• 정보과학회 논문지
• /
• 제41권12호
• /
• pp.1050-1057
• /
• 2014

뇌전도 기반의 뇌-컴퓨터 인터페이스는 향후 손 또는 발과 같은 신체를 대체하거나 사용자의 편의성을 제고하는 등의 다양한 목적으로 여러 산업에서 사용이 될 수 있는 기술이다. 본 논문에서는 경험 모드 분해와 고속푸리에 변환을 통해 동작 상상 뇌전도 신호를 분해하고 특징을 추출하는 방법을 제안한다. 뇌전도 신호 분류 과정은 다음과 같이 3단계로 구성된다. 신호 분해에서는 경험모드분해를 이용하여 뇌전도 신호에 대한 내재모드함수를 생성한다. 특징 추출에서는 파워 스펙트럼 밀도를 이용하여 생성된 내재모드함수의 주파수 대역을 확인한 뒤, 뮤파 대역을 포함하고 있는 내재모드함수에 고속푸리에 변환을 적용하여 움직임 상상에 대한 특징을 추출한다. 특징 분류에서는 서포트 벡터 머신을 사용하여 동작 상상 뇌전도 신호에 대한 특징을 분류하고, 10-교차검증을 통해 분류기의 일반화 성능을 추정한다. 제안하는 방법은 다른 방법들과 비교하여 84.50%의 분류 정확도를 보여주었다.

• 정보과학회 논문지
• /
• 제42권2호
• /
• pp.203-212
• /
• 2015

본 논문은 도로주행 영상에서 도로표지판을 인식하는 방법을 제안한다. 지능형 차량에서 얻어지는 도로표지판 영상은 일반적인 사물 영상과는 다른 두 가지 특징이 있다. 첫째는 대상이 되는 사물들은 종류가 제한적이고 형태가 단순한 도형인 경우가 대부분이다. 둘째는 일반적인 도로주행 영상은 다양한 조명 환경과 날씨 상태로 인해서 선명한 영상을 취득하기 어려운 점이다. 본 논문에서는 조명 변화가 심한 도로주행 영상에 대해서 효과적으로 특징을 추출하기 위해서 Modified Census Transform(MCT)을 개선한 특징추출 방법을 제안한다. 추출된 특징들은 히스토그램으로 쌓여지고 영상 전반에 걸쳐 아주 고차원의 기술자(Descriptor)로 변환되며, 변환된 수많은 기술자들은 가우시안 혼합 모델(Gaussian Mixture Model)을 활용한 Fisher-vector 방법에 의해서 저차원으로 변형하여 특징으로 사용한다. 본 논문에서 제안하는 방법은 일반적인 표지판 인식 방법에 비해서 조명변화에 강한 검출 결과를 보여주었으며, 실시간 검출 및 인식도 가능하였다.

• 전자공학회논문지
• /
• 제51권5호
• /
• pp.160-167
• /
• 2014

본 논문에서는 밴포드 법칙과 컬러의 차이를 이용한 영상 접합 조작 검출 방법을 제안하고자 한다. 조작이 의심되는 영상에 대하여 먼저 컬러 변환을 시행한 후, 이산 웨이블릿 변환 및 이산 코사인 변환을 수행한다. 이상적인 밴포드 분포와 의심되는 영상에 대한 밴포드 분포의 차이를 특징으로 추출한다. 아울러 컬러 성분에 대한 밴포드 분포의 차이를 특징으로 사용한다. 본 논문의 방법은 13개의 특징만으로 우수한 접합 영상 검출 성능을 보인다. 추출된 특징 벡터를 SVM(support vector machine) 분류기를 이용하여 학습한 후 영상의 접합 여부를 판별한다. 본 논문의 방법은 기존의 방법보다 적은 수의 특징으로 높은 영상 접합 조작 결과를 보임을 확인하였다.

• 한국지능시스템학회논문지
• /
• 제19권3호
• /
• pp.297-303
• /
• 2009

본 논문에서는 비선형 변환에 의해 입력신호를 고차원의 확장공간으로 변환한 후, 주성분분석기법(PCA)에 의해 신호의 특징을 추출하는 기법을 제안한다. 특징추출을 위해 사용되는 기존의 주성분분석기법은 입력데이터가 비선형 특성을 갖는 경우 최적의 변환행렬을 구할 수 없다는 문제점을 가지고 있다. 이러한 문제점을 해결하기 위해, 확장공간상에서 구간별로 입력데이터를 분할한 후 주성분분석기법에 의해 구간별 특징을 추출하는 서브패턴기반 주성분분석기법(SpPCA)을 적용하였다. 다음 단계인 분류단계에서는 MLP 비선형분류기를 이용하여 구간마다 추출된 특징벡터를 이용하여 기준패턴과의 유사도를 산출한다. 최종 분류단계에서는 MLP에 의해서 산출된 유사도에 기반을 둔 융합법칙에 의하여 생체 스펙트럼 패턴을 분류한다. 제안된 방법의 유용성을 보이기 위한 실험결과에서 기존의 방법들에 비해서 향상된 인식결과를 보임을 확인하였다.

• 전자공학회논문지SC
• /
• 제42권2호
• /
• pp.39-48
• /
• 2005

본 논문에서는 다기능 근전의수를 제어하기 위해 전완에서 취득한 4 채널의 근전도로부터 9 가지 동작을 인식하는 새로운 방법을 제안한다. 비정상 신호특성을 가진 근전도를 해석하기 위해서 시간-주파수 영역에서 표현되는 특징벡터를 웨이블렛 패킷변환을 통해 추출한다. 높은 차원을 가지는 시간-주파수 특징벡터에 대하여 차원축소와 비선형변환을 수행하기 위해 PCA와 SOFM으로 구성된 특징투영 방법을 제안한다. PCA를 이용한 차원축소는 패턴분류기의 구조를 단순화하고 패턴인식을 위한 계산시간을 단축할 수 있다. SOFM을 이용한 비선형변환은 PCA에 의해 차원이 축소된 특징벡터를 새로운 공간으로 투영함으로써 클래스 분리도를 향상시킨다. 마지막으로 각 동작은 패턴분류기인 다층 신경회로망에 의해 인식된다. 실험 결과로부터 제안한 방법이 높은 인식률을 보임과 동시에 연속적인 패턴인식을 위한 실시간 구현이 가능함을 보인다.

• 한국전자통신학회논문지
• /
• 제18권1호
• /
• pp.115-126
• /
• 2023

무작위 및 주기적인 변동하는 재생에너지 발전 전력 품질 교란으로 인해 발전 변환 송전 및 배전에서 더 자주 발생하게 된다. 전력 품질 교란은 장비 손상 또는 정전으로 이어질 수 있다. 따라서 서로 다른 전력 품질 외란을 실시간으로 자동감지하고 분류하는 것이 필요하다. 전통적인 PQD 식별 방법은 특징 추출 특징 선택 및 분류의 세 단계로 구성된다. 그러나 수동으로 생성한 특징은 선택 단계에서 정확성을 보장하기 힘들어서 분류 정확도를 향상하는 데에는 한계가 있다. 본 논문에서는 16가지 종류의 전력 품질 신호를 인식하기 위해 CNN(Convolution Neural Networ)과 LSTM(Long Short Term Memory)을 기반으로 시간 영역과 주파수 영역의 특징을 결합한 심층 신경망 구조를 제안하였다. 주파수 영역 데이터는 주파수 영역 특징을 효율적으로 추출할 수 있는 FFT(Fast Fourier Transform)로 얻었다. 합성 데이터와 실제 6kV 전력 시스템 데이터의 성능은 본 연구에서 제안한 방법이 다른 딥러닝 방법보다 일반화되었음을 보여주었다.

• 한국콘텐츠학회논문지
• /
• 제10권6호
• /
• pp.27-34
• /
• 2010

본 논문은 가중 퍼지소속함수 기반 신경망(neural network with weighted fuzzy membership functions, NEWFM)과 웨이블릿 기반의 특징 추출기법을 사용하여 왼쪽 또는 오른쪽의 운동 형상을 분류하는 방안을 제안하고 있다. 초기 특징을 추출하기 위해서 첫 번째 단계에서 웨이블릿 변환(wavelet transforms)을 이용하여 뇌파(electroencephalogram, EEG) 신호로부터 웨이블릿 계수들을 추출하였다. 두 번째 단계에서는 첫 번째 단계에서 추출한 웨이블릿 계수들을 통계적인 방법인 주파수 분포와 주파수 변동량을 이용하여 60개의 초기 특징을 추출하였다. 이들 60개의 초기 특징은 NEWFM에서 제공하는 비중복면적 분산 측정법에 의해 중요도가 가장 낮은 특징을 하나씩 제거되면서 정확도가 가장 높은 6개의 최소 특징을 선택되었다. 이들 6개의 최소 특징을 NEWFM의 입력으로 사용하여 86.43%의 정확도를 구하였다.

• 정보처리학회논문지B
• /
• 제17B권4호
• /
• pp.309-316
• /
• 2010

본 연구에서는 얼굴 그리드 각도를 특징공간으로 하는 새로운 모델 기반 얼굴 표정 인식 방법을 제안한다. 제안 방식은 6가지 얼굴 대표 표정을 인식하기 위해 표정 그리드를 이용하여 그리드의 각 간선과 정점이 형성하는 각도를 기반으로 얼굴 특징 공간을 구성한다. 이 방법은 다른 표정 인식 알고리즘의 정확도를 낮추는 원인인 변환, 회전, 크기변화와 같은 어파인 변환에 강건한 특징을 보인다. 또한, 본 연구에서는 각도로 특징공간을 구성하고 이 공간 내에서 Wrapper 방식으로 특징 부분집합을 선택하는 과정을 설명한다. 선택한 특징들은 SVM, 3-NN 분류기를 이용해 분류하고 분류 결과는 2중 교차검증을 통해 검증하도록 한다. 본 연구가 제안한 방법에서는 94%의 표정 인식 결과를 보였으며 특히 특징 부분집합 선택 알고리즘을 적용한 결과 전체 특징을 이용한 경우보다 약 10%의 인식율 개선 효과를 보인다.

• 대한전자공학회논문지SP
• /
• 제48권4호
• /
• pp.76-85
• /
• 2011

본 논문에서는 Gabor 특징과 웨이브렛 영역의 BDIP와 BVLC 특징을 이용한 질감 특징 기반 언어 인식 방법을 제안한다. 제안된 방법에서는 먼저 시험 영상에 Gabor 변환과 웨이브렛 변환을 적용한다. 웨이브렛 영역의 상세 대역에는 Donoho의 연역치화를 적용하여 잡음을 제거한다. 이어서 Gabor 영상에는 크기 연산자를 적용하고 웨이브렛 부대역에는 BDIP와 BVLC 연산자를 적용한다. 그런 다음 Gabor 크기 영상과 BDIP, BVLC 부대역에 대하여 통계치를 계산하여 그 결과들을 벡터화하고 융합하여 특징 벡터로 사용한다. 분류 단계에서는 얼굴 인식에 주로 사용되는 WPCA를 분류기로 하여 시험 특징 벡터와 가장 유사한 학습 특징 벡터를 찾는다. 실험 결과 제안된 방법은 실험 문서 영상 DB에 대하여 비교적 낮은 특징 벡터 차원으로 매우 우수한 언어 인식 성능을 보여준다.

• 인지과학
• /
• 제14권1호
• /
• pp.10-10
• /
• 2003

본 논문은 Gabor 웨이브렛 변환을 이용하여 무표정을 포함한 표정영상에서 얼굴의 주요 요소들의 경계선을 추출한 후, FCM 군집화 알고리즘을 적용하여 무표정 영상에서 저차원의 대표적인 특징점을 추출한다. 무표정 영상의 특징점들은 표정영상의 특징점들을 추출하기 위한 템플릿으로 사용되어지며, 표정영상의 특징점 추출은 무표정 영상의 특징점과 동적 연결모형을 이용하여 개략적인 정합과 정밀한 정합 과정의 두단계로 이루어진다. 본 논문에서는 Gabor 웨이브렛과 FCM 군집화 알고리즘을 기반으로 동적 연결모형을 이용하여 표정영상에서 특징점들을 자동으로 추출할 수 있음을 제시한다. 본 연구결과는 자동 특징추출을 이용한 차원모형기반 얼굴 표정인식[1]에서 얼굴표정의 특징점을 자동으로 추출하는 데 적용되었다.