• Convergence Security Journal
• /
• v.24 no.1
• /
• pp.77-82
• /
• 2024

Recent research has seen significant improvements in various object detection and classification models overall. However, the study of object detection and classification in situations where objects are partially obscured remains an intriguing research topic. Particularly in the military domain, unmanned combat systems are often used to detect and classify objects, which are typically partially concealed or camouflaged in military scenarios. In this study, a method is proposed to enhance the classification performance of partially obscured objects. This method involves adding occlusions to specific parts of object images, considering the surrounding environment, and has been shown to improve the classification performance for concealed and obscured objects. Experimental results demonstrate that the proposed method leads to enhanced object classification compared to conventional methods for concealed and obscured objects.

• Proceedings of the KIEE Conference
• /
• 2003.11b
• /
• pp.167-170
• /
• 2003

본 논문에서는 패턴 인식의 전형적인 경우인 보이기 기반 물체 인식(Appearance based object recognition)을 수행하기 위하여, 일반적인 퍼지 분류 모델과, 서포트 벡터 머신을 하이브리드(hybrid) 하게 연결한 서포트 벡터 기반 퍼지 분류 시스템이라는 새로운 방법을 제안하고 이에 대하여 연구한다. 일반적인 분류(classification)문제의 경우 두 클래스로 구분하는데 최적의 성능을 가지고 있는 서포트 벡터 머신이 다중클래스(Multiclass)의 경우 발생 하는 계산량의 증가 문제를 해 결하기 위하여 다중 클래스 분류(Multiclass classification)에 장점을 가진 퍼지 분류 시스템을 도입, 서포트 벡터 머신에 연결함으로써 단점을 보완하는 시스템을 제안한다. 즉 서포트 벡터 머신을 통해 퍼지 시스템의 구조를 러닝(learning)하는데 사용하여 최종 적으로는 퍼지 분류 시스템(Fuzzy Classifier)이 나오도록 하는 것이다. 이 시스템의 성능을 확인하고자 여러 가지 물체들에 대한 이미지를 가지고 있는 COIL(Columbia Object Image Library) 데이터 베이스를 사용하여 보이기 기반 물체 인식(Appearance based Object Recognition)을 수행 하였으며 이를 순수한 서포트 벡터 머신만을 이용하여 물체 인식을 수행한 경우와 정확도 및 인식 시간에 대하여 비교하였다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2007.11a
• /
• pp.279-283
• /
• 2007

움직이는 물체를 분류하는 것은 영상 감시 시스템에서 가장 중요한 분야 중의 하나이다. 사람과 자동차는 영상 감사 시스템에서 인식해야 하는 가장 중요한 물체의 종류이기 때문에 본 연구에서는 인식하는 물체의 종류를 이것들로 제한한다. 사용되는 특성으로는 물체의 움직임에서 추출되는 특성과 형태에서 추출되는 특성이 있다. 이 두 가지 특성들은 정지된 하나의 카메라로부터 입력된 영상에 나타나는 물체를 분류하기 위하여 사용된다. 움직임으로부터 추출되는 특성은 연결 성분 분석을 이용한 물체 추적과 밀접한 관련이 있다. 그리고 형태 기반 특성에 관한 학습은 종횡비(aspect ratio)와 4개의 윤곽선을 가지고 수행된다. 움직임 기반 특성과 종횡비는 물체를 사람과 자동차로 구분하는데 이용되고 각각의 종류를 더욱 세분화하기 위하여 4개의 윤곽선이 사용된다.

• Journal of the Institute of Electronics Engineers of Korea SP
• /
• v.48 no.4
• /
• pp.12-20
• /
• 2011

In this paper, we propose an efficient object detection and classification algorithm for video surveillance applications. Previous researches mainly concentrated either on object detection or classification using particular type of feature e.g., Scale Invariant Feature Transform (SIFT) or Speeded Up Robust Feature (SURF) etc. In this paper we propose an algorithm that mutually performs object detection and classification. We combinedly use heterogeneous types of features such as texture and color distribution from local patches to increase object detection and classification rates. We perform object detection using spatial clustering on interest points, and use Bag of Words model and Naive Bayes classifier respectively for image representation and classification. Experimental results show that our combined feature is better than the individual local descriptor in object classification rate.

• Journal of the Korea Society of Computer and Information
• /
• v.20 no.4
• /
• pp.57-67
• /
• 2015

The concept of detection and classification of objects based on infrared camera is widely applied to military applications. While the object detection technology using infrared images has long been researched and the latest one can detect the object in sub-pixel, the object classification technology still needs more research. In this paper, we present object classification method based on measured radiant intensity of objects such as target, artillery, and missile using infrared camera. The suggested classification method was verified by radiant intensity measuring experiment using black body. Also, possible measuring errors were compensated by modelling-based correction for accurate radiant intensity measure. After measuring radiation of object, the model of radiant intensity is standardized based on theoretical background. Based on this research, the standardized model can be applied to the object classification by comparing with the actual measured radiant intensity of target, artillery, and missile.

• The Journal of The Korea Institute of Intelligent Transport Systems
• /
• v.21 no.5
• /
• pp.218-232
• /
• 2022

Researches are underway to use a radar sensor, a sensor used for object recognition in vehicles, for position estimation. In particular, a method of classifying dynamic and static objects using the Doppler velocity, the output from the radar sensor, and calculating ego-motion using only static objects has been researched recently. Also, for the existing dynamic object classification, several methods using RANSAC or robust filtering has been proposed. Still, a classification method with higher performance is needed due to the nature of the position estimation, in which even a single failure causes large effects. Hence, in this paper, we propose a method to improve the classification performance compared to existing methods through tracking and filtering of dynamic objects. Additionally, the method used a GMPHD filter to maximize tracking performance. In effect, the method showed higher performance in terms of classification accuracy compared to existing methods, and especially shows that the failure of the RANSAC could be prevented.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.11a
• /
• pp.427-430
• /
• 2007

기존의 LVQ(Learning Vector Quantization) 방법을 이용하여 물체를 분류하면 데이터의 학습이 빠르고 연산량이 적어 실시간으로 물체를 분류할 수 있는 장점이 있다. 하지만 데이터의 훈련시 output neuron의 개수를 정확히 예측할 수 없고 output neuron의 개수에 따라 물체를 분류하는 정확도가 매우 달라질 수 있다. 그러므로 본 논문에서는 output neuron의 개수를 데이터의 특성에 맞게 결정해주는 알고리즘을 제시한다. DLVQ(Dynamic Learning Vector Quantization) 알고리즘은 승자로 결정된 가중치 벡터의 부류가 샘플 데이터의 부류와 같으면 업데이트하고 다르면 새로운 가중치 벡터로 생성한다. 제한한 알고리즘의 가장 다른 부분은 미리 output neuron의 개수를 정하는 것이 아니라 훈련 과정에서 동적으로 output neuron의 개수를 생성하는 것이다. 그리고 클러터의 구분 방법을 제시하여 사람, 차, 클러터를 구분할 수 있다.

• Journal of the Institute of Electronics and Information Engineers
• /
• v.53 no.3
• /
• pp.91-98
• /
• 2016

Detection and classification of underwater objects in sonar imagery are challenging problems. This paper proposes a system that detects and identifies underwater objects at the sea floor level using a sonar image and image processing techniques. The identification process of underwater objects consists of two steps; detection of candidate regions and identification of underwater objects. The candidate regions of underwater objects are extracted by image registration through the detection of common feature points between the reference background image and the current scanning image. And then, underwater objects are identified as the closest pattern within the database using eigenvectors and eigenvalues as features. The proposed system is expected to be used in efficient securement of Q route in vessel navigation.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.07a
• /
• pp.539-540
• /
• 2023

최근 물체 인식 모델의 성능을 개선하기 위한 다양한 연구가 진행 중이다. 본 논문에서는 K-means 기반 앵커박스 선정 기법을 적용한 새로운 물체 인식 모델 성능 개선 방법을 제안한다. 제안된 방법은 항만 내 설치된 컨테이너 사고를 예방하기 위한 컨테이너 사고위험도 분류 모델에 적용하여 성능 평가를 하였다. 특히, 컨테이너 사고위험도 분류 모델은 작은 물체를 인식해야 하며 이런 환경에서는 기존 물체 인식 모델 성능이 낮게 나타난다. 본 논문에서는 제안한 K-means 기반 앵커박스 선정 기법을 적용하여 물체 인식 모델 성능이 개선됨을 확인하였디.

• Korean Journal of Remote Sensing
• /
• v.30 no.4
• /
• pp.537-546
• /
• 2014

In this paper, we propose a method to detect interesting objects in inaccessible areas using high resolution satellite images. We define the interesting objects as a set of objects which have conceptually similar image patterns, not having exact sizes or shapes. In this paper, we developed a learning and classifier of Support Vector Machine (SVM) that extracts characteristic data for inputted images using Histogram of Gradients (HOG) feature and detects similar objects in other images using the characteristic data. As automatic search of interesting objects in our proposed method, we identify that our method provides reduced time and efforts for manual searching similar objects.