• 한국지능시스템학회논문지
• /
• 제18권3호
• /
• pp.422-428
• /
• 2008

본 논문에서는 spatial gradient를 이용한 강인한 물체 추출 방법을 제안한다. 제안한 방법은 먼저 복잡한 환경과 다양한 빛의 변화에 의해 나타나는 에러 값 등을 해결하기 위해 기존에 제안된 입력 영상과 기준 영상에서 밝기와 색 성분을 이용하여 최초 배경을 제거한다. 배경을 제거한 다음, 그림자로 인식되어 전경 영역에 추가된 부분을 RGB 칼라 모델과 정규화 된 RGB 칼라 모델을 이용하여 제거하고, HSI 칼라 모델을 이용하여 불필요한 정보 값을 갖는 영역을 제거한다. 마지막으로, 배경으로 인식되어 전경으로부터 제거된 부분을 입력 영상의 공간상 정보인 spatial gradient와 HSI 칼라 모델을 이용하여 복구하는 방법을 제안한다. 마지막으로, 본 논문에서 제안한 알고리즘은 복잡하고 다양한 실내 외 환경에서의 실험을 통해 그 응용 가능성을 증명한다.

• 한국해양환경ㆍ에너지학회지
• /
• 제19권4호
• /
• pp.341-348
• /
• 2016

미세조류는 대체에너지를 위한 생물자원 중 하나로 다양한 분야에서 관련된 연구가 활발히 진행되고 있다. 미세조류의 상태를 분석하기 위한 방법으로는 계수법, 스크리닝법, 응집법 등이 사용되고 있는데, 이 중 응집법은 적조 제거제 연구, 미세조류 자원화 연구 등에 효과적으로 이용되고 있다. 미세조류의 응집 상태 분석에는 현재 분광광도법이 주로 사용되고 있는데, 이는 미세조류의 응집 상태를 광학밀도 계측을 통해 분석하는 방법으로 미세조류 계수법에 비해 소요되는 분석 시간은 작지만, 측정 결과의 오차가 상대적으로 큰 단점을 갖고 있다. 본 논문에서는 이러한 단점을 개선하기 위해서 렌즈프리 그림자 이미징 기술을 이용하여 미세조류의 응집 현상을 실시간으로 분석하는 방법을 제안한다. 본 연구에서는 렌즈프리 그림자 이미지를 이용하여 단일 미세조류의 측정과 응집 미세조류 측정이 동시에 가능함을 현미경 이미지와의 비교를 통해 입증하였다. 또한, 해당 기술을 기반으로 미세조류의 응집 현상을 정량적으로 분석할 수 있는 세 가지의 그림자 파라미터(플록들의 개수, 플록들의 유효면적 및 최대크기 플록의 면적)를 제안하였다. 각 파라미터의 유효성은 응집 효율이 다른 응집제를 이용한 실험을 통해 시간에 따른 미세조류의 응집상태를 실시간으로 분석하여 입증할 수 있음을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제15권2호
• /
• pp.41-46
• /
• 2010

본 논문에서는 다양한 환경변수가 존재하는 실내에서 효율적인 객체를 검출하기 위한 방법을 제안한다. 일반적으로 실내 환경은 조명의 변화와 객체에 의해 발생된 그림자, 바닥면에 반사된 조명성분 등으로 인하여 정확한 객체 검출이 이루어지기 어려운 환경이다. 먼저 객체검출을 위한 배경영상을 생성한다. 영상 내에 객체가 존재하는 경우 이전에 생성된 배경영상과 현재 입력영상간의 유사도 비교를 통해 보정된 배경영상을 생성한다. 배경영상과 입력영상으로 생성한 평균영상과 보정된 배경영상을 이용하여 혼합영상을 생성한다. 마지막으로 혼합영상을 이용하여 입력된 영상으로부터 객체를 검출한다. 검출된 객체를 보완하기 위해 레이블링 과정을 통해 잡음 성분을 제거한 후 모폴로지 기법을 적용하여 객체영역 보완한다. 따라서 조명의 변화나 그림자와 같은 환경변수로부터 강인한 객체를 검출한다. 본 논문에서 제안한 시스템은 변형된 조명성분과 그림자 성분이 포함되어 있는 혼합영상을 사용하기 때문에 기존시스템보다 객체영역 검출이 더욱 효과적이다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2007년도 가을 학술발표논문집 Vol.34 No.2 (C)
• /
• pp.459-464
• /
• 2007

영상기반의 3자원 복원(reconstruction)에 대한 연구가 컴퓨터 성능의 발전과 다양한 영상기반의 복원 알고리즘의 연구로 인해 최근 좋은 결과를 보이고 있으나, 이는 얼굴영역과 같은 목적이 되는 영역이 각 입력영상으로부터 미리 정확하게 추출되어 있다고 가정하기 때문이다. 일반적으로 목적이 되는 영역을 추출하기 위해 차영상이 많이 이용되고 있지만 차영상은 잡음과 구멍(hole)과 같은 오 추출된 영역이 발생하기 때문에 목적이 되는 영역을 3차원으로 복원을 할 때 심각한 오류를 초래할 수 있다. 전경물체(목적이 되는 영역)을 정확하게 추출하기 위해 최근 그래프 컷(graph cut)을 이용한 방법이 다양하게 시도되고 있다. 그래프 컷은 데이터 항(data term)과 스무드 항(smooth term)으로 구성된 에너지 함수를 전역적으로 최소화하는 방법으로 여러 공학적 문제에서 좋은 결과를 보이고 있지만, 에너지 함수의 데이터 항을 설정할 때 필요한 사전정보를 자동으로 얻기가 어렵다. 스테레오 비전의 깊이 정보가 최근 전경 물체 추출을 위한 사전정보로 많이 이용되고 있고 그들의 실험환경에서는 좋은 결과를 보이지만, 3차원 얼굴 복원에서 얼굴의 대부분이 동질의 영역을 가지고 있기 때문에 깊이 정보를 구하기 어려워 정확한 사전정보를 구하기가 어렵다. 본 논문에서는 3차원 얼굴 복원을 효과적으로 하기 위한 그래프 컷 기반의 전경 물체 추출 방법을 제안한다. 에너지 함수의 데이터 항을 설정하기 위해 전경 물체에 대한 사전정보를 추출해야 하며, 이를 위해 차영상을 이용하여 대략적인 전경 물체 추출하고, 사전정보에 대한 오류를 줄이기 위해 잡음과 그림자 영역을 제거한다. 잡음과 그림자 영역을 제거하면 구멍이 발생하거나 실루엣이 손상되는 문제가 발생한다. 손상된 정보는 근접한 픽셀이 유사하지 않을 때 낮은 비용을 할당하는 에너지 함수의 스무드(smooth) 항에 의해 에지 정보를 기반으로 채워진다. 결론적으로 제안된 방법은 스무드 항과 대략적으로 설정된 데이터 항으로 구성된 에너지 함수를 그래프 컷으로 전역적으로 최소화함으로써 더욱 정확하게 목적이 되는 영역을 추출할 수 있다.

• 정보보호학회논문지
• /
• 제21권6호
• /
• pp.171-181
• /
• 2011

본 논문에서는 감시영역을 벗어난 후 다시 돌아온 객체에 대한 배회행위를 효과적으로 인식 할 수 있는 지능형 배회행위 검출 시스템을 제안한다. 전경과 배경을 가우시안 혼합 모델을 이용하여 분리하고 그림자를 제거하여 객체를 인식한 후, 객체의 색도 히스토그램을 이용하여 감시영역을 벗어난 후 돌아온 객체들을 판단하고 감시영역에 존재하는 시간을 보전한다. 배회행위를 판단하기 위해 카메라 캘리브레이션을 통해 실세계 배회패턴과 같은 행태의 매크로 블록을 영상좌표에 도입한 후 배회궤적을 추출하고, 감시영역에 객체가 존재하는 시간을 함께 고려하여 배회행위를 판단한다. 제안하는 방법은 실험에 사용된 모든 배회행위 프레임에서 정확하게 배회행위를 검출하여 그 효과를 입증하였다.

• 방송공학회논문지
• /
• 제16권3호
• /
• pp.462-470
• /
• 2011

본 논문에서는 실시간 영상감시 시스템에서 방치되거나 제거된 객체를 강인하게 검출하는 알고리듬을 제안한다. 방치되거나 없어진 객체는 사람이나 다른 움직임의 원인에 의해서 나타나기 때문에 추적을 기반으로 한 방법을 사용하였다. 가우시안 혼합 모델에 의해 전경과 배경을 분리하고 그림자 제거 알고리듬을 적용하였다. 모폴로지를 수행하여 주변 잡음을 제거하고 객체 구분을 명확히 하였다. 그리고 검출된 정지 객체를 방치되거나 사라지는 객체 중의 하나로 분류하였다. 추적방법을 적용함과 동시에 정지된 객체에 모니터링 시간까지 부여하여 검출된 객체가 다른 객체에 의해서 폐색되는 현상을 개선하였다. 영역성장기법을 이용하여 방치된 객체와 제거된 객체의 분류 성능을 높였다. 또한 제안된 시스템을 DSP 기반으로 설계하여 실시간 구현을 하였다. 실험을 통해 제안한 방법의 우수성을 입증하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권1호
• /
• pp.27-34
• /
• 2013

배경제거는 동영상의 내용을 자동으로 분석하기 위한 매우 중요한 기술의 하나로 움직이는 객체를 검출하고 추적하기 위한 핵심 기술이다. 본 논문에서는 배경 모델과 함께 배경 영상을 제공하는 새로운 샘플링 기반의 배경제거 알고리즘을 제안한다. 제안된 방법에서는 움직임이 빠른 객체와 느린 객체를 동시에 처리하기 위해 다중 구간 샘플링 기법을 이용하여 배경 모델을 생성한다. 이러한 다중 구간 배경 모델들로부터 최선의 배경 모델을 만들기 위해 "신뢰도"를 사용한 것이 본 논문의 특징이다. 배경 제거 분야에서 다양한 모델을 병합하여 하나의 모델을 만들기 위해 신뢰도를 정의하여 사용한 경우는 현재까지 보고되지 않았다. 실험을 통해 제안된 방법이 다양한 속도의 객체가 존재하고 시간에 따른 그림자의 이동과 같은 환경 변화가 있는 응용에서도 안정적인 결과를 나타내는 것을 알 수 있었다.

• 한국정보통신학회논문지
• /
• 제14권7호
• /
• pp.1661-1666
• /
• 2010

영상 시퀀스는 획득과정에서 주변부의 밝기 변화와 그림자 등으로 인해 원치 않는 밝기 변화가 포함될 수 있다. 시각적으로 성가신 훼손 형태로 표현되는 이러한 플리커(flicker)는 움직임 벡터의 계산이나 물체의 추출과 같은 후 처리에 많은 영향을 미치므로 미리 제거하는 것이 바람직하다. 본 논문은 플리커를 발생시키는 모델을 분석하고 이를 제거하는 새로운 알고리즘을 제안한다. 제안하는 알고리즘은 플리커를 유발하는 게인과 오프셋 파라미터를 분리하여 추정하고 이를 훼손된 영상에 보정하여 영상 시퀀스를 안정화 시킨다. 제안하는 방법을 장면에서 움직임이 없는 인위적인 테스트 영상 시퀀스와 움직임이 있는 실제 영상 시퀀스에 적용하여 알고리즘의 성능을 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2007년도 춘계학술발표대회
• /
• pp.301-304
• /
• 2007

자동으로 이미지 안에 존재하는 객체들을 인식하는 문제는 내용 기반 이미지 검색이나 로봇 비전과 같은 다양한 분야들에서 매우 중요한 문제이다. 이 문제를 해결하기 위하여 본 논문에서는 객체의 주요 색상 정보들을 이용하여 실시간으로 이미지 안의 객체들을 인식하는 알고리즘을 제안한다. 본 논문에서 제안하는 방법의 전체적인 구조는 다음과 같다. 처음에 MPEG-7 색상 정보 기술자들 중 하나인 주요 색상 정보 기술자를 이용하여 객체의 주요 색상 정보들을 추출한다. 이 때 이 정보는 가우시안 색상 모델링을 통하여 빛이나 그림자와 같은 외부 환경 조건에 좀 더 강인한 색상 정보로 변환된다. 다음으로 변환된 색상 정보들을 기반으로 주요 객체와 입력 이미지와의 픽셀 값차이를 계산하고, 임계값 이상의 값을 가지는 픽셀들을 제거한다. 마지막으로 입력 이미지에서 제거되지 않은 픽셀들을 기반으로 하나의 영역을 생성한다. 결론으로서, 본 논문에서는 제안된 방법에 대한 실험 평가들을 수행 및 분석하고 몇몇 한계점들에 대해서 알아본다. 또한 이 문제들을 해결하기 위한 앞으로의 연구 계획에 대해서 기술한다.

• 제어로봇시스템학회논문지
• /
• 제16권1호
• /
• pp.69-76
• /
• 2010

The segmentation of moving object in video sequence is a core technique of intelligent image processing system such as video surveillance, traffic monitoring and human tracking. A typical method to segment a moving region from the background is the background subtraction. The steps of background subtraction involve calculating a reference image, subtracting new frame from reference image and then thresholding the subtracted result. One of famous background modeling is Gaussian mixture model (GMM). Even though the method is known efficient and exact, GMM suffers from a problem that includes false pixels in ROI (region of interest), specifically shadow pixels. These false pixels cause fail of the post-processing tasks such as tracking and object recognition. This paper presents a method for removing false pixels included in ROT. First, we subdivide a ROI by using shape characteristics of detected objects. Then, a method is proposed to classify pixels from using histogram characteristic and comparing difference of energy that converts the color value of pixel into grayscale value, in order to estimate whether the pixels belong to moving object area or shadow area. The method is applied to real video sequence and the performance is verified.