• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2003년도 추계학술발표논문집 (상)
• /
• pp.497-500
• /
• 2003

본 논문은 계층적 분류기를 제안하여 실시간으로 얼굴 영역을 검출하고, PT(pan-tilt) 카메라를 통해 동적으로 얼굴을 추적할 수 있는 강인한 추적 알고리즘을 구현하고자 한다. 제안된 알고리즘은 분류기 학습, 실시간 얼굴 영역 검출, 추적의 세 단계로 구성된다. 분류기 학습은 AdaBoost 알고리즘을 이용하여, 독특한 얼굴 특징을 추출하는 계층적 분류기를 생성한다. 계층적 분류기는 높은 정확도를 가진 분류기들이 단계적으로 결합됨으로써 우수한 검출 성능으로 수행된다. 실시간 얼굴 영역 검출은 생성된 계층적 분류기를 통해, 빠르고 효율적으로 얼굴 영역을 찾아낸다. 추적은 PT 카메라를 통해 동적으로 검출 영역을 확장시키며, 이전 단계에서 추출된 얼굴 영역의 위치 정보를 이용하여 수행한다. 제안된 알고리즘은 계산의 효율성과 검출 성능을 동시에 증가시키며, 얼굴 검출 수행은 2초당 약 15프레임을 실시간으로 처리한다.

• 한국컴퓨터정보학회논문지
• /
• 제15권2호
• /
• pp.47-53
• /
• 2010

본 논문은 동영상에서 실시간 얼굴검출을 위하여 Residual Image 검출과 색상정보를 이용한 얼굴검출 기법을 제안하였다. 제안된 기법은 동영상에서 빠른 처리 속도와 높은 얼굴 검출율을 나타냈으며 기울어진 얼굴영상에 대한 보정작업을 통하여 검출 에러율을 줄였다. 실시간으로 전송된 동영상에서 검출의 대상이 되는 정지영상을 추출한다. 추출된 영상은 기울어진 얼굴검출을 위한 window회전 알고리즘을 사용하고 이렇게 보정된 영상은 얼굴 검출에 필요한 특징을 추출하기 위해 AdaBoost알고리즘을 사용하여 실시간으로 얼굴이 검출된 영상을 획득하게 된다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 1994년도 제11회 음성통신 및 신호처리 워크샵 논문집 (SCAS 11권 1호)
• /
• pp.129-132
• /
• 1994

본 논문에서는 윈도우즈용 음성인식 software "voice access"를 개발하여 연구한 실시간 음성검출 알고리즘에 관해 소개한다. 이 음성검출 알고리즘은 200 sample 단위의 프레임 에너지, 프레임 영교차율, 음성의 길이를 음성검출의 파라메타로 사용한다. 각 파라메타의 문턱값은 신호의 평균값, 잡음의 표준편차, 미디안 표준편차와 한국어의 음성적 특성을 고려하여 설정하였으며 주변의 환경에 적응해 가며 문턱값을 조정하므로 주변 잡음환경의 변화에 대해서도 강인한 음성검출 결과를 보여준다. 또한 실시간으로 음성을 검출하므로 실용성이 높다. 음성의 검출은 일반사운드 카드를 통해 16-bit의 8KHz로 샘플링된 신호를 사용한다. 음성검출을 위한 분석은 200 sample 씩 하고 100 sample 씩 overlap 하면서 수행한다. 음성검출을 위한 모든 분석은 특별한 DSP의 도움없이 486D 이상에서 실시간으로 구현했다.시간으로 구현했다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 봄 학술발표논문집 Vol.31 No.1 (B)
• /
• pp.814-816
• /
• 2004

본 논문에서는 웨이블릿을 이용한 알고리즘으로 얼굴을 검출하고 검출된 얼굴을 움직이는 Pan-Tilt 카메라상에서 추적하는 방법을 제안하고자 한다. 우리는 얼굴 검출을 위해 다섯 종류의 간단한 웨이블릿을 사용하여 특징을 추출하였고 AdaBoost(Adaptive Boosting) 알고리즘을 이용한 계층적 분류기를 통하여 추출된 특징들 중에서 얼굴을 검출하는데 강인한 특징들만을 모았다. 이렇게 만들어진 특징집합들을 이용하여 입력받은 영상에서 초당 20프레임의 실시간으로 얼굴을 검출하였고 영상에서 얼굴 위치와 Pan-Tilt 카메라 위치를 계산하여 실시간으로 움직임을 추적하는데 성공하였다.

• 제어로봇시스템학회논문지
• /
• 제5권1호
• /
• pp.16-24
• /
• 1999

본 논문은 불확정 시스템의 견실한 이상검출기법의 적용을 위한 실시간 이상검출기법에 대하여 다루며 대상 시스템은 산업용보일러 시스템이다. 본 논문에서 기술된 이상검출기법은 Kwon (1994) 등에 의하여 이미 제시된바 있는 견실한 이상검출기법의 오프라인 배치 처리 알고리즘을 실시간 적용을 위해 확장된 것이며 모델링 오차에 의한 불확실성, 비선형 시스템을 특정 동작점에서 선형화 하는 과정에서 발생하는 선형화 오차, 잡음 등을 고려하였고, 보일러 시스템을 대상으로 한 모의 실험을 통해 본 알고리즘의 우수성을 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2014년도 추계학술발표대회
• /
• pp.917-920
• /
• 2014

본 논문에서는 SWO 방식의 물체 검출기를 개선하여 비디오 환경에 적합하며 실시간 처리가 가능한 Tracking 방식의 PSO 물체 검출기를 제안한다. PSO 방식 스캔은 각각의 입자들이 전역 최적 값으로 수렴하기 때문에 다중 검출에는 적지 않은데, 본 논문에서는 다중 물체를 검출하고 관리할 수 있도록 Tracking 개념을 적용하였다. 제안하는 방법을 적용하면 검출기의 오검출률을 줄이고 안정적인 검출 결과를 얻을 수 있으며 속도가 향상되어 실시간 처리가 가능하다. 논문에서 제안한 알고리즘을 적용해 본 결과 기존의 Viola-Jones 얼굴 검출기와 비교하여 검출률은 동일하면서 속도가 최대 21배 향상되었음을 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2017년도 춘계학술발표대회
• /
• pp.1020-1023
• /
• 2017

Viola와 Jones가 제안한 AdaBoost(Adaptive Boosting) 알고리즘은 기존의 물체 검출기에 비해 속도와 정확도 면에서 우수하여 실시간 물체 검출기로써 좋은 성능을 보인다. 하지만 여전히 많은 계산량 때문에 성능이 낮은 임베디드 환경에서는 실시간 검출에 대한 아쉬움이 있다. 본 논문에서는 계산량을 줄이기 위해 모션 검출을 통해 배경 영역을 제거하고 얼굴 영역을 추정한다. 제거된 배경 영역은 AdaBoost 알고리즘의 검출 과정에서 제외되며 추정된 얼굴 영역에 대해서만 검출을 하게 된다. 모션검출은 ${\Sigma}-{\Delta}$(Sigma-Delta) 배경 추정에 기반한 알고리즘을 사용한다.

• 전기전자학회논문지
• /
• 제19권2호
• /
• pp.155-159
• /
• 2015

본 논문에서는 실시간 영상에서 보행자 검출 속도를 빠르게 하는 방법을 제안한다. 보행자 검출에 사용되는 HOG 특징을 빠르게 계산하고, 실시간 영상에서 검출 속도를 향상시키기 위한 방법을 제안한다. 실시간 영상에서 최초 보행자가 검출되면 그 다음 프레임에서는 이전 프레임의 검출정보를 이용하여 보행자가 존재할 가능성이 높은 영역에 대해서만 검출을 시도한다. 추가적으로 이전프레임에서 보행자가 검출되지 않은 영역에서 나타나는 보행자를 빠르게 검출하기 위해 PSO를 사용하였다. MIT, INRIA 데이터 셋에 대해서 성능을 측정하였고, 제안한 방법을 적용하여 기존의 방법보다 82%의 성능 향상을 보였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 가을 학술발표논문집 Vol.31 No.2 (2)
• /
• pp.751-753
• /
• 2004

본 논문에서 색상을 기반으로 한 알고리즘으로 얼굴을 검출하고 검출된 얼굴을 움직이는 Pan-Tilt 카메라 상에서 추적하는 방법을 제안하고자 한다. 얼굴 검출 알고리즘은 얼굴색의 특징인 피부색상을 이용하여 후보영역을 검출하고 후보 영역에서 얼굴형태의 특징인 타원 형태를 이용하여 최종적으로 얼굴을 검출하였다. 얼굴 추적은 영상에서 검출된 얼굴의 크기 및 위치 정보와 Pan-Tilt 카메라의 위치정보를 이용하여 항상 얼굴이 카메라의 중심에 위치하도록 하였다. 우리는 실제 실험에서 초당 10프레임 이상의 실시간 얼굴 검출 및 추적에 성공하였다.

• 한국항행학회논문지
• /
• 제12권3호
• /
• pp.280-285
• /
• 2008

기존의 얼굴 검출 방법은 프레임 간의 차를 이용하여 움직임을 검출하는 방법이 사용되어 왔다. 그러나, 대부분이 실시간을 고려하지 않은 수학적 접근법을 사용하거나 알고리즘이 지나치게 복잡하여 실시간 구현에 용이하지 않았다. 본 논문에서는 실시간 얼굴검출을 위하여 감시카메라에서 입력된 RGB영상을 YCbCr 영상으로 변환한 후 연속된 두 영상의 차를 구하고 Glassfire 라벨링을 실시했다. 라벨링 결과 가장 넓은 구역의 면적과 Area 임계치 값을 비교하여 임계값 이상의 면적이면 동작변환으로 인식하고 영상을 추출하였다. 이렇게 추출된 동작변환 영상을 대상으로 얼굴 검출을 실시하였다. 얼굴 검출에 필요한 특징을 추출하기 위해 아다부스트 알고리즘을 사용하였다.