• 한국전자통신학회논문지
• /
• 제10권2호
• /
• pp.239-246
• /
• 2015

영상기반 객체 검출은 지능형 CCTV 시스템을 구현하는데 있어 기본적인 기술이다. 객체 검출을 위하여 다양한 특징점과 알고리즘이 개발되었으나, 성능에 비례하여 계산량이 많다. 본 논문에서는 GPU와 CPU를 활용하여 객체 검출 알고리즘의 성능을 비교하였다. 일반적으로 보행자 검출에 널리 사용되고 있는 Adaboost 알고리즘과 SVM 알고리즘을 각각 CPU와 GPU에 맞도록 구현하고 동일 영상에 대하여 검출 처리 속도를 비교하였다. Adaboost 알고리즘과 SVM 알고리즘에 대하여 처리 속도를 비교한 결과 GPU가 CPU에 비하여 약 4 배 정도 빠른 처리를 할 수 있음을 확인하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국지능시스템학회 2007년도 추계학술대회 학술발표 논문집
• /
• pp.403-406
• /
• 2007

본 논문은 얼굴 인식의 특징점을 기존의 Gray-Level 이미지를 이용하는 대신, RGB 도메인의 이미지를 이용하는 것이다. 이 이미지를 바탕으로 Adaboost 학습 알고리듬으로 학습 시켜 강분 류기의 인식률을 높이고, 실시간으로 얼굴의 위치를 찾아내는 것이 이 논문의 목적이다. 사람의 피부색 정보를 처리하는 것은 얼굴의 다른 특정들에 대한 정보를 처리하는 속도에 비해 월등히 빠르다. 따라서 본 논문은 R, G, B 세 Domain 상에서의 각각 얼굴을 찾아내 그 결과를 종합하여 최종 결과를 도출하는 시스템을 구현하고자 한다.

• Journal of Multimedia Information System
• /
• 제4권2호
• /
• pp.79-82
• /
• 2017

Smoke and fire have different shapes and colours. This article suggests a fully connected system which is used two features using Adaboost algorithm for constructing a strong classifier as linear combination. We calculate the local histogram feature by gradient and bin, local binary pattern value, and projection vectors for each cell. According to the histogram magnitude, this paper applied adapted weighting value to improve the recognition rate. To preserve the local region and shape feature which has edge intensity, this paper processed the normalization sequence. For the extracted features, this paper Adaboost algorithm which makes strong classification to classify the objects. Our smoke detection system based on the proposed approach leads to higher detection accuracy than other system.

• 한국컴퓨터정보학회논문지
• /
• 제15권2호
• /
• pp.55-64
• /
• 2010

본 논문은 수행시간이 빠르면서 효율성이 높은 새로운 Free Rectangle 특징을 사용한 Adaboost 알고리즘 기반 얼굴 검출 방법을 제안한다. 제안하는 Free Rectangle 특징은 동일한 면적의 분리가 가능한 두 개의 사각형으로 구성된 마스크로부터 정의된다. Haar-like 특징은 다양성을 높이기 위해 일반적으로 두 개 이상의 사각 영역으로 구성한 복잡한 마스크 구조를 갖는다. 하지만, 제안하는 특징 마스크는 두 사각형이 특징 윈도우 안에 놓이는 위치와 크기에 따라 효율성이 좋은 다양한 특징을 얻을 수 있다. 또한 제안하는 특징은 일반 Haar-like 특징과 달리 마스크 형태에 상관없이 두 사각 영역의 화소 합의 차만 계산함으로 수행 시간을 크게 줄일 수 있다. 실세계 영상에서 제안하는 Adaboost 알고리즘 기반 얼굴 검출 기법은 빠른 검출 속도와 높은 검출 결과를 보여 학습 데이터만을 바꿔 다른 물체 검출에도 쉽게 적용이 가능하다.

• 전자공학회논문지
• /
• 제49권9호
• /
• pp.113-127
• /
• 2012

영상처리 기법을 이용한 얼굴검출에 관한 많은 다양한 방법들이 제시되어 왔다. 일반적으로 가장 많이 쓰이는 얼굴 검출 방식은 Viola와 Jones이 제안한 Adaboost 방식이다. 이 방식은 Haar-like feature을 이용하여 얼굴영상을 선행 학습하고, 검출 성능은 학습된 DB에 의존한다. 이는 일정 거리 범위 안의 학습된 얼굴 크기에서는 얼굴 검출을 잘 수행하지만, 카메라에서 객체(얼굴)의 거리가 멀어지면 얼굴 크기가 작아져 기존에 학습한 Haar-like feature로 얼굴 검출을 하지 못하는 경우가 발생한다. 이에 본 논문에서는 생물학 기반의 선택적 주의집중 기반의 Haar-like feature 정보를 이용한 Adaboost 모델과 사용자의 시선 응시 점 정보를 이용하여, 사용자의 관심영역 확장을 통한 원거리 얼굴 검출 모델을 제안한다. 생물학적 기반의 선택적 주의 집중 모델인 돌출맵(Saliency map) 정보를 이용하여 입력 영상에 대하여 얼굴 후보 영역을 검출하고, 검출된 얼굴 후보 영역 중에서 선행 학습된 Haar-like feature 정보로 Adaboost 알고리즘을 이용하여 최종 얼굴 영상을 검출한다. 그리고 사용자의 시선 응시 점 정보는 관심영역을 선택 하는데 이용된다. 피 실험자가, 카메라로부터 멀리 거리 떨어져 얼굴의 크기가 얼굴검출이 힘들더라도 사용자 시선 응시 점 영역을 선형 보간법으로 확대하여 입력영상으로 재사용함으로써 얼굴 검출 성능을 높일 수 있다. 제안된 방법이 기존의 Adaboost 방법보다 얼굴 검출 성능과 수행시간 면에서 우수함을 실험을 통해 확인하였다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제15권2호
• /
• pp.135-139
• /
• 2009

본 논문에서는 지역 전문가를 이용한 새로운 앙상블 방법을 제시하고자 한다. 이 앙상블 방법에서는 학습 데이타를 분할하여 속성 공간의 서로 다른 지역을 이용하여 전문가를 학습시킨다. 새로운 데이타를 분류할 때에는 그 데이타가 속한 지역을 담당하는 전문가들로 가중치 투표를 한다. UCI 기계 학습 데이타 저장소에 있는 10개의 데이타를 이용하여 단일 분류기, Bagging, Adaboost와 정확도를 비교하였다. 학습 알고리즘으로는 SVM, Naive Bayes, C4.5를 사용하였다. 그 결과 지역 전문가의 앙상블 학습 방법이 C4.5를 학습 알고리즘으로 사용한 Bagging, Adaboost와는 비슷한 성능을 보였으며 나머지 분류기보다는 좋은 성능을 보였다.

• 정보과학회 논문지
• /
• 제43권2호
• /
• pp.186-195
• /
• 2016

본 논문에서는 도로주행 영상에서의 자동차 번호판 검출방법을 제안한다. 제안하는 방법은 조명변화에 강인한 8bit-MCT 특징과 랜드마크 기반의 Adaboost 알고리즘을 이용하여 번호판 후보 영역을 생성하고, Adaboost의 검출 스코어를 이용하여 번호판의 위치를 확률로 추정하는 현저도 지도를 생성한다. 현저도 지도에서 임계값 이상의 영역을 번호판 후보 영역으로 검출하고, 각 후보 영역에 대하여 지역분산을 이용하여 영역을 보정한 후 SVM과 8bit-MCT의 히스토그램을 특징으로 사용하여 영역을 검증하고 자동차 번호판 영역을 확정한다. 본 논문에서 제안한 방법을 한국과 유럽의 다양한 도로주행 영상에 적용하여 85%의 안정적인 검출 성능을 실험을 통하여 입증하였다.

• 전자공학회논문지SC
• /
• 제46권5호
• /
• pp.29-37
• /
• 2009

본 논문은 움직이는 차 안에서 교통 표지판을 실시간으로 검출하는 영상 기반 시스템을 기술한다. 제안된 시스템은 표지판 검출을 실시간으로 수행하기 위하여 아다부스트 알고리즘을 기본 구조로 가지고 있고, 대부분의 교통 표지판이 지표면으로부터 수직으로 세워져 있는 점에 착안하여 수직면 값을 후보군 검출 과정에서 사용하였다. 기존의 아다부스트 알고리즘은 실시간 검출을 위하여 유용하지만, 특징으로써 누적 영상들만을 사용하므로 복잡한 도로 환경에서는 검출율이 저하된다. 본 논문에서는 이러한 단점을 해결하기 위하여 후보군 검출을 위한 특징으로써 수직면 값을 이용함으로써 검출 후보군의 신뢰도를 높이고, 또한 특징 원형의 종류가 추가된 누적 영상들을 사용함으로써 표지판 검출 성능을 향상시킨다. 실험 결과에서는 본 논문에서 제안된 방법이 실제 도로 환경에서 기존의 아다부스트 방법보다 검출율이 향상되었음을 보인다.

• 한국컴퓨터정보학회논문지
• /
• 제17권7호
• /
• pp.45-52
• /
• 2012

본 논문에서는 다중 클래스 아다부스트 기반의 분류기를 이용하여 엘리베이터 내 군집 밀도를 추정하는 방법을 제안한다. SOM을 사용하는 기존의 방법은 재현성이 떨어지며 충분한 성능을 내지 못한다. 제안한 방법은 GLDM(Grey-Level Dependency Matrix)과 GGDM(Grey-Gradient Dependency Matrix)의 텍스처 특징과 다중 클래스 아다부스트 기반의 분류기를 통해 실내 군집 밀도를 추정한다. 다중 클래스를 분류하기 위해 기존의 아다부스트 알고리즘에서 웨이트 업데이트 식을 변형하여 더 높은 성능의 약한 분류기를 생성하도록 하였다. 군집 밀도는 인원수에 따라 0명, 1~2명, 3~4명, 5명 이상 등 네 가지 클래스로 구분하였다. 엘리베이터 내 영상을 이용한 모의 실험 결과 제안된 방법은 기존의 방법보다 약 20% 정도의 검출률 향상을 나타내었다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2017년도 하계학술대회
• /
• pp.85-88
• /
• 2017

보행자 검출을 위한 기술이 많이 개발되고 있으며 HOG(Histograms of oriented)와 haar-like feature를 이용한 특징값 검출을 통해 보행자를 검출하는 방법들이 대표적이라 할 수 있다. 하지만 이 방법들은 보행자가 사물에 가려졌을 때 보행자를 검출하지 못한다는 단점이 있다. 이에 본 논문에서는 haar-like feature와 adaboost 학습알고리듬을 이용하여 보행자를 검출하고 kalman filter를 이용하여 보행자가 특정 사물에 가려지는 것 과 같은 occlusion 문제를 해결하여 보행자 검출 성능을 높이고자 하였다.