• Journal of Internet Computing and Services
• /
• v.18 no.6
• /
• pp.85-92
• /
• 2017

Recently, in the field of video surveillance, a Deep Learning based learning method has been applied to a method of detecting a moving person in a video and analyzing the behavior of a detected person. The human activity recognition, which is one of the fields this intelligent image analysis technology, detects the object and goes through the process of detecting the body keypoint to recognize the behavior of the detected object. In this paper, we propose a method for Body Keypoint Localization based on Object Detection using RGB-D information. First, the moving object is segmented and detected from the background using color information and depth information generated by the two cameras. The input image generated by rescaling the detected object region using RGB-D information is applied to Convolutional Pose Machines for one person's pose estimation. CPM are used to generate Belief Maps for 14 body parts per person and to detect body keypoints based on Belief Maps. This method provides an accurate region for objects to detect keypoints an can be extended from single Body Keypoint Localization to multiple Body Keypoint Localization through the integration of individual Body Keypoint Localization. In the future, it is possible to generate a model for human pose estimation using the detected keypoints and contribute to the field of human activity recognition.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04b
• /
• pp.586-588
• /
• 2000

KUeyes는 3차원 실세계의 영상처리를 위해 고려대학교 인공시각연구센터에서 개발된 컬러 스테레오 헤드아이 시스템이다. KUeyes는 인간의 시각 시스템을 모델로 하여 다해상도 변환 영상, 칼라 정보와 거리 정보, 움직임 정보를 이용하여 지능적이고 빠르게 객체를 탐지하여 추적한다. 또한 병렬적으로 수행되는 인식기를 통해 탐지된 사람의 얼굴을 인식한다. 다양한 실험 및 분석을 통해 KUeyes가 복잡한 실영상을 대상으로 움직이는 개체를 신시간으로 안정되게 추적하고 인식하는 것을 확인할 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2006.11a
• /
• pp.125-128
• /
• 2006

본 논문은 사람의 움직임에 따라 다양한 형태의 몸동작이 발생하고 이러한 몸동작을 이용해 헬스케어정보로 사용될 수 있도록 몸동작 인식 시스템을 제안하였다. 몸동작 인식 시스템은 입력된 영상으로부터 몸동작의 특징 정보를 추출하여 학습에 필요한 데이터로 사용된다. 학습과정을 거처 다양한 몸동작 데이터베이스를 만들고 이를 이용해 몸동작 인식을 수행한다. 본 논문에서 사용된 스테레오 영상 정보는 두 대의 카메라로부터 입력된 영상에서 배경과 객체를 분리하고 분리된 객체에 대해 사각형 영역을 생성한다. 각각의 사각형 정보를 이용해 켈리브레이션 과정을 거쳐 3차원 특징값을 얻을 수 있다. 학습과 인식에 필요한 알고리즘으로 HMM이 사용 되었고 HTK를 이용해 구현 하였다. 실험에 사용된 특징 정보는 몸동작에 따른 사각형의 너비와 높이의 변화량, 사각형 중심점 위치의 변화량 등 2가지 특징값을 이용해 각각 실험 하였다. 실험 결과 사각형의 너비와 높이의 특징값을 이용하는 것보다 중심점의 3차원 위치 변화량을 이용하는 것이 높은 인식률을 보였다.

• 한국IT서비스학회:학술대회논문집
• /
• 2008.11a
• /
• pp.445-448
• /
• 2008

최근의 비디오 영상을 사용한 상황 판단 기법들은 사용자의 인식과 판단에 의존하고 있을 뿐만아니라 실시간 대응이 어렵다는 단점이 있었다. 따라서 본 논문에서는 순차패턴을 이용하여 실시간으로 영상에 나타나는 객체들의 비정상 행위를 탐지하는 자동화 방법을 제안한다.

• The Journal of the Korea Contents Association
• /
• v.8 no.3
• /
• pp.8-17
• /
• 2008

A new algorithm for automatic extraction of interesting objects is proposed in this paper. The proposed algorithm can be summarized in two steps. First, segmentation of color image that split interesting objects and backgrounds is performed. According to the research stating, 'Humans perceive things by contracting color into three to four essential colors,' a color image is segmented into three regions utilizing k-mean algorithm, followed by annexing the regions when the similarities of them exceeds the critical value based on the calculation of degrees in the histogram similarity, Second, identifying the interesting objects out of the segmented image, partitioned by the image composition theory, is performed. To have a good picture, it is important to adjust positions of interesting objects according to picture composition. Extracting objects is a retro-deduction process using a weighted mask designed upon the triangular composition of picture. To prove the quality of the proposed method, experiments are performed over four hundreds images as well as comparison with recently proposed KMCC and GBIS methods.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2021.10a
• /
• pp.75-77
• /
• 2021

In order to find objects in an image through deep learning technology, an image dataset for learning is required. In order to increase the recognition rate of objects, a large amount of image learning data is required. It is difficult for individuals to build large amounts of datasets because it is expensive. This paper introduces a method for more easily constructing an image dataset including several sides of an object by photographing a rotating image. A method of constructing a dataset by placing an object on a rotating plate, photographing it, and dividing and synthesizing the captured images according to the needs is proposed.

• 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 KIISE:Software and Applications
• /
• v.34 no.1
• /
• pp.59-69
• /
• 2007

In the video with a various environment, background modeling is important for extraction and recognition the moving object. For this object recognition, many methods of the background modeling are proposed in a process of preprocess. Among these there is a Kumar method which represents the Queue-based background modeling. Because this has a fixed period of updating examination of the frame, there is a limit for various system. This paper use a background modeling based on the queue. We propose the method that major parameters are decided as adaptive by background model. They are the queue size of the sliding window, the sire of grouping by the brightness of the visual and the period of updating examination of the frame. In order to determine the factors, in every process, RCO (Ratio of Correct Object), REO (Ratio of Error Object) and UR (Update Ratio) are considered to be the standard of evaluation. The proposed method can improve the existing techniques of the background modeling which is unfit for the real-time processing and recognize the object more efficient.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.488-491
• /
• 2012

최근 카메라 센서 및 알고리즘의 발달로 엔터테인먼트 목적의 영상 시스템을 비롯한 공정 기술, 교육 및 의료 등 다양한 목적의 영상 시스템이 개발 되고 있다. 또한 범죄 예방, 사고 상황 인식을 위한 감시 영상 시스템의 연구도 활발히 진행되고 있다. 본 논문에서는 이상 상황 인식을 위한 지능형 교통 시스템에 대해 제안하고자 한다. 제안하는 시스템은 크게 학습 과정과 이상 상황 인식 과정으로 나누어진다. 학습 과정에서는 CCTV와 같은 정적인 카메라에서 촬영된 도로 교통 영상에서 이동 객체의 특징을 추출하고 이를 추적하여 특징 벡터를 구성한다. 구성된 특징 벡터들은 클러스터링 기법을 통해 장면을 모델링하는데 이용되며 최종적으로 이 모델을 이용해 실시간으로 도로 교통 영상에서 이상 상황을 인식할 수 있게 된다. 실험을 통한 성능 평가를 통해 시스템의 우수함을 확인 하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2019.06a
• /
• pp.9-12
• /
• 2019

지난 수 년 동안 계속해서 일반 실상 카메라를 이용한 영상분석기술에 대한 연구가 활발히 진행되고 있다. 최근에는 딥러닝 기술을 적용한 지능형 영상분석기술로 발전해 왔으며 국방기지방호, CCTV, 사용자 얼굴인식, 머신비전, 자동차, 드론 산업이 활성화되면서 많은 시너지를 효과를 일으키고 있다. 그러나 어두운 밤과 안개, 날씨, 연기 등 다양한 여건에서 따라서 카메라의 영상분석 정확성 감소와 오류가 수반될 수 있으며 일반적으로 딥러닝 기술을 활용하기 위해서는 고사양의 GPU를 필요로 하기 때문에 다른 추가적인 시스템이 요구된다. 이에 본 연구에서는 열적외선 영상의 객체 검출에 적용하기 위해 SSD(Single Shot MultiBox Detector) 기반의 경량적인 MobilNet 네트워크로 재구성하여, 모바일 기기 등 낮은 사양의 낮은 임베디드 시스템에서도 활용 할 수 있는 방법을 제안한다. 모의 실험결과 제안된 방식의 모델은 적외선 열화상 카메라에서 객체검출과 학습시간이 줄어든 것을 확인 할 수 있었다.