제1 영역을 촬영하여 제1 영상을 생성하고 상기 제1 영상에서 객체를 검출하는 객체 검출부;상기 제1 영상과 다른 시간 또는 다른 공간에서 제2 영상을 획득하고 상기 제2 영상에서 재식별 객체를 검출하는 재식별 객체 검출부;3차원 복원 모델을 통해 상기 객체 및 재식별 객체 각각을 3차원 복원하고, 상기 객체 및 재식별 객체가 사람인 경우에 생성적 적대 신경망(GAN)을 사용하여 SMPL(skinned multi-person linear model) 매개변수를 추정하는 HMR(Human mesh recovery) 모델을 통해 3차원 자세 및 행동 복원을 수행하는 3차원 복원부; 상기 객체 및 재식별 객체가 3차원 복원되면 복수의 계층으로 구성된 컨볼루션 신경망을 통해 상기 3차원 복원 객체 및 재식별 객체 각각의 자세의 특징을 추출하는 특징 추출부; 및딥러닝 기반 바이너링 해싱을 통해 상기 객체 및 재식별 객체의 자세의 특징들을 실시간으로 유사도 비교하고 유사도가 높은 순서대로 상기 재식별 객체들을 가시화하여 상기 객체와 동일한 재식별 객체의 존재를 검출하는 객체 재식별부를 포함하는 3차원 영상 기반의 객체 재식별 장치.

제1항에 있어서, 상기 객체 검출부는바운딩 박스로 상기 제1 영상 내에 있는 다중 객체들을 탐지하고 인스턴스 세그멘테이션으로 상기 다중 객체들 각각에 대한 마스킹을 수행하여 상기 객체를 검출하는 것을 특징으로 하는 3차원 영상 기반의 객체 재식별 장치.

제1항에 있어서, 상기 재식별 객체 검출부는바운딩 박스로 상기 제2 영상 내에 있는 다중 객체들을 탐지하고 인스턴스 세그멘테이션으로 상기 다중 객체들 각각에 대한 마스킹을 수행하여 상기 재식별 객체를 검출하는 것을 특징으로 하는 3차원 영상 기반의 객체 재식별 장치.

삭제

제1항에 있어서, 상기 3차원 복원부는상기 객체 및 재식별 객체를 깊이 추출 모델에 제공하여 상기 3차원 복원하는 것을 특징으로 하는 3차원 영상 기반의 객체 재식별 장치.

삭제

삭제

제1항에 있어서, 상기 객체 재식별부는상기 객체 및 상기 재식별 객체의 특징점(keypoint)들을 벡터로 변환하고 정규화하여 정규화된 키포인트 좌표를 통해 코사인 유사도를 산출하여 비교하는 것을 특징으로 하는 3차원 영상 기반의 객체 재식별 장치.

제1 영역을 촬영하여 제1 영상을 생성하고 상기 제1 영상에서 객체를 검출하는 단계;상기 제1 영상과 다른 시간 또는 다른 공간에서 제2 영상을 획득하고 상기 제2 영상에서 재식별 객체를 검출하는 단계;3차원 복원 모델을 통해 상기 객체 및 재식별 객체 각각을 3차원 복원하고, 상기 객체 및 재식별 객체가 사람인 경우에 생성적 적대 신경망(GAN)을 사용하여 SMPL(skinned multi-person linear model) 매개변수를 추정하는 HMR(Human mesh recovery) 모델을 통해 3차원 자세 및 행동 복원을 수행하는 단계; 상기 객체 및 재식별 객체가 3차원 복원되면 복수의 계층으로 구성된 컨볼루션 신경망을 통해 상기 3차원 복원 객체 및 재식별 객체 각각의 자세의 특징을 추출하는 단계; 및딥러닝 기반 바이너링 해싱을 통해 상기 객체 및 재식별 객체의 자세의 특징들을 실시간으로 유사도 비교하고 유사도가 높은 순서대로 상기 재식별 객체들을 가시화하여 상기 객체와 동일한 재식별 객체의 존재를 검출하는 단계를 포함하는 3차원 영상 기반의 객체 재식별 방법.

제9항에 있어서, 상기 객체를 검출하는 단계는바운딩 박스로 상기 제1 영상 내에 있는 다중 객체들을 탐지하고 인스턴스 세그멘테이션으로 상기 다중 객체들 각각에 대한 마스킹을 수행하여 상기 객체를 검출하는 것을 특징으로 하는 3차원 영상 기반의 객체 재식별 방법.

제9항에 있어서, 상기 재식별 객체를 검출하는 단계는 바운딩 박스로 상기 제2 영상 내에 있는 다중 객체들을 탐지하고 인스턴스 세그멘테이션으로 상기 다중 객체들 각각에 대한 마스킹을 수행하여 상기 재식별 객체를 검출하는 것을 특징으로 하는 3차원 영상 기반의 객체 재식별 방법.

삭제

삭제

삭제