• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2001.06a
• /
• pp.161-164
• /
• 2001

본 논문에서는 배경과 색 정보를 이용하여 얼굴을 추출하는 알고리즘을 제안한다. 영상에서의 얼굴 추출에 관한 방법에는 칼라 영상을 가정한 방법, 농담 영상을 가정한 방법, 얼굴의 회전에 덜 민감한 방법, 복잡한 배경에서의 얼굴 추출 방법 등이 연구되어 있다. 본 논문에서는 배경생성을 통해 물체를 구분하고 칼라 정보(HSI 칼라 모델)를 이용하여 얼굴을 추출한다. 배경생성은 각 픽셀 위치에서의 밝기 값을 장시간 평균하거나 혹은 장시간 누적된 밝기 값들 중 최빈 값을 사용하는데 이 방법은 영상 내 물체의 이동이 정체가 별로 없이 원활한 곳에서는 질 좋은 배경을 생성 할 수 있다. 하지 만 배경의 밝기 값을 누적하는 과정에서 물체의 정지상황이 장시간 반영될 경우 배경 영상의 질이 낮아지는 난점이 있다. 따라서, 배경생성 과정에 하이레벨 정보인 물체의 탐지 결과를 이용하여 움직임이 없는 부분에 대해서만 배경생성에 반영함으로써 좀 더 나은 배경을 생성할 수 있다. 이렇게 생성된 배경을 이용해서 입력 영상과의 배경차이를 하게되면 영상 내에서 배경이 아닌 모든 물체를 추출할 수 있다. 물체를 추출 한 후 얼굴 색깔과 유사한 칼라 영역을 분리하고 추출된 물체의 윗 부분에 얼갈이 위치한다는 가정 하에 일괄을 추출한다.

• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2001.06a
• /
• pp.157-160
• /
• 2001

영상검지기에서 차량 탐지를 위해 사용하는 방법은 배경차이(Background Differencing), 장면차이(Frame Differencing), 공간차이(Spatial Differencing), 밝기값 비교(Gray-Level Comparison) 등이 있다. 이 방법들중에서 배경차이 방법은 기준이 되는 배경영상과 입력영상의 차를 구해 차량을 탐지하는데 대부분의 영상검지기에서 채택 되어 사용되는 방법이다. 배경차이 방법에서 가장 중요한 것은 매번 기준이 되는 배경영상을 정확하게 구하는 것 인데, 영상내 차량의 흐름이 원활하다면 어느 배경생성 방법을 사용해도 좋은 결과를 얻을 수 있지만 차량의 정체 가 심하거나 장기간 지속되면 좋은 배경을 생성하기가 어렵다 특히 교차로의 경우 진행중인 차량 및 신호 대기중 인 차량이 통시에 존재하므로 배경생성에 더욱 어려움을 겪게된다. 이상에서 제시된 세 가지 배경생성 방법을 고속도로와 교차로에서 적용시켜 각 배경영상 생성 방법을 비교 분석한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.05a
• /
• pp.530-531
• /
• 2020

최근 인공지능을 활용하여 예술 작품에 몰입할 수 있도록 무대 효과를 디자인하는 연구가 진행되고 있다. 무대 효과 중에서 무대 배경은 공연의 분위기를 형성한다. 춤의 장르별로 무대 배경에 사용되는 이미지를 생성하기 위해 소셜 미디어 기반 무대 배경 생성 시스템이 있다. 하지만 같은 장르 춤은 동일한 무대 배경 이미지가 제공되는 문제가 있다. 같은 장르의 춤이지만 노래의 분위기를 반영하여 차별된 무대 배경 이미지를 제공하는 것이 필요하다. 본 논문은 노래 가사의 감정을 활용하여 Generative Adversarial Network(GAN)을 통해 각 노래의 분위기를 고려한 무대 배경 이미지를 생성하는 방법을 제안한다. GAN은 노래에 포함된 단락별 감정 단어를 추출하여 스타일을 생성하도록 학습된다. 학습된 GAN은 노래 가사에 포함된 감정 단어를 활용하여 곡의 분위기를 반영한 무대 배경 이미지를 생성한다. 노래 가사를 고려하여 무대 배경 이미지를 생성함으로써 곡의 분위기가 고려된 무대 배경 이미지 생성이 가능하다.

• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2000.08a
• /
• pp.197-200
• /
• 2000

본 논문에서는 교통정보 수집용 영상검지기를 위한 실제 교차로 상황에 잘 맞는 배경영상 생성 방법을 제안한다. 교차로 특성상 진행중인 차량 및 신호 대기중인 차량 등 여러 가지 통행패턴이 있을 수 있는데 차량의 움직임 정보를 추출하기 위해 장면차이 방법을 사용한다. 영상열내 차량의 움직임을 관찰하여 배경영상의 생성 과정에 선택적으로 부분 영역을 반영함으로써 보다 좋은 초기 배경영상을 얻을 수 있다. 기존 방법으로 해결하지 못하는 복잡한 상황하에서의 좋은 초기 배경영상을 생성하므로, 차량으로 탐지되지 않는 영상의 부분영역만을 배경생성 과정에 참여시키는 기존의 배경생성 방법에 이 방법을 사용할 경우, 복잡한 상황에서도 견고하게 차량 탐지를 할 수 있는 배경영상을 생성할 수 있다.

• Journal of Advanced Navigation Technology
• /
• v.3 no.1
• /
• pp.60-68
• /
• 1999

In this paper, we propose a new background generation method for image detector for traffic information collection. Conventional methods result in bad performance when there are frequent traffic jams due to heavy traffic. To improve on this, we use high level information from vehicle detection. Only part of the image that is not considered as vehicle is used in background generation. The proposed method finds background more robustly than that of the conventional methods even in the presence of heavy traffic.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2016.11a
• /
• pp.47-50
• /
• 2016

객체를 추적하는 기술은 컴퓨터 비전 분야에서 활발히 연구되고 있는 분야 중 하나이다. 그 중 고정된 단일 카메라를 이용한 객체 추적 기술은 비디오 감시(Surveillance) 등에서 활용되고 있다. 고정된 카메라 환경에서 객체를 추적하는 방법 중 배경 모델링(Background Modeling)을 이용한 방법은 간단하면서도 널리 사용되는 방법 중 하나이다. 객체의 움직임이나 특징을 분석하여 배경 모델을 생성한 후 배경 정보를 이용하여 전경을 분리하면 쉽게 객체를 추출할 수 있다. 그러나 객체의 움직임이 적은 경우 해당 영역에서의 배경 모델은 정확하게 생성될 수 없다. 배경 모델을 학습하는 동안 객체가 충분이 움직이면 이런 문제를 해결할 수 있으나 객체가 움직이기 전까지는 오류가 지속된다. 이런 문제를 해결하기 위해 본 논문에서는 인페인팅(Inpainting)을 이용하여 움직임이 적은 영역을 보정하여 정확한 배경 모델을 생성하는 방법을 제안한다. 배경 모델을 생성한 후 객체로 식별할 수 있는 후보 영역을 식별한다. 선정된 영역들 중 사용자가 객체로 판단되는 영역을 선택하여 해당 영역에 대해 인페인팅으로 화소값 및 가중치들을 보정한다. 보정된 영상으로 배경 모델링을 수행하면 움직임이 적은 영역에 대해서도 효과적으로 배경 모델을 생성 할 수 있다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2013.07a
• /
• pp.49-50
• /
• 2013

본 논문에서는 물체탐지를 위한 적응적 배경 생성 기법을 제안한다. 연속적으로 입력되는 영상들의 통계적 평균을 이용하여 배경을 생성하고 배경과 입력영상간의 차영상을 구하여 물체를 탐지한다. 탐지된 물체를 추척하여 일정시간이상 계속 정지해 있는 경우에는 그 물체영역을 배경으로 갱신하고, 이동 물체인 경우에는 배경 갱신에서 배제함으로써 지속적으로 물체를 탐지할 수 있도록 한다. 실험결과는 제안된 방법의 강건함을 보인다.

• The KIPS Transactions:PartB
• /
• v.17B no.1
• /
• pp.15-22
• /
• 2010

Background generation is very important for accurate object tracking in video surveillance systems. Traditional background generation techniques have some problems with non-moving objects for longer periods. To overcome this problem, we propose a newbackground generation method using mean-shift and Fast Marching Method (FMM) to use pixel information along temporal and spatial dimensions. The mode of pixel value density along time axis is estimated by mean-shift algorithm and spatial information is evaluated by FMM, and then they are used together to generate a desirable background in the existence of non-moving objects during longer period. Experimental results show that our proposed method is more efficient than the traditional method.

• Journal of Korea Game Society
• /
• v.1 no.1
• /
• pp.88-93
• /
• 2001

It is getting easier to make copy of Digital Media. And, illegal copy of digital media causes an infringement of copyright. As a result, it is getting hard to find good game background music. In this study, Auto music generation method by DNA is proposed. Through this method, the game background music can be provided very easily. Since thousands forms of DNA have been found already, we can have thousands of game background music through this method.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10b
• /
• pp.208-210
• /
• 2001

본 논문은 3차원 롤러코스터 시뮬레이션 게임기를 제작함에 있어서 사용자가 단순히 고정된 트랙 및 배경을 대상으로 롤러코스터를 타는 것이 아니라 자신이 원하는 게임환경을 구축할 수 있도록 하는 상호대화적 실시간 저작도구의 개발 내용을 제시한다. 트랙의 모양이나 경로, 배경장면이 미리 구성되거나 고정되는 것이 아니므로, 실시간으로 사용자와의 상호작용을 통해 트랙 데이터를 생성하고 트랙에 잘 융합되는 배경을 생성하기 위한 트랙구성 방법 및 자동 배경생성 알고리즘을 중심으로 소개한다.