• 한국멀티미디어학회논문지
• /
• 제20권5호
• /
• pp.769-781
• /
• 2017

Deep learning networks like Convolutional Neural Networks (CNNs) show successful performances in many computer vision applications such as image classification, object detection, and so on. For implementation of deep learning networks in embedded system with limited processing power and memory, deep learning network may need to be simplified. However, simplified deep learning network cannot learn every possible scene. One realistic strategy for embedded deep learning network is to construct a simplified deep learning network model optimized for the scene images of the installation place. Then, automatic training will be necessitated for commercialization. In this paper, as an intermediate step toward automatic training under fisheye camera environments, we study more precise human localization in fisheye images, and propose an accurate human localization method, Automatic Ground-Truth Labelling Method (AGTLM). AGTLM first localizes candidate human object bounding boxes by utilizing GoogLeNet-LSTM approach, and after reassurance process by GoogLeNet-based CNN network, finally refines them more correctly and precisely(tightly) by applying saliency object detection technique. The performance improvement of the proposed human localization method, AGTLM with respect to accuracy and tightness is shown through several experiments.

• Child Health Nursing Research
• /
• 제25권4호
• /
• pp.449-457
• /
• 2019

Purpose: The purpose of this study was to identify predictors of eating disorders in adolescents with type 1 diabetes, with the goal of providing data in support of nursing interventions to improve their health. Methods: A total of 136 adolescents aged 13-18 years with type 1 diabetes completed the Diabetes Eating Problem Survey-Revised, Rosenberg Self-Esteem Scale, and the Beck Depression Inventory-II, using structured self-reported questionnaires. The collected data were analyzed using the t-test, $x^2$ test, and binominal logistic regression with SPSS version 23.0 for Windows. Results: The prevalence of eating disorders in adolescents with type 1 diabetes was 39%. Four significant predictors of eating disorders were identified; absence of body satisfaction (odds ratio [OR]=3.87, 95% confidence interval [CI]=1.55~9.65), depression (OR=2.87, 95% CI=1.13~7.28), female gender (OR=2.67, 95% CI=1.09~6.54), and glycosylated hemoglobin type A1c levels (OR=1.47, 95% CI=1.10~1.97). Conclusion: In order to prevent eating disorders among adolescents with type 1 diabetes, programs for managing adolescents' depression and improving their body satisfaction should be developed. Futhermore, more attention should be directed towards programs aiming to prevent eating disorders in female adolescents.

• 전기전자학회논문지
• /
• 제25권1호
• /
• pp.25-31
• /
• 2021

일반적인 신용카드 번호 인식 시스템은 정해진 위치에 카드를 배치했을 때에만 올바르게 동작하도록 설계되어 있다. 본 논문은, 저시력 장애인을 포함한 시력 취약 계층에게 보다 쉬운 사용자 경험을 제공하기 위해, 신용카드 내 16자리 숫자의 종횡비 특징을 이용한 자동 번호 인식 알고리즘을 제안한다. 제안하는 알고리즘은 형태학 연산을 통해 종횡비가 4:1 이상인 이미지 후보군을 찾고, 각각의 후보에 OCR과 BIN 번호 매칭 기술을 적용하여 신용카드 번호를 획득한다. OpenCV 및 Firebase ML에 기반한 실험 결과, 카드를 정해진 위치에 두지 않아도 77.75% 정확도로 카드 번호를 인식하였다.

• 대한원격탐사학회지
• /
• 제36권5_2호
• /
• pp.989-1006
• /
• 2020

건물탐지 기반의 건물 변화 모니터링은 발사예정인 차세대 중형위성 1, 2호와 같은 고해상도 다시기 광학 위성영상을 이용한 인공 구조물 모니터링 측면에서 가장 중요한 분야 중 하나이다. 하지만 지표면에 위치하는 건물들의 형태와 크기는 다양하며, 이들 주변에 존재하는 그림자 또는 나무 등에 의해 정확한 건물탐지에 어려움이 따른다. 또한, 영상 촬영 당시의 플랫폼의 방위각(Azimuth angle)과 고도각(Elevation angle)에 따라 생기는 기복 변위로 인해 건물 변화탐지 수행 시 다수의 변화 오탐지가 발생하게 된다. 이에 본 연구에서는 건물 변화탐지 결과 향상을 위해 다시기 영상 취득 당시의 태양의 방위각과 그에 따른 그림자의 주방향(Main direction)을 이용한 객체기반 건물탐지를 수행하였으며, 이후 플랫폼의 방위각과 고도각을 이용한 건물 변화탐지를 수행하였다. 고해상도 영상에 객체 분할 기법을 적용한 후, Shadow intensity를 통해 그림자 객체만을 분류하였으며, 건물 후보군 탐지를 위해 각 객체의 Rectangular fit, GLCM(Gray-Level Co-occurrence Matrix) homogeneity 그리고 면적(Area)과 같은 특징(Feature) 정보들을 이용하였다. 그 후, 건물 후보군으로 탐지된 객체들의 중심과 태양의 방위각에 따른 건물 그림자 사이의 방향과 거리를 이용하여 최종 건물을 탐지하였다. 각 영상에서 탐지된 건물 객체 간 변화탐지를 위해 객체들 간의 단순 중첩, 플랫폼의 고도각에 따른 객체의 크기 비교, 그리고 플랫폼의 방위각에 따른 객체 간의 방향 비교 총 3가지의 방법을 제안하였다. 본 연구에서는 주거 밀집 지역을 연구지역으로 선정하였으며, KOMPSAT-3와 무인항공기(Unmanned Aerial Vehicle, UAV)의 이종 센서에서 취득된 고해상도 영상을 이용하여 실험 데이터를 생성하였다. 실험 결과, 특징 정보를 이용해 탐지한 건물탐지 결과의 F1-score는 KOMPSAT-3 영상과 무인항공기 영상에서 각각 0.488 그리고 0.696인 반면, 그림자를 고려한 건물탐지 결과의 F1-score는 0.876 그리고 0.867로 그림자를 고려한 건물탐지 기법의 정확도가 더 높은 것을 확인할 수 있었다. 또한, 그림자를 이용한 건물탐지 결과를 바탕으로 제안한 3가지의 건물 변화탐지 제안기법 중 플랫폼의 방위각에 따른 객체 간의 방향을 고려한 방법의 F1-score가 0.891로 가장 높은 정확도를 보이는 것을 확인할 수 있었다.

• 경영정보학연구
• /
• 제13권3호
• /
• pp.123-139
• /
• 2011

본고는 국내 통신상품 결합전략을 도출하기 위해서 각 상품들을 소비자들이 어떻게 평가하는가를 분석하였다. 이를 위해서 각 상품의 가치에 영향을 미치는 다양한 속성을 서비스 특성, 서비스 가격, 그리고 기업이미지로 크게 분류하고 소비자들이 이들 개별상품의 가치를 평가할 때 각 속성들을 중요시하는 정도를 측정하였다. 따라서 본고의 연구주제는 결합되기 이전, 이후의 각사 서비스들의 인지가치 속성별로 기업 및 결합상품에 대해 중요하게 생각하고 있는지 논의하였으며, 마지막으로 통신 3사의 결합 시나리오에 따른 평가와 기업들의 대응 전략 방향에 대해 논의하였다. 결론적으로 각 통신 상품들은 그 구성 상품들의 속성에 따라 소비자들에 의해 다르게 평가되고 있으므로 각 기업들은 자신과 경쟁자들의 소비자 가치의 비교에 의해 자신들의 경쟁력을 극대화하기 위한 결합전략 시나리오를 도출하거나, 자신들의 상품 속성 중에서 가장 시급하게 보완해야하는 부분을 파악할 수 있다. 국내 통신 3사의 사례에서는 B사와 A, C사의 전략에 차별점이 있었으며, A, C사는 기업이미지와 서비스 특성에 대한 소비자의 평가를 향상시키기 위한 노력이 필요한 것으로 나타났다. 또한, 결합상품 확장의 6가지 시나리오분석에서는 전반적으로 A사의 QPS 확장이 가장 유리하였으나, B, C사의 강점을 활용한 DPS의 확장시 순차적인 시나리오로 가합성의 급격한 하락을 방지 할 수 있을 것으로 분석되었다. 상기와 같은 결과는 각 영역에서 고른 지배력을 보유한 기업도 있으나, 특정분야 강점이 있는 기업이 상대적인 약점을 보완하며 순차적인 차별화를 이룰 경우 경쟁력의 강화에 기여할 수 있음을 보여주는 것으로 기존의 연구에 비해 이론적, 실무적 공헌점이 크다고 볼 수 있다. 또한, 소비자들의 평가에 의한 가합성 지수가 각 기업들의 노력에 의해서 변화될 수 있음을 가정할 때 이러한 시나리오 플래닝은 각 상품의 속성별로 각 기업들의 투자와 홍보가 동시에 고려되어야 함을 보여주는 연구 성과라고 할 수 있다.

• 한국멀티미디어학회논문지
• /
• 제8권11호
• /
• pp.1496-1509
• /
• 2005

본 논문에서는 투영면 컨벌루션과 결정트리 분류기법을 사용하여 주변 환경이 복잡한 차량영상으로부터 실시간으로 번호판을 추출하고 인식하는 적응적 차량번호판 인식 시스템을 제안하였다. 일반적으로 고속도로 톨게이트와 주차장 출입구에서의 차량영상은 설치 카메라와 도로 환경에 따라 차량번호판의 크기, 각도변화, 주변잡음 등으로 매우 다양하므로 번호판 추출과 분할이 어렵다. 따라서 본 논문에서는 차량 영상을 획득한 후 번호판 후보영역을 검출하고 진입 위치 변화에 따라 번호판의 기울기와 크기를 자동으로 보정하여 인식하는 알고리즘을 제안하였다. 제안한 인식 방법은 차량의 에지누적 분포와 번호판의 일정한 명암값 변화 빈도수를 누적한 투영면 컨벌루션과 체인코드를 사용하여 크기와 기울기가 일정하지 않은 번호판으로부터 번호판영역을 정확히 추출하고, 적응적 이진화 기법을 이용하여 문자를 분할하였다. 본 논문에서 제안한 방법으로써 실험한 결과 복잡한 영상에서 전방 및 후방 차량영상으로부터 번호판 인식이 가능하였으며 각각 $98.8\%$와 $95.5\%$의 추출률과 분할된 문자영역에서 $97.3\%$와 $96\%$의 인식률 개선 결과를 나타내었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제1권3호
• /
• pp.177-186
• /
• 2012

본 논문에서는 실시간 손동작 분석을 위한 깊이정보 기반 손 영역 검출 및 추적 방법을 제안한다. 이를 위해 손 영역 검출단계에서는 깊이정보만을 이용하여 손 영역의 특징인 형태모델을 생성하고, 검출 시 움직임 정보와 영역 확장(Region Growing)을 통해 객체를 추출한다. 추출된 객체는 사전에 생성된 형태모델과 크기정보를 분석하여 최종 손 영역으로 판정한다. 판정된 손 객체는 추적단계에서 중심점 전이 과정을 통해 이전 중심점과의 최근접점을 획득하고, 최근접점으로부터 영역 확장과 깊이기반 적응적 평균 이동 기법(DAM-Shift)을 통해 새로운 중심점을 검출하여 추적한다. 마지막으로 성능 검증을 위해 다양한 손 모양과 속도 및 위치에 대한 다양한 환경에서 실험하고, 검출속도와 추적된 궤적의 정량적, 정성적 분석을 통해 제안하는 방법의 효율성을 입증한다.

• 전자공학회논문지
• /
• 제50권8호
• /
• pp.187-195
• /
• 2013

차량 번호판 검출의 기존 연구들은 대부분 높은 성능을 얻기 위해 영상 획득 환경을 제한한다. 본 논문은 제약사항이 적은 환경에서 다양한 종류의 차량 번호판을 검출하기 위해 SIFT와 신경망을 이용한 새로운 방법을 제안한다. SIFT는 영상의 크기, 회전 변화에 불변하는 지역특징으로서 처리해야 할 환경이 고정되지 않은 경우에도 분별력이 뛰어나다. 영상에서 추출한 SIFT를 번호판 내부의 것(내부 부류)과 외부의 것(외부 부류)으로 나누어 2부류 분류기를 학습한다. 분류기는 신경망을 사용하며, 찾고자 하는 번호판의 종류를 학습 집합에 포함하는 것으로 다양한 종류의 번호판을 동일한 알고리즘으로 검출할 수 있다. 제안하는 방법은 입력 영상에서 지역특징을 추출하고 미리 학습한 분류기로 번호판 내부 부류를 가려낸다. 분류기의 성능이 높지 않더라도 분류 결과 내부 부류는 번호판 내부에 밀집하여 나타나고 번호판 외부에서는 흩어져 나타난다. 이러한 특성을 이용해 지역특징 맵을 만들고, 이 맵에서 임계값 이상인 전역 최댓값을 번호판 영역으로 검출한다. 다양한 환경에서 데이터 베이스를 수집하고 지역특징 분류와 번호판 검출 알고리즘을 실험한다. 지역특징을 분류기로 분류한 결과 정인식률은 97.1%, 정확률은 62.0%, 재현율은 50.2%를 보였다. 정인식률에 비해 정확률과 재현율은 낮았지만, 번호판 검출 결과 98.6%의 높은 검출 성능을 보였다.

• 대한전자공학회논문지SP
• /
• 제42권6호
• /
• pp.33-42
• /
• 2005

본 논문에서는 영역 기반 부호화를 위해 수리형태학 연산자를 이용한 영역 분할 알고리즘을 제안한다. 수리형태학을 이용한 영상 분할은 단순화, 마커 추출, 영역 결정의 세 단계로 구성된다. 단순화 단계는 분할을 용이하게 하기 위하여 영상의 복잡한 부분들을 제거하는 단계이고, 마커 추출단계는 단순화 과정을 거친 영상으로부터 각 영역의 초기 기준 영역을 찾는 과정이다. 영역 결정단계는 추출된 마커로부터 각 영역의 경계를 결정하는 단계이다. 단순화를 위해 기존 평탄면 필터를 효과적으로 개선한 크기와 대조를 고려한 효과적인 Connected Operator를 사용한다. 마커 추출 과정에서 원영상으로 복원된 영역은 제외시키고 나머지 부분에서 크기와 대조가 일정값 이상인 영역을 마커로 결정한다. 생성된 모든 마커와 Hierarchical Watershed algorithm을 이용하여 초기 영상 분할을 하고 영역 병합과정에서는 영역 수에 대한 화질의 저하를 최소로 하는 영역 병합 알고리즘을 제안한다. 동시에, 시각적 특성을 고려하여 일정 대조 이상인 영역 쌍은 병합에서 제외시킨다. 실험 결과에서 제안된 마커 추출 방법이 화질을 많이 저하시키지 않는 범위 내에서 적은 수의 마커를 추출하며, 영역 병합과정을 통해 많은 불필요한 영역들을 병합할 수 있음을 보인다.

• 한국측량학회지
• /
• 제38권3호
• /
• pp.187-196
• /
• 2020

본 연구에서는 UAV (Unmanned Aerial Vehicle)와 PlanetScope 위성영상을 함께 이용한 붕괴건물 탐지를 수행하여 지표면에 위치한 특정 객체 탐지에 있어 이종 센서의 활용 가능성을 제시하였다. 이를 위해 지난해 4월 산불 피해로 붕괴된 20여 채의 건물들이 있는 곳을 실험장소로 선정하였다. 붕괴건물 탐지를 위해 1차적으로 객체기반 분할을 수행한 고해상도의 UAV 영상을 이용해 ExG (Excess Green), GLCM (Gray-Level Co-occurrence Matrix) 그리고 DSM (Digital Surface Model)과 같은 객체들의 특징(feature) 정보를 생성한 후 이를 붕괴건물 후보군 탐지에 이용하였다. 이 과정에서 탐지정확도 향상을 위해 PlanetScope를 이용한 변화탐지 결과를 함께 사용하였으며 이를 시드 화소(seed pixles)로 사용하여 붕괴건물 후보군에서 오탐지된 영역과 과탐지된 영역을 수정 및 보완하였다. 최종적인 탐지 결과는 참조 영상을 통해 그 성능을 분석하였으며 UAV 영상만을 이용한 붕괴건물 후보군 탐지 결과와 UAV 그리고 PlanetScope 영상을 함께 사용했을 때의 결과의 정확도를 비교, 분석하였다. 그 결과 UAV 영상만을 이용해 탐지한 붕괴건물의 정확도는 0.4867 F1-score를 가지며 UAV와 PlanetScope 영상을 함께 사용했을 때의 결과는 0.8064 F1-score로 그 값이 상승하였다. Kappa 지수 또한 0.3674에서 0.8225로 향상된 것을 확인할 수 있었다.