• 중소기업융합학회논문지
• /
• 제3권1호
• /
• pp.31-41
• /
• 2013

치명적인 사고를 막기 위해 드라이버 졸음 (DD)를 검출하는 다양한 최근 방법이 제안되고있다. 본 논문은 운전자의 눈에 폐쇄 속도를 모니터링 할 수 있는 기능을 AdaBoost 기반 물체 검출 알고리즘에 적용한 DD 탐지 시스템 구현에서 하드웨어/소프트웨어 공동 설계 방법을 제안한다. 소프트웨어 구성 요소는 DD 검출 알고리즘 중에서 필요한 기능성을 완전하게 달성하기 위해 전체적인 제어 및 논리 연산을 구현한다. 반면, 본 연구에서는 DD 검출 알고리즘의 중요한 기능은 처리를 가속화하기 위해 맞춤형 하드웨어 구성 요소를 통해 가속된다. 하드웨어/소프트웨어 아키텍처는 비디오 도터 보드와 알테라 DE2 보드에 구현되었습니다. 제안 된 구현의 성능을 평가하고 몇 가지 최근의 작품을 벤치마킹했다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2011년도 하계학술대회
• /
• pp.230-232
• /
• 2011

Viola와 Jine가 제안한 AdaBoost를 이용한 얼굴 검출 알고리즘은 빠른 얼굴 검출 속도와 뛰어난 성능으로 인해 최근 여러분야에서 널리 사용되고 있는 알고리즘 중 하나이다. 하지만 AdaBoost를 이용하여 얼굴을 검출함에 있어 오검출이 존재하며, 이를 줄이기 위해서는 많은 연산이 요구되며, 실시간 얼굴 검출이 필요한 분야에 적용되기에는 속도 면에서 단점으로 작용한다. 기존의 Adaboost의 얼굴 검출기는 그레이스케일 영상만을 사용하므로, 영상의 컬러 정보와 부가적인 정보를 사용하면 더 적은 연산으로 오검출률을 감소시킬 수 있고, 올바른 얼굴을 검출이 된 다음 추적 알고리즘에 적용을 시키면 동영상으로 입력되는 영상에 대해 실시간으로 얼굴을 검출 할 수 있게 된다. 본 논문에서는 얼굴 추적을 위한 사전단계로 컬러 정보와 부가적인 정보로 깊이 정보를 사용하여 얼굴을 효율적으로 검출하는 알고리즘을 제안한다.

• Journal of Multimedia Information System
• /
• 제6권4호
• /
• pp.185-190
• /
• 2019

For future autonomous cars, it is necessary to recognize various surrounding environments such as lanes, traffic lights, and vehicles. This paper presents a method of speed sign recognition from a single image in automatic driving assistance systems. The detection step with the proposed method emphasizes the color attributes in modified YUV color space because speed sign area is affected by color. The proposed method is further improved by extracting the digits from the highlighted circle region. A sequential cascade AdaBoost classifier is then used in the recognition step for real-time processing. Experimental results show the performance of the proposed algorithm is superior to that of conventional algorithms for various speed signs and real-world conditions.

• 제어로봇시스템학회논문지
• /
• 제12권2호
• /
• pp.130-137
• /
• 2006

In this paper, we propose a method of selecting new types of rectangle features that are suitable for facial expression recognition. The basic concept in this paper is similar to Viola's approach, which is used for face detection. Instead of previous Haar-like features we choose rectangle features for facial expression recognition among all possible rectangle types in a 3${\times}$3 matrix form using the AdaBoost algorithm. The facial expression recognition system constituted with the proposed rectangle features is also compared to that with previous rectangle features with regard to its capacity. The simulation and experimental results show that the proposed approach has better performance in facial expression recognition.

• 방송공학회논문지
• /
• 제19권5호
• /
• pp.578-589
• /
• 2014

윈도우 영상은 흔히 컴퓨터에서 응용프로그램을 실행하였을 때, 모니터를 통해 출력되는 화면을 의미하여, 웹페이지, 동영상 플레이어 및 여러 가지 응용프로그램을 모두 포함한다. 웹페이지는 다른 어플리케이션에 비해 다양한 종류의 정보를 다양한 형태로 전달한다. 이러한 웹페이지와 같은 윈도우 영상은 카메라로부터 획득할 수 있는 자연영상과 달리 텍스트, 로고, 아이콘 및 하위 영상과 같은 여러 가지 요소들을 포함하고 있고, 각 요소들은 서로 다른 형식의 정보를 사용자에게 전달한다. 그러나 텍스트와 영상은 정보가 다른 형태로 제공되기 때문에, 엄연히 다른 특성을 가지고 있는 요소들을 지역적으로 분리할 필요성이 있다. 본 논문에서는 윈도우 영상을 지역적인 특성에 따라 다수의 블록으로 분할한 후, 분할된 각 영역을 배경, 텍스트, 하위영상으로 분류하였다. 이러한 분류기법을 통해 분류된 하위 영상은 3D입체영상 변환, 영상 검색, 영상 브라우징등과 같은 응용을 가질 수 있다. 영상을 분류하는 방법에는 여러 가지가 존재할 수 있으나, 본 논문에서는 기계학습 기반의 알고리즘이 하위 영상 검출에도 좋은 접근법이 될 수 있음을 증명하기 위해 AdaBoost를 이용하였고, 실험결과로부터 93.4%의 검출률, 13%의 거짓 긍정률을 보임으로서, 이를 입증하였다.

• 한국통신학회:학술대회논문집
• /
• 한국통신학회 2004년도 하계종합학술발표회논문초록집
• /
• pp.214-214
• /
• 2004

• Journal of Electrical Engineering and Technology
• /
• 제7권1호
• /
• pp.115-123
• /
• 2012

A video analysis system used to detect events in video streams generally has several processes, including object detection, object trajectories analysis, and recognition of the trajectories by comparison with an a priori trained model. However, these processes do not work well in a complex environment that has many occlusions, mirror effects, and/or shadow effects. We propose a new approach to a context-aware video surveillance system to detect predefined contexts in video streams. The proposed system consists of two modules: a feature extractor and a context recognizer. The feature extractor calculates the moving energy that represents the amount of moving objects in a video stream and the stationary energy that represents the amount of still objects in a video stream. We represent situations and events as motion changes and stationary energy in video streams. The context recognizer determines whether predefined contexts are included in video streams using the extracted moving and stationary energies from a feature extractor. To train each context model and recognize predefined contexts in video streams, we propose and use a new ensemble classifier based on the AdaBoost algorithm, DAdaBoost, which is one of the most famous ensemble classifier algorithms. Our proposed approach is expected to be a robust method in more complex environments that have a mirror effect and/or a shadow effect.

• 한국ITS학회 논문지
• /
• 제9권3호
• /
• pp.67-72
• /
• 2010

본 논문에서는 음성과 얼굴 정보를 분석하여 자동차환경에서 운전자를 검증하는 기술을 소개한다. 음성정보를 이용한 화자검증을 위해서는 잘 알려진 Mel-scale Frequency Cepstral Coefficients(MFCCs)를 음성 특징으로 사용하였으며, 동영상을 이용한 얼굴검증에 대해서는 AdaBoost를 이용하여 검출된 얼굴 영역에 대해 주성분 분석을 수행하여 데이터의 크기가 현저히 줄어든 특징벡터를 추출하였다. 기존의 화자검증 방식에 비해 본 논문에서는 추출된 음성 및 얼굴 특징들을 Gaussian Mixture Models(GMM)-Supervector기반의 Support Vector Machine(SVM)커넬 방식에 적용하여 운전자의 음성과 얼굴을 효과적으로 검증하는 방식을 제안하였다. 실험결과 제안한 방법은 단순한 GMM 방식이나 SVM 방식보다 운전자 검증성능을 향상시킴을 알 수 있었다.

• 한국산학기술학회논문지
• /
• 제17권11호
• /
• pp.403-409
• /
• 2016

최근 들어, 나체 사진이나 그림과 같은 유해한 영상 콘텐츠가 쉽게 유통 및 보급되고 있는 실정이어서 이런 유해 영상 콘텐츠를 효과적으로 검출하고 필터링하기 위한 연구 방법들이 지속적으로 소개되고 있다. 따라서 본 논문에서는 입력되는 칼라 영상으로부터 영상의 유해성을 나타내는 요소인 사람의 배꼽 영역을 하르-라이크(Haar-like) 특징과 에이다부스트(Adaboost) 알고리즘을 이용하여 강인하게 검출하는 새로운 접근 방법을 제안한다. 본 논문에서 제안된 방법에서는 먼저 입력 영상으로부터 색상 정보를 이용하여 사람의 유두 영역을 검출하고, 검출된 유두 영역과의 위치 정보를 사용하여 배꼽의 후보 영역을 검출한다. 그런 다음, 하르-라이크 특징과 에이다부스트 알고리즘을 이용한 필터링을 통해 실제 배꼽 영역들만을 검출한다. 실험 결과에서는 제안된 방법이 입력되는 칼라 영상으로부터 배꼽 영역을 기존의 방법보다 1.6% 더 정확하게 추출한다는 것을 보여준다. 본 논문에서 제안된 배꼽 영역 검출 알고리즘은 2 차원이나 3 차원의 유해 콘텐츠 검출 및 필터링과 관련된 여러 가지 응용 분야에서 매우 효과적으로 이용될 것으로 기대된다.

• 한국통신학회논문지
• /
• 제38A권6호
• /
• pp.486-491
• /
• 2013

본 논문은 객체검출(object detection)에 사용되는 분류기의 학습을 위한 빠르고 효율적인 Haar-like feature 선택 알고리듬을 제안한다. 기존 AdaBoost를 이용한 Haar-like feature 선택 알고리듬은 학습 샘플들에 대한 피쳐의 에러만을 고려하여 형태적으로 유사하거나 중복되는 피쳐가 선택되는 경우가 많았다. 제안하는 알고리듬은 피쳐의 형태와 피쳐간의 거리로부터 피쳐의 유사도를 계산하고 이미 선택된 피쳐와 유사도가 큰 피쳐들을 피쳐 세트에서 제거하여 빠르고 효율적인 피쳐 선택이 이루어지도록 하였다. FERET 얼굴 데이터베이스를 사용하여 제안된 알고리듬을 사용하여 학습시킨 분류기와 기존 알고리듬을 사용한 분류기의 성능을 비교하였다. 실험 결과 제안한 피쳐 선택 방법을 사용하여 학습시킨 분류기가 기존 방법을 사용한 분류기보다 향상된 성능을 보였으며, 동일한 성능을 갖도록 학습시켰을 경우 분류기의 피쳐 수가 20% 감소하였다.