• 한국HCI학회:학술대회논문집
• /
• 2006.02a
• /
• pp.565-570
• /
• 2006

웨어러블 환경에서 가장 유용한 사용자 인터페이스는 음성이다. 그러나 현재 노이즈 제거 기술로는 웨어러블 환경과 같은 고소음 환경에서 음성 인식기의 실제적인 응용은 거의 불가능하다. 본 논문은 환경노이즈를 원천적으로 차단하는 성대 마이크를 이용한 명령어 인식기를 개발한다. 이를 위해 성대신호를 한국어 음운자질 이론을 기반으로 설명하고, 입력신호를 분석하여 이러한 접근방법의 타당성을 검증한다. 이러한 성대신호의 분석을 위해 스펙트럼과, FFT 결과를 사용하고, MFCC 알고리즘을 이용하여 주파수 영역내의 정보량이 인식에 미치는 영향을 분석한다. 그리고 분석결과를 바탕으로 성대신호 명령어 인식기를 위한 특징벡터로 유/무성음 분리에 사용되는 특징벡터가 유용함을 ZCPA 알고리즘을 이용한 성대신호 명령어 인식기를 개발하여 검증한다. 실험결과 ZCPA 를 사용한 것이 MFCC 에 비해 16%높은 인식률을 보인다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.11a
• /
• pp.123-126
• /
• 2007

본 논문은 음성신호를 이용한 감정인식에 관한 연구이다. 감정인식에 관한 연구는 휴먼 인터페이스(Human Interface) 기술의 발전에서 인간과 기계의 상호작용을 위한 것이다. 본 연구에서는 음성신호를 이용하여 감정을 분석하고자 한다. 음성신호의 감정인식을 위해서 음성신호의 특정을 추출하여야한다. 본 논문에서는 개인에 따른 음성신호의 감정인식을 하고자하였다. 그래서 화자인식에 많이 사용되는 음성신호 분석기법인 Perceptual Linear Prediction(PLP) 분석을 이용하여 음성신호의 특정을 추출하였다. 본 연구에서는 PLP 분석을 통하여 개인화된 감정 패턴을 생성하여 간단하면서도 실시간으로 음성신호로부터 감정을 평가 할 수 있는 알고리즘을 만들었다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.04a
• /
• pp.25-28
• /
• 2007

Electroencephalograhic(EEG)는 심리학의 영역에서 인간 두뇌의 활동을 측정 기록하는데 오래 전부터 사용하였다. 과학의 발달함에 따라 점차적으로 인간의 두뇌에서 감정을 조절하는 기본적인 영역들이 밝혀지고 있다. 그래서 인간의 감정을 조절하는 인간의 두뇌 활동 영역들을 EEG를 이용하여 측정하였다. 본 논문에서는 EEG의 신호들과 몸짓을 이용해서 감정을 인식하였다. 특히, 기존에 생체신호나 몸짓 중 한 가지만을 이용하여 각각 실험해서 감성을 인식하였지만, 본 논문에서는 EEG 신호와 몸짓을 동시에 이용해서 피 실험자의 감성을 인식하는 실험을 하였다. 실험결과 기존의 생체신호나 몸짓 한 가지만을 가지고 실험했을 때의 인식률 보다 더 높은 인식률을 보임을 알 수 있었다. 그리고 생체신호와 몸짓들의 특징 신호들은 강화학습의 개념을 이용한 IFS(Interactive Feature Selection)를 이용하여 특징 선택을 하였다.

• Proceedings of the Acoustical Society of Korea Conference
• /
• autumn
• /
• pp.65-68
• /
• 2004

이동통신 기술의 발전으로 이동통신 사용이 폭발적으로 증가하였고 그에 따라 이동통신망을 이용한 많은 서비스가 제공되고 있다. 이동통신망에서의 음성 인식 서비스에서 음성 인식기에 입력되는 음성신호는 통신망을 통해 음성 압축기를 거치게 되고 이에 음성신호가 왜곡되어 인식기의 인식성능이 저하된다. 본 논문에서는 무선통신 환경에서 음성인식기의 성능을 개선하기 위한 보상 방법을 제안한다. 기존의 제안된 방법은 음성 데이터에 의존하는 방법을 사용하나 본 논문에서는 음성 데이터와는 독립적 방법인 음성 압축기에 의해 손상된 입력 신호의 스펙트럼 보상방법과 Cepstrum 보정방법을 통해 인식률을 향상시키는 방법을 제안한다. 즉, 음성 압축기에 의하여 왜곡된 스펙트럼을 단계적 방법으로 보상하고 그를 토대로 왜곡된 신호에서 만들어진 Cepstrum을 보정하여 음성 인식기의 성능을 향상시키는 방법을 연구하였으며, 그 견과 손상된 음성신호의 인식률 $64.88\%$에 대하여, 본 논문에서 제안하는 보상 방법을 적용한 음성신호의 인식률은 $79.73\%$로서 $14.85\%$가 향상된 결과를 얻을 수 있었다.

• Journal of Cadastre & Land InformatiX
• /
• v.52 no.1
• /
• pp.81-93
• /
• 2022

Recently, there have been many studies on object recognition around the vehicle and recognition of traffic signs and traffic lights in autonomous driving. In particular, such the recognition of traffic lights is one of the core technologies in autonomous driving. Therefore, many studies for such the recognition of traffic lights have been performed, the studies based on various deep learning models have increased significantly in recent. In addition, as a high-quality AI training data set for voice, vision, and autonomous driving is released on AIHub, it makes it possible to develop a recognition model for traffic lights suitable for the domestic environment using the data set. In this study, we developed a recognition model for traffic lights that can be used in Korea using the AIHub's training data set. In particular, in order to improve the recognition performance, we used various models of YOLOv4 and YOLOv5, and performed our recognition experiments by defining various classes for the training data. In conclusion, we could see that YOLOv5 shows better performance in the recognition than YOLOv4 and could confirm the reason from the architecture comparison of the two models.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2016.06a
• /
• pp.200-203
• /
• 2016

최근 자율주행자동차에 대한 관심이 증가함에 따라 교통 상황을 인식하는 방법에 대한 연구도 활발하게 진행되고 있다. 특히 교통신호등의 인식은 치명적인 결과를 야기하는 교통사고와 밀접하게 연관된다는 점에서 중요성이 더욱 부각되고 있다. 본 논문에서는 컴퓨터 비전 시스템을 기반으로 한 교통신호등 인식 방법을 제안한다. 차선, 표지판 등과는 다르게 교통신호등은 빛을 발하는 특징이 있으며 그 모양과 형태 또한 규격화 되어 있다. 이러한 특징 중 색상과 형태 특징을 이용하여 두 단계의 추출과정을 거쳐 교통신호등을 인식한다. 먼저 HSV 색 공간에서 적색, 녹색, 주황색의 빛을 발하는 영역을 찾아낸 뒤, 신호의 원형 특징을 이용해 가로, 세로 사이즈와 크기로 신호의 후보를 추출한다. 다음, 신호등의 검은 박스 영역을 찾기 위해 추출한 신호 후보군의 주변부가 검정색인지를 확인한다. 최종적으로 신호등의 박스 부분을 검출하여 신호를 발하는 위치를 기반으로 신호를 인식한다. 실험결과 많은 계산량을 요구하는 기계학습을 사용하지 않고도 실시간 처리와 높은 인식률로 교통 신호를 인식할 수 있음을 확인하였다.

• Proceedings of the Acoustical Society of Korea Conference
• /
• autumn
• /
• pp.293-298
• /
• 1999

본 논문은 수중음의 안정적 실시간 인식을 위한 새로운 음원 인식 알고리즘을 다루고 있다 본 논문에서 이용된 주파수인식 알고리즘은 크게 네 부분으로 구성되어 있는데 1)입력된 음파 신호를 duty cycle $50\%$의 디지털 신호로 바꾸고 기준 주파수의 음원을 duty cycle $50\%$, 위상차 0도 90도 180도 270도의 디지털 신호를 생성하는 부분, 2)입력된 음파신호를 4가지 위상의 각 기준신호와 배타적 논리합을 구하는 부분, 3)두 번째에서 만들어진 각 신호를 적분회로에 통과시키는 부분, 4)세 번째에서 발생한 각 신호중 최대값을 추출하여 입력된 음파신호의 주파수를 인식하는 부분으로 이루어져 있다. 이 회로에 대한 수치 해석을 통하여 각 부분의 특성치에 대한 최적 값 및 성능을 검증하였으며, 이의 결과를 각각 computer 수치 시험, 실제 회로 실험과 비교하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.21-24
• /
• 2021

본 논문에서는 딥러닝을 기반으로 하는 야간 점멸신호 제어를 통하여 신호 위반과 과속에 의한 교통사고로부터 보행자와 운전자의 인명피해 최소화를 목표로 한다. 제안된 기법은 딥러닝을 기반으로 하여 교차로에서 심야 보행자 인식률을 향상시키고, 야간 점멸신호를 연동 제어하는 기법을 제안하고 있다. 야간의 영상 인식 과정은 어두운 제약조건의 환경에서 떨어지는 영상인식을 보완하기 위하여 PIR 센서로부터 물체를 인식한다. 아두이노의 PIR 센서에서 인식된 물체에 대하여 보행자 여부를 판단하기 위하여 YOLO 알고리즘을 적용한다. 젯슨자비에NX로부터 수신받은 정보를 기반으로 점멸신호에서 일반 신호등 신호로 전환 후 보행자 횡단 시간을 고려하여 일정 시간이 지난 후 다시 일반 신호등 신호에서 점멸신호로 전환한다. 본 논문은 심야의 제한된 조건에서 보행자 식별을 통하여 교차로에서 보행자와 운전자의 인명피해 줄일 수 있을 것으로 기대한다.

• Proceedings of the Acoustical Society of Korea Conference
• /
• autumn
• /
• pp.89-92
• /
• 1999

인식기 훈련과정에서 발생하지 않았던 잡음이 인식과정에서 신호를 손상할 경우 인식률의 저하가 발생한다. 본 논문에서는 음성의 질을 떨어뜨리는 이러한 잡음을 Wavelet Packets을 이용하여 전처리함으로서 인식률을 향상시키는 방법을 제안한다. 인식기로는 Hidden Markov Model을 사용하였고, 시스템에 사용된 특징 파라미터로는 15차 Cepstrum을 사용하였다. 11 kHz로 샘플링된 숫자음에 Additive White Gaussian Noise를 첨가한 손상된 음성신호를 인식실험에 사용하였다. 화자독립으로 진행된 실험에서 잡음에 의해 손상된 SNR 20dB의 음성신호에 대하여 Wavelet Packets로 잡음을 제거한 후 복원된 음성신호 의 인식률은 약 $10\%$ 향상됨을 확인하였다.

• The Journal of the Acoustical Society of Korea
• /
• v.28 no.2
• /
• pp.135-140
• /
• 2009

In this paper, we synthesized active sonar target signals based on highlights model, and then carried out target classification using the synthesized signals. If the target aspect angle is changed, the different signals are synthesized. To know the result, two different experiments are done. First, The classification results with respect to each aspect angle are shown. Second, the results in two group in aspect angle are acquired. Time domain feature extraction is done using matched filter and envelope detection. It shows the pattern of each highlights. Artificial neural networks and multi-class SVM are used for classifying target signals.