• Proceedings of the IEEK Conference
• /
• 2000.09a
• /
• pp.439-442
• /
• 2000

본 연구는 손의 동작변화로 인한 손 영역의 국부적인 조명변화와 복잡한 배경환경에서 손 영역의 검지좌표를 안정적으로 검출, 추적하여 마우스 포인터를 제어하는 핑거 마우스 시스템을 제안하였다. 손의 동작변화로 인한 국부적인 조명변화에 강인한 손 영역 검출을 위한 적응적인 on-line학습법을 제안하였으며 복잡한 배경에서도 안정적인 손 영역 추적이 가능하도록 칼만 트렉킹과 차영상을 이용한 모션 세그멘테이션을 복합적으로 적용하였다. 실험결과 복잡한 배경과 손의 움직임에 상관 없이 검지 좌표를 안정적으로 추적 할 수 있었다.

• Proceedings of the Acoustical Society of Korea Conference
• /
• autumn
• /
• pp.343-346
• /
• 2004

본 논문에서는 고유얼굴 특성과 배경에 기반한 얼굴인식 기술을 제안한다. PCA를 이용한 얼굴 인식은 학습영역과 실험영역으로 나뉘는데, 학습영역에서 고유얼굴을 생성시키고 모든 학습영역을 이 얼굴 공간에 투영시켜 몇 개의 성분값을 저장한다. 그 후 각각의 사랑마다 저장된 성분들의 평균을 대표값으로 가지고 유클리디안 거리를 비교하여 얼굴을 인식하는 것이다. 하지만, 복잡한 배경에 있는 얼굴들을 인식할 때 EFR 방법은 얼굴인식에는 강하지만, 단정으로 조영과 환경변화에 민감하게 반응한다. 복잡한 배경에서 얼굴인식을 위해 배경 패턴을 학습하며, 배경영역은 배경패턴으로부터 생성되어 얼굴영역과 함께 얼굴 인식을 위하여 사용된다. 본 논문에서 제안한 방법이 EFR 방법보다 성능과 복잡한 배경하에서 매우 좋은 곁과를 나타냄을 확인할 수 있었다.

• 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.

• Information and Communications Magazine
• /
• v.31 no.3
• /
• pp.46-53
• /
• 2014

사용자-객체 상호작용을 위해서는 영상 내 객체의 종류와 위치를 정확하게 파악하여 사용자가 객체에 관련된 행동을 취할 경우, 그에 맞는 상호작용을 수행해야 한다. 이러한 객체인식에 널리 사용되는 지역 불변 특징량 기반의 방법론은 복잡한 배경이나 균일 물체에 대하여 잘못된 매칭으로 인식률이 저하된다. 본고에서는 이를 해결하기 위해, 컬러와 깊이 근접도 기반 깊이 계층을 나누고, 복잡 배경으로부터 생기는 잘못된 특징점 대응을 최소화 하기 위해 각 깊이 계층과 인식 물체 영상간의 특징점 대응을 수행한다. 또한, 각 깊이 계층영역에서 색상 히스토그램 재투영으로 객체의 위치를 추정하고 추정 영역과 인식 물체 영상간의 생상 및 깊이 유사도를 판단한다. 최종적으로, 복잡 배경 효과를 최소화한 특징점 대응의 수, 색상 및 컬러 유사도를 고려하여 신뢰도를 측정하여 객체를 인식하게 되며, 이를 통해 복잡한 배경에서도 사용자와 객체간의 유연한 상호작용이 가능해진다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2004.05b
• /
• pp.608-611
• /
• 2004

In this paper, we propose a robust face recognition technique based on the principle of eigenfaces. The traditional eigenface recognition (EFR) method works quite well when the input test patterns are cropped fares. However, when confronted with recognizing faces embedded in arbitrary backgrounds, the EFR method fails to discriminate effectively between faces and background patterns, giving rise to many false alarms. In order to improve robustness in the presence of background, we argue in favor of loaming the distribution of background patterns. A background space is constructed from the background patterns and this space together with the face space is used for recognizing faces. The proposed method outperforms the traditional EFR technique and gives very good results even on complicated scenes.

• Journal of Advanced Navigation Technology
• /
• v.10 no.1
• /
• pp.48-56
• /
• 2006

This paper proposes an efficient preprocessing technique for a binary centroid tracker in correlated image sequences. It is known that the following factors determine the performance of the binary centroid target tracker: (1) an efficient real-time preprocessing technique, (2) an exact target segmentation from cluttered background images and (3) an intelligent tracking window sizing, and etc. The proposed centroid tracker consists of an adaptive segmentation method based on novel distance features and an efficient real-time preprocessing technique in order to enhance the distinction between the objects of interest and their local background. Various tracking experiments using synthetic images as well as real Forward-Looking InfraRed (FLIR) images are performed to show the usefulness of the proposed methods.

• Proceedings of the IEEK Conference
• /
• 2001.09a
• /
• pp.891-894
• /
• 2001

본 논문에서는 NTGST (noise·tolerant generalized symmetry transform)와 snake를 이용하여 복잡배경으로부터 여러 물체의 윤곽선을 동시에 검출하는 방법을 제안하였다. 먼저 NTCST의 대칭도 맵(symmetry map)을 이용하여 복잡한 배경에 혼재하는 여러 물체들의 위치를 찾은 다음, 이들 각 물체에 snake의 초기 윤곽들을 자동 설정해 줌으로써 기존 snake 알고리즘의 초기 윤곽 설정의 어려움과 다중 물체 윤곽선 검출의 어려움을 동시에 해결하였다. 이때 NTGST의 대칭도 맵으로부터 설정된 snake의 초기 윤곽은 실제 물체의 윤곽선 가까이에 위치할 뿐만 아니라 물체의 형태를 잘 반영하므로 요철이 있는 물체의 윤곽선도 기존의 방법보다 적은 반복횟수로 정확하게 검출 할 수 있다. 다양한 합성 영상과 실영상에 적용한 결과 복잡배경으로부터도 다중 물체의 윤곽선을 효과적으로 추출함을 확인하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04b
• /
• pp.571-573
• /
• 2000

복잡한 이미지에서 얼굴 추출은 얼굴 영상처리 분야에서 기본적이면서도 배경이 복잡함으로 인해 많은 어려움이 따른다. 이 논문에서는 복잡한 화면 이미지에서 얼굴을 추출하기 위해 여러 가지 과정을 거친다. 다양한 피부색을 가진 얼굴에 대해 즉, 흑인과 황인, 백인 등을 모두 추출하기 위해 피부색 모델을 이용한다. 다양한 피부색에 대한 임계값(threshold)을 이용하여 피부색과 다른 영역을 구분하여 얼굴의 후보 데이터로 추출한다. 그 추출된 후보 데이터를 지역적 임계값(local threshold)을 이용하여 얼굴과 눈, 코, 입과 같은 세부사항에 분류한다. 분류된 부분이 즉 얼굴내에서 얼굴이 아닌 부분(눈, 코, 입 등)의 크기가 정규화 되어진 최소 크기보다 박을 경우 그 후보 데이터를 버리고, 그렇지 않을 경우, 즉 얼굴이 아닌 다른 부분의 크기가 정해진 크기보다 크거나 같을 경우 그 후보 데이터를 검출한다. 이 논문에 결과는 배경에서도 피부색과 얼굴의 부분영역을 이용하여 얼굴을 검출할 수 있다는 것을 보인다.

• 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 Korean Information Science Society Conference
• /
• 2001.04b
• /
• pp.481-483
• /
• 2001

본 논문에서는 동영상으로부터 색상, 서체, 크기와 같은 사전 지식 없이도 글자/자막을 효율적으로 추출하는 방법을 제안한다. 해상도가 낮고 복잡한 배경을 포함할 수 있는 비디오에서 글자 인식률 향상을 위해 먼저 동일한 텍스트 영역의 존재하는 프레임들을 자동적으로 추출한 후 이들의 시간적 평균영상을 만들어 향상된 영상을 얻는다. 평균영상의 외각선 영상의 투영 값을 통해 문자영역을 찾고 각 텍스트 영역에 대해 1차 배경제거 과정인 region filling을 적용하여 글자의 배경들을 제거 함으로써 글자를 추출한다. 1차 배경제거의 결과를 검증하고 추가적으로 k-means를 이용한 color clustering을 적용하여 남아있는 배경들을 효율적으로 제거 함으로써 최종 글자영상을 추출한다.