• 한국컴퓨터정보학회논문지
• /
• 제12권1호
• /
• pp.261-267
• /
• 2007

최근 교통문제 해결을 위한 하나의 방안으로 첨단교통체계(ITS)에 관한 연구가 활발히 진행 중이다. 또한 도로 상에서 차량을 검출하기 위한 다양한 방법들이 제시되고 있다. 본 논문에서는 영상처리 기술을 이용하여 이동하는 차량을 검출하는 차량검지 시스템을 개발하여 도로 이용자에게 신속한 정보를 제공하고자 한다. 또한 차량을 검출하기 위해 효율적이고 하드웨어로 구현이 쉬운 알고리즘을 개발하는데 목적이 있다. CCD 카메라를 이용하여 도로 영상을 촬영하고, 모폴로지 기법을 적용하여 영상으로부터 특징점을 추출하고, 추출된 특징점 간의 이동벡터를 구하여 움직이는 차량영역을 검출한다. 제안된 알고리즘을 실제 도로 영상에서 실험한 결과 처리시간이 단축되었으며, 차량 검출에서 좋은 결과를 얻을 수 있었다.

• 한국측량학회지
• /
• 제37권6호
• /
• pp.525-533
• /
• 2019

무인항공사진측량을 이용한 지도제작의 지형·지물 묘사 방법에는 벡터화와 수치도화 방법이 있다. 벡터화 방법은 정사영상에서 평면위치를 추출하고, 수치표면모델(DSM: Digital Surface Model) 혹은 수치표고모델(DEM: Digital Elevation Model)에서 높이 값을 취득하고 있다. 그러나 지금까지 벡터화 성과의 정확도는 대부분 검사점만을 이용하여 분석하고 있어 지상시설물과 건물 등 3차원 지물의 위치정확도 판단이 어렵다. 이에 본 연구에서는 검사점 뿐만 아니라 지형·지물의 Layer별 모서리에 대한 정확도를 분석하여 벡터화를 이용한 3차원 공간정보취득 및 수치지도제작 가능성을 판단하고자 하였다. 촬영은 DJI사 Phantom 4 pro로 비행고도 90m에서 GSD (Ground Sample Distance) 3.6cm의 영상을 취득하였다. 연구 결과, 벡터화에 의한 묘사의 정확도는 현장측량 성과와 비교하여 검사점의 잔차를 분석한 결과 평면 RMSE (Root Mean Square Error)가 0.045m로 나타나 정사영상을 이용한 1/1,000 축척의 수치지형(평면)현황도 제작이 가능할 것으로 판단된다. 반면 전주, 옹벽 및 건물 등 Layer별 모서리 좌표를 기준자료와 비교하여 3차원 정확도를 분석한 결과 RMSE가 평면 0.068~0.162m, 표고 0.090~1.840m로 나타났다. 따라서 벡터화로 취득한 3차원 성과의 표고위치에서 오차가 크게 발생하여 벡터화를 이용한 3차원 공간정보 취득 및 1/1,000 수치지도제작이 어려운 것으로 판단된다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2005년도 춘계 종합학술대회 논문집
• /
• pp.437-442
• /
• 2005

본 연구에서는 칼라정보와 주성분분석법(principal component analysis : PCA)를 이용한 차량 번호판 인식시스템을 구성하였다. 먼저 입력된 차량 영상에서 번호판의 형태적 특징과 녹색 칼라 정보를 이용하여 번호판 영역을 추출하였으며, 추출된 번호판내의 문자 및 숫자의 위치적 특징을 이용하여 번호판의 종류(구형, 신형, 최신형)를 구분하였다. 이렇게 추출되고 구분된 번호판은 문자의 상대적 위치정보와 수평 및 수직 투영 정보를 함께 이용하여 각각의 문자영역을 분리 추출하였다. 추출된 문자영역은 주성분분석법을 이용하여 고유벡터를 추출한 후 문자 인식에 사용하였다. 본 논문의 실험과정에서는 다양한 시간대 환경에서 촬영된 주행 중인 자동차 320대의 자가용 차량영상에 대하여 실험하였으며 높은 번호판 추출률과 번호판종류 구분률 그리고 문자 인식률을 얻을 수 있었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.370-370
• /
• 2021

태풍으로 인한 피해를 줄이기 위해 경로, 강도 및 폭풍해일의 사전 예측은 매우 중요하다. 이중, 태풍의 경로와는 달리 강도 및 폭풍해일의 예측에 있어서 바람장은 수치 모델의 초기 입력값으로 요구되기 때문에 정확한 바람장 정보는 필수적이다. 대기 바람장 예측 방법은 크게 해석적 모델링, 라디오존데 측정과 위성 사진을 통한 산출로 구분할 수 있다. Holland의 해석적 모델링은 비교적 적은 입력값이 필요하지만 정확도가 낮고, 라디오존데 측정은 정확도가 높지만 점 측정에 가깝기 때문에 이차원 바람장을 산출하기에 한계가 있다. 위성 사진을 통한 바람장 산출은 위성기술의 고도화로 관측 채널 수 및 시공간 해상도가 크게 증가하고 있기 때문에 다양한 기법들이 개발되고 있다. 본 연구에서는 생성적 적대 신경망 (Generative Adversarial Network, GAN)을 통해 일련의 연속된 과거 적외 채널 위성 사진 흐름의 패턴을 학습시켜 미래 위성 사진을 예측하고, 예측된 연속적인 위성 사진들의 교차상관 (cross-correlation)을 통해 바람장을 산출하였다. GAN을 적용함에 있어 2011년부터 2019년까지 한반도 근방에 접근했던 태풍 중에 4등급 이상인 68개의 태풍의 한 시간 간격으로 촬영된 총 15,683개의 위성 사진을 학습시켜 생성된 이미지들은 실측 위성 사진들과 매우 유사한 것으로 나타났다. 또한, 생성된 이미지들의 교차상관으로 얻어진 바람장 벡터들의 풍향, 풍속, 벡터 일관성 및 수치 모델과의 비교를 통해 각각의 벡터들의 품질 계수를 구하고 정확도가 높은 벡터들만 결과에 포함하였다. 마지막으로 국내 6개의 라디오존데 관측점에서의 실측 벡터와의 비교를 통해 본 연구 결과의 실효성을 검증하였다. 본 연구에서 확장하여, 이와 같이 AI 기법과 이미지 교차상관 기법을 사용하여 얻어진 바람장으로부터 태풍 강도예측에 필요한 요소인 태풍의 눈의 위치, 최고 속도와 태풍 반경을 직접적으로 산출할 수 있고. 이러한 위성 사진을 기반으로 한 바람장은 단순화된 해석적 바람장을 대체하여 폭풍 해일 모델링의 예측 성능 개선에 기여할 것으로 보여진다.

• 한국공간정보시스템학회:학술대회논문집
• /
• 한국공간정보시스템학회 2007년도 GIS 공동춘계학술대회 논문집
• /
• pp.300-306
• /
• 2007

2003년 $\ulcorner$국토의계획및이용에관한법률$\lrcorner$이 제정되면서 합리적인 토지이용을 유도하기 위해 시행되고 있는 토지적성평가제도는 토지의 공간 입지적 특성, 활용가능성, 주변 개발 여건 등을 고려하여 토지의 용도 구분을 위한 기초자료를 제공하는데 그 목적이 있다. 본 연구에서는 토지적성평가 데이터베이스의 주제도로부터 자료취득 시기의 불일치, 지적 불부합, 지적공부상의 등록 오류 등 토지적성평가 기초자료의 구축 오류를 도출하고, 다양한 공간영상정보자료 즉, 고해상위성영상이나 항공영상, 현장의 촬영영상 등과 구축된 벡터기반의 각종 주제도들을 비교 검증함으로써 토지적성평가체계의 DB 정확도를 향상시키고 평가결과의 신뢰성을 확보하는 데 그 목적을 두고 있다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제63차 동계학술대회논문집 29권1호
• /
• pp.277-278
• /
• 2021

최근 손동작 인식에 대한 연구들이 활발하다. 하지만 대부분 Depth 정보를 포함한3D 정보를 필요로 한다. 이는 기존 연구들이 Depth 카메라 없이는 동작하지 않는다는 한계점이 있다는 것을 의미한다. 본 프로젝트는 Depth 카메라를 사용하지 않고 2D 이미지에서 Hand Keypoint Detection을 통해 손동작 인식을 하는 방법론을 제안한다. 학습 데이터 셋으로 Facebook에서 제공하는 InterHand2.6M 데이터셋[1]을 사용한다. 제안 방법은 크게 두 단계로 진행된다. 첫째로, Object Detection으로 Hand Detection을 수행한다. 데이터 셋이 어두운 배경에서 촬영되어 실 사용 환경에서 Detection 성능이 나오지 않는 점을 해결하기 위한 이미지 합성 Augmentation 기법을 제안한다. 둘째로, Keypoint Detection으로 21개의 Hand Keypoint들을 얻는다. 실험을 통해 유의미한 벡터들을 생성한 뒤 Annoy (Approximate nearest neighbors Oh Yeah) Tree를 생성한다. 생성된 Annoy Tree들로 후처리 작업을 거친 뒤 최종 Pose Estimation을 완료한다. Annoy Tree를 사용한 Pose Estimation에서는 NN(Neural Network)을 사용한 것보다 빠르며 동등한 성능을 냈다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2011년도 한국컴퓨터종합학술대회논문집 Vol.38 No.1(C)
• /
• pp.191-194
• /
• 2011

문서를 이루는 단어들의 빈도수가 지수법칙(power law)를 따른다는 지프의 법칩(Zipf's law)이 있다. 이러한 단어분포를 고려하여 문서의 토픽을 찾아내는 기계학습법이 디리쉴레 프로세스(Dirichlet process) 이다. 이를 발전시켜서 데이터의 잠재 요인(latent factor)들을 베이즈 확률모델에 기반한 샘플링 바탕으로 찾는 방법이 인디언 뷔페 과정(Indian buffet process) 이다. 우리는 25가지의 특징(feature)들에 대한 점수(rating)들이 볼드(blood oxygen dependent level) 신호와 함께 주어지는 PBAIC 2007 데이터에 주성분 분석법(principal component analysis)를 적용했다. PBAIC 2007 데이터는 비디오 게임을 수행하며 기능적뇌영상(functional magnetic resonance imaging, fMRI) 촬영을 하여 얻어진 공개데이터이다. 우리의 연구에서는 주성분 분석법을 이용하여 10개의 독립 성분(independent component)들을 찾았다. 그리고 1.75초 마다 촬영된 BOLD 신호와 10개의 고유벡터(eigenvector)들간의 내적을 취하여 가중치(weight)를 구하였다. 성분들의 가중치를 낮은 순서로 정렬함으로써 각 시간마다 주도적으로 영향을 미치는 성분들을 알아낼 수 있었다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제14권1호
• /
• pp.1-12
• /
• 2008

본 논문에서는 야외 및 실내에서 촬영된 차량 영상에 대해 실시간으로 차량 색상을 인식할 수 있는 GPU(Graphics Processing Unit) 기반의 알고리즘을 제시한다. 전처리 과정에서는 차량 색상의 표본 영상들로부터 특징벡터를 계산한 뒤, 이들을 색상 별로 조합하여 GPU에서 사용할 참조 텍스쳐(Reference texture)로 저장한다. 차량 영상이 입력되면, 특징벡터를 계산한 뒤 GPU로 전송하고, GPU에서는 참조 텍스쳐 내의 표본 특징리터들과 비교하여 색상 별 유사도를 측정한 뒤 CPU로 전송하여 해당 색상명을 인식한다. 분류의 대상이 되는 색상은 가장 흔히 발견되는 차량 색상들 중에서 선택한 7가지 색상이며, 검정색, 은색, 흰색과 같은 3가지의 무채색과 빨강색, 노랑색, 파랑색, 녹색과 같은 4가지의 유채색으로 구성된다. 차량 영상에 대한 특징벡터는 차량 영상에 대해 HSI(Hue-Saturation-Intensity) 색상모델을 적용하여 색조-채도 조합과 색조-명도 조합으로 색상 히스토램을 구성하고, 이 중의 채도 값에 가중치를 부여함으로써 구성한다. 본 논문에서 제시하는 알고리즘은 다양한 환경에서 촬영된 많은 수의 표본 특징벡터를 사용하고, 색상 별 특성을 뚜렷이 반영하는 특징벡터를 구성하였으며, 적합한 유사도 측정함수(likelihood function)를 적용함으로써, 94.67%에 이르는 색상 인식 성공률을 보였다. 또한, GPU를 이용함으로써 대량의 표본 특징벡터의 집합과 입력 영상에 대한 특징벡터 간의 유사도 측정 및 색상 인식과정을 병렬로 처리하였다. 실험에서는, 색상 별로 1,024장씩, 총 7,168장의 차량 표본 영상을 이용하여 GPU에서 사용하는 참조 텍스쳐를 구성하였다. 특징벡터의 구성에 소요되는 시간은 입력 영상의 크기에 따라 다르지만, 해상도 $150{\times}113$의 입력 영상에 대해 측정한 결과 평균 0.509ms가 소요된다. 계산된 특징벡터를 이용하여 색상 인식의 수행시간을 계산한 결과 평균 2.316ms의 시간이 소요되었고, 이는 같은 알고리즘을 CPU 상에서 수행한 결과에 비해 5.47배 빠른 속도이다. 본 연구에서는 차량만을 대상으로 하여 색상 인식을 실험하였으나, 일반적인 피사체의 색상 인식에 대해서도 제시된 알고리즘을 확장하여 적용할 수 있다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1998년도 추계학술대회 학술발표 논문집
• /
• pp.511-515
• /
• 1998

본 논문에서는 전경과 배경을 동시에 고려하는 이동 물체 추적 기법을 제안한다. 본 논문에서 제안하는 이동 물체 추적 기법은 카메라가 고정되지 않은 동적인 환경에서 연속적으로 촬영된 동영상으로부터 배경과 전경을 분리한 후 배경으로부터는 카메라의 동작을, 그리고 전경으로부터는 이동 물체를 추적한다. 배경에서는 영상의 움직임을 나타내는 동작 벡터를 추출하여 2차원 파라미터 동작 모델인 어파인 동작 모델에 적합시키고, 회귀분석법을 통해 어파인 동작 모델을 구성하는 파라미터를 추출하여 분석함으로써 다양한 카메라의 동작을 구한다. 전경에서는 칼라 정보를 이용하여 물체들의 모델을 생성하고 매 시점마다 모델을 수정하면서 이동 물체를 추적한다. 본 논문에서는 카메라의 동작 및 이동 물체의 추적 시 예측 알고리즘인 칼만 필터를 활용함으로써 보다 효율적이고 강건한 추적이 가능하다. 또한, 배경에서 추출된 카메라의 동작 정보를 전경에서 추출하는 이동 물체의 이동궤적 정보 계산 시 활용함으로써 보다 정확하게 장면을 분석할 수 있다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2022년도 추계학술대회
• /
• pp.99-102
• /
• 2022

실재하는 물체나 장소를 디지털 카메라나 휴대폰 카메라로 여러 장 촬영하여 얻은 2차원 이미지 데이터셋으로부터 3차원 영상을 얻기 위해서 이미지를 이루는 각 pixel의 depth 정보를 얻는 것은 필수적인 과정이다. 주어진 이미지에서 depth 정보를 얻기 위해 Shuhan Shen은 PatchMatch 알고리즘을 활용하는 것을 제안하였다. 그 이후 PatchMatch 기반의 알고리즘은 널리 사용되며 우수한 성능을 보이고 있다. PatchMatch 기반의 알고리즘을 사용해 depth를 추정하는 과정에서 depth와 법선 벡터를 Zero-mean Normalized Cross Correlation(ZNCC)를 사용해 평가한다. 하지만, ZNCC는 depth를 평가하려는 pixel의 주변 pixel들의 밝기 값 혹은 색상 값의 분포를 사용하기 때문에 밝기 값이나 색상 값의 변화가 적은 texture-less region에서는 신뢰성이 떨어진다. 본 논문에서는 이 문제를 epipolar geometry를 활용한 기하학적 정보를 이용하여 개선하고자 한다.