본 기술은 g개 프레임에서 검출된 트랙렛마다 컬러 히스토그램 벡터를 만들고 랜덤 가중치 행렬로 차원을 축소해 특징 벡터를 생성한 뒤, 트랙렛 간 및 트랙렛과 검출 반응 간 구별 정확도가 기준치에 미달하면 가중치 행렬을 보정해 특징 벡터를 갱신하는 전자 장치 및 그 동작 방법입니다.
CCTV 영상이나 자율 주행 차량 카메라 영상에서 객체를 추적하려면 짧은 구간의 이동 경로인 트랙렛을 검출해 전체 프레임에 걸쳐 연결해야 하는데, 트랙렛에 할당된 특징 벡터가 서로 충분히 구별되지 않으면 서로 다른 객체가 잘못 연결되어 추적 경로가 부정확해지는 문제가 있었습니다.
본 기술은 코사인 유사도로 트랙렛 간 제1 구별 정확도와 트랙렛-검출 반응 간 제2 구별 정확도를 계산하고, 구별력이 낮은 트랙렛에 대해서만 새 랜덤 행렬과 기존 행렬의 밸런싱 가중 평균으로 보정 행렬을 만들어 특징 벡터를 반복 갱신합니다. 이를 통해 별도의 대규모 학습 없이 객체별로 뚜렷이 구별되는 특징 벡터를 확보할 수 있습니다. 지능형 CCTV 관제, 자율 주행 차량의 보행자·차량 추적, 매장 내 고객 동선 분석에 적용될 수 있어 혼잡한 장면에서도 객체 간 ID 뒤바뀜을 줄이고 정확한 추적 경로를 생성할 수 있습니다.
본 발명은 과학기술정보통신부의 시각장애인 및 저시력자를 위한 영상기반 주변 안내 기술 지원을 통해 개발되었습니다.
N/A
