픽셀간 차이에 따라 대상 객체의 오염도 및 파손도를 판정하는 판정 모듈(140);을 포함하되, 상기 영상 분석 모듈(130)은 오염 또는 파손이 없는 대상객체와 동일한 영상인 원본영상을 학습한 오토인코더(Autoencoder)를 적용하여, 대상 객체 영상을 인코더에 의해 인코딩하여 특성(feature)을 추출하고 추출된 특성들을 압축 처리한 후, 디코더에 의한 디코딩을 통해 상기 원본영상의 근사치인 근사영상을 추출하는 것을 특징으로 한다.
삭제
삭제
삭제
삭제
본 발명에 따르면, 복수 카메라에서 촬영된 대상 객체 영상으로부터 객체를 인식하고 분석하여 대상 객체의 오염도 및 파손도를 판정함으로써 차량이나 물류 박스, 생산 제품 등과 같이 오염도나 파손도 관리가 필요한 주차 관리 시스템이나 물류 시스템, 제품 생산 시설 등에 다양하게 적용할 수 있다.
도 1은 본 발명에 따른 대상 객체의 오염도 및 파손도 인식 장치의 개념도.
도 2 내지 5는 본 발명에 따른 세그먼테이션의 개념도.
도 6은 본 발명에 따른 오토인코더의 개념도.
도 7은 본 발명에 따른 대상 객체의 오염도 및 파손도 인식 장치의 흐름도.
도 2 내지 5는 본 발명에 따른 세그먼테이션의 개념도.
도 6은 본 발명에 따른 오토인코더의 개념도.
도 7은 본 발명에 따른 대상 객체의 오염도 및 파손도 인식 장치의 흐름도.
이하, 본 발명의 바람직한 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
본 발명에 따른 대상 객체의 오염도 및 파손도 인식 장치은, 복수 카메라에서 촬영된 대상 객체 영상으로부터 객체를 인식하고 대상 객체 영상과 대상 객체 영상을 인공 신경망에 대입하여 추출된 대상 객체 영상에 대한 결과물 영상을 상호 비교 분석하여 대상 객체의 오염도 및 파손도를 판정하는 것을 그 기술적 특징으로 한다.
도 1에 도시한 바와 같이, 본 발명에 따른 대상 객체의 오염도 및 파손도 인식 장치는, 크게 복수 카메라(110), 컴퓨터 비전 장치(120), 영상 분석 모듈(130) 및 판정 모듈(140)을 포함하여 이루어진다.
상기 복수 카메라(110)는 IP 카메라 등을 예로 들 수 있는데, 특정 장소에 3~5개 정도 설치되어 오염도나 파손도를 인식할 필요성이 있는 차량이나 물류 박스, 생산 제품 등의 대상 객체에 대해 전방위 촬영하여 대상 객체 영상을 취득한다. 즉, 대상 객체의 전후방이나 양측방, 상방 등에서 대상 객체를 촬영하여 대상 객체 영상을 취득하는 것이다.
상기 컴퓨터 비전 장치(120)는 상기 복수 카메라(110)에서 취득된 대상 객체 영상을 크기 축소 등의 방법으로 전처리한다. 즉, 영상을 효율적으로 처리하기 위해 취득된 각각의 개별 대상 객체 영상 프레임에 접근한 후 영상을 소정 크기로 축소하여 전처리하는 것이다.
상기 영상 분석 모듈(130)은 상기 컴퓨터 비전 장치(120)에서 전처리된 대상 객체 영상을 인공 신경망(artificial neural network)에 대입하여 대상 객체 영상에 대한 결과물 영상, 즉 세그먼테이션 영상을 추출한다.
참고적으로, 상기 인공 신경망은 사람 또는 동물 두뇌의 신경망에 착안하여 구현된 머신러닝 기법으로서, 기계 학습(machine learning)의 세부 방법론 중 하나로, 신경 세포인 뉴런(neuron)이 여러 개 연결된 망의 형태이다. 구조 및 기능에 따라 여러 종류로 구분되며, 가장 일반적인 인공 신경망은 한 개의 입력층과 출력층 사이에 다수의 은닉층(hidden layer)이 있는 다층 퍼셉트론(multilayer perceptron)이다.
한편, 구체적으로, 상기 영상 분석 모듈(130)은, 제1 방법으로서, 도 2 내지 5에 도시한 바와 같이, 대상 객체 영상 분석을 통해 대상 객체로 인식하여 분류하고 분류된 대상 객체의 특정 위치를 인식한 후, 세그먼테이션을 통해 대상 객체를 픽셀 단위로 분류하여 대상 객체 영상에 대한 결과물 영상, 즉 세그먼테이션 영상을 추출할 수 있다.
또는, 상기 영상 분석 모듈(130)은, 제2 방법으로서, 도 6에 도시한 바와 같이, 원본영상(오염, 파손 등 흠이 없는 대상객체와 동일한 영상)을 학습한 오토인코더(Autoencoder)를 적용하여, 대상 객체 영상을 인코더에 의해 인코딩하여 특성(feature)을 추출하고 추출된 특성들을 압축 처리한 후, 디코더에 의한 디코딩을 통해 대상 객체 영상의 근사 결과물 영상, 즉 근사영상을 추출할 수 있다. 인코딩은 대상 객체 영상에서 특성을 추출하는 과정이고, 디코딩은 상기 원본영상의 근사치를 만들어내는 과정이다.
참고적으로, 상기 오토인코더는 기계 학습 방법의 일종으로, 비지도 학습(Unsupervised learning)에 속한다. 신경망 알고리즘(Neural network)을 이용하여 어떤 입력이 신경망을 거쳐 나온 출력값이 그 입력값과 최대한 비슷해지도록 하는 것을 목표로 학습한다. 이때 입력값의 차원보다 신경망 뉴런의 개수가 크거나 같을 경우 학습의 의미가 없어진다. 입력값을 그대로 받아서 내보내면 그만이기 때문. 즉 의미를 가지기 위해서는 뉴런의 개수가 입력값의 차원보다 작아야 한다. 이 학습의 결과 더 적은 수의 값들을 가지고 원래 값을 복원할 수 있는 압축의 효과를 얻을 수 있다.
상기 판정 모듈(140)은 상기 컴퓨터 비전 장치(120)에서 전처리된 대상 객체 영상과 상기 영상 분석 모듈(130)에서 추출된 대상 객체 영상에 대한 결과물 영상인 근사영상을 상호 비교 분석하여 대상 객체 영상과, 근사영상 간의 오차(error)에 따라 대상 객체의 오염도 및 파손도를 판정한다. 즉, 대상 객체 영상과 대상 객체 영상에 대한 결과물 영상인 근사영상을 상호 비교하여 근사영상의 오차(error)가 임계치를 초과하면 대상 객체가 오염되었거나 파손되었다고 판정하는 것이다.
부연 설명하자면, 오차는, 원본영상의 이미지와 근사영상 간의 픽셀 간 차이를 이용하여 만들어지는데, 대표적인 오차 측정 방법으로는 l1 norm, l2 norm 방식이 있고, 이 외에도 여러 가지 방식
이 가능하다(x는 원 이미지, x'는 결과물 이미지, 왼쪽 수식이 l1 norm, 오른쪽 수식이 l2 norm).
삭제
한편, 도 7에 도시한 바와 같이, 본 발명에 따른 대상 객체에 대한 오염도 및 파손도를 인식하는 방법은, 먼저 특정 장소에 설치된 복수 카메라가 오염도나 파손도를 인식할 필요성이 있는 차량이나 물류 박스, 생산 제품 등의 대상 객체에 대해 전방위 촬영하여 대상 객체 영상을 취득한다(S110).
삭제
그 다음에, 컴퓨터 비전 장치는 상기 복수 카메라에서 취득된 각각의 개별 대상 객체 영상 프레임에 접근한 후 영상 크기를 축소하여 대상 객체 영상을 전처리한다(S120).
그 다음에, 영상 분석 모듈은 상기 컴퓨터 비전 장치에서 전처리된 대상 객체 영상을 인공 신경망에 대입하여 대상 객체 영상에 대한 결과물 영상을 추출한다(S130).
이때, 상기 영상 분석 모듈은 대상 객체 영상 분석을 통해 대상 객체로 인식하여 분류하고 분류된 대상 객체의 특정 위치를 인식한 후, 세그먼테이션을 통해 대상 객체를 픽셀 단위로 분류하여 대상 객체 영상에 대한 결과물 영상을 추출할 수 있다. 또는, 상기 영상 분석 모듈은 오토인코더를 적용하여, 대상 객체 영상을 인코더에 의해 인코딩하여 특성(feature)을 추출하고 추출된 특성들을 압축 처리한 후, 디코더에 의한 디코딩을 통해 대상 객체 영상의 근사 결과물 영상에 대한 결과물 영상을 추출할 수 있다.
마지막으로, 판정 모듈은 상기 컴퓨터 비전 장치에서 전처리된 대상 객체 영상과 상기 영상 분석 모듈에서 추출된 대상 객체 영상에 대한 결과물 영상을 상호 비교 분석하여 대상 객체 영상과 결과물 영상 간의 오차(error)에 따라 대상 객체의 오염도 및 파손도를 판정한다(S140).
본 발명에 따른 대상 객체의 오염도 및 파손도 인식 장치를 주차 관리 시스템에 적용하면 차량의 오염도나 파손도에 따라 운전자에게 세차장이나 정비 업체 정보를 제공할 수 있다.
한편, 본 발명에 따른 대상 객체의 오염도 및 파손도 인식 장치를 한정된 실시예에 따라 설명하였지만, 본 발명의 범위는 특정 실시예에 한정되는 것은 아니며, 본 발명과 관련하여 통상의 지식을 가진자에게 자명한 범위내에서 여러 가지의 대안, 수정 및 변경하여 실시할 수 있다.
따라서, 본 발명에 개시된 실시예 및 첨부된 도면들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예 및 첨부된 도면에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
110 : 카메라
120 : 컴퓨터 비전 장치
130 : 영상 분석 모듈
140 : 판정 모듈
120 : 컴퓨터 비전 장치
130 : 영상 분석 모듈
140 : 판정 모듈
Claims (5)
- 삭제
- 삭제
- 삭제
- 대상 객체에 대한 오염도 및 파손도를 인식하는 장치로서,
특정 장소에 설치되어 대상 객체에 대해 전방위 촬영하여 대상 객체 영상을 취득할 수 있는 복수 카메라(110)와;
상기 복수 카메라(110)에서 취득된 대상 객체 영상을 축소시켜 일정 크기로 전처리하는 컴퓨터 비전 장치(120)와;
상기 컴퓨터 비전 장치(120)에서 전처리된 대상 객체 영상을 인공 신경망에 대입하여 대상 객체 영상에 대한 근사영상을 추출하는 영상 분석 모듈(130)과;
상기 컴퓨터 비전 장치(120)에서 전처리된 대상 객체 영상과, 상기 영상 분석 모듈(130)에서 추출된 근사영상을 상호 비교 분석하여 대상 객체 영상과 근사영상 간의 특정 위치에 대한 오차(error)인 픽셀간 차이에 따라 대상 객체의 오염도 및 파손도를 판정하는 판정 모듈(140);을 포함하되,
상기 영상 분석 모듈(130)은 오염 또는 파손이 없는 대상객체와 동일한 영상인 원본영상을 학습한 오토인코더(Autoencoder)를 적용하여, 대상 객체 영상을 인코더에 의해 인코딩하여 특성(feature)을 추출하고 추출된 특성들을 압축 처리한 후, 디코더에 의한 디코딩을 통해 상기 원본영상의 근사치인 근사영상을 추출하는 것을 특징으로 하는 대상 객체의 오염도 및 파손도 인식 장치. - 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190131955A KR102196838B1 (ko) | 2019-10-23 | 2019-10-23 | 대상 객체의 오염도 및 파손도 인식 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190131955A KR102196838B1 (ko) | 2019-10-23 | 2019-10-23 | 대상 객체의 오염도 및 파손도 인식 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102196838B1 true KR102196838B1 (ko) | 2020-12-30 |
Family
ID=74088672
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190131955A KR102196838B1 (ko) | 2019-10-23 | 2019-10-23 | 대상 객체의 오염도 및 파손도 인식 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102196838B1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220147363A (ko) | 2021-04-27 | 2022-11-03 | 주식회사 케이티 | 감시 대상 공간을 모니터링하는 이상 감지 서버 |
| KR102620778B1 (ko) * | 2023-08-31 | 2024-01-09 | 컨시 주식회사 | 주류결제 중계시스템 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101504345B1 (ko) * | 2015-01-29 | 2015-03-20 | 서울대학교산학협력단 | 타이어 손상 인식 방법 및 그 장치 |
| KR20150087562A (ko) * | 2014-01-22 | 2015-07-30 | 이진호 | 석면관리 평가 시스템과 그 방법 및 이를 실행하기 위한 프로그램이 기록된 컴퓨터 판독 가능한 기록매체 |
| JP2018005773A (ja) * | 2016-07-07 | 2018-01-11 | 株式会社リコー | 異常判定装置及び異常判定方法 |
| KR20180067199A (ko) | 2016-12-12 | 2018-06-20 | 현대모비스 주식회사 | 객체 인식 장치 및 방법 |
| KR101968101B1 (ko) | 2018-07-12 | 2019-04-11 | 천재두 | 딥러닝을 이용한 객체 인식 카메라 모듈 및 이를 포함한 객체 인식 시스템 |
-
2019
- 2019-10-23 KR KR1020190131955A patent/KR102196838B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150087562A (ko) * | 2014-01-22 | 2015-07-30 | 이진호 | 석면관리 평가 시스템과 그 방법 및 이를 실행하기 위한 프로그램이 기록된 컴퓨터 판독 가능한 기록매체 |
| KR101504345B1 (ko) * | 2015-01-29 | 2015-03-20 | 서울대학교산학협력단 | 타이어 손상 인식 방법 및 그 장치 |
| JP2018005773A (ja) * | 2016-07-07 | 2018-01-11 | 株式会社リコー | 異常判定装置及び異常判定方法 |
| KR20180067199A (ko) | 2016-12-12 | 2018-06-20 | 현대모비스 주식회사 | 객체 인식 장치 및 방법 |
| KR101968101B1 (ko) | 2018-07-12 | 2019-04-11 | 천재두 | 딥러닝을 이용한 객체 인식 카메라 모듈 및 이를 포함한 객체 인식 시스템 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220147363A (ko) | 2021-04-27 | 2022-11-03 | 주식회사 케이티 | 감시 대상 공간을 모니터링하는 이상 감지 서버 |
| KR102620778B1 (ko) * | 2023-08-31 | 2024-01-09 | 컨시 주식회사 | 주류결제 중계시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Anand et al. | Crack-pot: Autonomous road crack and pothole detection | |
| US10783379B2 (en) | Method for new package detection | |
| CN109657581B (zh) | 基于双目相机行为检测的城市轨道交通闸机通行控制方法 | |
| Anagnostopoulos et al. | A license plate-recognition algorithm for intelligent transportation system applications | |
| CN104036323B (zh) | 一种基于卷积神经网络的车辆检测方法 | |
| CN112381075B (zh) | 一种机房特定场景下进行人脸识别的方法及*** | |
| KR20140081254A (ko) | 사람 검출 장치 및 방법 | |
| IL281302B1 (en) | Method and device for classifying objects | |
| KR102196838B1 (ko) | 대상 객체의 오염도 및 파손도 인식 장치 | |
| KR102132407B1 (ko) | 점진적 딥러닝 학습을 이용한 적응적 영상 인식 기반 감성 추정 방법 및 장치 | |
| KR102383377B1 (ko) | 차량용 번호판을 인식하기 위한 전자 장치 | |
| KR101243294B1 (ko) | 이동 객체 추출 및 추적 방법 및 장치 | |
| Choi et al. | Real-time power line detection network using visible light and infrared images | |
| CN118015435B (zh) | 基于移动计算平台的实时人脸抓拍方法及*** | |
| Wang et al. | Intrusion detection for high-speed railways based on unsupervised anomaly detection models | |
| KR102085070B1 (ko) | 딥러닝 기반 영상 정합 장치 및 방법 | |
| CN115147450B (zh) | 基于运动帧差图像的移动目标检测方法及检测装置 | |
| KR101240617B1 (ko) | 인식 알고리즘이 이중화된 차량번호 인식 시스템 및 방법 | |
| Hui et al. | Source camera identification with multi-scale feature fusion network | |
| US20220392225A1 (en) | Concept for Detecting an Anomaly in Input Data | |
| CN114783054B (zh) | 一种基于无线和视频特征融合的步态识别方法 | |
| M Salman et al. | Smart door for handicapped people via face recognition and voice command technique | |
| Preetha | A fuzzy rule-based abandoned object detection using image fusion for intelligent video surveillance systems | |
| Kim et al. | Effective Denoising Architecture for Handling Multiple Noises. | |
| Zhao et al. | Research on vehicle detection and vehicle type recognition under cloud computer vision |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| AMND | Amendment | ||
| X091 | Application refused [patent] | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| GRNT | Written decision to grant |