• 전자공학회논문지
• /
• 제52권6호
• /
• pp.62-69
• /
• 2015

본 논문에서는 움직임 추정 기법을 적응적으로 사용하는 프레임율 증강 기법인 AME-FRUC (Adaptive Motion Estimation Frame Rate Up-Conversion)을 제안하고자 한다. 제안하는 알고리즘은 영상의 움직임이 적은 영역에서 기존의 EBME (Extended Bilateral Motion Estimation)을 활용하고, 움직임 벡터 정보를 활용하여 관심영역을 결정한다. 관심 영역에서는 제안하는 텍스쳐 정보에 기반한 블록 분할을 활용한 단방향 움직임 추정을 수행하도록 하여 정확도를 높였다. 최종적으로 MCFI (Motion Compensated Frame Interpolation)기법을 움직임 추정 방법에 따라 적용하고 보간 하여 중간 프레임을 생성 한다. 실험 결과를 통해 제안하는 알고리즘이 기존의 FRUC 알고리즘에 비해 최대 68% 적은 SAD 연산으로 3dB 높은 PSNR 성능과 0.07 더 높은 SSIM 성능을 보이는 것을 확인할 수 있다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권10호
• /
• pp.713-722
• /
• 2013

본 논문에서는 깊이정보를 이용하여 케스케이드 방식에 기반한 실시간 손 영역 검출 방법을 제안한다. 실험 환경 조명 조건의 변화로부터 빠르고 안정적으로 손 영역을 검출하기 위해 깊이정보만을 이용한 특징을 제안하며, 부스팅과 케스케이드 방법을 이용한 분류기를 통해 손 영역 검출 방법을 제안한다. 먼저, 깊이정보만을 이용한 특징을 추출하기 위해 입력영상의 중심 깊이 값과 분할된 블록의 평균 깊이 값의 차이를 계산하고, 모든 크기의 손 영역 검출을 위해 중심 깊이 값과 2차 선형 모델을 이용하여 손 영역의 크기를 예측한다. 그리고 손 영역으로부터의 특징 추출을 통한 학습 및 인식을 위해 케스케이드 방식을 적용한다. 본 논문에서 제안한 분류기는 정확도를 유지하고 속도를 향상시키기 위하여 각 스테이지를 한 개의 약분류기로 구성하고 검출율을 만족하면서 오류율이 가장 낮은 임계값을 구하여 과적합 학습을 수행한다. 학습된 분류기를 이용하여 손 영역을 분류하고, 병합단계를 통해 최종 손 영역을 검출한다. 마지막으로 성능 검증을 위해 기존의 다양한 아다부스트와 정량적, 정성적 비교 분석을 통해 제안하는 손 영역 검출 알고리즘의 효율성을 입증한다.