• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 1992년도 춘계학술대회 논문집
• /
• pp.245-249
• /
• 1992

CAD와 CAM 시스템 사이에서 교량역활을 지원하며, 컴퓨터 통합생산(CIM)시스템을 구축하는데 중요한 기능을 수행하는 것 중의하나인 자동공정설계(Computer Aided Process Planning :CAPP) 시스템의 첫 단계는 부품도면에 존재하는 형상 을 인식하는 것이다. 현재까지 개발된 CAPP 시스템 중 CAD 데이타베이스에서 자동적으로 형상인식을 수행하는 시스템 으로는 축대칭인 회전형상 부품을 대상으로하는 시스템이 많이 개발되어 있으나, 비회전형상 부품을 대상으로하는 시스 템은 CAD 데이타베이스의 부적절성으로 인해 제한점이 많은 부분적인 결과만 나와 있을 뿐이다. 본 연구에서는 비회전 형상 부품인 사출금형 부품을 대상으로하여 AutoCAD 시스템을 사용하여 공정설계자의 개입이 없이부품에 존재하는 형상들을 자동적으로 인식하는 알고리즘 개발에 대해서 기술하고자 한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 봄 학술발표논문집 Vol.30 No.1 (B)
• /
• pp.310-312
• /
• 2003

본 논문은 3차원 얼굴 형상을 이용한 얼굴 인식에 있어서, 정규화 과정에 사용될 얼굴의 특징 영역을 추출하는 방법을 제안한다. 3차원 얼굴 형상은 조명의 변화에 상관없이 얼굴의 특징 분석이 가능하고, 이를 이용한 얼굴 인식이 가능하다. 그러나, 입력된 형상에 따라 회전, 기울어진 정도, 그리고 좌우로 움직인 정도가 다르다 이런 특성을 고려하지 않고 추출된 특징들은 잘못된 인식 결과를 초래할 수 있다. 이런 이유로 입력시의 오류 돌을 바로잡는 정규화 과정이 필요하다. 정규화 과정에서는 얼굴의 기하학적인 특징(눈, 코, 입 등)을 이용하는 것이 일반적이다. 이들 중, 코는 3차원 얼굴 형상에서 두드러진 특징이 될 수 있다. 본 연구에서는 코의 실제 형상과 유사한 코 형상 추출 마스크를 사용하여 입력된 형상으로부터 코 영역을 추출하는 방법을 제안한다.

• 대한기계학회논문집
• /
• 제16권1호
• /
• pp.31-40
• /
• 1992

본 연구에서는 CAD 시스템의 테이터구조로 부터 특성을 추출하여 CAPP 시스템 의 입력으로 사용되는 형상특징을 자동적으로 인식하고 형상특징의 관련정보를 생성하 는 형상특징인식시스템을 개발하는데 있다. X.Y.Z 축에 수직인 평면들로 구성되는 비회전형상부품을 대상으로 하여, 주로 밀링작업과 연관이 있는 관통슬롯, 막힌슬롯, 관통스텝, 막힌스텝, 포켓의 5가지 형상특징을 자동적으로 인식하는데 특히 X.Y.Z축에 수직인 평면들로 구성되고 내부에 볼록 부위가 업는 형상 특징을 대상으로 한다. CAD시스템은 AutoCAD를 사용하여 퍼스널 컴퓨터에서 시스템을 개발한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2009년도 추계학술발표대회
• /
• pp.283-284
• /
• 2009

본 논문은 단일 카메라 환경에서 손 형상을 입력정보로 사용하여 손 영역만을 분할한 후 자기 조직화 특징 지도(SOFM: Self Organized Feature Map) 신경망 알고리즘을 이용하여 손 형상을 인식함으로서 수화인식을 위한 보다 안정적이며 강인한 인식 시스템을 구현하고자 한다.

• 한국정보전자통신기술학회논문지
• /
• 제4권3호
• /
• pp.197-201
• /
• 2011

최근 들어 인간과 컴퓨터와의 상호작용을 위한 인터페이스 분야에서 컴퓨터 시각 방식으로 손짓을 인식하고자 하는 연구가 널리 진행되고 있다. 손짓 인식에서 가장 중요한 이슈는 손가락의 방향성을 효율적으로 인식하는 것이다. 손짓 형상으로부터 얻은 원시형상요소들의 방향성은 손짓에 관한 중요한 정보를 내포하고 있으므로 본 논문에서는 형태론적 형상분해 기법을 사용하여 얻은 주 원시형상요소를 포함하는 원의 반경을 증가시키면서 부 원시형상요소와의 교차점을 구하여 손가락의 주 방향성을 인식하는 알고리즘을 제안하고, 실험을 통하여 그 유용성을 증명하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제27권1호
• /
• pp.33-40
• /
• 2000

자동공정계획은 CAD 모델을 자동적으로 해석하여 CAM을 구동시키는 것을 목표로 하는데, 이를 위해서는 우선 CAD 모델로부터 특징형상을 인식하여야 한다. 특징형상 인식에 관한 연구는 근 20년간의 역사를 가지고 있지만, 그 연구 성과는 실용화되지 못하고 있다. 그 이유 중 하나는, 특징형상 인식과 자동공정계획 연구가 분리되어 진행되어왔기 때문이다. 본 연구에서는 인공지능 기법을 토대로 이 두 분야를 통합하여, 제조가능한 특징형상을 인식하고, 셋업을 최소화하며, 특징형상 간의 의존 관계를 설정하고, 최적의 가공 순서를 결정하였다.

• 한국콘텐츠학회논문지
• /
• 제13권11호
• /
• pp.28-36
• /
• 2013

본 논문은 손 형상 인식을 위한 보다 안정적이며 조명 변화와 회전에 강인하게 손 영역을 검출하며, 계산의 효율성과 검출 성능을 동시에 만족시키는 강인한 검출 알고리즘에 대해 제안한다. 제안한 알고리즘은 단일 카메라 환경에서 손 형상을 입력정보로 사용하여 전처리 과정을 거쳐 손 영역만을 분할한 후 자기조직화 특징 지도(SOFM: Self Organized Feature Map) 알고리즘을 이용하여 손 형상을 인식하게 된다. 그러나 조명 변화에 민감하고 자유도가 큰 손 영역을 정확히 인식하기란 쉽지 않으며 오차 범위도 크기 때문에 본 논문에서는 인식률을 높이기 위해 각각의 손 형상에 대한 회전 정보를 데이터베이스화 한 후 주성분 분석을 적용하여 군집화 함으로서 인식오차를 줄였다. 또한 차원 축소로 인해 많은 계산 량이 요구되지 않기 때문에 실시간 인식 시간도 줄일 수 있었다.

• 한국공작기계학회:학술대회논문집
• /
• 한국공작기계학회 2000년도 춘계학술대회논문집 - 한국공작기계학회
• /
• pp.497-500
• /
• 2000

절삭 작업과정에서 발생하는 버는 공구와 피삭재가 만나는 상태에 따라 그 형상이 결정되어진다. 공구와 피삭재 사이의 각, 공구의 회전속도, 이송속도, 피삭재의 종류등은 이러한 버의 형상을 결정하는데 결정적인 역할을 하므로, 실험에 의해서 생성된 단계별 자료를 CAD 및 CAM 데이터와 연관시켜 효율적인 알고리즘을 만들고자 한다. 특별히 공장자동화에 따른 작업의 자동화뿐 아니라 관리 체계의 정립을 위하여 전문가 시스템의 도입 역시 시급히 요구되고 있는 실정이다. 여기서 CAD 데이터는 피삭재에 대한 특징 형상의 정보를 포함하고 있기 때문에 피삭재의 형상에 대한 정보를 얻을 수 있다. 인식된 형상에 대하여 Exit 버 형성시 접점과 Exit Angle을 계산하기 위해 도형의 방향인식이 필요하며, 이를 통해 공구와 피삭재와의 관계를 산출하여 Exit 버의 판별을 수행할 수 있다. 본 논문에서는 이러한 과정을 수행하는 프로그램을 개발한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2000년도 가을 학술발표논문집 Vol.27 No.2 (2)
• /
• pp.395-397
• /
• 2000

영상 처리를 통한 수화(手話)의 인식에 있어 가장 중요한 정보는 손의 형상, 위치, 이동방향 등을 들 수 있다. 이 중 손의 형상은 세가지 정보 중 가장 중요하며, 실제로 자음과 모음, 숫자 등을 나타내는 지문자의 경우 손의 형상만으로도 인식될 수 있다. 본 논문에서는 선 처리 모델(Line Process Model)을 3차원으로 확장하여 적용한 Markov Random Field(MRF)를 사용하여 효율적으로 손의 형상을 추출하였다.

• 생물환경조절학회지
• /
• 제20권2호
• /
• pp.63-71
• /
• 2011

영상처리는 정확한 오이의 형상 및 위치를 인식하기 위하여 형상인식 알고리즘에 대한 연구를 수행하였다. 다양한 오이형상을 인식하기 위한 방법으로는 신경회로망의 연상 메모리 알고리즘을 이용하여 오이의 특정형상을 인식하였다. 형상인식은 실제영상에서 오이의 형상과 위치를 판정할 수 있도록 알고리즘을 개발한 결과, 다음과 같은 결론을 얻었다. 본 알고리즘에서는 일정한 학습패턴의 수를 2개, 3개, 4개를 각각 기억시켜 샘플패턴 20개를 실험하여 연상시킨 결과, 학습패턴으로 복원된 출력패턴의 비율은 각각 65.0%, 45.0%, 12.5%로 나타났다. 이는 학습패턴의 수가 많을수록 수렴할 때, 다른 출력패턴으로 많이 검출되었다. 오이의 특정형상 검출은 $30{\times}30$간격으로 자동검출 되도록 처리하였다. 실제영상에서 자동 검출로 처리한 결과, 오이인식의 처리시간은 약 0.5~1초/1개(패턴) 빠르게 검출되었다. 또한, 다섯 개의 실제 영상에서 실험한 결과, 학습패턴에 대한 다른 출력패턴은 96~99%의 제거율을 나타내었다. 오이로 인식된 출력패턴 중에서, 오검출된 출력패턴의 비율은 0.1~4.2%를 나타내었다. 본 연구에서는 신경회로망을 이용하여 오이의 형상 및 위치를 인식할 수 있도록 알고리즘을 개발하였다. 오이의 위치측정은 실제영상에서 학습패턴과 유사한 출력패턴의 좌표를 가지고, 오이의 위치좌표를 추정할 수 있었다.