• Proceedings of the Korean Society of Computer Information Conference
• /
• 2019.07a
• /
• pp.313-314
• /
• 2019

본 논문에서는 특징점 검출 알고리즘을 적용하여 ultrasound image에서 특징점을 검출하는 것과 object dectection을 위한 keypoints가 object에 올바르게 위치하는지를 검증하는 실험을 진행한다. 특징점 검출을 위한 알고리즘으로는 Scale Invariant Feature Transform(SIFT)과 Harris corner detection 을 적용하여 검증한다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.05b
• /
• pp.206-209
• /
• 2003

생체인식 기술 중에서 지문-기반 인식은 많은 어플리케이션에 성공적으로 이용되어온 가장 오래된 방법이지만 지문 인식 시스템이 클라이언트/서버 형식으로 운영될 경우 지문 이미지를 획득하여 특징점을 추출하고 이를 서버로 전송하는 경우 보안 취약성이 존재한다. 취약성에는 여러 가지가 있을 수 있지만 본 연구와 관련된 부분은 지문 이미지 획득과 특징점 추출과정 그리고 추출된 특징점의 매칭 과정에 초점을 맞추고 있다. 본 논문에서는 지문 이미지의 영상 처리를 통한 특징점 추출 및 추출된 특징점을 변조하는 도구를 구현하여 기존의 지문인식 시스템들에 대한 매칭 알고리즘 취약성 평가를 검증할 수 있는 평가 도구를 설계 및 구현하였다. 매칭 알고리즘 취약성 평가는 평가를 위해 구현된 지문 인식 시스템에서 특징점을 추출하고, 추출된 특징점 중 단점을 이용하여 선택된 이미지 영역을 변조한다. 변조된 이미지는 평가 대상 시스템에서 재입력하여 평가를 수행한다.

• The KIPS Transactions:PartB
• /
• v.19B no.2
• /
• pp.113-122
• /
• 2012

This paper presents a new stereo matching technique which is based on the matching of feature windows and feature links. The proposed method uses the FAST feature detector to find image features in stereo images and determines the correspondences of the detected features in the stereo images. We define a feature window which is an image region containing several image features. The proposed technique consists of two matching steps. First, a feature window is defined in a standard image and its correspondence is found in a reference image. Second, the corresponding features between the matched windows are determined by using the feature link technique. If there is no correspondence for an image feature in the standard image, it's disparity is interpolated by neighboring feature sets. We evaluate the accuracy of the proposed technique by comparing our results with the ground truth of in a stereo image database. We also compare the matching accuracy and computation time with two conventional feature-based stereo matching techniques.

• Journal of Broadcast Engineering
• /
• v.3 no.2
• /
• pp.164-171
• /
• 1998

사람의 얼굴은 일반 객체와는 다르게 정확히 구별되는 특징이 없다. 따라서 일반적으로 사람 얼굴에 관한 연구에서는 인간이 사람의 얼굴을 볼 대 가장 먼저 인식을 하는 눈, 코, 입을 특징으로 정하고 있다. 이러한 특징은 사람에 따라 다르게 나타나며 주위환경에 영향을 받는다. 따라서 이러한 사람의 특징을 정확히 찾아내는 것이 중요하다. 본 논문에서는 얼굴 특징점의 기하학적 성질을 이용하여 눈, 코, 입의 특징점을 효율적으로 찾아내는 알고리즘을 제안하고 있다. 이러한 특징점을 이용해서 얼굴 특징점 벡터와 얼굴 특징점 영상을 얻어낸다. 이 후 임의 입력 사람 얼굴에 대해서 얼굴 특징점 벡터의 유클리디안 거리와 밀 기록된 특징점 영상과의 상관관계를 이용해 유사도를 계산해서 얼굴을 인식한다. 제안하는 방법은 기존의 방법보다 계산 복잡도가 적으며 또한 정확한 인식을 얻는다.

• Journal of the Institute of Electronics Engineers of Korea SP
• /
• v.37 no.6
• /
• pp.25-37
• /
• 2000

The trajectories of feature points can be defined by the correspondences between points in consecutive frames. The correspondence problem is known to be difficult to solve because false positives and false negatives almost always exist in real image sequences. In this paper, we propose a robust feature tracking algorithm considering incomplete trajectories such as entering and/or vanishing trajectories. The trajectories of feature points are determined by calculating the matching measure, which is defined as the minimum weighted Euclidean distance between two feature points. The weights are automatically updated in order to properly reflect the motion characteristics. We solve the correspondence problem as an optimal graph search problem, considering that the existence of false feature points may have serious effect on the correspondence search. The proposed algorithm finds a local optimal correspondence so that the effect of false feature point can be minimized in the decision process. The time complexity of the proposed graph search algorithm is given by O(mn) in the best case and O($m^2n$) in the worst case, where m and n arc the number of feature points in two consecutive frames. By considering false feature points and by properly reflecting motion characteristics, the proposed algorithm can find trajectories correctly and robustly, which has been shown by experimental results.

• The KIPS Transactions:PartB
• /
• v.14B no.7
• /
• pp.473-480
• /
• 2007

Feature tracking in video frame sequences has suffered from the instability and the frequent failure of feature matching between two successive frames. In this paper, we propose a robust 2D feature tracking method that is stable to long video sequences. To improve the stability of feature tracking, we predict the spatial movement in the current image frame using the state variables. The predicted current movement is used for the initialization of the search window. By computing the feature similarities in the search window, we refine the current feature positions. Then, the current feature states are updated. This tracking process is repeated for each input frame. To reduce false matches, the outlier rejection stage is also introduced. Experimental results from real video sequences showed that the proposed method performs stable feature tracking for long frame sequences.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.10b
• /
• pp.489-493
• /
• 2006

이 논문에서는 커널 에지 방식의 얼굴의 특징점을 추출하는 방법과 Adaboost를 이용한 얼굴의 특징점을 추출하는 방법에 대해서 비교 한다. 커널 에지를 이용한 방법은 10개의 커널을 이용하여 추출된 에지를 이용하여 얼굴의 특징점을 추출해 낸다. 커널의 개수를 줄여 사용한다면 실시간에 가능하고, 정확성을 높이기 위해서는 이미지의 전처리 단계에서 자극적인 효과를 준다면 정확성 또한 높아 질 것이다. 반면에 Adaboost를 이용한 방법은 각각의 특징점들을 오프라인 상에서 학습을 하고 온라인상에서 실시간으로 특징점을 추출하는 방법을 사용하였다. 각 각의 학습과정에 있어서 positive, negative 이미지를 더 많이 사용한다면 정확성이 더 높아질 것이다. 한 가지 주목할 만 한 점은 입과 같은 특징점을 추출하기 어려운 영역에서도 높은 정확성을 보였다.

• Korean Journal of Cognitive Science
• /
• v.14 no.1
• /
• pp.11-16
• /
• 2003

This Paper extracts the edge of main components of face with Gator wavelets transformation in facial expression images. FCM(Fuzzy C-Means) clustering algorithm then extracts the representative feature points of low dimensionality from the edge extracted in neutral face. The feature-points of the neutral face is used as a template to extract the feature-points of facial expression images. To match point to Point feature points on an expression face against each feature point on a neutral face, it consists of two steps using a dynamic linking model, which are called the coarse mapping and the fine mapping. This paper presents an automatic extraction of feature-points by dynamic linking model based on Gabor wavelets and fuzzy C-means(FCM) algorithm. The result of this study was applied to extract features automatically in facial expression recognition based on dimension[1].

• KIPS Transactions on Software and Data Engineering
• /
• v.2 no.1
• /
• pp.65-70
• /
• 2013

Recently, the field of computer vision has been actively researched through digital image which can be easily generated as the development and expansion of digital camera technology. Especially, research that extracts and utilizes the feature in image has been actively carried out. The image stitching is a method that creates the high resolution image using features extract and match. Image stitching can be widely used in military and medical purposes as well as in variety fields of real life. In this paper, we have proposed efficient image stitching method using fast feature descriptor extraction and matching based on SURF algorithm. It can be accurately, and quickly found matching point by reduction of dimension of feature descriptor. The feature descriptor is generated by classifying of unnecessary minutiae in extracted features. To reduce the computational time and efficient match feature, we have reduced dimension of the descriptor and expanded orientation window. In our results, the processing time of feature matching and image stitching are faster than previous algorithms, and also that method can make natural-looking stitched image.

• Proceedings of the KAIS Fall Conference
• /
• 2007.11a
• /
• pp.209-210
• /
• 2007

불변 특징 기반의 파노라마 생성 방법은 직접 방법에 비해 비교적 처리 속도가 빠르다. 파노라마 생성 과정에서 특징점 추출과 특징 정합에 대부분의 시간이 소요된다. 본 논문에서는 파노라마 생성을 위한 특징점 클러스터링 방법을 제안한다. LoG 영상에서 특징점들을 추출한 후, 클러스터링을 통해 특징점들을 군집화한다. 군집도가 강한 특징점들은 그렇지 않은 특징점들보다 더 의미 있으므로, 파노라마 생성에서 군집도가 약한 군집을 배제함으로써 정확도가 높아지고 처리 시간이 빨라지는 장점이 있다. 실험에서 $320{\times}240$ 크기의 칼라 영상에 대해 제안한 방법의 처리 시간이 약2.0초로 클러스터링 처리를 하지 않는 방법에 비해 약 2배 빠른 결과를 보였다.