| 초록 |
본 발명은 행동 포즈렛과 2단계 분류 모델을 이용한 정지 영상에서의 사람 행동 인식 방법에 관한 것으로서, 보다 구체적으로는 행동 포즈렛과 2단계 분류 모델을 이용한 정지 영상에서의 사람 행동 인식 방법으로서, (1) 포즈렛 검출부가 입력된 학습 정지 영상으로부터 특징 벡터로 이루어진 포즈렛(Poselet)들을 추출하여 획득하는 단계; (2) 행동 인식 학습부가 상기 단계 (1)에서 획득한 각 포즈렛에 대해 해당 포즈렛의 위치를 찾기 위해 1단계 랜덤 포레스트 분류기를 이용하여 훈련되도록 하고, 공간적 포즈렛 활성화 벡터(Spatial Poselet Activation Vector; 이하 'SPAV'라 칭함)를 생성하는 단계; (3) 행동 인식 학습부가 2단계 랜덤 포레스트 분류기를 이용하여 상기 단계 (2)에서 생성한 SPAV들을 하나의 벡터로 연결한 CSPAV(Concatenated SPAV)를 생성하고, 그 CSPAV를 2단계 랜덤 포레스트 분류기로 훈련하는 단계; 및 (4) 사람 영역이 포함된 테스트 입력 정지 영상이 입력되면, 행동 인식 판단부가 상기 단계 (1) 내지 단계 (3)의 과정을 통해 CSPAV를 추출한 후 2단계 랜덤 포레스트 분류기에 매칭하여 가장 큰 스코어 값을 가지는 행동 클래스를 최종 예측된 행동 클래스로 선택 결정하는 단계를 포함하는 것을 그 구성상의 특징으로 한다. 본 발명에서 제안하고 있는 행동 포즈렛과 2단계 분류 모델을 이용한 정지 영상에서의 사람 행동 인식 시스템 및 방법에 따르면, OCS-LBP 특징을 이용하여 포즈렛을 학습하고, 입력 영상으로부터 포즈렛을 탐색하고 확률 값을 누적하여 생성한 CSPAV를 랜덤 포레스트에 학습시켜 인식하도록 하는 2단계 분류 모델을 사용한 포즈렛 기반의 행동 인식이 가능하도록 할 수 있다. 또한, 본 발명에 따르면, 이진 분류 기능의 1단계 랜덤 포레스트 분류기와 다중 클래스 분류 기능의 2단계 랜덤 포레스트 분류기를 훈련된 검출기로 적용함으로써, 입력되는 테스트 정지 영상의 행동 인식의 선택 결정 시에 계산 량을 줄이고, 정확도가 향상될 수 있도록 할 수 있다. |
