• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06b
• /
• pp.360-362
• /
• 2012

교통수단의 발달과 생활수준의 향상으로 도로에 차량이 많이 늘어나고 교통사고가 많이 발생함에 따라, 교통사고 자동인식 시스템에 관한 연구가 많이 진행되고 있다. 본 논문에서는 카메라의 위치에 따라 두 객체의 관심영역 사이의 겹침을 해석하는 것이 달라져 규칙이 변하는 것을 방지하고, 사람의 추론과정과 같이 교통사고를 퍼지 규칙으로 모델링하여 획득한 데이터가 부정확할 경우에 발생하는 잘못된 추론을 보정하기 위한 퍼지 규칙기반 시스템을 제안한다. 카이스트 삼거리에서 촬영한 9개의 사고 시나리오 데이터에 대해 실험하여 DR 87.34%, CDR 89.13%, FAR 10.75%의 결과를 얻었고, 이를 기존의 규칙기반 시스템, 규칙-확률 시스템과 비교하였다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2000.11a
• /
• pp.443-446
• /
• 2000

가상현실 응용에서 가상 캐릭터의 행위를 효과적으로 조명하는 일은 영화에서의 카메라웍을 실현하는 것과 같다. 그러나, 참여적 엔터테인먼트에서는 아바타의 행위가 참여자의 실시간 행위에 의해 결정되므로, 카메라의 위치나 각도 등을 미리 설정할 수 없다. 본 논문에서는 이러한 즉흥 애니메이션의 상황에서 가상 캐릭터, 즉, 아바타의 행동을 조명하기 위한 실시간 상황 인식 기반 비쥬얼라이제이션 기법을 제안한다.

• Annual Conference of KIPS
• /
• 2013.05a
• /
• pp.371-373
• /
• 2013

입체영상을 생성하기 위한 방법 중 깊이지도(depth-map)을 이용하는 방법이 있다. 깊이지도를 생성하기 위해서는 스테레오 시스템(stereo system)을 통한 두 대의 카메라 정보를 통하여 접근하는 것이 일반적인 방법으로, 시스템 구현, 연산량, 계산 오차 등의 이유로 상당히 제약사항이 많다. 본 논문에서는 모바일 시스템에서의 단일 카메라를 사용하여 영상 인식 및 부가정보를 통한 거리정보 생성에 대한 시스템을 제안한다.

• 한국HCI학회:학술대회논문집
• /
• 2007.02a
• /
• pp.750-754
• /
• 2007

본 논문은 실내의 로비나 복도에 설치된 방범 카메라로부터 얻어진 일련의 영상으로부터 '걷기', '뛰기', '앉기', '일어서기', '넘어짐'의 비교적 짧은 시간에 일어나는 인간 행동들을 실시간으로 인식하는 시스템의 구현에 관해 다룬다. 먼저 입력으로 받은 영상을 계층적 색인 구조를 갖는 다중 가우시안 기반의 배경 모델을 이용하여 윤곽을 추출하고 객체를 인식하여 시간차에 의한 가중치로 누적하여 시간 템플릿을 만든다. 만들어진 시간 템플릿으로부터 특징을 추출하여 신경망 모델에 적용하여 5가지 인간행동을 구분한다. 구현된 시스템으로 인간행동 인식 실험을 수행하였는데, 실험 참가자들의 행동 방식이 약간씩 달랐음에도 불구하고 높은 인식률을 보여주었다.

• Journal of Korea Society of Industrial Information Systems
• /
• v.5 no.1
• /
• pp.53-60
• /
• 2000

In this paper, we developed a character recognition system which could be applied to the automation of construction assembling, and testing process of components by the recognition of characters on the components used in industry department. In this system the image information of each component was caught by the CCD camera and then characters on the images were recognized automatically. If we apply the system to the industrial field it will meet the various requirements such as high productivity, low cost and high qualify products and factory automation.

• Annual Conference of KIPS
• /
• 2017.11a
• /
• pp.151-154
• /
• 2017

본 논문에서는 사용자의 주변사물을 인식하여 영단어로 알려줌으로써 사용자가 실생활에서 영단어를 능동적으로 학습할 수 있도록 돕는 애플리케이션을 개발한다. 본 애플리케이션은 사용자가 카메라로 촬영하거나 사진첩에서 선택한 이미지를 인식하여 사진 속 물체의 영어 단어와 한국어 뜻을 알려주며, 단어의 발음 또한 확인할 수 있고, 직접 단어장에 저장하여 다시 학습할 수 있도록 한다. 이를 위해 TensorFolw를 활용한 딥러닝 기반 이미지 인식 기술을 사용하였으며, 추후 TensorFolw를 통하여 모델을 추가적으로 훈련시킴으로써 이미지 인식의 정확도를 높일 수 있다. 그 외 영어-한국어 번역, 텍스트-음성 변환 등 부가 기능을 통해 사용자가 다양한 방식으로 영단어를 학습할 수 있도록 한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.11a
• /
• pp.72-75
• /
• 2022

야외 환경을 카메라로 촬영한 일반 영상에서 텍스트 이미지를 검출하고 인식하는 기술은 로봇 비전, 시각 보조 등의 기반이 되는 기술로 활용될 수 있어 매우 중요한 기술이다. 하지만 저해상도의 텍스트 이미지의 경우 텍스트 이미지에 포함된 노이즈나블러 등이 더 두드러지기 때문에 텍스트 내용을 인식하는 것이 어렵다. 이에 본 논문은 일반 영상에서의 저해상도 한글 및 영어 텍스트에 대한 이미지 초해상화를 통해 텍스트 인식 정확도를 개선하였다. 트랜스포머에 기반한 모델로 한글 및 영어 텍스트에 대한 이미지 초해상화를 수행하였으며, 영어 및 한글 데이터셋에 대해 제안한 초해상화 방법을 적용했을 때 그렇지 않을 때보다 텍스트 인식 성능이 개선되는 것을 확인하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2019.07a
• /
• pp.317-318
• /
• 2019

가상/증강현실로 대표되는 공간정보 기반 실감형 콘텐츠에 대한 관심이 증대되면서 객체인식 등의 지능형 공간인지 기술에 대한 연구가 활발히 진행되고 있다. 특히 HMD등의 영상 시각화 장치의 발달 및 5G 통신기술의 출현으로 인해 실시간 대용량 영상정보의 송, 수신 및 가시화 처리 기술의 기반이 구축됨에 따라, $360^{\circ}$ 스트리밍 영상정보 처리와 같은 고자유도 콘텐츠를 위한 관련 연구의 필요성이 증대되고 있다. 하지만 지능형 영상정보 처리의 대표적 연구인 딥 러닝(Deep Learning) 기반 객체 인식 기술의 경우 대부분 일반적인 평면 영상(Planar Image)에 대한 처리를 다루고 있고, 파노라마 영상(Panorama Image) 특히, $360^{\circ}$ 스트리밍 영상 처리를 위한 연구는 미비한 상황이다. 본 논문에서는 딥 러닝을 이용하여 $360^{\circ}$ 스트리밍 영상에서의 객체인식 연구 방법에 대해 서술한다. 이를 위해 $360^{\circ}$ 카메라 영상에서 딥 러닝을 위한 학습 데이터를 획득하고, 실시간 객체 인식이 가능한 YOLO(You Only Look Once)기법을 이용하여 학습을 한다. 실험 결과에서는 학습 데이터를 이용하여 $360^{\circ}$영상에서 객체 인식 결과와, 학습 횟수에 따른 객체 인식에 대한 결과를 보여준다.

• Journal of the Korea Society of Computer and Information
• /
• v.28 no.1
• /
• pp.93-101
• /
• 2023

In this paper, we propose a method of creating a 3D bounding box for an object using a vanishing point to increase the accuracy of object recognition in an image when recognizing an traffic object using a video camera. Recently, when vehicles captured by a traffic video camera is to be detected using artificial intelligence, this 3D bounding box generation algorithm is applied. The vertical vanishing point (VP1) and horizontal vanishing point (VP2) are derived by analyzing the camera installation angle and the direction of the image captured by the camera, and based on this, the moving object in the video subject to analysis is specified. If this algorithm is applied, it is easy to detect object information such as the location, type, and size of the detected object, and when applied to a moving type such as a car, it is tracked to determine the location, coordinates, movement speed, and direction of each object by tracking it. Able to know. As a result of application to actual roads, tracking improved by 10%, in particular, the recognition rate and tracking of shaded areas (extremely small vehicle parts hidden by large cars) improved by 100%, and traffic data analysis accuracy was improved.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2022.05a
• /
• pp.465-468
• /
• 2022

The incidence of traffic accidents is increasing every year, and Korea is among the top OECD countries. In order to improve this, various road traffic laws are being implemented, and various traffic control methods using equipment such as unmanned speed cameras and traffic control cameras are being applied. However, as drivers avoid crackdowns by detecting the location of traffic control cameras in advance through navigation, a mobile crackdown system that can be cracked down is needed, and research is needed to increase the recognition rate of vehicle license plates on the side of the road for accurate crackdown. This paper proposes a method to improve the vehicle number recognition rate on the road side by applying a gradient correction algorithm using image processing. In addition, custom data learning was conducted using a CNN-based YOLO algorithm to improve character recognition accuracy. It is expected that the algorithm can be used for mobile traffic control cameras without restrictions on the installation location.