• Proceedings of the IEEK Conference
• /
• 2000.09a
• /
• pp.837-840
• /
• 2000

동영상에서 움직이는 객체 분할 및 모션 예측을 동시에 수행할 수 있는 연구는 다양한 방법으로 시도 되어 왔다. 실제 이미지를 서로 다른 움직임이나 서로 다른 공간적인 특정 영역으로 분리 될 수 있다고 가정 한다면 복수의 객체 또는 객체의 움직임으로 표현 할 수 있다. 객체 분할 측면에서 볼 때 효율적인 분할을 위해서는 특징 입력 벡터의 선택이 중요한 변수로 작용한다. 본 연구에서는 정밀한 객체 분할을 위해 밝기, 질감(Texture) 정보와 같은 정지영상의 특징 입력 벡터와 움직임 벡터 같은 동영상의 특징 입력 벡터를 동시에 사용한다. 분리된 객체는 각각의 클래스를 구성하게 되고 이를 위한 클래스 분류기로서 Median Radial Basis 신경 회로망을 사용한다. 객체 분할과 움직임 예측을 위해서 확률적 방법을 통한 에너지 함수를 구하고 비용함수를 도입한다. 신경 회로망의 각 Basis 함수는 영상의 특정한 영역에서 활성화되며 객체의 분류를 위해 신경 회로망 출력으로 가중치의 합으로서 나타나게 된다.

• 한국HCI학회:학술대회논문집
• /
• 2008.02a
• /
• pp.795-800
• /
• 2008

카메라로 입력되는 영상에서 객체를 인식하기 위한 노력은, 기존의 컴퓨터 비전분야에서 좋은 이슈로 연구되고 있다. 영상 내부에 등장하는 객체를 인식하고 해당 객체를 포함하고 있는 전체 이미지에서 현재 영상의 위치를 인식하기 위해서는, 영상 내에 등장할 객체에 대한 트레이닝이 필요하다. 본 논문에서는 영상에 등장할 객체에 대해서, 특징 점을 검출(feature detection)하고 각 점들이 가지는 픽셀 그라디언트 방향의 벡터 값들을 그 이웃하는 벡터 값들과 함께 DoG(difference-of-Gaussian)함수를 이용하여 정형화 한다. 이는 추후에 입력되는 영상에서 검출되는 특징 점들과 그 이웃들 간의 거리나 스케일의 비율 등의 파리미터를 이용하여 비교함으로써, 현재 특징 점들의 위치를 추정하는 정보로 사용된다. 본 논문에서는 광역의 시설 단지를 촬영한 인공위성 영상을 활용하여 시설물 내부에 존재는 건물들에 대한 초기 특징 점들을 검출하고 데이터베이스로 저장한다. 트레이닝이 마친 후에는, 프린트된 인공위성 영상내부의 특정 건물을 카메라를 이용하여 촬영하고, 이 때 입력된 영상의 특징 점을 해석하여 기존에 구축된 데이터베이스 내의 특징 점과 비교하는 과정을 거친다. 매칭되는 특징 점들은 DoG로 정형화된 벡터 값들을 이용하여 해당 건물에 대한 위치를 추정하고, 3차원으로 기 모델링 된 건물을 증강현실 기법을 이용하여 영상에 정합한 후 가시화 한다.

• Journal of the Institute of Convergence Signal Processing
• /
• v.4 no.3
• /
• pp.21-26
• /
• 2003

A new method to realize 3-dimensional object pattern recognition system using Fourier-based feature extractor has been proposed. The procedure to obtain the invariant feature vector is as follows ; A closed surface is generated by tracing the surface of object using the 3-dimensional polar coordinate. The centroidal distances between object's geometrical center and each closed surface points are calculated. The distance vector is translation invariant. The distance vector is normalized, so the result is scale invariant. The Fourier spectrum of each normalized distance vector is calculated, and the spectrum is rotation invariant. The Fourier-based feature generating from above procedure completely eliminates the effect of variations in translation, scale, and rotation of 3-dimensional object with closed-surface. The experimental results show that the proposed method has a high accuracy.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2016.06a
• /
• pp.273-274
• /
• 2016

본 논문에서는 다중 랜덤 워커(multiple random walkers)에 기반한 객체 추적 기법을 제안한다. 우선 서포트 벡터 머신(support vector machine)을 이용한 분류기 기반 객체 추적 기법을 소개한다. 다음으로 영상의 영역에 대한 특징 벡터 중 배경으로부터 추출된 특징 벡터를 억제하는 기법을 제안한다. 영역에서 배경 요소를 찾기 위해 다중 랜덤 워커를 이용한 전경 및 배경 추출 방법을 제시한다. 배경 요소를 억제하여 학습된 서포트 벡터 머신은 객체와 배경이 유사한 영상, 객체가 다른 물체에 의해 가려지는 영상 등에서 객체와 배경을 확실하게 구분하여 객체를 잃지 않고 추적할 수 있다. 마지막으로 실험을 통해 제안하는 기법이 기존 기법에 비해 우수한 추적 성능을 보임을 확인한다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.05d
• /
• pp.1046-1051
• /
• 2002

본 논문에서는 웨이브릿 변환 영상에서 객체 영역을 인식하는 새로운 필터링 방법을 제안하고, 제안한 방법을 이용하여 객체 기반 영상검색 방법을 비교 분석한다. 기존의 방법은 특징벡터를 웨이브릿 변환 영상의 부대역 전체에서 추출하기 때문에 불필요한 배경정보가 포함됨으로써 검색효율이 감소하였다. 그러나 제안한 방법은 객체영역에서 특징벡터를 추출하므로 더욱 정확한 정보가 추출될 뿐 아니라, 불필요한 배경정보를 제거함으로써 검색효율을 향상시키며, 객체의 위치나 크기에 상관없이 검색효율을 일정하게 유지한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10a
• /
• pp.219-221
• /
• 1999

현재 멀티미디어 응용분야에서 고차원 데이터에 대한 색인 기법이 아주 중요시 되고 있다. 특히, 인터넷의 보급으로 멀티미디어 정보에 대한 수요가 급증함에 따라 멀티미디어 객체에 대한 효율적인 색인 기술이 절실히 필요하게 되었다. 멀티미디어 객체들은 특징 벡터들로 표현이 되며, 대부분 고차원 특징 벡터를 형성하게 된다. 이러한 고차원 특징 벡터를 색인 및 검색하기 위하여 다양한 방법들이 제시되었다. 그러나, 차원이 증가할수록 검색 성능이 급격히 저하되는 dimensional curse 문제를 완전히 해결하지는 못했다. 본 논문에서는 필터링(filtering) 기법을 사용하여 개선된 고차원 색인 기법을 설계 및 구현한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.838-840
• /
• 2005

본 논문에서는 감시 시스템 내에서 검출된 객체에 대해 정확한 특징벡터를 추출하기 위한 그림자 제거(shadow casting)방법을 제안한다. 그림자에 외해 부정확한 특징벡터를 가지게 되는 객체는 동일한 객체임에도 불구하고 서로 다른 객체로 인식하는 잘못된 결과를 가져온다. 이러한 문제점을 해결하기 위해 객체가 가지는 대칭성을 사용하여 그림자 후보 영역을 추출한 후 중심축으로부터의 거리에 비례한 가중치값을 사용하여, 추출한 영역에 대해 그림자를 제거를 수행한다.

• Journal of Broadcast Engineering
• /
• v.21 no.6
• /
• pp.913-919
• /
• 2016

In this paper, we propose the visual tracking algorithm that takes advantage of multiple random walkers. We first show the tracking method based on support vector machine as [1] and suggest a method that suppresses feature vectors extracted from backgrounds while preserve features vectors from foregrounds. We also show how to discriminate between foregrounds and backgrounds. Learned by reducing influences of backgrounds, support vector machine can clearly distinguish foregrounds and backgrounds from the image whose target objects are similar to backgrounds and occluded by another object. Thus, the algorithm can track target objects well. Furthermore, we introduce a simple method improving tracking speed. Finally, experiments validate that proposed algorithm yield better performance than the state-of-the-art trackers on the widely-used benchmark dataset with high speed.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2000.10a
• /
• pp.517-521
• /
• 2000

본 논문에서는 영상 처리 방법을 이용하여 주어진 객체의 실세계 좌표를 나타내는 특징점을 인식하는 한 방법을 제안한다. 제안된 방법에서는 육면체 형상의 객체를 대상으로 하며, 이러한 객체 영상의 주요한 특징점은 육면체를 결정짓는 꼭지점들로 이루어진다. 제안된 방법은 CCD 카메라로부터 영상을 획득하는 영상 획득 모듈, 획득된 영상에 대하여 관심 영역을 찾는 영상 분할 모듈, 분할된 관심 영역에 대하여 sobel operator등을 이용하여 경계 정보를 검출하는 영상 처리 모듈, 그리고 세선화, line fitting과정을 통하여 직선 벡터들을 검출한 후에 객체의 주요한 특징점을 인식하는 모듈로 구성된다.

• Proceedings of the KIEE Conference
• /
• 2015.07a
• /
• pp.1357-1358
• /
• 2015

본 논문에서는 축사에서 비젼 기반으로 이동 객체를 분류하는 방법을 제안한다. 제안하는 방법은 축사 내 설치된 CCTV로부터 영상을 입력받아 Adaptive GMM알고리즘을 이용하여 이동 객체를 추출한다. 다음, 이동 객체 가 사람인지 소인지 또는 차량인지 분류하기 위해 이동 객체의 특징을 추출한다. 이동 객체 특징 추출 방법으로는 기존의 Monolithic-based방법인 HoG알고리즘을 개선하여 축사의 복잡한 환경에서 다양한 자세를 가지는 사람과 소 그리고 차량의 구조적 특징을 추출한다. 추출한 특징은 벡터화 하여 SVM분류기 입력값에 적합하도록 한다. SVM 분류를 통해 이동 객체의 구조적 특징을 블록화 하여 이동 객체의 신체 모델을 생성한다. 마지막으로 생성된 신체 모델을 이용하여 이동 객체가 사람인지 소인지 또는 차량인지 분류한다.