KR20110044392A - 영상 처리 장치 및 방법 - Google Patents
영상 처리 장치 및 방법 Download PDFInfo
- Publication number
- KR20110044392A KR20110044392A KR1020090101029A KR20090101029A KR20110044392A KR 20110044392 A KR20110044392 A KR 20110044392A KR 1020090101029 A KR1020090101029 A KR 1020090101029A KR 20090101029 A KR20090101029 A KR 20090101029A KR 20110044392 A KR20110044392 A KR 20110044392A
- Authority
- KR
- South Korea
- Prior art keywords
- type
- pixel
- region
- pixels
- probability distribution
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/04—Texture mapping
-
- 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
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/20—Indexing scheme for editing of 3D models
- G06T2219/2012—Colour editing, changing, or manipulating; Use of colour codes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
Abstract
영상 처리 장치가 제공된다. 영상 처리 장치의 실루엣 추출부는, 칼라 영상으로부터 타킷 오브젝트에 대응하는 실루엣 영역을 추출한다. 그리고, 관심 영역 추출부는 상기 실루엣 영역 중 영상 처리의 대상이 되는 일부 영역을 선택한다. 이 경우, 관심 영역 분리부가 상기 추출된 관심 영역을 복수 개의 소 영역으로 분리할 수 있다.
3D 모델링, 아바타, 가상세계, 3D modeling, Avatar, Virtual world
Description
사용자의 인체(human body)와 같은 타킷 오브젝트에 대한 3D 모델에 있어서, 상기 3D 모델을 분할(segmentation) 하는 영상 처리에 연관되며, 보다 특정하게는 3D 모델의 텍스처 정보를 변경하는 영상 처리에 연관된다.
최근 영상 처리 기술의 발달에 따라, 사용자의 인체와 같은 타킷 오브젝트를 3D 모델링 하는 분야의 관심도 커지고 있다. 인체를 3D 모델링 하는 경우, 가상 현실(virtual reality), 영화 또는 비디오 게임에서의 컴퓨터 그래픽(computer graphic. CG) 등에 활용될 수 있다.
3D 모델은 오브젝트의 기하(geometry) 정보 및 텍스처(texture) 정보를 포함한다. 여기서, 기하 정보는 포인트 기반 또는 선으로 이루어진 복수 개의 메쉬(Mesh)(또는 폴리곤(Polygon)이라고도 함)에 의해 표현된다. 그리고 텍스처 정보는 각각의 폴리곤에 대응되는 텍스처(texture) 정보, 이를테면 칼라 값으로 표현된다.
한편 3D 모델은 아티스트가 기하 정보 및 텍스처 정보가 디자인함으로써 생성될 수 있다. 그리고, 가상 현실, 영화, 비디오 게임 등의 다양한 산업 분야에 서는, 타킷 오브젝트, 이를테면 인체를 직접 스캔하여 3D 모델을 생성하는 기술도 연구되었다.
또한 인체를 촬영한 칼라 영상과 깊이 영상을 이용한 영상 처리를 통하여 3D 모델을 생성하기도 한다.
그런데, 아티스트가 직접 디자인하여 생성한 3D 모델 이외에, 타킷 오브젝트를 스캔하거나, 타킷 오브젝트를 촬영한 칼라 영상과 깊이 영상을 이용하여 영상 처리를 함으로써 생성된 3D 모델의 경우, 생성된 기하 정보와 텍스처 정보의 매칭에 일부 오류가 있을 수 있다.
이를 테면, 하의 부분의 폴리곤에 상의 부분의 칼라 값이 매칭되는 등이다. 따라서, 3D 모델 중 관심 영역을 분리하거나, 복수 개의 영역으로 분리하는 경우, 활용도가 높을 것으로 예상된다.
인체의 3D 모델과 같은 타킷 오브젝트 중 특정 관심 영역을 추출하는 영상 처리 장치 및 방법이 제공된다.
또한, 추출된 관심 영역을 몇 개의 소 영역으로 분리하고, 그 중 일부의 소 영역의 칼라 정보를 바꾸는 영상 처리 장치 및 방법이 제공된다.
본 발명의 일측에 따르면, 입력 3D 모델과 매칭된 입력 칼라 영상으로부터, 상기 3D 모델 내의 타킷 오브젝트에 대응하는 실루엣 영역을 추출하는 실루엣 추출 부, 상기 실루엣 영역으로부터 관심 영역을 추출하는 관심 영역 추출부, 및 상기 추출된 관심 영역을 복수 개의 소 영역(sub region)으로 분리하는 관심 영역 분리부를 포함하는, 영상 처리 장치가 제공된다.
여기서 상기 타킷 오브젝트는, 이를테면 인체(human body)이다.
한편, 상기 실루엣 추출부는, 상기 입력 3D 모델의 인체 부분을 상기 입력 칼라 영상에 투영(project)하여, 투영된 부분에 대응하는 제1 픽셀 그룹을 선택하는 제1 계산부, 상기 제1 픽셀 그룹의 픽셀들 각각을 상기 타킷 오브젝트에 속하는 제1 유형의 픽셀, 상기 타킷 오브젝트에 속하지 않는 제2 유형의 픽셀, 및 상기 제1 유형 또는 상기 제2 유형 중 어느 하나로 분류되지 않는 제3 유형의 픽셀로 분류하는 제2 계산부, 및 상기 제1 유형의 픽셀들에 대한 제1 칼라 확률 분포 함수 및 상기 제2 유형의 픽셀들에 대한 제2 칼라 확률 분포 함수를 구하고, 상기 제3 유형의 픽셀들 중 제1 픽셀의 칼라 값을 상기 제1 칼라 확률 분포 함수에 대입한 결과가 상기 제1 픽셀의 칼라 값을 상기 제2 칼라 확률 분포 함수에 대입한 결과보다 큰 경우, 상기 제1 픽셀을 상기 제1 유형 픽셀로 판단하는 제3 계산부를 포함할 수 있다.
여기서 상기 제1 칼라 확률 분포 함수 및 상기 제2 칼라 확률 분포 함수는 가우시안(Gaussian) 함수일 수 있다.
본 발명의 일부 실시예에 따르면, 상기 관심 영역은 옷(cloth) 영역이다. 이 경우, 상기 관심 영역 추출부는, 상기 실루엣 영역에 포함되는 복수 개의 픽셀들 각각을 상기 인체의 옷 영역에 속하는 제1 유형의 픽셀, 상기 옷 영역에 속하지 않는 제2 유형의 픽셀, 및 상기 제1 유형 또는 상기 제2 유형 중 어느 하나로 분류 되지 않는 제3 유형의 픽셀로 분류하는 제1 계산부, 및 상기 제1 유형의 픽셀들에 대한 제1 칼라 확률 분포 함수 및 상기 제2 유형의 픽셀들에 대한 제2 칼라 확률 분포 함수를 구하고, 상기 제3 유형의 픽셀들 중 제1 픽셀의 칼라 값을 상기 제1 칼라 확률 분포 함수에 대입한 결과가 상기 제1 픽셀의 칼라 값을 상기 제2 칼라 확률 분포 함수에 대입한 결과보다 큰 경우, 상기 제1 픽셀을 상기 제1 유형 픽셀로 판단하는 제2 계산부를 포함할 수 있다.
그리고, 여기서 상기 제2 유형의 픽셀들은 인체의 얼굴, 손, 발 중 적어도 하나에 대응하는 픽셀이다.
본 발명의 일 실시예에 따르면, 상기 복수 개의 소 영역(sub region)은, 하의 영역, 상의 셔츠 영역, 상의 재킷 영역 중 적어도 하나를 포함한다.
한편, 상기 영상 처리 장치는, 상기 분리된 복수 개의 소 영역 중 적어도 하나에 대응하는 이미지 데이터를 저장하는 데이터베이스, 및 상기 데이터베이스에 저장된 데이터를 이용하여, 상기 분리된 복수 개의 소 영역 중 선택된 제1 소 영역의 이미지를 변경하는 이미지 편집부를 더 포함할 수 있다.
본 발명의 다른 일측에 따르면, 입력 3D 모델과 매칭된 입력 칼라 영상으로부터, 상기 3D 모델 내의 타킷 오브젝트에 대응하는 실루엣 영역을 추출하는 단계, 상기 실루엣 영역으로부터 관심 영역을 추출하는 단계, 및 상기 추출된 관심 영역을 복수 개의 소 영역으로 분리하는 단계를 포함하는, 영상 처리 방법이 제공된다.
상기 실시예들에 의하면, 인체의 3D 모델에서 특정 관심 영역, 이를테면 옷 영역을 추출하고, 이를 상의와 하의 등의 소 영역으로 분리하는 영상 처리에 의해, 3D 모델 내의 일부 영역의 칼라 정보를 바꾸는 응용이 가능하다.
그리고 이러한 영상 처리에 의하면, 가상 현실 속의 아바타, 영화나 비디오 게임 속의 캐릭터의 옷을 갈아 입히거나, 또는 온라인 쇼핑에서 구입하고자 하는 아이템을 사용자의 아바타에 미리 입히는 시뮬레이션이 가능하다.
이하에서, 본 발명의 일부 실시예를, 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 본 발명의 일 실시예에 따른 영상 처리 장치(100)를 도시한다.
본 발명의 영상 처리 장치(100)에는, 칼라 영상 및 상기 칼라 영상과 매칭된 3D 모델의 기하 정보와 텍스처 정보가 입력될 수 있다.
실루엣 추출부(110)는 입력된 칼라 영상으로부터 상기 3D 모델의 타킷 오브젝트, 이를테면 인체에 대응하는 실루엣 영역을 추출한다.
이러한 실루엣 추출부의 동작은 도 4 내지 도 6을 참조하여 보다 상세히 후술한다.
단, 상기 3D 모델이 상기 칼라 영상을 이용한 영상 처리 방법에 의해 생성된 것인 경우, 상기 3D 모델의 상기 타킷 오브젝트에 대응하는 실루엣 영역은 이미 추출되었을 수 있다. 본 발명의 일 실시예에 따른 영상 처리 장치 및 영상 처리 방법은 이러한 가능성을 배제하지 않으며, 이 경우 실루엣 추출부(110)는 상기 칼 라 영상으로부터 이미 추출된 실루엣 영역을 그대로 가져오거나, 약간의 수정을 가하여 가져올 수 있다.
관심 영역 추출부(120)는 상기 추출된 실루엣 영역으로부터 관심 영역, 이를테면 옷 영역을 추출한다. 관심 영역 추출부(120)의 동작은 도 6 내지 도 9를 참조하여 보다 상세히 후술한다.
관심 영역 분리부(130)는 상기 추출된 관심 영역을 복수 개의 소 영역(sub region)으로 분리한다.
이를테면, 상기 추출된 관심 영역이 옷(cloth) 영역인 경우, 상기 관심 영역 분리부(130)는 이를 재킷 부분 소 영역, 셔츠 부분 소 영역 및 하의 부분 소 영역으로 분리할 수 있다.
이러한 관심 영역 분리부(130)의 동작은 도 9 내지 도 10을 참조하여 보다 상세히 후술한다.
이렇게 관심 영역이 복수 개의 소 영역으로 분리되는 경우, 이미지 편집부(140)는 이 중 적어도 일부를, 미리 데이터베이스(150)에 저장되어 있던 다른 이미지로 대체할 수 있다.
이를테면, 재킷 부분 소 영역을 변경하여, 재킷 칼라를 변경할 수 있다.
이러한 이미지 편집부(140)의 동작은 도 11을 참조하여 보다 상세히 후술한다.
이하에서는, 구체적인 실시예를 통해 상기 각 구성의 동작을 서술한다.
도 2는 본 발명의 일 실시예에 따라 입력되는 칼라 영상(200)을 도시한다.
본 실시예에서 칼라 영상(200)은, 하기 도 3에서 도시되는 3D 모델과 매칭되어 있다.
칼라 영상(200)에는 인체 부분(210), 뒷 배경 부분(201) 및 바닥 부분(202)이 포함된다.
본 발명의 실시예에 따른 영상 처리 방법에 따르면, 도 1의 실루엣 추출부(110)에 의해 칼라 영상(200)으로부터 인체 부분(210)에 대응하는 실루엣 영역이 추출된다. 그리고, 관심 영역 추출부(120)에 의해 상기 추출된 실루엣 영역으로부터 특정의 관심 영역(Region of Interest; ROI)이 추출된다.
관심 영역 추출부(120)는 상기 실루엣 영역으로부터 얼굴 부분(251), 손 부분(252), 및 구두 부분(253) 등을 제거하여, 외한 옷 영역을 관심 영역으로서 추출한다.
추출되는 관심 영역인 옷 영역에는, 상의 재킷(220) 소 영역, 상의 셔츠 소 영역(240) 및 하의 소 영역(230)이 포함된다. 이 경우 각 소 영역들은 관심 영역 분리부(130)에 의해 각각 분리될 수 있다.
이렇게 소 영역들이 분리되는 경우, 이미지 편집부(140)에 의해 분리된 소 영역 중 일부가 데이터베이스(150)에 저장된 다른 데이터를 이용하여 변경될 수 있다.
실루엣 영역의 추출, 관심 영역 추출 및 관심 영역 분리 등, 상기 영상 처리의 각 단계에 대한 구체적 내용은 도 3 이하를 참조하여 후술한다.
도 3은 본 발명의 일 실시예에 따라 입력되는 3D 모델(300)을 도시한다.
3D 모델에는 타킷 오브젝트(310)가 포함된다. 본 실시예에서 상기 타킷 오브젝트(310)는 인체에 대응한다.
상기한 바와 같이, 3D 모델은 기하 정보와 텍스처 정보에 의해 표현되며, 폴리곤(311)은 상기 타킷 오브젝트(310)의 기하 정보에 포함되는 일 예이다.
이하의 실시예에서는 3D 모델(300)이 아티스트에 의해 디자인 된 것인 경우가 아니라, 타킷 오브젝트를 스캔된 것이거나, 또는 타킷 오브젝트를 촬영한 칼라 영상과 깊이 영상을 이용한 영상 처리에 의해 생성된 것인 경우임을 전제한다. 물론, 직접 디자인된 3D 모델이 아니라 현실 세계의 오브젝트를 모델링하기 위해 다른 어떤 방법에 의해 생성된 3D 모델인 경우를 배제하는 것은 아니다.
본 발명의 일 실시예에 따른 영상 처리를 위해, 도 2의 칼라 영상(200) 및 도 3의 3D 모델(300)이 입력된다.
여기서, 상기 칼라 영상(200)과 상기 3D 모델(300)은 서로 매칭된 것이다. 따라서, 3D 모델의 각 폴리곤들, 이를테면 폴리곤(311)이 상기 칼라 영상(200) 내의 어느 픽셀에 대응되는지에 관한 정보는 함께 주어진다.
이를 테면, 상기 3D 모델(300)이 칼라 영상(200) 및 상기 칼라 영상(200)에 매칭되는 깊이 영상(도시되지 않음)을 이용한 영상 처리 방법에 의해 생성된 경우, 이 3D 모델(300)의 각 폴리곤들이 칼라 영상(200) 내의 어느 픽셀에 대응하는 지의 정보도 미리 주어지는 것으로 이해될 수 있다.
본 발명의 일 실시예에 따른 영상 처리 방법에 따르면, 상기 3D 모델의 타킷 오브젝트(310)의 각 폴리곤들, 이를테면 폴리곤(311)이 상기 칼라 영상(200)으 로 투영(projection)된다.
상기 투영(projection)은 도 1의 실루엣 추출부(110)의 제1 계산부(도시되지 않음)에 의해 수행된다.
그러면, 상기 각 폴리곤들의 각각이 상기 칼라 영상(200) 내의 어느 픽셀에 투영되는지를 이용하여, 상기 타킷 오브젝트(310)에 대응하는 픽셀들이 선택될 수 있다.
도 4는 본 발명의 일 실시예에 따라, 도 3의 3D 모델의 타킷 오브젝트(310)를 도 2의 입력 칼라 영상(200)에 투영한 결과를 도시한다.
칼라 영상(400) 위에 상기 타킷 오브젝트(310)의 각 폴리곤들이 투영된 위치가 산발적인 포인트들(scattered points)에 의해 표시되었다.
그런데, 상기 3D 모델(300)의 타킷 오브젝트(310)와 상기 칼라 영상(200)의 인체 부분(210)이 매칭되어 있기는 하지만, 매칭 오차에 의한 오류가 있을 수 있다.
본 실시예에서는, 상기 포인트들 중 일부는 상기 칼라 영상(200)의 뒷 배경 부분(201)에 위치되는 등, 어느 정도의 오류가 발견된다.
매칭 오류가 존재하지 않는다면, 상기 포인트 중 최외곽 부분의 포인트는 포인트(410)와 같이, 정확히 상기 인체 부분(210)의 경계에 위치될 것이다. 그러나, 상기한 매칭 오차에 의해, 포인트(420)와 같이 뒷 배경 부분(201)에 위치하는 포인트도 존재하고, 포인트(430)와 같이 인체 부분(210)의 경계보다 안쪽에 위치하는 포인트도 존재한다.
따라서, 상기 포인트들이 위치한 픽셀들을 인체 부분(210)의 실루엣 영역으로 바로 추출하는 경우, 뒤 배경 부분(201)이 함께 포함될 수 있는 여지가 발생한다.
따라서, 실루엣 추출부(110)는 추가적인 과정을 통해 상기 포인트들이 위치한 픽셀들 중 일부만 인체 부분(210)에 대응한 실루엣 영역으로 추출한다.
이러한 과정은 도 5를 참조하여 설명된다.
도 5는 본 발명의 일 실시예에 따라, 도 4의 입력 칼라 영상(200) 중 3D 모델이 투영된 부분을 추출하고, 추출된 부분을 다시 3 개의 영역으로 분리한 결과를 도시한다.
영역(510)은 상기 인체 부분(210)에 대응될 것으로 간주되는 영역이다. 상기한 매칭 오차가 존재하더라도, 오차의 정도가 심각하게 크지는 않을 것이므로, 상기 실루엣 추출부(110)의 제1 계산부가 상기 투영의 결과 선택하는 일부 픽셀들 중, 가장자리로부터 소정의 제1 임계치 이상의 거리만큼 안쪽에 위치한 픽셀들은 인체 부분(210)에 대응된다고 간주되는 것이다.
그리고, 영역(520)은 상기 인체 부분(210)에 대응되지 않는다고 간주되는 영역이다. 도 4의 포인트(410)와 같이 바깥쪽의 포인트가 인체 부분(210)의 경계를 정확히 반영하고 있는 경우도 있지만, 포인트(420)와 같이 뒷 배경 부분(201)에 위치된 것도 있다. 따라서, 이러한 매칭 오차를 보정하기 위해, 영역(520)은 상기 인체 부분(210)에 대응되지 않는다고 간주된다.
이 경우, 상기 가장자리로부터 소정의 제2 임계치 마만의 거리에 존재하는 픽셀들을 상기 영역(520)으로 결정할 수 있다.
그리고, 상기 영역(510) 또는 상기 영역(520) 중 어느 것에도 속하지 않는 것으로 결정되는 나머지 픽셀들은 영역(530)으로 결정된다.
이 영역(530)은 확실히 인체 부분(210)에 대응된다고 간주되지도 않고, 확실히 인체 부분(210)에 대응되지 않는다고 간주되지도 않는 애매한 영역이다.
상기 영역(510) 내지 영역(530)의 분리는 실루엣 추출부(110)의 제2 계산부에 의해 수행된다. 그리고, 상기 제1 임계치 및 상기 제2 임계치는 미리 설정된 값일 수 있으며, 사용자에 의해 설정되거나 조정될 수도 있다.
본 발명의 실시예들에서는, 실루엣 추출부(110)의 제3 계산부에 의해, 영역(530)에 속하는 픽셀들을 상기 영역(510) 또는 상기 영역(520)에 속하는 것으로 다시 결정하는 과정이 수행된다.
여기서 실루엣 추출부(110)의 제3 계산부는, 상기 영역(510)에 속하는 모든 픽셀들의 칼라 값들에 대하여, 칼라 값의 확률 분포 함수를 구한다.
이를 테면, 상기 영역(510)에 속하는 모든 픽셀에 대한 제1 칼라 확률 분포 함수 Pr(c)는 K 개의 Gaussian 분포의 Linear combination 으로써 표현될 수 있다.
[수학식 1]
그리고, C는 R(Red), G(Green), B(Blue)의 세 가지 칼라 엘리먼트를 갖는 벡터이며, C = (R, G, B) 이다. 물론, 칼라 코디네이션 시스템이 RGB 시스템이 아니라, YCbCr 시스템, x.v. 칼라 시스템 등인 경우, 상기 C는 다른 차원(dimension)의 벡터일 수도 있다.
그리고, Pr(c)는 Expectation Maximization 기법 또는 PCA(Principal Component Analysis) 기법 등을 이용해서 구해질 수 있으며, 이러한 기법은 본 기술 분야의 통상의 지식을 가진 자에게 알려진 예시적인 것에 불과하다.
상기 영역(520)에 속하는 모든 픽셀에 대한 제2 칼라 확률 분포 함수 Pb(c) 역시 K 개의 Gaussian 분포의 Linear combination 으로써 표현될 수 있다.
그리고, 이렇게 제1 칼라 확률 분포 함수 Pr(c) 및 제2 칼라 확률 분포 함수 Pb(c)가 구해지면, 실루엣 추출부(110)의 제3 계산부는 영역(530)에 속하는 모든 픽셀들 각각에 대해, 상기 제1 칼라 확률 분포 함수에 대입한 값과 상기 제2 칼라 확률 분포 함수에 대입한 값을 비교한다.
이를테면, 상기 영역(530)에 속하는 모든 픽셀들 중, n 번째의 픽셀의 칼라 벡터 Cn을 상기 제1 칼라 확률 분포 함수에 대입한 결과 값인 Pr(Cn)와, 상기 제2 칼라 확률 분포 함수에 대입한 결과 값인 Pb(Cn)을 비교한다.
만약, Pr(Cn)이 Pb(Cn)보다 크다면, 상기 n 번째의 픽셀은 상기 영역(510)에 속하는 것으로 판단된다. 그렇지 않다면, 상기 n 번째의 픽셀은 상기 영역(520)에 속하는 것으로 판단된다.
이러한 과정을 영역(530)에 속하는 모든 픽셀들 각각에 대해 수행함으로써, 이제 인체 부분(210)에 속하는 최종 실루엣 영역이 추출된다.
한편, 본 발명의 일 실시예에 따르면, 상기 과정에서, 본 기술 분야의 통상의 지식을 가진 자에게 알려져 있는 Markov Random Field Modeling에 기반한 최적화 방법(Graph Cuts, Belief Propagation) 등을 적용할 수도 있다.
도 6은 본 발명의 일 실시예에 따라, 도 5의 결과를 이용하여 실루엣 영역(610)을 추출한 결과(600)를 도시한다.
추출된 실루엣 영역(610)에는 인체 부분(210)에 대응하는 픽셀들이 포함된다.
상기한 바와 같이, 본 실시예에서는 도 1의 관심 영역 추출부(120)에 의해 상기 추출된 실루엣 영역(610) 중, 얼굴 영역(621), 손 영역(622), 및 신발 영역(623)이 제거되고, 옷 영역(611, 612 등)이 관심 영역(ROI)으로서 추출된다.
관심 영역 추출부(120)가 상기 실루엣 영역(610) 중 관심 영역인 옷 영역을 추출하는 과정은 도 7을 참조하여 설명된다.
도 7은 본 발명의 일 실시예에 따라, 도 6의 실루엣 영역(610)을 3 개의 부분으로 나눈 결과(700)를 도시한다.
본 발명의 일 실시예에 따르면, 관심 영역 추출부(120)의 제1 계산부(도시되지 않음)는, 상기 실루엣 영역(610)을, 옷 영역에 속하는 것으로 간주되는 영역(710), 옷 영역에 속하지 않는 것으로 간주되는 영역(720) 및 상기 영역(710) 중 어느 것도 아닌 나머지 영역(730)으로 분리한다.
이러한 과정은, 상기 실루엣 추출부(110)의 동작과 유사하다.
이를테면, 상기 관심 영역 추출부(120)의 제1 계산부는, 학습 데이터를 통해 가지고 있는 머리 부분이 확실한 픽셀들을 영역(720)에 속하는 것으로 결정하고, 옷 부분(또는 몸통 부분)에 속하는 것이 확실한 픽셀들을 영역(710)에 속하는 것으로 결정한다.
그리고, 그 사이에 일정한 넓이의 밴드를 판단이 불확실한 영역(730)으로 결정한다.
그리고, 관심 영역 추출부(120)의 제2 계산부(도시되지 않음)는, 영역(710)에 속한 모든 픽셀들에 대한 제3 칼라 확률 분포 함수를 구하고, 영역(720)에 속한 모든 픽셀들에 대한 제4 칼라 확률 분포 함수를 구한다.
그리고, 영역(730)에 속한 모든 픽셀들 각각에 대하여, 상기 제3 칼라 확률 분포 함수에 대입한 결과와 상기 제4 칼라 확률 분포 함수에 대입한 결과를 비교함으로써, 상기 영역(730)에 속한 모든 픽셀들 각각을 영역(710) 또는 영역(720) 중 어느 하나에 속하는 것으로 다시 결정한다.
이러한 과정에 의해 실루엣 영역(610)으로부터 인체의 머리(또는 얼굴) 영역이 제거된다.
도 8은 본 발명의 일 실시예에 따라, 상기 도 7의 결과를 이용하여 실루엣 영역으로부터 관심 영역이 아닌 얼굴 영역을 제거한 결과(800)를 도시한다.
여기서, 얼굴 영역이 제거된 경우, 옷 영역(810, 820, 및 830) 이외에, 손 영역(841) 및 신발 영역(842)이 그대로 존재한다.
이 경우, 관심 영역 추출부(120)는 도 7의 과정을 반복적으로 수행하여 상기 손 영역(841) 및 신발 영역(842)을 제거하고, 관심 영역(ROI)인 옷 영역(810, 820, 및 830)을 남길 수 있다.
도 9는 본 발명의 일 실시예에 따라, 상기 도 8의 방식에 의해 상기 실루엣 영역(610)으로부터 관심 영역인 옷 영역(910)을 추출한 결과(900)를 도시한다.
한편, 본 발명의 일 실시예에 따르면, 도 1의 관심 영역 분리부(130)는 이렇게 추출된 옷 영역(910)을 복수 개의 소 영역(sub region)들(1010 내지 1030)으로 분리한다.
이 경우, 관심 영역 분리부(130)의 제1 계산부(도시되지 않음)는 상기 옷 영역(910)을, 확실히 하의 부분에 속하는 영역과 확실히 속하지 않는 영역으로 나눈다. 이 경우, 학습 데이터가 활용될 수 있다.
그리고 상기 관심 영역 분리부(130)의 제2 계산부(도시되지 않음)는, 상기 각 영역에 대해 상기한 수학식 1과 유사한 확률 분포 함수를 구한다.
그리고, 상기 관심 영역 분리부(130)의 제2 계산부는, 상기 각 영역 중 어 느 것에도 속하지 않는 경계 부분의 각 픽셀에 대하여, 구해진 확률 분포 함수들 각각에 대입한 결과를 비교함으로써, 상기 각 픽셀을 하의 부분에 속하는지 그렇지 않은지 판단할 수 있고, 따라서 하의 부분 소 영역과 그 이외의 부분을 분리할 수 있다.
상세한 과정은 도 5 및 수학식 1을 참조하여 상술한 바와 유사하게 이해될 수 있다.
나아가, 관심 영역 분리부(130)는 유사한 과정을 통하여, 상의 재킷 부분 소 영역과 셔츠 부분 소 영역을 분리할 수도 있다.
도 10은 본 발명의 일 실시예에 따라 상기 도 9에서 추출된 관심 영역(910)을 복수 개의 소 영역들로 분리한 결과(1000)를 도시한다.
소 영역(1010)은 상의 셔츠 부분에 대응하며, 소 영역(1020)은 상의 재킷 부분, 그리고 소 영역(1030)은 하의 부분에 대응한다.
이러한 과정을 통해, 비교적 정확하고 간단하게 상기 입력 칼라 영상(200) 내에서 인체의 옷들이 종류 별로 분리된다.
또한, 도 3의 3D 모델(300)의 타킷 오브젝트(310)는 상기 입력 칼라 영상(200)에 매칭되어 있으므로, 상기 타킷 오브젝트(310)의 폴리곤들 중 어느 것이 상의 셔츠에 대응하며, 어느 것이 상의 재킷에 대응하고, 어느 것이 하의에 대응하는지도 판단될 수 있다.
본 발명의 일 실시예에 따르면, 이렇게 분리된 소 영역들(1010, 1020, 1030) 중 적어도 일부를 도 1의 데이터베이스(150)에 저장된 다른 이미지 데이터로 대체할 수 있다. 즉, 재킷을 다른 것으로 바꾸거나, 바지를 다른 것으로 바꿀 수 있다.
이러한 이미지 편집 과정은 도 1의 이미지 편집부(140)에 의해 수행된다. 상기 이미지 편집부(140)는 칼라 영상(200)의 일부 픽셀 값을 바꿀 수도 있고, 3D 모델의 타킷 오브젝트(310) 중 일부의 폴리곤의 텍스처 정보를 바꿀 수도 있다.
도 11은 본 발명의 일 실시예에 따라, 도 10의 복수 개의 소 영역 중 일부분을 다른 이미지로 변경한 결과(1100)를 도시한다.
셔츠에 대응하는 소 영역(1010)은 소 영역(1110)으로 대체되었고, 재킷에 대응하는 소 영역(1020)은 소 영역(1120)으로 대체되었으며, 하의에 대응하는 소 영역(1030)은 소 영역(1130)으로 대체되었다.
본 발명의 다른 실시예에 따르면, 상기 관심 영역 분리부(140)가 넥타이 부분에 대응하는 소 영역(1111)을 추가로 분리할 수도 있고, 이 경우는 넥타이를 다른 것으로 바꾸는 영상 처리도 가능하다.
상기 과정을 통해 설명된 영상 처리 장치 및 영상 처리 방법에 따르면, 가상 현실 분야에서, 사용자를 촬영한 칼라 영상에 기초하여 생성된 3D 모델 아바타의 옷을 다른 것으로 바꿀 수 있다.
또한, 특정 인물을 모델링 한, 영화나 비디오 게임 내의 캐릭터의 옷을 바꾸어 입히는 것도 가능하다.
나아가, 현재 관심이 높아지고 있는 온라인 쇼핑 분야에서, 사용자의 체형과 동일한 가상의 모델에 구입하고자 하는 재킷을 미리 입히는 시뮬레이션을 수행 할 수 있으며, 이는 온라인 산업의 성장에 큰 계기가 될 수 있다.
도 12는 본 발명의 일 실시예에 따른 영상 처리 방법을 도시한다.
단계(S1210)에서 입력 칼라 영상(200)으로부터 3D 모델의 타킷 오브젝트, 이를테면 인체에 대응하는 실루엣 영역이 추출된다. 실루엣 영역의 추출은 도 4 내지 도 6을 참조하여 상술한 바와 같다.
그리고, 단계(S1220)에서 추출된 실루엣 영역으로부터 관심 영역, 이를테면 옷 영역이 추출된다.
도 6의 실루엣 영역(610)으로부터 관심 영역인 옷 영역, 이를테면 도 9의 옷 영역(910)을 추출하는 과정은 도 6 내지 도 9를 참조하여 상술한 바와 같다.
그리고, 단계(S1230)에서 상기 추출된 관심 영역이 복수 개의 소 영역으로 분리된다. 도 9 내지 도 10을 참조하여 상술한 관심 영역 분리 과정은, 본 발명의 일 실시예에 불과하며, 관심 영역의 종류, 관심 영역을 분리한 소 영역의 개수나 종류 등은 얼마든지 변경될 수 있다. 이러한 정도의 변경이 본 발명의 사상을 벗어나는 것으로 해석될 수 없음은, 본 기술 분야의 통상의 지식을 가진 자에게 자명하다.
그리고, 단계(S1240)에서 상기 분리된 소 영역 중 일부의 이미지가 데이터베이스에 저장되어 있던 다른 이미지로 대체될 수 있다. 이러한 과정은 도 11을 참조하여 상술한 바와 같다. 그리고 이 경우 소 영역 중 일부의 변경은 입력 칼라 영상(200)에 대해서도 가능하고, 3D 모델(300)의 타킷 오브젝트(310)의 텍스처 정보에 대해서도 가능하다.
사용자가 소 영역의 텍스처 정보가 변경된 3D 모델을 렌더링한다면, 상기한 응용예와 같이 가상 현실 속의 아바타에 특정한 옷을 입혀보는 시뮬레이션이 가능하다.
본 발명의 일 실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통 상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
도 1은 본 발명의 일 실시예에 따른 영상 처리 장치를 도시한다.
도 2는 본 발명의 일 실시예에 따라 입력되는 칼라 영상을 도시한다.
도 3은 본 발명의 일 실시예에 따라 입력되는 3D 모델을 도시한다.
도 4는 본 발명의 일 실시예에 따라, 도 3의 3D 모델의 타킷 오브젝트를 도 2의 입력 칼라 영상에 투영한 결과를 도시한다.
도 5는 본 발명의 일 실시예에 따라, 도 4의 입력 칼라 영상 중 3D 모델이 투영된 부분을 추출하고, 추출된 부분을 다시 3 개의 영역으로 분리한 결과를 도시한다.
도 6은 본 발명의 일 실시예에 따라, 도 5의 결과를 이용하여 실루엣 영역을 추출한 결과를 도시한다.
도 7은 본 발명의 일 실시예에 따라, 도 6의 실루엣 영역을 3 개의 부분으로 나눈 결과를 도시한다.
도 8은 본 발명의 일 실시예에 따라, 상기 도 7의 결과를 이용하여 실루엣 영역으로부터 관심 영역이 아닌 얼굴 영역을 제거한 결과를 도시한다.
도 9는 본 발명의 일 실시예에 따라, 상기 도 8의 방식에 의해 상기 실루엣 영역으로부터 관심 영역인 옷 영역을 추출한 결과를 도시한다.
도 10은 본 발명의 일 실시예에 따라 상기 도 9에서 추출된 관심 영역을 복수 개의 소 영역으로 분리한 결과를 도시한다.
도 11은 본 발명의 일 실시예에 따라, 도 10의 복수 개의 소 영역 중 일부 분을 다른 이미지로 변경한 결과를 도시한다.
도 12는 본 발명의 일 실시예에 따른 영상 처리 방법을 도시한다.
Claims (18)
- 입력 3D 모델과 매칭된 입력 칼라 영상으로부터, 상기 3D 모델 내의 타킷 오브젝트에 대응하는 실루엣 영역을 추출하는 실루엣 추출부;상기 실루엣 영역으로부터 관심 영역을 추출하는 관심 영역 추출부; 및상기 추출된 관심 영역을 복수 개의 소 영역(sub region)으로 분리하는 관심 영역 분리부를 포함하는, 영상 처리 장치.
- 제1항에 있어서,상기 타킷 오브젝트는 인체(human body)인, 영상 처리 장치.
- 제2항에 있어서,상기 실루엣 추출부는,상기 입력 3D 모델의 인체 부분을 상기 입력 칼라 영상에 투영(project)하여, 투영된 부분에 대응하는 제1 픽셀 그룹을 선택하는 제1 계산부;상기 제1 픽셀 그룹의 픽셀들 각각을 상기 타킷 오브젝트에 속하는 제1 유형의 픽셀, 상기 타킷 오브젝트에 속하지 않는 제2 유형의 픽셀, 및 상기 제1 유형 또는 상기 제2 유형 중 어느 하나로 분류되지 않는 제3 유형의 픽셀로 분류하는 제2 계산부; 및상기 제1 유형의 픽셀들의 칼라 확률 분포 및 상기 제2 유형의 픽셀들의 칼라 확률 분포를 구하고, 구해진 칼라 확률 분포들을 참고하여, 상기 제3 유형의 픽셀들의 각각을 상기 제1 유형 또는 상기 제2 유형에 속하는 것으로 판단하는 제3 계산부를 포함하는, 영상 처리 장치.
- 제3항에 있어서,상기 제3 계산부는, 상기 제1 유형의 픽셀들에 대한 제1 칼라 확률 분포 함수 및 상기 제2 유형의 픽셀들에 대한 제2 칼라 확률 분포 함수를 구하고, 상기 제3 유형의 픽셀들 중 제1 픽셀의 칼라 값을 상기 제1 칼라 확률 분포 함수에 대입한 결과가 상기 제1 픽셀의 칼라 값을 상기 제2 칼라 확률 분포 함수에 대입한 결과보다 큰 경우, 상기 제1 픽셀을 상기 제1 유형 픽셀로 판단하는, 영상 처리 장치.
- 제4항에 있어서,상기 제1 칼라 확률 분포 함수 및 상기 제2 칼라 확률 분포 함수는 가우시안(Gaussian) 함수인, 영상 처리 장치.
- 제2항에 있어서,상기 관심 영역은 옷(cloth) 영역인, 영상 처리 장치.
- 제6항에 있어서,상기 관심 영역 추출부는,상기 실루엣 영역에 포함되는 복수 개의 픽셀들 각각을 상기 인체의 옷 영역에 속하는 제1 유형의 픽셀, 상기 옷 영역에 속하지 않는 제2 유형의 픽셀, 및 상기 제1 유형 또는 상기 제2 유형 중 어느 하나로 분류 되지 않는 제3 유형의 픽셀로 분류하는 제1 계산부; 및상기 제1 유형의 픽셀들의 칼라 확률 분포 및 상기 제2 유형의 픽셀들의 칼라 확률 분포를 구하고, 구해진 칼라 확률 분포들을 참고하여, 상기 제3 유형의 픽셀들의 각각을 상기 제1 유형 또는 상기 제2 유형에 속하는 것으로 판단하는 제2 계산부를 포함하는, 영상 처리 장치.
- 제7항에 있어서,상기 제2 계산부는, 상기 제1 유형의 픽셀들에 대한 제1 칼라 확률 분포 함수 및 상기 제2 유형의 픽셀들에 대한 제2 칼라 확률 분포 함수를 구하고, 상기 제3 유형의 픽셀들 중 제1 픽셀의 칼라 값을 상기 제1 칼라 확률 분포 함수에 대입한 결과가 상기 제1 픽셀의 칼라 값을 상기 제2 칼라 확률 분포 함수에 대입한 결과보다 큰 경우, 상기 제1 픽셀을 상기 제1 유형 픽셀로 판단하는, 영상 처리 장치.
- 제7항에 있어서,상기 제2 유형의 픽셀들은 인체의 얼굴, 손, 발 중 적어도 하나에 대응하는 픽셀인, 영상 처리 장치.
- 제6항에 있어서,상기 복수 개의 소 영역(sub region)은, 하의 영역, 상의 셔츠 영역, 상의 재킷 영역 중 적어도 하나를 포함하는, 영상 처리 장치.
- 제10항에 있어서,상기 관심 영역 분리부는,상기 옷 영역에 포함되는 복수 개의 픽셀들 각각을 상기 하의 영역에 속하는 제1 유형의 픽셀, 상기 하의 영역에 속하지 않는 제2 유형의 픽셀, 및 상기 제1 유형 또는 상기 제2 유형 중 어느 하나로 분류되지 않는 제3 유형의 픽셀로 분류하는 제1 계산부; 및상기 제1 유형의 픽셀들에 대한 제1 칼라 확률 분포 함수 및 상기 제2 유형의 픽셀들에 대한 제2 칼라 확률 분포 함수를 구하고, 상기 제3 유형의 픽셀들 중 제1 픽셀의 칼라 값을 상기 제1 칼라 확률 분포 함수에 대입한 결과가 상기 제1 픽셀의 칼라 값을 상기 제2 칼라 확률 분포 함수에 대입한 결과보다 큰 경우, 상기 제1 픽셀을 상기 제1 유형 픽셀로 판단하는 제2 계산부를 포함하는, 영상 처리 장치.
- 제11항에 있어서,상기 관심 영역 분리부는,상기 제2 유형의 픽셀들 각각을 상기 셔츠 영역에 속하는 제4 유형의 픽셀, 상기 셔츠 영역에 속하지 않는 제5 유형의 픽셀, 및 상기 제4 유형 또는 상기 제5 유형 중 어느 하나로 분류되지 않는 제6 유형의 픽셀로 분류하는 제3 계산부; 및상기 제4 유형의 픽셀들에 대한 제3 칼라 확률 분포 함수 및 상기 제5 유형의 픽셀들에 대한 제4 칼라 확률 분포 함수를 구하고, 상기 제6 유형의 픽셀들 중 제2 픽셀의 칼라 값을 상기 제3 칼라 확률 분포 함수에 대입한 결과가 상기 제2 픽셀의 칼라 값을 상기 제4 칼라 확률 분포 함수에 대입한 결과보다 큰 경우, 상기 제2 픽셀을 상기 제4 유형 픽셀로 판단하는 제4 계산부를 더 포함하는, 영상 처리 장치.
- 제1항에 있어서,상기 분리된 복수 개의 소 영역 중 적어도 하나에 대응하는 이미지 데이터를 저장하는 데이터베이스; 및상기 데이터베이스에 저장된 데이터를 이용하여, 상기 분리된 복수 개의 소 영역 중 선택된 제1 소 영역의 이미지를 변경하는 이미지 편집부를 더 포함하는, 영상 처리 장치.
- 입력 3D 모델과 매칭된 입력 칼라 영상으로부터, 상기 3D 모델 내의 타킷 오브젝트에 대응하는 실루엣 영역을 추출하는 단계;상기 실루엣 영역으로부터 관심 영역을 추출하는 단계; 및상기 추출된 관심 영역을 복수 개의 소 영역으로 분리하는 단계를 포함하는, 영상 처리 방법.
- 제14항에 있어서,상기 실루엣 영역을 추출하는 단계는,상기 입력 3D 모델의 인체 부분을 상기 입력 칼라 영상에 투영하여, 투영된 부분에 대응하는 제1 픽셀 그룹을 선택하는 단계;상기 제1 픽셀 그룹의 픽셀들 각각을 상기 타킷 오브젝트에 속하는 제1 유형의 픽셀, 상기 타킷 오브젝트에 속하지 않는 제2 유형의 픽셀, 및 상기 제1 유형 또는 상기 제2 유형 중 어느 하나로 분류되지 않는 제3 유형의 픽셀로 분류하는 단계; 및상기 제1 유형의 픽셀들에 대한 제1 칼라 확률 분포 함수 및 상기 제2 유형의 픽셀들에 대한 제2 칼라 확률 분포 함수를 구하고, 상기 제3 유형의 픽셀들 중 제1 픽셀의 칼라 값을 상기 제1 칼라 확률 분포 함수에 대입한 결과가 상기 제1 픽셀의 칼라 값을 상기 제2 칼라 확률 분포 함수에 대입한 결과보다 큰 경우, 상기 제1 픽셀을 상기 제1 유형 픽셀로 판단하는 단계를 포함하는, 영상 처리 방법.
- 제14항에 있어서,상기 관심 영역을 추출하는 단계는,상기 실루엣 영역에 포함되는 복수 개의 픽셀들 각각을 관심 영역에 속하는 제1 유형의 픽셀, 상기 관심 영역에 속하지 않는 제2 유형의 픽셀, 및 상기 제1 유형 또는 상기 제2 유형 중 어느 하나로 분류되지 않는 제3 유형의 픽셀로 분류하는 단계; 및상기 제1 유형의 픽셀들에 대한 제1 칼라 확률 분포 함수 및 상기 제2 유형의 픽셀들에 대한 제2 칼라 확률 분포 함수를 구하고, 상기 제3 유형의 픽셀들 중 제1 픽셀의 칼라 값을 상기 제1 칼라 확률 분포 함수에 대입한 결과가 상기 제1 픽셀의 칼라 값을 상기 제2 칼라 확률 분포 함수에 대입한 결과보다 큰 경우, 상기 제1 픽셀을 상기 제1 유형 픽셀로 판단하는 단계를 포함하는, 영상 처리 방법.
- 제14항에 있어서,상기 분리된 복수 개의 소 영역 중 선택된 제1 소 영역에 대응하는 이미지 데이터를 데이터베이스로부터 독출하는 단계; 및상기 독출된 데이터를 이용하여, 상기 제1 소 영역의 이미지를 변경하는 단계를 더 포함하는, 영상 처리 방법.
- 제14항 내지 제17항 중 어느 한 항의 영상 처리 방법을 수행하기 위한 프로그램을 수록한 컴퓨터 판독 가능 기록 매체.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020090101029A KR20110044392A (ko) | 2009-10-23 | 2009-10-23 | 영상 처리 장치 및 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020090101029A KR20110044392A (ko) | 2009-10-23 | 2009-10-23 | 영상 처리 장치 및 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20110044392A true KR20110044392A (ko) | 2011-04-29 |
Family
ID=44049128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020090101029A KR20110044392A (ko) | 2009-10-23 | 2009-10-23 | 영상 처리 장치 및 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR20110044392A (ko) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016068869A1 (en) * | 2014-10-28 | 2016-05-06 | Hewlett-Packard Development Company, L.P. | Three dimensional object recognition |
US10242249B2 (en) | 2014-11-19 | 2019-03-26 | Samsung Electronics Co., Ltd. | Method and apparatus for extracting facial feature, and method and apparatus for facial recognition |
-
2009
- 2009-10-23 KR KR1020090101029A patent/KR20110044392A/ko not_active Application Discontinuation
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016068869A1 (en) * | 2014-10-28 | 2016-05-06 | Hewlett-Packard Development Company, L.P. | Three dimensional object recognition |
US10242249B2 (en) | 2014-11-19 | 2019-03-26 | Samsung Electronics Co., Ltd. | Method and apparatus for extracting facial feature, and method and apparatus for facial recognition |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101877711B1 (ko) | 얼굴 트랙킹 장치 및 방법 | |
KR101636370B1 (ko) | 영상 처리 장치 및 방법 | |
WO2016066038A1 (zh) | 一种图像主体提取方法及*** | |
CN110335277A (zh) | 图像处理方法、装置、计算机可读存储介质和计算机设备 | |
JP4905931B2 (ja) | 人体領域抽出方法および装置並びにプログラム | |
Ge et al. | Co-saliency detection via inter and intra saliency propagation | |
CN113705579B (zh) | 一种视觉显著性驱动的图像自动标注方法 | |
EP2977932B1 (en) | Image processing apparatus, image processing method and image processing program | |
KR20100138648A (ko) | 영상 처리 장치 및 방법 | |
Wang et al. | Video object co-segmentation via subspace clustering and quadratic pseudo-boolean optimization in an mrf framework | |
Yang et al. | Ranking 3D feature correspondences via consistency voting | |
KR101606760B1 (ko) | 영상 내 객체 기반 영상 감정 변환 장치 및 그 방법 | |
JP2008009576A (ja) | 人体領域抽出方法および装置並びにプログラム | |
CN105868767B (zh) | 人脸特征点定位方法和装置 | |
Arbelot et al. | Automatic texture guided color transfer and colorization | |
Tang et al. | Video matting via opacity propagation | |
KR20070117393A (ko) | 사전 모양 정보를 이용한 디지털 영상에서의 물체를추출하기 위한 방법 및 상기 방법을 수행하는 시스템 | |
CN109785283B (zh) | 一种用于织物分割的纹理特征匹配方法及装置 | |
KR20110043279A (ko) | 관심 객체 추출 장치 및 방법 | |
KR20110044392A (ko) | 영상 처리 장치 및 방법 | |
CN112884884A (zh) | 一种候选区域生成方法及*** | |
KR20110087620A (ko) | 레이아웃 기반의 인쇄매체 페이지 인식방법 | |
US11715197B2 (en) | Image segmentation method and device | |
KR101749029B1 (ko) | 영상에서의 신체 부위 검출 방법 및 그 장치 | |
Liang et al. | Sketch-based retrieval using content-aware hashing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
WITN | Withdrawal due to no request for examination |