• 정보처리학회논문지B
• /
• 제15B권4호
• /
• pp.285-292
• /
• 2008

색상 히스토그램은 영상의 색상 특징을 표현하기 위한 특징 벡터로 빈번히 사용되지만, 고차원의 특징 벡터를 생성하므로 효율성의 면에서 한계점을 갖고 있다. 본 논문에서는 주어진 차량 영상의 색상 히스토그램에 PCA (principal components analysis) 기법을 적용하여 특징 벡터의 차원을 축소시키는 방법을 제안한다. 차원이 축소된 특징 벡터들에 대해서는 SVM (support vector machine) 기법을 적용하여 차량 색상을 인식하기 위해 사용한다. 특징 벡터의 차원을 1/32로 축소한 결과, 차원이 축소되기 이전의 특징 벡터와 비교하여 약 1.42%의 미소한 차이로 색상 인식 성공률이 감소하였다. 또한, 색상 인식의 수행 시간은 1/31로 단축됨으로써 효율적으로 색상 인식을 수행할 수 있었다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2003년도 하계종합학술대회 논문집 Ⅳ
• /
• pp.1984-1987
• /
• 2003

본 논문에서는 모델에 기반한 2차원 영상인식 알고리즘 중에 하나인 일반화된 허프변환(Generalized Hough Transform)에 대하여 색상정보까지 포함할 수 있도록 기존의 알고리즘을 확장하는 방법을 제시하였고, 이에 의한 실험결과를 간단히 고찰하였다. 기존의 일반화된 허프변환은 대상물의 윤곽선 정보에 기반을 두었기 때문에, 윤곽선 정보가 일치하면 대상물의 색상이나 명암분포가 달라도 동일한 대상물로 인식할 가능성이 있다. 따라서, 일반화된 허프변환을 확장하여 대상물의 모델링과 인식과정에 색상정보(chromatic information)를 포함한다면 2D 영상인식시 컬러정보를 활용할 수 있는 장점이 있다. 여기에서는 실제로 모델링 과정과 인식과정에서 색상정보를 반영하기 위한 간략한 방법과, 이에 따른 실험결과를 제시하였다. 간단한 2D 위치변환이 존재하는 실험에서 윤곽선의 모양이 거의 일치하더라도 색상이 다른 대상물이 존재할 경우에 이를 올바로 구분할 수 있었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2009년도 추계학술대회
• /
• pp.731-734
• /
• 2009

본 논문에서는 차량을 포함하고 있는 영상에서 차량의 색상을 인식하는 방법을 제안한다. 영상에서 차량의 색상 특징 벡터를 추출해 다층 신경회로망인 backpropagation 학습 알고리즘을 이용하여 차량의 색상을 인식하게 된다. backpropagation 학습 알고리즘의 입력으로 사용되는 특징벡터는 RGB와 HSI(Hue-Saturation-Intensity) 색상 모델을 이용하여 색상 특징 벡터를 구성하고 각각 신경회로망의 입력으로 사용된다. 차량의 색상 인식은 가장 많이 발견되는 차량의 색상 가운데 7가지 색상으로 흰색, 은색, 검정색, 빨강색, 노란색, 파란색, 초록색으로 인식한다. 제안한 방법의 성능평가를 위해 차량을 포함하고 있는 영상을 이용하여 색상 인식 성능을 실험 하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2007년도 한국컴퓨터종합학술대회논문집 Vol.34 No.1 (B)
• /
• pp.182-187
• /
• 2007

본 논문에서는 이미지 상에 나타난 색상 정보를 추출하기 위한 새로운 커널 메소드(Kernel method)인 Grid kernel을 제안한다. 제안한 Grid kernel은 Convolution kernel의 하나로 이미지 상에 나타나는 자질을 주변 픽셀에서 나타나는 자질로 정의 하고 이를 재귀적으로 적용함으로써 두 이미지를 비교한다. 본 논문에서는 제안한 커널을 차량 색상 인식 문제에 적용하여 차량 색상 인식 모델을 제안한다. 이미지 생성시 나타나는 주변 요인으로 인해 차량의 색상을 추출하는 것은 어려운 문제이다. 이미지가 야외에서 촬영되기 때문에 시간, 날씨 등의 주변 요인은 같은 차량이라 하더라도 다른 색상을 보이게 할 수 있다. 이를 해결하기 위해 Grid kernel이 적용된 차량 색상 인식 모델은 이미지를 HSV (Hue-Saturation-Value) 색상 공간으로 사상하여 명도를 배제하였다. 제안한 커널과 색상 인식 모델을 검증하기 위해 5가지 색상을 가진 차량 이미지를 이용하여 실험을 하였으며, 실험 결과 92.4%의 정확율과 92.0%의 재현율을 보였다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2015년도 춘계 종합학술대회 논문집
• /
• pp.303-304
• /
• 2015

최근 차량을 이용한 범죄가 점점 증가하고 있고, 그로인해 범죄 차량의 식별 또한 많은 사람들의 관심을 받고 있다. 본 논문에서는 차량 식별을 위해 방범용 CCTV 영상을 이용한다. 차량 방범을 위한 CCTV 이미지 속에서 얻을 수 있는 차량 내 정보는 크게 번호판, 모델, 크기, 색상 등 여러 가지가 있는데, 본 논문에서는 그중 하나인 색상을 인식하는 방법에 대하여 제안한다. 기존에는 여러 가지 색상공간을 이용하여 추출하는 방법을 많이 사용했는데, 단순히 색상공간만으로는 무채색의 차량 추출이 어렵다. 이를 보완하기 위해 HSI 색상공간과 히스토그램의 분산을 분석하는 방법을 제안한다. 이를 이용하여 차량을 보다 정확한 색상별로 검색하는 것이 가능하며, 또한 차량 외의 다른 물체들의 색상 인식에도 응용 가능하다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2013년도 춘계 종합학술대회 논문집
• /
• pp.287-288
• /
• 2013

현재 많은 사람들이 감성 인식에 대한 관심을 보이고 있다. 감성은 사람마다 다를 수 있어 모두를 만족시키기는 어렵기 때문에 다수의 사람들에게 공감을 얻는 것이 감성 인식의 목표이다. 영상에서의 감성 인식 방법은 영상의 여러 가지 특징을 이용하여 감성과 매칭하여 구현된다. 본 논문에서는 고바야시의 Image Scale을 참고하여 의류 영상에서 색상 특징을 이용한 감성 인식 시스템을 제안한다. 제안 방법은 고바야시의 Image Scale을 참고하여 색상 정보를 데이터화하고, 의류 영상에서 추출한 색상과 비교하여 감성 인식하는 것이다. 이를 통하여 의류 영상에서의 감성을 인식할 수 있으며, 시스템의 다양한 응용이 가능하다.

• 보존과학연구
• /
• 통권37호
• /
• pp.27-41
• /
• 2016

전통 단청을 계승하고 있는 단청장을 대상으로 계보에 따른(일섭, 월주, 혜각, 만봉 등) 단청 색상에 대한 인식과 색상 기준을 조사하였다. 조사 결과, 단청장이 인식하는 '전통색'의 기준은 주로 '스승이 전수한 단청색'이었다. 더불어 단청장 모두 표준화된 색상기준을 가지고 있으며 그 기준은 전통색과 동일하거나 유사한 것으로 인식하고 있었다. 또한 시대에 따른 단청색상의 변천 원인을 재료의 변화와 시대의 선호도가 반영된 결과로 인식하고 있었다. 단청의 주요 색상 11종에 대하여 단청장이 선정한 색도 자료를 단청장 계파별, 색상별로 분석한 결과 전체적으로 매우 다양한 색상 범위가 나타나는 것을 확인 할 수 있었는데 상대적으로 색상 영역이 넓고 편차가 큰 색상은 양록, 뇌록, 주홍이었으며 색상 영역이 좁고 편차가 작은 색상은 하엽, 다자, 석간주였다. 본 연구를 통하여 단청장 계파별 색상 기준에 대한 뚜렷한 경향성을 찾기는 어려웠는데 이는 계파의 구성원이 가진 주관적인 예술성 등이 반영된 결과로 판단된다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2018년도 춘계학술발표대회
• /
• pp.481-483
• /
• 2018

AR은 VR과 달리 실세계 공간의 객체에 대한 서비스를 제공하므로 서비스 개발을 방해하는 많은 요인들이 발생한다. 이를 보완하기위해 비주얼 마커, SLAM, 객체인식 등 여러 AR 기술이 존재한다. 본 논문은 AR 기술 중에서 객체인식의 정확도 향상을 위해 지역가변 이진화(Local variable binarization)와 색상의 군집화를 사용해서 이미지에서 객체를 추출하는 방법을 제안한다. 지역 가변화는 픽셀을 순차적으로 읽어 들이면서 픽셀 주위의 값의 평균을 구하고, 이 값을 해당 픽셀의 임계 값으로 사용하는 알고리즘이다. 픽셀마다 주위 색상 값에 의해 임계 값이 변화되므로 윤곽선 표현이 기존의 이진화보다 뚜렷이 나타난다. 색상의 군집화는 객체의 중요색상과 배경의 중요색상을 중심으로 유사한 색상끼리 군집화 하는 것이다. 객체 내에서 가장 많이 나온 값과 객체 외에 가장 많이 나온 값을 각 각 기준으로 색조와 채도의 값을 Euclidean 거리를 사용해 객체의 색상과 배경 색상을 분리했다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2010년도 춘계학술발표대회
• /
• pp.401-404
• /
• 2010

고성능 단말기와 다양한 컨텐츠가 제공되면서 제스처 기반 사용자 인터페이스에 대한 관심이 높아지고 있다. 하지만 기존의 알고리즘을 사용하기 위해서는 센서 장치를 사용하거나 사용자가 부자연스러운 장비를 착용해야 하는 경우가 많다. 본 논문에서는 카메라를 통해 입력된 영상 정보만으로 사용자가 착용한 색상 마커를 실시간으로 검출하는 알고리즘을 제안한다. 본 논문이 제안하는 마커 인식 알고리즘은 색상 감지와 움직임 감지로 나뉜다. 단일 프레임에서 영상 성분 평균을 이용한 조건검사를 통하여 색상 영역을 검출한다. 다음으로, 인접한 프레임간의 평균 영상과 현재 영상과의 차를 가중치로 이용하여 배경 범위를 설정하고 이 범위를 벗어난 영역을 움직임 영역으로 검출한다. 마지막으로 색상 검출 영역과 움직임 검출 영역을 동시에 만족하고 이웃한 픽셀들도 위 조건을 동시에 만족하면 최종적으로 사용자의 마커로 인식한다. 본 논문이 제안하는 알고리즘은 영상 정보만 사용하기 때문에 사용자는 센서나 부자연스러운 장비를 착용할 필요가 없고 일조량에 따른 조도의 변화에 강건하기 때문에 효과적인 사용자 움직임 검출이 가능하다.

• 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.