• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 봄 학술발표논문집 Vol.31 No.1 (B)
• /
• pp.832-834
• /
• 2004

특징점 기반 지문 인식 시스템은 지문의 특징점 정보를 사용하기 때문에 교문 획득 시 발생하는 거짓 특징점에 많은 영향을 받는다. 거짓 특징점의 제거를 위해 특징정의 이웃 융선을 추적하는 위상 검증 방법(Topological validation)은 거짓 특징점 제거에 뛰어난 효율을 보이지만 올바른 특징점까지 제거되는 단점이 있다. 본 논문에서는 올바른 특징점이 거짓 특징점으로 오판되어 제거되는 것을 줄이기 위챈 가보 필터를 사용하여 특징점 주위 영역을 특징점 방향과 특징점 방향에 수직인 방향으로 필터링 수행 후 특징값의 차를 구하여 특징점의 품질을 평가하였다. 특징값이 일정 기준을 넘는 좋은 품질의 영역에서 추출된 특징점이면 거짓 특징점 제거 알고리즘을 수행하지 않음으로써 올바른 특징점이 제거되는 것을 막을 수 있었고 이와 같이 추출된 특징점들을 이용해 실험한 결과 ERR(Equal eRror Rate)에서 1.7%의 성능 향상을 보였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1999년도 추계학술대회 논문집 학회본부 B
• /
• pp.807-811
• /
• 1999

자동 지문 인식을 위한 특징점 추출 과정에서 얻은 특징점에는 지문 획득시 발생하는 잡음과 전처리 과정으로 인한 정보의 손실에 의해 상당량의 의사 특징점이 포함되어 있다. 본 논문에서는 특징점들로 구성된 지문의 특징량에서 잡음이라고 할 수 있는 의사 특징점을 제거하는 알고리즘을 제안한다. 제안하는 알고리즘은 후보 특징점 목록에서 세선화된 지문 화상의 구조적 특성을 고려하여 복원 가능 영역에 속하고 의사 특징점이라고 간주되는 특징점을 선택한다. 이와 같이 선택된 특징점이 세선화 화상에 위치하는 영역은 잡음에 의해 잘못 세선화된 부분이기 때문에 해당 영역을 올바르게 재구성하고 후보 특징점 목록에서 선택한 특징점을 삭제한다. 재구성된 세선화 화상에서 지문 원화상의 부영역별 방향과 지문의 구조적 특성을 근거로 후보 특징점이 위치한 영역의 패턴을 검사하여 진짜 특징점만을 선택함으로써 의사 특징점을 제거하게 된다. NIST sdb 14의 지문 화상을 알고리즘에 적용한 결과는 정추출율 손실 대비 높은 오추출율 개선을 얻었음을 보여주고 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2003년도 춘계학술발표논문집 (상)
• /
• pp.607-610
• /
• 2003

지문 정합을 할 때 특징점 사이의 거리와 각도가 유사한 순서대로 있는가를 비교하는 알고리즘을 제안한다. 한 점에서 가장 가까운 특징점을 찾고 다시 찾은 점에서 가장 가까운 특징점을 찾는데 이러한 세 개의 특징점들 사이의 거리와 끼인 각도를 기본 요소로 하여 이들의 순차를 특징점 배치도로 정의하여 등록지문에도 유사한 순차가 있는지를 검사한다. 정합 시에 특징점 사이의 거리, 각도 순차가 있는가를 검사하기 때문에 중심점을 찾지 않아도 되며 지문의 이동, 회전에 영향을 받지 않는다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2016년도 하계학술대회
• /
• pp.29-32
• /
• 2016

특징점 기반 건물인식 시스템에서는 강건한 특징점을 추출하는 것이 인식률 향상에 바로 직결되는 중요한 요소이다. 영상에서 특징점들이 너무 많이 추출되는 경우 인식이나 학습단계에서의 알고리즘 수행 시간을 증가시키는 원인이 된다. 또환 중요하지 않은 특징점(배경이나 가려짐 영역, 기타 객체에서 추출된 특징점)이나 조명 변화에 민감한 영역에서 임의로(arbitrarily) 추출된 특징점은 인식률을 저하시키는 문제를 발생시킨다. 특히 도시환경에서 촬영된 영상의 특징점을 추출할 때 이러한 문제 현상들이 빈번하게 발생한다. 본 논문에서는 이러한 문제를 해결하고자 multi-view 영상에서 건물의 homography를 기반으로 정확히 정합된 특징점인 inlier만을 선택하는 알고리즘을 제안한다. Inlier로 분류된 특징점들은 건물 인식 시스템을 구성하기 위해 사용되고 조명 변화에 민감한 영역에서 임의로 추출된 특징점들은 영역 기반 특징을 추출하여 건물 인식 시스템의 인식률을 높인다. 또한 이를 이용하여 인식하고자 하는 건물과의 상관관계가 적은 잉여 영상들을 DB에서 제거하는 방법도 제안한다. 실험을 통하여 제안하는 기법의 우수성을 보였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2012년도 제46차 하계학술발표논문집 20권2호
• /
• pp.43-46
• /
• 2012

컴퓨터 비전을 이용한 다양한 응용 분야에 있어서, 특징점을 이용한 응용 분야가 많이 이루어지고 있다. 그 중에 Global feature는 표현의 위험성과 부정확성으로 인해서 많이 사용되고 있지 않으며, Local feature를 이용한 연구가 주로 이루고 있다. 그 중에 SURF(Speeded-Up Robust Features) 알고리즘은 다수의 영상에서 같은 물리적 위치에 있는 동일한 특징점을 찾아서 매칭하는 방법으로 널리 알려진 특징점 매칭 알고리즘이다. 하지만 SURF 알고리즘을 이용하여 특징점을 매칭하여 정합 쌍을 구하였을 때 매칭되는 특징점들의 정확도가 떨어지는 단점이 있다. 본 논문에서는 특징점 매칭 알고리즘인 SURF를 사용하여 대응되는 특징점들을 들로네 삼각형의 기하학적 특징을 이용하여 정확도가 높은 특징점을 분류하여 SURF 알고리즘의 매칭되는 대응점들의 정확도를 높이는 방법을 제안한다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2007년도 학술대회 1부
• /
• pp.761-766
• /
• 2007

이 논문에서는 커널 Edge Map 방식의 얼굴의 특징점을 검출하는 방법과 Adaboost를 이용한 얼굴의 특징점을 검출하는 방법을 이용하여 좀 더 강인한 얼굴의 특징점을 검출해 낸다. 커널 Edge Map을 이용한 방법은 기존의 10개의 커널을 이용하여 검출된 Edge를 이용하지 않고 좀 더 빠르게 검출해내기 위해 2개의 커널을 이용하여 얼굴의 특징점을 검출해 낸다. 이렇게 만들어진 얼굴의 특징점 후보군들에서 Adaboost를 이용하여 좀 더 정확하고 빠른 특징점을 찾을 수 있게 된다. Adaboost를 이용한 방법은 각각의 특징점들을 오프라인 상에서 학습을 하고 실시간으로 특징점을 검출하는 방법을 사용하였다. Edge를 이용한 방법으로 이미지의 전처리를 하여 후보군을 찾고 그 후보군과 Adaboost를 이용한 후보군들의 조합으로 인해 좀 더 강인하게 얼굴의 특징점을 찾을 수 있다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 한국컴퓨터종합학술대회 논문집 Vol.33 No.1 (A)
• /
• pp.97-99
• /
• 2006

우리는 관절체 캐릭터에 대해 시간에 따른 인식의 정도를 측정하는 모션 특징점 맵을 제안한다. 모션 특징점 맵은 이미지 특징점 맵에서 사용된 가우시안 거리 방법을 응용하여 계산할 수 있다. 관절 계층 구조에서의 모션과 시각적 인지간의 관계를 고려하여, 우리는 관절 동선 모션 특징점 맵과 관절 구동 모션 특징점 맵의 두 가지 모션 특징점 맵을 정의하였다. 정의한 두 가지 모션 특징점 맵을 사용하여 한 프레임에서의 모션 특징점 맵 또한 계산할 수 있다. 계산된 모션 특징점 맵은 모션의 시놉시스 생성, 정운동학 연산량의 축소, 자동적 카메라 동선 생성 등 여러 가지 응용 분야에 적용할 수 있다. 실험을 통하여 우리는 모션에 대한 인식 기반적인 접근을 통해 모션의 질적인 향상은 물론 계산적인 퍼포먼스의 향상에도 많은 기여를 할 수 있음을 알 수 있었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2002년도 가을 학술발표논문집 Vol.29 No.2 (2)
• /
• pp.565-567
• /
• 2002

동영상에서 특정 물체를 추적하기 위하여 여러 가지 알고리즘이 적용된다. 그 중에서 특징점을 추출하고 정합하여, 움직이고 있는 물체를 추적하는 방법을 소개한다. 특징점을 추출하는 방법 중에서 에지정보를 이용하는 방법과 직접 이미지에 접근하는 방식이 있다. 본 논문에서는 물체의 에지정보를 이용하여 특징점을 추출하는 기법을 제안한다. 널리 이용되고 있는 Canny Edge Detection(1) 알고리즘 이용, 에지를 얻게 되는데, 여기서 특징점 추출에 오류를 발생시킬 수 있는 경우에 대비하여 에지를 보정하고, 결과의 에지에서 특징 점을 추출한다. 보정된 에지정보에서 시작점, 끝점, 둘 이상의 에지가 모인 분기점과 굴곡률이 국부 최대인 지점을 찾아 특징점을 추출한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2011년도 제43차 동계학술발표논문집 19권1호
• /
• pp.69-72
• /
• 2011

본 논문에서는 방향 연결성 추적을 이용한 의사 특징점 제거에 관하여 연구하였다. 특징점을 추출하는 방법에는 교차수를 이용한 방법이 있다. 그러나 교차수를 이용한 방법에서는 의사 특징점이 많이 추출된다. 교차수를 이용한 방법에서 잘못 추출된 특징점들을 방향 연결성 추적을 이용한 의사 특징점 제거 알고리즘을 이용하여 의사 특징점을 제거하였다. 성능 평가를 위하여 교차수를 이용한 방법과 방향 연결성 추적을 이용하여 추출된 실제 특징점을 비교하였으며, 실험결과 방향 연결성 추적을 이용하여 많은 의사 특징점이 제거되었음을 알 수 있었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 가을 학술발표논문집 Vol.28 No.2 (2)
• /
• pp.373-375
• /
• 2001

본 논문에서는 연속된 프레임에서 특징점을 추출하고 특징점의 유사도를 Hough 공간에 누적하여 정확한 이동을 찾아내는 기법을 제시한다. 특징점은 예지의 시작점, 끝점, 분기점과 굴곡점을 사용한다. 정합을 위하여 특징점 주위의 평균 밝기, 굴곡점의 굴곡각을 이용하며, 물체 주위에 물체보다 특징이 강한 배경에 민감하지 않게 동작하기 위하여 Hough 공간상의 극대값들에 대하여, 분할 영역의 평균과 표준 편차를 비교함으로써 정확한 이동 경로를 산출한다. 제안하는 알고리즘을 실제 영상에 적응한 경우 배경의 특징이 매우 강한 경우 Hough 공간의 최대값을 찾는 기법이 해결할 수 없는 부분도 정확히 추적하는 결과를 보인다.