본 논문은 광학 흐름을 추정하는데 있어서 최적 정규화 매개변수를 결정하기 위한 L-curve 모서리 검출 방법을 제안한다. 기존의 곡률법은 L-curve의 곡률 그래프에서 최대 위치를 찾는 반면, 제안한 방법은 바로 우측 음의 계곡과의 곡률 차가 최대가 되는 양의 봉우리의 위치를 찾아서 매개변수 값을 결정한다. 이 방법으로 선정한 매개변수로 광학 흐름을 추정하면, 평균적으로 최소 오차로부터 단지 0.02 pixel/frame 차이가 나는 것이 실험을 통하여 보여진다. 또한 제안한 방법으로 기존의 모서리 검출법인 곡률법이나 적응 제거법에 비해 최소 오차에 가장 가까운 광학 흐름을 구할 수 있었다.

본 논문에서는 초음파 및 적외선 센서와 무선 카메라를 장착한 소형 이동 로봇의 물체 검출 방법을 제시한다. 전방 물체의 존재 여부를 판단하기 위해, 초음파 센서는 초음파 발생 신호의 귀환시간, 적외선 센서는 감지한 적외선 아날로그신호의 양, 카메라는 영상 데이터 중 물체의 특징 등을 추출하여 그 결과를 융합함으로써 물체의 유무 또는 이동 로봇과 물체와의 거리를 판단하여 로봇의 움직임을 제어하는데 사용한다. 초음파와 적외선 센서는 물체의 유무와 물체의 대략의 거리를 예측하는 1차 센서로 사용되며 거리 계산결과와 실제 거리 값과의 오차는 5%이내이다. 영상처리에 의해 2차의 섬세한 물체 검출 및 추적을 수행하여 최종적으로 센서 융합에 의한 물체 검출율을 개선하였다. 영상처리방법은 물체와 배경 및 유사잡음들과의 강인한 분리를 위하여 고유색상정보와 움직임 정보 등의 사전정보를 활용하였으며, 형태의 변화가 수반되는 경우에도 유연한 대처능력을 갖도록 하기 위해 시그니처를 이용한 영역분할 방법을 통해 모든 후보영역내의 물체의 존재를 확인하고 목표 물체영역만을 검출하였다. 세가지 센서에 의한 대상 물체 검출 결과의 합은 최종적인 검출을 결정하는데 확률적 근거로 활용되며 각 개별 센서를 사용한 경우보다 최소 7% 이상의 검출율이 개선되었다.

본 연구는 칼라 이미지에서 인물의 얼굴 영역을 검출하는 개선된 색상 기반 방식을 제안한다. 제안 방법은 RGB, $YC_bC_r$, YIQ의 세 가지 색상 모델을 조합, 각각 휘도와 색도 성분 조합 히스토그램을 구축하고 구축된 색상 조합 히스토그램을 역전파방식의 신경망에 입력한 후 학습단계의 반본 과정에 Levenberg-Marquadt 알고리즘을 적용한다. 제안 방법은 신경망 학습과정에 Levenberg-Marquadt 알고리즘을 적용하여 얼굴 검출에 가장 많이 사용되는 방법 중 하나인 역전파 신경망이 지역 최소값에 봉착하는 문제점을 해결함으로써 검출 오류율을 낮추는데 기여한다. 또한 색상 조합 히스토그램을 사용한 새로운 색상 조합 기반의 얼굴 영역 검출 방법은 빛의 영향에 강건하도록 휘도 성분을 분리하고 색도 성분을 강조하여 단일 색상 히스토그램보다 신경망에 더 신뢰성 있는 값을 입력함으로써 단일 색상 공간을 사용했을 때보다 높은 얼굴 검출율을 보인다. 실험 결과는 제안 방식이 얼굴 영역 검출 개선에 효과적이며 빛의 변화에 강건함을 보여준다.

본 논문에서는 내용기반 영상검색 시스템에서 검출 정확성을 개선하기 위한 모양 기반 객체 표현 기법인 골격 나무 구조와 골격 나무 구조에 기반한 검색 기법을 제시한다. 모양의 표현을 위한 새로운 골격 나무 표현 기법은 객체의 모양을 계층적인 나무 구조로 표현한다. 나무 구조에서의 상위 레벨의 노드들은 객체 모양의 대략적인 몸체를 표현하고 하위 레벨의 노드들은 객체 모양의 세밀한 부분을 표현한다. 대부분의 영상 잡음 영향은 하위 레벨의 노드들에 국한되므로 외곽선 잡음의 영향은 하위 레벨에 대한 가중치를 조절하여 감소시킬 수 있다. 두 골격 나무의 유사성은 두 나무의 골격 노드들을 매칭하여 계산된다. 두 골격 노드들의 집합이 표현하는 영역의 유사성 계산을 위해서 Zernike 모멘트 불변량과 Fourier 기술자 불변량의 조합이 사용된다. 검출의 정확도를 다른 유사성 측도와 비교하고 그 결과를 제시하였다. 실험 결과 제안된 검색 기법의 검출 정확도가 증가하였음을 알 수 있었다.

본 논문은 2D/3D 가상환경에서 실감 사운드의 실시간 합성을 위한 $EVE-Sound^{TM}$ 툴킷의 설계와 개발결과를 제시한다. $EVE-Sound^{TM}$는 사운드 효과 계산에 필요한 장면요소를 간추리는 전처리 도구와 실시간 렌더링 API들로 구성되며, 다중 모달리티의 실감 재현을 필요로 하는 가상현실, 게임 등의 각종 인터랙티브 콘텐츠에서 사용자에게 고급 그래픽 환경을 허용하면서 동시에 사운드의 실시간 재현을 가능하게 함을 목표로 하였다. 3차원 사운드 계산이 매우 복잡하기 때문에 기존의 사운드 API들이 간단한 사운드 효과와 재생을 제공하는 것과 달리, 복잡한 가상환경에서 3차원 사운드의 원리를 반영하되 그 렌더링을 실시간화하는 데 초점을 두었고, 이를 위해 새로운 장면 간략화 및 공간사운드 계산 방법이 제시되었다. 응용 사례 및 실험, 알고리즘 분석을 통해 제시된 툴킷의 활용성 및 향상된 실시간성을 확인하였다.

본 논문에서는 사용자의 요구에 따른 맞춤형 서비스 제공이 가능한 지능형 상황 인식 미들웨어 모델을 제안하기 위한 선행 연구로서 상황 인식 미들웨어 기술을 분석하였다. 제안된 지능형 상황 인식 미들웨어 모델은 온톨로지를 기반으로 여러 종류의 context 정보들을 효과적으로 관리 하고, 분석 및 학습하여 사용자의 요구사항을 주어진 상황에 최적으로 만족시킬 수 있는 지능형 서비스 제공이 가능하여 사용자들의 삶의 질을 향상 시킬 것으로 기대된다. 또한 사용자의 요구 사항을 능동적으로 반영하고 사용자에게 유연한 서비스론 제공하기 위해서 다양하고 동적인 상황의 변화를 인식하고 이에 적응할 수 있는 퍼지 추론 기반 서비스 적응 위한 지능형 상황 인식 미들웨어 모델을 연구하고, 이에 대한 실험 결과를 제시한다. 우선적으로 지능형 상황 인식 미들웨어의 요구사항을 파악하였고 이를 통해 보다 높은 차원의 상황 인식을 위해 추론되는 과정을 보았다. 추론 방법은 퍼지 이론을 이용하였으며 서비스 과정을 통해 모델을 구축하는 모습을 보였다. 또한 제시한 퍼지 추론을 스마트 자키에 적용하여 온도의 변화에 따른 퍼지 값을 추론한 후 최적의 상태 값을 제시하여, 온도와 같은 상황의 변화에 따른 스마트 자키의 적응성을 보여주었다.

실세계의 문제에서 많은 기계학습의 알고리즘들은 데이터의 클래스 불균형 문제에 어려움을 겪는다. 이러한 클래스 불균형 문제를 해결하기 위하여 데이터의 비율을 변경하거나 좀 더 나은 샘플링 전략으로 극복하려는 연구들이 제안되었다. 그러나 데이터의 비율을 변경하는 연구에서는 전체 데이터 분포의 특성을 고려하지 못하고, 샘플링 전략을 제안하는 연구에서는 여러 가지 제한 조건을 고려해야만 한다. 본 논문에서는 위의 두가지 방법의 장점을 모두 포함하는 개선된 집중 샘플링 방법을 제안한다. 제안된 방법에서는 클래스 불균형 문제를 해결하기 위해 학습에 유용한 데이터들을 샘플링하는데 스코어링에 기반한 데이터 분할 방법을 이용한다. 즉, 입력 데이터들에 대해 SOM(Self Organizing Map)의 학습 결과로 얻은 BMU(Best Matching Unit)와의 거리를 계산하고, 이 거리론 스코어라 한다. 측정된 스코어는 오름차순으로 정렬되며, 이 과정에서 입력 데이터의 분포가 재 표현되고, 재 표현된 분포는 전체 데이터의 특성을 대표하게 된다. 그 결과로 얻은 데이터들 중에서 유용하지 못한 데이터들에 대해 제거하는 과정을 수행하여 새로운 학습 데이터 셋을 얻는다. 새로운 학습 데이터 생성 과정에서는 재 표현된 분포의 결과를 두 구간(upper, lower)으로 분할하는데, 두 추간 사이의 데이터들은 유용하지 못한 패턴들로 간주되어 학습에 이용되지 않는다. 본 논문에서 제안한 방법은 클래스 불균형의 비율 감수 훈련 데이터의 크기 감소, 과적합의 방지 등 몇 가지 장점을 보인다. 제안한 방법으로 샘플링된 데이터에 kNN 을 적용하여, 분류 실험한 결과 심한 불균형이 있는 ecoli 데이터의 분류 성능이 최대 2.27배 향상되었다.

테이블 형태로 이루어진 이력서 양식이나 인터넷 회원 가입에서 개인의 신상 정보를 매번 입력하는 일은 매우 반복적이고 번거로운 일이다. 개인의 신상 정보를 컴퓨터에 저장하고 있다가 인터넷 회원 가입 페이지에 자동으로 채워 주는 몇 개의 시스템이 나와 있으나 필드와 필드 값이 잘못 매치되는 등 정확도가 떨어지는 면이 있다. 본 연구는 컴퓨터에 개인의 신상정보를 저장하고 있다가 개인 데이터 온톨로지를 이용하여 회원가입 페이지(목표 페이지)에서 요구하는 사용자의 정보를 추론하고 자동으로 채워주는 시스템을 제안하였다. 추론의 과정에서 먼저 목표 페이지를 분석하여 요구하는 필드명을 추출하고, 유사어 온톨로지를 이용하여 요구 필드명을 표준 필드명으로 변환한다. 표준 필드명으로 변환된 요구 필드는 온톨로지 매치 메이킹을 이용하여 개인 데이터 온톨로지 상의 적절한 레벨을 찾아서 최종적인 필드값을 생성한다. 본 시스템은 목표 페이지와 유사한 필드를 가져올 뿐만 아니라 온톨로지 계층 상에 해당되는 필드를 추론하여 정확한 필드값을 가져오게 된다. 몇 개의 회원 가입 페이지를 대상으로 실험한 결과 본 시스템이 기존의 시스템에 비해 정확도에서 우수함을 보였다. 본 시스템은 이력서 양식 등 반복적으로 동일한 정보를 채우는 경우에도 쉽게 적용 가능하다.

기계학습에서 분류기틀의 집합으로 구성된 앙상블 분류기는 단일 분류기에 비해 정확도가 높다는 것이 입증되어왔다. 본 논문에서는 새로운 앙상블 학습으로서 데이터의 지역 기반 분류기들의 앙상블 학습을 제시하여 기존의 앙상블 학습과의 비교를 통해 성능을 검증하고자 한다. 지역 기반 분류기의 앙상블 학습은 데이터의 분포가 지역에 따라 다르다는 점에 착안하여 학습 데이터를 분할하여 해당하는 지역에 기반을 둔 분류기들을 만들어 나간다. 이렇게 만들어진 분류기들로부터 지역에 따라 가중치를 둔 투표를 적용하여 앙상블 방법을 이끌어낸다. 본 논문에서 제시한 앙상블 분류기의 성능평가를 위해 단일 분류기와 기존의 앙상블 분류기인 배깅과 부스팅 등을 UCI Machine Learning Repository에 있는 11개의 데이터 셋으로 정확도 비교를 하였다. 그 결과 새로운 앙상블 방법이 기본 분류기로 나이브 베이즈와 SVM을 사용했을 때 다른 방법보다 좋은 성능을 보이는 것을 알 수 있었다.

본 논문에서는 강건한 얼굴 포즈 추정과 실시간 표정제어가 가능한 비전 기반 3차원 얼굴 모델의 자동 표정 생성 방법 및 시스템을 제안한다. 기존의 비전 기반 3차원 얼굴 애니메이션에 관한 연구는 얼굴의 움직임을 나타내는 모션 추정을 반영하지 못하고 얼굴 표정 생성에 초점을 맞추고 있다. 그러나, 얼굴 포즈를 정확히 추정하여 반영하는 작업은 현실감 있는 얼굴 애니메이션을 위해서 중요한 이슈로 인식되고 있다. 본 연구 에서는 얼굴 포즈추정과 얼굴 표정제어가 동시에 가능한 통합 애니메이션 시스템을 제안 하였다. 제안된 얼굴 모델의 표정 생성 시스템은 크게 얼굴 검출, 얼굴 모션 추정, 표정 제어로 구성되어 있다. 얼굴 검출은 비모수적 HT 컬러 모델과 템플릿 매칭을 통해 수행된다. 검출된 얼굴 영역으로부터 얼굴 모션 추정과 얼굴 표정 제어를 수행한다. 얼굴 모션 추정을 위하여 3차원 실린더 모델을 검출된 얼굴 영역에 투영하고 광류(optical flow) 알고리즘을 이용하여 얼굴의 모션을 추정하며 추정된 결과를 3차원 얼굴 모델에 적용한다. 얼굴 모델의 표정을 생성하기 위해 특징점 기반의 얼굴 모델 표정 생성 방법을 적용한다. 얼굴의 구조적 정보와 템플릿 매칭을 이용하여 주요 얼굴 특징점을 검출하며 광류 알고리즘에 의하여 특징점을 추적한다. 추적된 특징점의 위치는 얼굴의 모션 정보와 표정 정보의 조합으로 이루어져있기 때문에 기하학적 변환을 이용하여 얼굴의 방향이 정면이었을 경우의 특징점의 변위인 애니메이션 매개변수(parameters)를 계산한다. 결국 얼굴 표정 복제는 두 개의 정합과정을 통해 수행된다. 애니메이션 매개변수 3차원 얼굴 모델의 주요 특징점(제어점)의 이동은 획득된 애니메이션 매개변수를 적용하여 수행하며, 정점 주위의 부가적 정점의 위치는 RBF(Radial Basis Function) 보간법을 통해 변형한다. 실험결과 본 논문에서 제안된 비전기반 애니메이션 시스템은 비디오 영상으로부터 강건한 얼굴 포즈 추정과 얼굴의 표정변화를 잘 반영하여 현실감 있는 애니메이션을 생성함을 입증할 수 있었다.