• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.11a
• /
• pp.91-94
• /
• 2022

자율주행 자동차 개발 연구가 활발히 진행됨에 따라 객체 검출기의 성능이 중요하게 되었다. 딥러닝 기술의 발전하면서 객체 검출기의 성능도 큰 발전을 이루었다. 그에 따라 도로 위 차량 검출기의 성능도 발전하고 있으나 평상시 낮 도로상황에서 잘 동작하던 모델은 안개가 끼거나 밤 상황이 되면 제대로 동작하지 못하는 문제를 가지고 있다. 이유는 딥러닝 모델이 학습할 때 사용한 데이터셋의 정보에 따라 특정 도메인에 편향된 특성을 학습하기 때문이다. 따라서, 본 논문에서는 객체 검출 신경망에 도메인 판별기를 적용하여 이와 같은 도메인 이동 문제를 극복하는 모델을 제안한다. 모델의 성능을 Cityscapes 데이터셋과 Foggy Cityscapes 데이터셋을 사용하여 평가한 결과, 기존의 특정 도메인에서 학습한 모델보다 제안하는 모델의 검출 성능이 개선된다는 것을 확인하였다.

• Journal of KIISE:Software and Applications
• /
• v.26 no.3
• /
• pp.380-392
• /
• 1999

객체지향 분석과정중에 오류를 검출하고 일관성을 점검하여 무결성을 유지하는 것은 중요한 일이다. 그러나, 현재의 객체지향 개발 방법론은 객체지향 분석모델들에 대하여 오류 검출과 일관성 점검을 위한 정형화된 방법을 제시하지 못하고 있다. 본 논문은 지식베이스를 이용하여 , 객체지향 분석모델들에 대한 오류와 일관성 검증방법을 제안한다. 제안한 방법은 모형화 단계, 정형화 단계, 검증 단계의 세단계로 이루어져 있다. 모형화 단계에서는 시스템을 분석하여 OMT(Object Modeling Technique)방법론의 세 가지 모델인 객체모델, 동적 모델, 기능모델을 생성한다. 이 단계는 OMT의 분석단계에 해당한다. 정형화 단계에서는 이 세가지 모델들을 Atomic Formula 형태로 정형 명세하여 응용 지식베이스에 저장한다. 검증 단계에서는 오류 검출 규칙과 일관성 점검 규칙을 이용하여 오류를 점검하고 일관성을 유지한다. 그리고 본 논문에서 제안한 점검 방법을 적용하여 ATM(Automated Teller Machine)예제의 분석결과를 검증했다. 제안한 방법을 이용하면 보다 더 신뢰할 수 있는 분석모델을 얻을 수 있을 것으로 기대된다.

• Journal of the Society of Disaster Information
• /
• v.18 no.2
• /
• pp.269-279
• /
• 2022

Purpose: The purpose of this study is to develop a deep learning-based personal protective equipment detection model for disaster prevention at construction sites, and to apply it to actual construction sites and to analyze the results. Method: In the method of conducting this study, the dataset on the real environment was constructed and the developed personal protective equipment(PPE) detection model was applied. The PPE detection model mainly consists of worker detection and PPE classification model.The worker detection model uses a deep learning-based algorithm to build a dataset obtained from the actual field to learn and detect workers, and the PPE classification model applies the PPE detection algorithm learned from the worker detection area extracted from the work detection model. For verification of the proposed model, experimental results were derived from data obtained from three construction sites. Results: The application of the PPE recognition model to construction site brings up the problems related to mis-recognition and non-recognition. Conclusions: The analysis outcomes were produced to apply the object recognition technology to a construction site, and the need for follow-up research was suggested through representative cases of worker recognition and non-recognition, and mis-recognition of personal protective equipment.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.465-466
• /
• 2022

본 논문에서는 딥러닝 영상인식 기술을 활용한 객체검출 모델인 YOLOv4를 활용하여 차량의 모델과 번호판인식 시스템을 제안한다. 본 논문에서 제안하는 시스템은 실시간 영상처리기술인 YOLOv4를 사용하여 차량모델 인식과 번호판 영역 검출을 하고, CNN(Convolutional Neural Network)알고리즘을 이용하여 번호판의 글자와 숫자를 인식한다. 이러한 방법을 이용한다면 카메라 1대로 차량의 모델 인식과 번호판 인식이 가능하다. 차량모델 인식과 번호판 영역 검출에는 실제 데이터를 사용하였으며, 차량 번호판 문자 인식의 경우 실제 데이터와 가상 데이터를 사용하였다. 차량 모델 인식 정확도는 92.3%, 번호판 검출 98.9%, 번호판 문자 인식 94.2%를 기록하였다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.20 no.8
• /
• pp.1537-1545
• /
• 2016

In real time video sequence, object segmentation and tracking method are actively applied in various application tasks, such as surveillance system, mobile robots, augmented reality. This paper propose a robust object tracking method. The background models are constructed by learning the initial part of each video sequences. After that, the moving objects are detected via object segmentation by using background subtraction method. The region of detected objects are continuously tracked by using the HSV color histogram with particle filter. The proposed segmentation method is superior to average background model in term of moving object detection. In addition, the proposed tracking method provide a continuous tracking result even in the case that multiple objects are existed with similar color, and severe occlusion are occurred with multiple objects. The experiment results provided with 85.9 % of average object overlapping rate and 96.3% of average object tracking rate using two video sequences.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.11a
• /
• pp.249-252
• /
• 2003

본 논문은 컬러 영상을 명암도에 따른 공간적 객체 분할인 YIQ 모델을 사용하여 객체 분할한 영상의 임계값에 따른 적응적 형태학을 이용하여 영상의 경계면을 레벨 업시킨 후, 이를 웨이브렛에 적용하여 최적의 에지를 검출하였다. 또한, 흑백 영상보다 더 많은 더 정보를 가진컬러 영상을 사용하여, 기존의 영상 에지 검출 알고리즘인 Sobel 에지 검출과 다른 웨이브렛기저 계수를 적용한 에지 검출 방법과 비교하고, 제안된 알고리즘이 기존의 다른 에지 검출보다 우수함을 확인하였다. 특히 에지와 에지의 부분이 가까울 때 정확한 에지를 검출하였으며, 완만한 곡선을 가지고 있는 부분에서 더 우수한 결과 에지를 얻을 수 있음을 확인하였다.

• Journal of Broadcast Engineering
• /
• v.26 no.2
• /
• pp.184-196
• /
• 2021

This paper proposes statistics adaptive linear regression-based object size prediction method for object detection. YOLOv2 and YOLOv3, which are typical deep learning-based object detection algorithms, designed the last layer of a network using statistics adaptive exponential regression model to predict the size of objects. However, an exponential regression model can propagate a high derivative of a loss function into all parameters in a network because of the property of an exponential function. We propose statistics adaptive linear regression layer to ease the gradient exploding problem of the exponential regression model. The proposed statistics adaptive linear regression model is used in the last layer of the network to predict the size of objects with statistics estimated from training dataset. We newly designed the network based on the YOLOv3tiny and it shows the higher performance compared to YOLOv3 tiny on the UFPR-ALPR dataset.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2012.05a
• /
• pp.646-648
• /
• 2012

In this paper, an image detection technique is proposed to extract image features in a mobile terminal environment. To detect objects, the HSI color model of the image is used. The object's corner points are detected using the Harris corner detection method. Finally we detect the object of interest using region growing The experiment results show that the proposed method improves detection performance and reduces the amount of computation.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.11a
• /
• pp.435-438
• /
• 2007

움직이는 객체를 검출하기 위해서 정확한 배경을 사용하기 위해 널리 사용되는 방법으로는 가우시안 혼합 모델이다. 가우시안 혼합 모텔은 확률적 학습 방법을 사용하는데, 이 방법은 움직이는 배경일 경우와 이동하던 물체가 정지하는 경우 배경을 정확히 모델링하지 못한다. 본 논문에서는 확률적 모델링을 통해 혼잡한 배경을 모델링하고 객체의 계층적 처리를 통해 보다 정확한 배경으로 갱신할 수 있는 학습 방법을 제안한다.

• Journal of the Institute of Electronics Engineers of Korea CI
• /
• v.47 no.1
• /
• pp.22-29
• /
• 2010

A real-time detection and tracking of moving objects in video sequences is very important for smart surveillance systems. In this paper, we propose a novel algorithm for the detection of moving objects that is the entropy-based adaptive Gaussian mixture model (AGMM). First, the increment of entropy generally means the increment of complexity, and objects in unstable conditions cause higher entropy variations. Hence, if we apply these properties to the motion segmentation, pixels with large changes in entropy in moments have a higher chance in belonging to moving objects. Therefore, we apply the Clausius entropy theory to convert the pixel value in an image domain into the amount of energy change in an entropy domain. Second, we use an adaptive background subtraction method to detect moving objects. This models entropy variations from backgrounds as a mixture of Gaussians. Experiment results demonstrate that our method can detect motion object effectively and reliably.