• Proceedings of the Korean Society of Computer Information Conference
• /
• 2020.01a
• /
• pp.59-60
• /
• 2020

본 논문에서는 특징점 추출 알고리즘 중 SIFT(Scale Invariant Feature Transform)알고리즘을 사용하여 유의미한 특징점을 추출하기 위한 방법을 제안하고자한다. 추출된 특징점을 실제 이미지에 display 해봄으로써 성능을 확인해본다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.1560-1562
• /
• 2013

정확하고 강인한 영상 등록(Registration)은 영상 검색과 컴퓨터 비전과 같은 여러 응용 분야에서 성능을 좌우하는 매우 중요한 역할을 담당하며, 특징 추출 및 매칭 단계를 통해 수행된다. 영상의 특징을 관심 점으로 지정하여 추출하는 대표적인 알고리즘으로, SIFT (Scale Invariant Feature Transform)와 SURF (Speeded Up Robust Feature)가 있다. 본 논문에서는 2 개의 특징점 추출 알고리즘을 구현하고 예제 데이터를 기반으로 실험을 통해 성능적 비교 분석을 수행한다. 실험 결과, SURF 알고리즘이 특징 추출 및 매칭, 처리시간 측면에서 SIFT 보다 효율적인 성능을 보였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.11a
• /
• pp.317-318
• /
• 2020

언택트 문화가 활성화되면서 다양한 업체에서 홈트레이닝 어플리케이션이 출시되고 있다. 많은 어플리케이션이 관절 특징점 검출 기능을 제공하여 사용자에게 편리함을 제공하지만, 자체 컨텐츠만 사용가능하다는 점에서 한계를 갖는다. 본 작품에서는 딥러닝 기반의 관절 특징점 검출기 및 특징 추출기를 결합하여 실시간 자세 유사도 측정기를 구현하였다. 목표영상 및 사용자의 관절 위치를 파악함과 동시에 관절 위치 정보에 대한 특징을 추출하여 자세 유사도를 실시간으로 점수화해 사용자에게 제공한다.

• Journal of the Korea Society for Simulation
• /
• v.19 no.4
• /
• pp.111-122
• /
• 2010

In this study, a length adjustment algorithm for cyclic signals in manufacturing process using Time Invariant Feature point Extraction and Matching(TIFEM) is proposed. In order to precisely compensate the length of cyclic signals which have irregular length in the middle of signal as well as in the full length more feature points are needed. The extracted feature must involve information about the pattern of signal and should have invariant properties on time and scale. The proposed TIFEM algorithm extracts features having the intrinsic properties of the signal characteristics at first. By using those extracted features, feature vector is constructed for each time point. Among those extracted features, the only effective features are filtered and are chosen such as basis for the length adjustment. And then the partial length adjustment is performed by matching feature points. To verify the performance of the proposed algorithm, the experiments were performed with the experimental data mimicking the three kinds of signals generated from the actual semiconductor process.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.359-361
• /
• 2012

본 논문에서는 깊이영상에서 상반신 포즈 분석을 위하여 원통좌표시스템을 제안한다. 깊이영상에서 포즈 후보 영역을 설정하고, 포즈 후보 영역을 이용하여 카메라로부터 신체 중심점까지의 거리와 신체 특징에 따라 원통좌표계를 설정한다. 그리고 밝기값으로 표현되는 깊이 정보를 이용하여 특징벡터를 추출한다. 추출된 원통좌표계의 특징벡터는 원형의 특징공간에 표현되고 포즈 패턴으로 분류된다. 그리고 포즈 패턴들은 특징벡터들의 평균값을 이용하여 학습되고 미리 정의된 포즈 패턴들과 유클리디언 거리로 비교하여 포즈로 분류된다. 본 논문은 상반신 포즈 후보 영역에 동적인 원통 모델을 적용하여 간단한 연산을 통해 머리와 몸통, 팔을 구분할 수 있도록 효과적인 포즈 정보 추출에 목적을 두고 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2011.04a
• /
• pp.372-373
• /
• 2011

인터넷 매체가 급증함에 따라 많은 이들에게 쉽게 노출 되어 유포되고 있는 유해 영상을 검출하기 위해 다양한 분류 방법에 대한 연구들이 이루어지고 있다. 본 논문에서 유해 영상 내의 피부색 영역에서의 Haar-like 특징을 추출하여 유해 영상을 분류하는 방법을 제안한다. 이를 위해, 첫 번째 단계에는 샘플 영상에 대하여 기존에 제안된 피부색 검출 방법을 적용하고, 두 번째 단계에는 검출된 피부색 영역 내의 Haar-like 특징을 추출한다. 각 샘플 영상에서 추출한 특징들은 SVM(Support Vector Machine)을 이용하여 각각 2000 장의 유해, 무해 영상을 학습한다. 학습된 모델은 유해 및 무해 영상이 혼합되어 있는 영상 집합들을 분류하는데 사용한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.655-657
• /
• 2012

본 논문에서는 심도(Depth) 카메라로부터 실시간 획득한 RGBD 데이터에서 심도 정보 기반의 AAM(Active Appearance Models)과 나이 인식 알고리즘[1]을 통해 4 개의 AG(Age Group)으로 분류하는 실시간 얼굴 나이 인식 시스템(Real-time Facial Age Recognition System)을 설계한다. 기존의 AAM 을 이용한 실시간 얼굴 특징 추출은 평균 약 4.17%의 프레임 손실율을 보였으나, 심도 정보를 활용한 AAM 은 평균 약 0.43%의 프레임 손실율만을 보였다[5]. 본 논문에서는 심도 정보를 활용한 AAM과 병렬 처리 방법인 CUDA 를 결합하여 나이 특징을 추출하고, 실시간 시스템에 적용 가능하도록 나이 인식 알고리즘을 개선하여 실시간 나이 인식 시스템을 설계한다. 설계된 시스템은 1)머리 위치 추적, 2)얼굴 인식 및 특징점 추출, 3)나이 특징 추출, 4) 나이 특징 분석, 5) 나이 분류의 5 가지 단계를 통해 최종적으로 4 개의 AG 로 분류한다.

• Annual Conference on Human and Language Technology
• /
• 1992.10a
• /
• pp.237-248
• /
• 1992

본 논문에서는 통계적인 특징 추출 방법을 사용하여 샘물체로 필기된 한글을 고속으로 인식하는 방법을 소개한다. 대부분이 직선 성분으로 이루어진 한글의 특성을 이응하기 위하여 입력 영상으로부터 수평, 수직, 사선, 역사선의 방향 성분을 추출하며, 검은 화소의 밀도에 따라 동적으로 그물을 결정함으로써 획 간의 접촉 변형에 무관한 특징 벡터를 추출한다. 이와 같은 통계적 특징 추출 방법은 크기 정규화나 세선화 과정이 필요없으며, 또한 샘물체라는 필기 형태의 제약에 의해 정합 대상 부류의 수가 현저히 줄어들기 때문에 인식에 소요되는 시간을 상당히 줄일 수 있음은 물론, 인식률을 향상시켰다. 제안된 방법의 타당성을 검증하기 위하여 샘물체로 필기된 KS 완성형 한글 2,350자에 대해 실험한 결과, 평균 90% 이상의 인식률을 보이며, IBM PC 486(33MHz)상에서 문자당 평균 0.17초의 인식 속도를 보임으로써, 실용적인 고속 OCR 시스템의 개발 가능성을 확인할 수 있었다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.47-48
• /
• 2021

사용자 행동 인식(HAR)은 사용자의 행동을 분석하여 사용자의 현재 행동을 추측하는 것이며, 센서 데이터에서 특성을 추출하는 것이 중요하다. 본 연구에서는 다양한 특징 추출 기법을 사용하여 기계학습 모델을 비교한다. 변수마다 특성에 맞는 기법을 사용했으며, 정확도와 Kappa 통계량, F1 score 모두 SVM 모델에서 95.2%, 94.2%, 95.1%로 가장 높았다. 이는 기계학습 모델에서 특징 추출 기법을 사용하여 우수한 정확도를 달성할 수 있음을 보인다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• pp.436-437
• /
• 2022

차량에 부착된 블랙박스의 교통사고 동영상은 사고 발생시 사고를 분석하기 위한 핵심 자료로 다양하게 활용되고 있다. 교통사고 동영상을 자동으로 분류할 수 있다면, 해당 동영상의 활용도를 더욱 높일 것으로 판단된다. 본 논문에서는 텍스트 기반 교통사고 특징 추출 및 분류 방법을 제안한다. 교통사고 동영상을 변환한 JSON 파일에서 불변 특징, 정적 특징 그리고 동적 특징을 추출하고 결합하여 합성 특징을 생성한다. 마지막으로 합성 특징을 사용하여 교통사고 동영상을 분류한다.