초록 |
본 발명은 HOG-PCA 특징과 RBFNNs 패턴분류기를 이용한 보행자 검출 방법에 관한 것으로서, 보다 구체적으로는, (1) HOG(Histogram of Oriented Gradient) 알고리즘을 이용하여 학습용 입력 영상의 HOG 특징 벡터를 생성하는 단계; (2) PCA(Principal Component Analysis) 알고리즘을 이용하여 상기 단계 (1)에서 생성한 HOG 특징 벡터의 차원을 축소하는 단계; (3) 상기 단계 (2)에서 차원이 축소된 HOG 특징 벡터를 RBFNNs(Radial Basis Function Neural Networks) 패턴 분류기에 입력하여 상기 학습용 입력 영상의 특징을 학습하는 단계; 및 (4) 보행자를 검출하고자 하는 임의의 영상을 입력받아 상기 단계 (1) 내지 단계 (3)을 통해 학습된 RBFNNs 패턴분류기를 이용하여 보행자를 검출하는 단계를 포함하는 것을 그 구성상의 특징으로 한다. 본 발명에서 제안하고 있는 HOG-PCA 특징과 RBFNNs 패턴분류기를 이용한 보행자 검출 방법에 따르면, HOG(Histogram of Oriented Gradient) 특징을 사용하여 조명의 영향에 민감하지 않고, 기하학적 변화에 강한 보행자 검출이 가능하도록 하면서도, PCA(Principal Component Analysis) 주성분 분석법을 사용함으로써 HOG 특징 벡터의 차원을 축소하여 불필요한 높은 차원에 의한 연산량을 줄이고 검출률을 향상시키고, 지능형 패턴분류기인 다항식 기반 RBFNN(Radial Basis Function Neural Network) 패턴분류기를 이용하여 저차원으로 축소된 HOG-PCA 특징을 학습함으로써, 빠르고 효율적으로 보행자를 검출할 수 있다. |