• Journal of Internet Computing and Services
• /
• v.19 no.4
• /
• pp.7-13
• /
• 2018

The methods for detecting copy move frogery (CMF) are divided into two categories, block-based methods and keypoint-based methods. Block-based methods have a high computational cost because a large number of blocks should be examined for CMF detection. In addition, the forgery detection may fail if a tampered region undergoes geometric transformation. On the contrary, keypoint-based methods can overcome the disadvantages of the block-based approach, but it can not detect a tampered region if the CMF forgery occurs in the low entropy region of the image. Therefore, in this paper, we propose a method to detect CMF forgery in all areas of image by combining keypoint-based and block-based methods. The proposed method first performs keypoint-based CMF detection on the entire image. Then, the areas for which the forgery check is not performed are selected and the block-based CMF detection is performed for them. Therefore, the proposed CMF detection method makes it possible to detect CMF forgery occurring in all areas of the image. Experimental results show that the proposed method achieves better forgery detection performance than conventional methods.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.04b
• /
• pp.559-561
• /
• 2001

본 논문에서는 스테레오 영상으로부터 변위를 추정할 수 있는 다양한 방법들 중 특정 기반 방식과 영역 기반 방식의 각각의 장점들을 살리고 단점들을 보완하기 위한 방법은 제안한다. 영상의 경계선을 이루는 특징점들은 전체 영상의 5% 내외의 소수로 추출되면서도 많은 양의 영상 정보를 가지고 있으므로, 이 점들에 대해 일정한 매칭 과정을 통해 대응점을 구하고, 이 중 90% 이상의 정확성 매칭 확률을 가진 대응점들을 영상으로 기준점으로 설정한다. 그리고 이러한 기준점 이외의 점들에 대해서는 추출된 기준점들의 순서에 맞추어 Ordering Constraint를 적용시키고 기준점에 따라 블록의 크기가 달라지는 영역 기반 방식을 적용하여 조밀한 변위를 추정하였다. 이렇게 함으로써 영역 기반 방식과 특징 기반 방식의 각각의 장점들을 이용하면서도 특정기반 방식의 문제점인 보간법 문제를 해결하였고, 또한 블록의 크기 따라 계산 시간과 정합 오차가 많이 좌우되는 영역 기반 방식의 단점들을 해결하였다. 또한 기준점을 이용하여 Ordering constraint 기반하에 영역 정보를 이용하므로 좀 더 올바른 순서 조건에 맞추어 대응점을 찾을 수 있고 또한 폐쇄 영역 부분도 쉽게 찾을 수 있었다.

• Proceedings of the Korea Contents Association Conference
• /
• 2011.05a
• /
• pp.57-58
• /
• 2011

스테레오 정합 방법에는 크게 영역기반 방식과 특징기반 방식으로 나뉠수 있으며 보통 사용자가 특징점을 입력해야 하는 특징기반보다는 광범위하게 사용할 수 있는 영역기반 방식의 스테레오 정합법이 많이 사용되고 있다. 하지만 영역기반은 해당 영역 즉 블록 단위로 비교를 해야 하기 때문에 실시간 스테레오 정합에는 계산 시간이 많이 걸리게 된다. 따라서 본 연구에서 제안하는 Line Disparity Map 알고리즘은 정합 점을 라인별로 비교하기 때문에 블록 방식보다 빠르고, 라인의 기울기를 바탕으로 정합점을 찾기 때문에 주변환경에 영향을 받지 않는 장점이 있다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.01a
• /
• pp.377-380
• /
• 2022

본 논문에서는 모바일 기반 AR 환경에서 RGB카메라로부터 얻은 영상 분석과 DB 기반의 특징점(Feature point) 매칭을 통하여 보다 정확하게 위험 상황을 알려줄 수 있는 프레임워크를 제안한다. 본 논문에서는 RANSAC(Random sample consensus)기반의 다중 평면 방식을 이용한 특징점을 추출하고 분석하여 영상에 존재하는 장애물을 감지한다. RGB카메라로 얻은 영상을 기반으로 장애물을 검출하는 접근법은 영상에 의존하기 때문에 조명에 따른 특징점 검출이 부정확하고, 조명이나 자연광 또는 날씨에 영향을 많이 받기 때문에 어둡거나 흐린 날씨에서는 장애물 검출이 어려워진다. 이 문제를 완화하기 위해 본 논문에서는 DB기반의 특징점 매칭을 통해 조명에 관계없이 장애물을 효율적이고 정확하게 감지한다. 특징점 매칭을 이용하려면 우선 영상에서 특징점이 안정적으로 추출될 수 있는 환경인, 조명이나 자연광이 충분한 환경에서 감지된 장애물 정보를 데이터베이스화 하여 저장한다. 조명이 충분하지 않은 환경에서 사용자가 사전에 저장된 지역에 근접할 경우 특징점 분석이 아닌 DB 기반 특징점 매칭을 통해 위험 요소를 감지한다. 우리의 방법은 조명의 여부의 관계없이 효과적으로 위험을 감지할 수 있기 때문에 다양한 분야에 활용될 수 있다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.601-604
• /
• 2021

본 논문에서는 모바일 디바이스의 카메라로부터 얻은 RGB이미지를 분석하여 장애물을 안정적으로 탐지할 수 있는 프레임워크를 제안한다. 본 논문에서는 장애물을 안정적으로 찾기 위해 RANSAC(Random Sample Consensus)기반의 다중 평면 방식을 이용한 위험감지 시스템을 제안한다. 우리의 접근 방식은 RGB영상으로부터 특징점(Feature point)을 추출하고, 특징점을 분석(Feature point analysis)하여 영상내의 평면을 감지한다. 복잡한 지형으로 인해 생성되는 다수의 평면을 RANSAC을 통해 단일 평면으로 정규화하고, 이로부터 특징점을 분류하기 위한 기준점을 계산한다. 모바일 디바이스의 위치와 회전 제약 없이 효과적으로 기준평면(Reference plane)을 탐색할 수 있고, 영상 내 특징점을 실시간으로 계산한다. 다양한 실험을 통해 기준평면과 장애물과의 거리를 파악하여 장애물을 효과적으로 분류하는 결과를 얻었다. 우리의 기법은 실세계에서의 위험요소를 감지하고 모바일 디바이스 사용자의 안전성 확보에 활용할 수 있을 거라 기대한다.

• KIPS Transactions on Software and Data Engineering
• /
• v.2 no.3
• /
• pp.209-218
• /
• 2013

Early researches in human action recognition have focused on tracking and classifying articulated body motions. Such methods required accurate segmentation of body parts, which is a sticky task, particularly under realistic imaging conditions. Recent trends of work have become popular towards the use of more and low-level appearance features such as spatio-temporal interest points. Given the great progress in pose estimation over the past few years, redefined views about pose-based approach are needed. This paper addresses the issues of whether it is sufficient to train a classifier only on low-level appearance features in appearance approach and proposes effective pose-based approach with pose estimation for emotional action recognition. In order for these questions to be solved, we compare the performance of pose-based, appearance-based and its combination-based features respectively with respect to scenario of various emotional action recognition. The experiment results show that pose-based features outperform low-level appearance-based approach of features, even when heavily spoiled by noise, suggesting that pose-based approach with pose estimation is beneficial for the emotional action recognition.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2011.07a
• /
• pp.472-474
• /
• 2011

본 논문에서는 특징점 기반 색상보정을 이용한 다시점 비디오 부호화 전처리 방법을 제안 한다. 다시점 영상은 조명 및 카메라 간의 특성차이로 인해 인접 시점 간 색상차를 보인다. 이를 보정하기 위한 여러 가지 방법 중, 본 논문에서는 영상간의 대응되는 특징점들을 기반으로 상대적인 카메라의 특성을 모델링하고 이를 통해 색상을 보정하는 방법을 이용하였다. 대응되는 특징점을 추출하기 위해 Harris 코너 검출법을 사용하였고, 모델링 된 수식의 계수는 가우스-뉴튼 순환 기법으로 추정하였다. 참조 영상을 기준으로 보정해야할 타겟 영상의 색상값을 RGB 성분별로 보정했다. 테스트 영상을 가지고 실험한 결과 제안한 전처리 방법으로 보정을 하였을 경우, 전처리 과정을 거치지 않았을 때보다 화질 및 압축효율이 향상됨을 알 수 있었다. 또한 누적 히스토그램 기반의 전처리 방식과 비교했을 때, PSNR은 성분별로 0.5 dB ~ 0.8dB 정도 올랐고 Bit rate는 14% 정도 절감되는 효과를 확인 하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2015.07a
• /
• pp.322-325
• /
• 2015

본 논문에서는 개선된 자세 인식을 위한 학습을 통한 자세 인식 기법을 제안한다. 제안 자세 인식 기법은 영상의 모든 픽셀 값을 사용하지 않으며 인체의 골격의 위치 정보와 자세의 학습을 기반으로 한다. 최근 자세 인식기법에 다양한 기계 학습 기법을 적용하여 제스처 인식률을 높이는 연구가 진행되고 있지만 실시간 프레임에 적용하는데 한계가 있다. 반면 고차원의 특징점을 추출하여 신경망 학습방식을 이용하면 적은 계산량과 손쉬운 실행이 가능하다. 고차원의 특징점은 깊이 정보로부터 사람의 골격 정보를 이용해 추출하여 차원을 감소시키며 신경망 학습 방식에서는 각 자세에 대한 고차원의 특징점을 이용하여 자세의 학습을 진행한다. 신경망학습은 학습 단계에서는 미리 알려진 자세와 예측된 자세의 비교를 통해 오류를 최소화 하는 방향으로 학습을 진행하며, 판별 단계에서는 새로운 자세를 입력하여 고차원 특징점을 이용한 신경망 학습 기반의 제안 기술의 성능을 평가한다. 실험에 의하면 제안 기법은 약 96%의 자세 인식률을 보이고 자세 인식기법을 동작 인식으로 확장 가능성 또한 보인다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2021.06a
• /
• pp.322-323
• /
• 2021

증강현실이나 자율 주행, 드론 등의 기술에서 현재 위치와 시점을 파악하기 위해서는 실시간 카메라 자세 추정이 필요하다. 이를 위해 가장 일반적인 방식인 연속적인 단안 영상으로부터 카메라 자세를 추정하는 방식은 두 영상의 정적 객체 간에 견고한 특징점 매칭이 이루어져야한다. 하지만 일반적인 영상들은 다양한 이동 객체가 존재하는 동적 환경이므로 정적 객체만의 매칭을 보장하기 어렵다는 문제가 있다. 본 논문은 이 같은 동적 환경 문제를 해결하기 위해, 신경망 기반의 객체 분할 기법으로 영상 속 객체를 추출하고, 객체별 특징점 매칭 및 자세 추정 결과로 정적 객체를 특정해 매칭하는 방법을 제안한다. 또한, 제안하는 정적 객체 특정 방식에 적합한 신경망 기반 특징점 추출 방법을 사용하면 동적 환경에 보다 강인한 카메라 자세 추정이 가능함을 실험을 통해 확인한다.

• Proceedings of the Korea Institutes of Information Security and Cryptology Conference
• /
• 2006.06a
• /
• pp.111-114
• /
• 2006

특징점(minutiae)에 기반한 정합 방식은 간결하고 계산이 쉬워서 가장 널리 사용되는 반면 동일한 지문의 두 입력 사이에서 발생할 수 있는 여러 가지 왜곡들을 고려해야 한다. 본 논문에서는 이러한 왜곡들을 줄이고 포인트 패턴을 이용하여 고속 지문정합 알고리즘을 설계하였으며 1:N정합에 적합한 알고리즘이다. 특징점 추출 알고리즘에서 구한 특징점에 직교좌표의 정보를 조합한 특징점들 중에서 정합을 시도하려는 두 개 특징점 데이터 집합에 대하여 지역 정합을 시도하여 지역 정합된 특징점의 비율이 임계값을 넘어가면 전역 정합을 시도하여 정합 점수를 결정하고 가장 높은 정합수를 얻은 지문 데이터를 결정한다.