주요 영역 검출과 다중 물체 인식을 위한 딕셔너리 러닝

Abstract

최근, 희소 신호 모델을 표현하기 위한 딕셔너리 러닝에 대한 연구가 활발히 진행중이며 얼굴 인식, 영상 분류, 물체 인식 등의 여러 분야에서 성능이 입증되고 있다. 딕셔너리 러닝은 특정한 신호를 표현하기 위한 최소한의 기저를 찾는 것을 말한다. 여기에서 기저들의 집합을 딕셔너리라고 부른다. 이러한 개념을 분류에 적용하기 위하여 각각의 분류하고자 하는 대상에 대한 기저를 찾아야 하며 이를 서브-딕셔너리라고 부른다. 본 논문에서는 주요점 추출과 다중 물체 인식을 위한 딕셔너리 러닝 기법을 제안한다. 영상 내에서 특정한 물체는 고유의 특징점을 가지지만, 다른 물체와 특징점을 공유할 수 있다. 따라서, 물체인식을 하고자 할 때, 물체만의 고유한 특징점 뿐만 아니라 공유하는 특징점을 고려해주어야 한다. 즉, 각각의 클래스에 해당하는 서브-딕셔너리를 학습하는 것과 동시에 모든 클래스에서 공유하고 있는 딕셔너리를 학습하고 이를 물체 인식에 적용하고자 한다. 제안하는 알고리즘의 성능을 평가하기 위하여 Graz-02 데이터셋과 RITL 데이터셋을 이용하였다. 특히, RITL 데이터셋은 사무실, 바닥, 세미나실, 강의실, 실험실 등의 주변의 환경에 대한 데이터셋으로 이를 로봇을 이용하여 실제 환경에서 물체인식을 하기 위함이다. 이 데이터셋에 RGB-D 카메라를 이용하여 깊이정보를 추가해주었으며, 이를 통해 3차원 공간의 좌표점을 얻어내어 실제 로봇을 사용하여 장난감 정리정돈, 토스터기에 빵 굽는 등의 시나리오를 구현하였다.