• 전자공학회논문지
• /
• 제51권6호
• /
• pp.50-59
• /
• 2014

모바일 헬스케어 서비스에서 환자의 응급 상태를 정확하게 응급 감지하고 신속히 알리는 것이 매우 중요하다. 기존의 헬스케어 서비스에서는 전달된 생체 정보를 의료진 또는 의료 서비스 공급자가 항시 모니터링을 하여 환자의 상태를 판단하게 된다. 하지만 의료진이 항시 모니터링을 해야 하기 때문에 다수 환자를 실시간으로 동시에 모니터링하기에는 어렵다. 더구나, 환자마다의 고유한 환자의 건강 상태의 특징 (나이, 성별, 병력 기록 등)들이 있기 때문에 통계적인 의료 지식으로 환자의 상태를 진단하는 것은 더욱 힘든 일이다. 이러한 기존의 문제점을 해결하기 위해서 본 논문에서는 사용자 맞춤형 응급관리를 위한 모바일 헬스케어 시스템을 제시한다. 제안된 모바일 헬스케어 시스템의 특징은 환자의 고유한 건강 상태의 특징을 정책으로 정의하고 이를 기반으로 환자로부터 측정된 생체 정보에 대해 응급 상태를 판단하는 것이다. 제안된 모바일 헬스케어 시스템의 개념을 입증하기 위해 프로토타입을 구현하였다.

• 한국인터넷방송통신학회논문지
• /
• 제14권3호
• /
• pp.139-146
• /
• 2014

본 논문에서는 얼굴 영상으로부터 자동으로 사람의 감정을 인식하는 효과적인 방법을 제안한다. 얼굴 표정으로부터 감정을 파악하기 위해서는 카메라로부터 얼굴영상을 입력받고, ASM (active shape model)을 이용하여 얼굴의 영역 및 얼굴의 주요 특징점을 추출한다. 추출한 특징점으로부터 각 장면별로 49차의 크기 및 변이에 강인한 특징벡터를 추출한 후, 통계기반 패턴분류 방법을 사용하여 얼굴표정을 인식하였다. 사용된 패턴분류기는 Naive Bayes, 다중계층 신경회로망(MLP; multi-layer perceptron), 그리고 SVM (support vector machine)이며, 이중 SVM을 이용하였을 때 가장 높은 최종 성능을 얻을 수 있었으며, 6개의 감정분류에서 50.8%, 3개의 감정분류에서 78.0%의 인식결과를 보였다.

• 방송공학회논문지
• /
• 제25권4호
• /
• pp.569-575
• /
• 2020

전기화재의 원인중의 하나는 직렬 아크이다. 최근까지 아크 신호를 검출하기 위해 다양한 기법들이 진행되고 있다. 시간 신호에 푸리에 변환, 웨이블릿 변환, 또는 통계적 특징 등을 활용하여 아크 검출을 하는 방법들이 소개되었지만, 변환 및 특징 추출은 부가적인 처리 시간이 요구되는 단점이 있다. 반면에 최근의 딥러닝 모델은 종단간 학습으로 특징 추출 과정없이 직접 원시 데이터를 활용한다. 따라서, 1-D 시간 신호를 직접 활용하여 아크를 검출하는 것이 좋은데, 인공신경망의 분류 성능이 저하되는 문제점이 있다. 본 논문에서는 연속 입력 1-D 신호를 2-D로 변환한 후에, 합성곱신경망으로 분류하는 방법을 제안한다. 실험 데이터에 적용한 결과 합성곱신경망의 사용이 인공신경망보다 약 8.6%의 아크 분류 성능을 향상시켰다. 또한 2-D 데이터의 부족을 보완하기 위해서 데이터증강을 이용하여, 14%의 분류 성능을 개선하였다.

• 한국항행학회논문지
• /
• 제16권1호
• /
• pp.151-157
• /
• 2012

최근 영상처리기술과 컴퓨터과학의 발달로 연령변화에 따른 얼굴형상 분류 방법은 일반적인 주제가 되었다. 사람의 연령별 얼굴분류는 생물학적 유전자와 오랜 생활의 식습관으로 인하여 얼굴 형상이 변하기 때문에 통계적 형상만으로 예측하기란 쉽지 않다. 본 논문에서는 Gobor 특징과 fuzzy SVM 기법을 이용하여 연령대별 얼굴분류 기법을 제안하였다. Gabor 웨이블릿 함수는 얼굴의 특징벡터를 구하기 위하여 사용되고 연령대별 얼굴형상 구분이 애매모호한 문제를 해결하기 위해 fuzzy SVM 기법을 이용하여 연령별 소속 함수를 정의하였다. 제안한 방법으로 연령별 소속함수에 따른 얼굴 분류 실험을 수행하였고 제안한 방법의 타당성을 확인하였다.

• 한국방사선학회논문지
• /
• 제10권8호
• /
• pp.645-652
• /
• 2016

본 연구는 통계적 속성에 기반한 질감특징값 분석을 바탕으로 뇌 전산화단층촬영 영상에서 정상과 뇌경색의 컴퓨터보조진단의 적용 가능성을 알아보고자 하였다. 실험은 질감특징값을 나타내는 6개의 파라미터를 이용한 질환인식률 평가와 ROC curve를 분석하였다. 그 결과 평균밝기 88%, 대조도 92%, 평탄도 94%, 균일도 88%, 엔트로피 84%의 높은 질환인식률을 나타내었다. 하지만 왜곡도의 경우 58%로 다소 낮은 질환 인식률을 나타내었다. ROC curve를 이용한 분석에서 각 파라미터의 곡선아래면적이 0.886(p=0.0001)이상을 나타내어 질환인식에 의미가 있는 결과로 나타났다. 또한 각 파라미터의 cut-off값 결정으로 컴퓨터보조진단을 통한 질환예측이 가능할 것으로 판단된다.

• 방송공학회논문지
• /
• 제24권6호
• /
• pp.1134-1142
• /
• 2019

영상의 이중 압축 검출은 영상의 위조여부를 판단하는 한가지 효과적인 방식이다. 이러한 이중 압축 검출 기술을 바탕으로 HEVC로 압축된 영상의 진위 여부를 판단하는 다양한 종류의 기존 기술들이 소개되었지만, 동일한 압축 환경에서 이중 압축된 영상의 진위 여부를 검출하는 것은 상당히 어려운 일로 여겨지고 있다. 본 논문에서는 동일 압축 환경에서 HEVC의 이중압축 여부를 판단하는 기술로서, Intra모드로 압축된 영상의 분할 정보를 이용하여 판단하는 방식을 제안한다. Coding Unit (CU)와 Transform Unit (TU)의 분할 정보로부터 통계적 특징과 딥러닝 네트워크 기반의 특징을 우선 추출하고, softmax단에서 추출된 특징들을 통합하여 이중 압축 여부를 판단하는 기술을 제안한다. 실험결과를 통해서 제안하고 있는 기술이 WVGA 영상과 HD 영상에서 각각 87.5%와 84.1%의 정확도를 가지며 효과적으로 검출한다는 것을 보여준다,

• 한국정보통신학회논문지
• /
• 제19권2호
• /
• pp.343-350
• /
• 2015

본 논문에서는 모바일 기반의 피보호자 모니터링 시스템 적용을 위한 환경음 기반의 상황 인식 기술을 소개한다. 상황 인식 실험을 위해 총 7가지의 음향 환경으로 나누어 환경음을 취득한다. 환경음 인식 성능 비교를 위해 MFCC와 LPCC 특징 추출 기법을 이용한다. 통계적 기반의 패턴인식 기법을 적용하기 위해 GMM 및 HMM 음향 모델을 기반으로 인식기를 설계한다. 인식 실험 결과에서는 LPCC 특징 추출 기법이 MFCC 기법 보다 우수하고, 음향 모델은 HMM이 GMM에 비해 높은 인식 성능을 나타낸다. LPCC 특징을 사용하고 HMM 모델을 채용함으로써 최고 96.03%의 인식률을 나타낸다. 이와 같은 결과는 음성에 비하여 다양한 주파수 성분이 존재하는 환경음을 표현하는데 MFCC 보다는 LPCC가 효과적임을 나타내며, 시간에 따라 변하는 특성을 갖는 환경음은 GMM 보다 HMM이 효과적임을 입증한다.

• 한국정보전자통신기술학회논문지
• /
• 제16권6호
• /
• pp.369-377
• /
• 2023

산업 제조 분야에서 품질 관리는 불량률을 최소화하는 핵심 요소로, 미흡한 관리는 추가적인 비용 발생과 생산 지연을 야기할 수 있다. 본 연구는 제조품의 텍스쳐 결함 감지의 중요성을 중심으로, 보다 정밀한 결함 감지 방법을 제시한다. DFR(Deep Feature Reconstruction) 모델은 특징맵의 조합 및 재구성을 통한 접근법을 채택하였지만, 그 방식에는 한계가 있었다. 이에 따라, 우리는 제한점을 극복하기 위해 통계적 방법론을 활용한 새로운 손실 함수와 스킵 연결구조를 통합하고 파라미터 튜닝을 진행하였다. 이 개선된 모델을 MVTec-AD 데이터세트의 텍스쳐 카테고리에 적용한 결과, 기존 방식보다 2.3% 높은 결함 분할 AUC를 기록하였고, 전체적인 결함 감지 성능도 향상되었다. 이 결과는 제안하는 방법이 특징맵 조합의 재건축을 통한 결함 탐지에 있어서 중요한 기여함을 입증한다.

• 전자공학회논문지CI
• /
• 제40권6호
• /
• pp.95-105
• /
• 2003

본 논문에서는 지문인증 시스템에서 인증 성능을 향상시키기 위한 기준점 검출 알고리즘과 특징 추출에 있어서 새로운 filterbank방법을 제안한다. 제안한 기준점 검출 알고리즘 GPM(Gradient Probabilistic Method)은 4개의 방향성분을 추출하여 방향성분을 가장 균일하게 가지는 지점을 검출하는 방법이며, 기존의 Poincare index방법과 달리 수학적 통계적 방법을 사용하기 때문에 지문의 융선에 대한 세부적이고 세밀한 전처리 과정이 불필요하며, arch형태 지문의 기준점 검출에 대한 단점을 해결한다. 또한, 제안한 filterbank방법은 기존filterbank방법에서 특징의 불균일한 분포로 생기는 단점을 균일한 분포로 만들어 추출함으로써 해결한다. 제안한 GPM의 실험결과 기존의 Poincare index방법에 비해서, 일반환경뿐 아니라 잡음환경에서의 특징 추출 시간과 인증률에서 우수함을 보여준다. 특히, 제안한 GPM은 Poincare index방법에 비해서, arch type의 지문에 대한 FAR은 일반 환경에서 49%, 밝기 잡음환경에서 39.2%, salt and pepper 잡음환경에서 15.7%의 향상을 보여준다. 또한, 기준점 검출시간에 있어서, 제안한 GPM방법은 기존의 Poincare index방법보다 0.07초의 감소를 보여주며, 특징추출 시간에 있어서도 제안한 filterbank 알고리즘은 기존의 filterbank 방법에 비해서 0.06sec의 감소를 보여준다.

• 정보처리학회논문지B
• /
• 제16B권4호
• /
• pp.299-308
• /
• 2009

AAM(Active Appearance Model)은 PCA(Principal Component Analysis)를 기반으로 객체의 형태(shape)와 질감(texture) 정보에 대한 통계적 모델을 통해 얼굴의 특징점을 검출하는 알고리즘으로 얼굴인식, 얼굴 모델링, 표정인식과 같은 응용에 널리 사용되고 있다. 하지만, AAM알고리즘은 초기 값에 민감하고 입력영상이 학습 데이터 영상과의 차이가 클 경우에는 검출 에러가 증가되는 문제가 있다. 특히, 입을 다문 입력얼굴 영상의 경우에는 비교적 높은 검출 정확도를 나타내지만, 사용자의 표정에 따라 입을 벌리거나 입의 모양이 변형된 얼굴 입력 영상의 경우에는 입술에 대한 검출 오류가 매우 증가되는 문제점이 있다. 이러한 문제점을 해결하기 위해 본 논문에서는 입술 특징점 검출을 통해 정확한 입술 영역을 검출한 후에 이 정보를 이용하여 AAM을 수행함으로써 얼굴 특징점 검출 정확성을 향상시키는 방법을 제안한다. 본 논문에서는 AAM으로 검출한 얼굴 특징점 정보를 기반으로 초기 입술 탐색 영역을 설정하고, 탐색 영역 내에서 Canny 경계 검출 및 히스토그램 프로젝션 방법을 이용하여 입술의 양 끝점을 추출한 후, 입술의 양 끝점을 기반으로 재설정된 탐색영역 내에서 입술의 칼라 정보와 에지 정보를 함께 결합함으로써 입술 검출의 정확도 및 처리속도를 향상시켰다. 실험결과, AAM 알고리즘을 단독으로 사용할 때보다, 제안한 방법을 사용하였을 경우 입술 특징점 검출 RMS(Root Mean Square) 에러가 4.21픽셀만큼 감소하였다.