• Journal of IKEEE
• /
• v.17 no.4
• /
• pp.469-477
• /
• 2013

This paper enhances the speed of a pedestrian detection using an estimation of feature information based on integral image. Pedestrian model or input image should be resized to the size of various pedestrians. In case that the size of pedestrian model would be changed, pedestrian models with respect to the size of pedestrians should be required. Reducing the size of pedestrian model, however, deteriorates the quality of the model information. Since various features according to the size of pedestrian models should be extracted, repetitive feature extractions spend the most time in overall process of pedestrian detection. In order to enhance the processing time of feature extraction, this paper proposes the fast extraction of pedestrian features based on the estimate of integral image. The efficiency of the proposed method is evaluated by comparative experiments with the Channel Feature and Adaboost training using INRIA person dataset.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10b
• /
• pp.604-606
• /
• 2003

본 논문은 향상된 Scale Invariant Feature Transform (SIFT) 기법과 이로부터 얻어진 로컬 특징 영역에서 다중특징을 이용한 물체인식 방법에 대하여 논하였다. SIFT 기법 [1]은 물체의 크기. 회전. 3차원 좌표변환에 강인한 특성을 갖는다. 이 기법에서는 크기가 다른 가우시안 (Gaussian) 함수를 적용한 영상들의 차이에서의 최대 및 최소값이 특징점으로 결정된다. 하지만 SIFT 알고리듬의 특성상, 인식되어야 될 물체의 비교적 큰 크기 변화, 중요도가 낮은 특징점들의 추출, 그리고 서로 다른 물체에서 추출된 유사한 특징벡터등이 인식 시스템의 신뢰도를 저하 시킬 수 있다. 이에 대응방안으로, 본 논문에서는 상대적으로 낮은 인식정보를 갖는 추출된 특징점을 제거하기 위한 기법과 서로 다른 물체에서 생성된 유사 특징벡터의 구분을 위한 특징점에서의 방위 (orientation) 비교법 및 색차 (chrominance) 정보를 사용에 대하여 기술하였다.

• The Journal of the Korea Contents Association
• /
• v.14 no.10
• /
• pp.463-471
• /
• 2014

In this paper, emotion classification was performed by using four ocular features extracted from near-infrared camera image. According to comparing with previous work, the proposed method used more ocular features and each feature was validated as significant one in terms of emotion classification. To minimize side effects on ocular features caused by using visual stimuli, auditory stimuli for causing two opposite emotion pairs such as "positive-negative" and "arousal-relaxation" were used. As four features for emotion classification, pupil size, pupil accommodation rate, blink frequency, and eye cloased duration were adopted which could be automatically extracted by using lab-made image processing software. At result, pupil accommodation rate and blink frequency were statistically significant features for classification arousal-relaxation. Also, eye closed duration was the most significant feature for classification positive-negative.

• 한국HCI학회:학술대회논문집
• /
• 2006.02a
• /
• pp.1361-1366
• /
• 2006

본 논문에서는 제약되지 않은 카메라에서 얻어진 회전과 크기 변화를 가진 영상들을 특징 기반의 보로노이 거리 매칭 방법을 이용하여 고속으로 합성 하는 기법에 관해 기술한다. 기존의 특징점 기반 매칭 기법들이 사람의 개입에 의해 영상을 정합하거나, 크기나 회전 변화를 고려하지 않은 형태의 영상들을 처리하는 것과 달리 회전이나 크기변화요소가 포함된 입력영상들을 사람의 개입이 없이 자동으로 정확한 중첩영역을 빠르게 검색하는 방법을 제안한다. 제안된 방법은 우선 영상내의 특징 점들의 위상 정보와 특징 점들 사이의 거리 정보를 가지는 보로노이 거리 정합법을 통해 대응점을 구하고, 찾아진 대응 쌍들을 이용하여 2차원 투영의 초기 변환행렬을 구한다. 다음으로 비선형 이승오차 최적화 알고리즘을 이용하여 최적의 변환 행렬을 구한 후, 마지막으로 구해진 변환 행렬을 이용하여 영상을 합성한다. 실험결과를 통해 본 논문에서 제안한 방법의 효율성을 보인다.

• Proceedings of the IEEK Conference
• /
• 2001.09a
• /
• pp.169-172
• /
• 2001

본 논문은 얼굴의 특징점 추적을 위하여 얼굴 회전 변환과의 크기 변환을 고려한 BMA(Block matching alogorithm)을 이용한 방법을 제안한다. 우선 얼굴의 크기 변화를 구하기 위하여 얼굴 영역을 분리하여 그 면적을 구한다. 이 면적을 이전 프레임에서 구한 얼굴 영역의 면적과 비교하여 크기 비례를 계산한다. 다음으로 각 특징점을 중심으로 하는 8방위 영역의 화소들로 집합을 설정한다. 집합을 설정할 때에는 얼굴의 크기 변화를 고려하여 영역 내 화소들을 포함하는 양을 수정한다. 그리고 새로운 영상에서 화소 집합간의 거리가 가장 작은 화소를 새로운 특징점으로 지정한다. 이 때, 회전 변화를 고려하여 화소 집합의 순서를 순차적으로 바꿔 집합 간 거리를 산출한다. 제안하는 방법은 회전과 크기 변환에 강인한 특성을 보일 뿐 아니라, 단순한 움직임 예측 방법인 BMA보다도 쉽고 빠르게 계산된다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.10a
• /
• pp.1358-1360
• /
• 2015

본 논문에서는 MB-LBP(Multi-scale Block Local Binary Patterns)와 공간피라미드를 이용하여 생성된 특징을 랜덤 포레스트(Random Forest) 분류기에 적용하여 영상내의 표지판 속도를 인식하는 알고리즘을 제안한다. 입력 영상에서 표지판 영역은 다양한 위치와 크기를 가지며 주위 배경이 후보 영역에 포함되므로 먼저 입력 영상에 원형 Hough Transform을 적용하여 원형의 표지판 후보 영역만을 검출한다. 그 후 영상의 화질을 향상시키기 위해 히스토그램 평활화와 모폴로지 연산을 적용하여 표지판의 숫자 영역과 배경 영역의 대비를 높이도록 한다. 표지판의 크기 변화에 강건한 시스템의 구현을 위해 후보 영역에서 LBP(Local Binary Patterns)보다 우수한 성능을 보이는 MB-LBP를 적용하고, 다양한 크기의 속도 표지판을 인식하기 위해 공간 피라미드를 사용하여 지역적 특징과 전역적 특징 모두를 추출하였다. 추출된 특징은 랜덤 포레스트(Random Forest)를 이용하여 각 9개의 속도 표지판으로 분류, 각 속도별 클래스에 대한 인식 성능을 측정하였다.

• The KIPS Transactions:PartB
• /
• v.17B no.5
• /
• pp.333-344
• /
• 2010

This paper addresses the way to compose paronamic images from images taken the same objects. With the spread of digital camera, the panoramic image has been studied to generate with its interest. In this paper, we propose a panoramic image generation method using scaling and rotation invariant features. First, feature points are extracted from input images and matched with a RANSAC algorithm. Then, after the perspective model is estimated, the input image is registered with this model. Since the SURF feature extraction algorithm is adapted, the proposed method is robust against geometric distortions such as scaling and rotation. Also, the improvement of computational cost is achieved. In the experiment, the SURF feature in the proposed method is compared with features from Harris corner detector or the SIFT algorithm. The proposed method is tested by generating panoramic images using $640{\times}480$ images. Results show that it takes 0.4 second in average for computation and is more efficient than other schemes.

• Proceedings of the KIEE Conference
• /
• 2009.07a
• /
• pp.1855_1856
• /
• 2009

본 논문은 Haar-like 마스크와 유사한 특징을 갖지만 두 사각형 영역의 크기와 위치를 제한하지 않는 분리된 두 사각 특징 마스크를 이용한 Adaboost 기반 얼굴검출 알고리즘을 제안한다. 기존의 Haar-like 특징이 단순히 두 사각 영역의 화소값들의 차를 구함으로써 계산이 용이하나 인접한 두 사각 영역으로 한정함으로써 고품질 특징을 얻기 어렵다. 이런 Haar-like 특징마스크의 내재된 문제점을 개선하기 위해, 제안하는 특징 마스크는 다양한 크기와 분리된 두 사각 영역을 갖는 형태로 고품질의 특징을 얻는다. 고품질의 특징은 Adaboost 알고리즘의 약 분류기(weak classifier)의 성능을 학습단계부터 높여 전반적으로 얼굴 검출 알고리즘의 성능을 향상시킨다. 제안하는 분리된 두 사각 특징을 이용한 adaboost 기반 얼굴검출 기법의 우수성을 다양한 실험을 통해 검증하였다.

• Convergence Security Journal
• /
• v.18 no.5_1
• /
• pp.59-66
• /
• 2018

The performance of a network intrusion detection system using the machine learning method depends heavily on the composition and the size of the feature set. The detection accuracy, such as the detection rate or the false positive rate, of the system relies on the feature composition. And the time it takes to train and detect depends on the size of the feature set. Therefore, in order to enable the system to detect intrusions in real-time, the feature set to beused should have a small size as well as an appropriate composition. In this paper, we show that the size of the feature set can be further reduced without decreasing the detection rate through using Pearson correlation coefficient between features along with the multi-objective genetic algorithm which was used to shorten the size of the feature set in previous work. For the evaluation of the proposed method, the experiments to classify 10 kinds of attacks and benign traffic are performed against NSL_KDD data set.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2008.05a
• /
• pp.313-316
• /
• 2008

이 논문에서는 곤충 발자국의 패턴을 인식하기 위해, 인식의 기본 단위인 세그먼트를 자동 추출하는 기법과 Trace transform을 이용하여 발자국 인식에 필요한 특징을 추출하는 기법을 제안하였다. Trace transform 방법을 이용하면 패턴의 크기, 이동, 회전, 반사에 불변하는 특징값을 얻을 수 있다. 이러한 특징값들은 곤충 발자국과 같이 다양한 변형이 존재하는 패턴을 인식하는 데에 적합하다. 특징값을 도출하기 위한 첫 번째 단계로는 추출된 세그먼트에 대한 Trace transform을 통해 새로운 Trace 이미지를 생성시킨다. 그런 다음 병렬로 표현되는 trace-line을 따라 특성 함수에 의해 특징들이 일차적으로 도출되고, 또 다시 도출된 특징들은 diametric, circus 단계의 함수를 거치면서 새로운 특징값으로 재구성된다. 2가지 서로 다른 곤충의 발자국 패턴을 이용하여 실험한 결과 곤충 발자국의 크기, 이동, 회전, 반사에 관계없이 인식에 적합한 특징값들이 추출됨을 확인할 수 있었다.