• 제목/요약/키워드: Census transform

검색결과 36건 처리시간 0.017초

조명변화에 강인한 MCT와 프레임 연관성 기반 실시간 얼굴인식 시스템 (Real-Time Face Recognition System Based on Illumination-insensitive MCT and Frame Consistency)

  • 조광신;박수경;심동규;이수연
    • 전자공학회논문지CI
    • /
    • 제45권3호
    • /
    • pp.123-134
    • /
    • 2008
  • 본 논문은 조명 변화에 강인한 실시간 얼굴인식 시스템을 제안한다. 이를 위하여 제안한 알고리즘에서는 다양한 조명 조건에서도 강인한 얼굴 영상의 지역적 구조 특징을 추출하고, 추출된 특징을 이용하여 외형기반 얼굴인식 방법을 수행하였다. 또한 실시간 얼굴인식 시스템의 경우 연속적으로 영상을 획득하는 동안 발생하는 블러링 된 영상, 측면영상 등 얼굴 인식에 적합하지 않은 영상에 대한 인식 결과를 출력하게 된다. 따라서 이러한 잘못된 인식 결과들을 제거하고, 프레임 사이의 연속된 인식 결과를 고려하여 인식결과를 출력함으로써 결과의 안정성을 확보할 수 있는 방법을 함께 제안한다. 실험 결과에서는 제안한 알고리즘의 조명변화에 대한 성능을 평가하기 위해 Yale database를 사용하여 기존 외형기반 알고리즘과 비교하였다. 그 결과 다양한 조명 조건에서의 인식률이 기존 방법보다 20% 정도 향상 되었다. 또한 연속적으로 영상을 취득하는 시스템에서 제안한 방법의 얼굴 인식 성능을 평가한 결과 매 프레임 결과를 출력하는 방법에 비해 안정적인 성능을 보였다.

파이프라인 구조의 얼굴 검출 하드웨어 설계 및 검증 (Design and Verification of Pipelined Face Detection Hardware)

  • 김신호;정용진
    • 한국멀티미디어학회논문지
    • /
    • 제15권10호
    • /
    • pp.1247-1256
    • /
    • 2012
  • 필터를 기반으로 하는 영상 처리 알고리즘은 많은 연산과 메모리 접근으로 인해 임베디드 환경에서의 실시간 동작이 어렵다. 본 논문에서는 필터 기반의 얼굴 검출 하드웨어 엔진을 임베디드 환경에서 실시간으로 동작시키기 위해 파이프라인 구조로 설계하고 검증하였다. 얼굴 검출 알고리즘은 입력으로 들어온 영상에서 학습된 얼굴의 특징 데이터를 이용하여 얼굴의 위치를 찾는 연산을 수행한다. 이를 하드웨어로 구현하기 위해 알고리즘의 연산을 파악하여 중복되는 연산을 병렬 처리하고 라인 메모리를 이용하여 메모리 접근을 최소화하여, 이것을 기반으로 파이프라인 구조의 하드웨어를 설계하였다. 하드웨어 구조는 Resize, ICT(Improved Census Transform), Find Candidate 등의 3 단계로 나뉘어져 있으며, 총 507KByte의 내부 SRAM을 사용하였다. ARM Cortex A8 프로세서와 Xilinx사의 Virtex5LX330을 이용하여 검증한 결과 9,039 LUTs를 사용하였고 최대 동작 클록은 165MHz로, VGA($640{\times}480$) 해상도에서 108 frame/sec의 동작속도로 최대 20명까지 검출이 가능한 것을 확인하였다.

인공 신경망을 이용한 영상의 유해성 결정 (Decision of Image Harmfulness Using an Artificial Neural Network)

  • 장석우;박영재;변시우
    • 한국산학기술학회논문지
    • /
    • 제16권10호
    • /
    • pp.6708-6714
    • /
    • 2015
  • 언제 어디서나 사용하기 편리한 인터넷을 통해서 다양한 종류의 멀티미디어 콘텐츠가 자유롭게 유통되고 있는 반면, 어린이나 청소년에게 유해할 수 있는 영상 콘텐츠도 쉽게 얻을 수 있는 환경이 마련되어서 사회적으로 문제가 되고 있다. 본 논문에서는 인공 신경망을 이용하여 입력 영상의 유해성 유무를 자동으로 결정하는 방법을 제안한다. 본 논문에서 제안된 방법에서는 먼저 입력 영상으로부터 MCT 특징을 기반으로 사람의 얼굴 영역을 검출한다. 그런 다음, 색상 특징을 활용하여 피부 색상 영역을 찾고, 유두의 후보 영역들을 추출한다. 마지막으로 계층적인 인공 신경망을 활용하여 유두의 후보 영역들 중에서 실제적인 유두 영역만을 필터링함으로써 입력 영상의 유해성 유무를 확인한다. 본 논문의 실험결과에서는 인공 신경망을 이용한 제안된 방법이 입력되는 영상에서 유두 영역을 보다 강건하게 검출함으로써 영상의 유해 정도를 효과적으로 결정한다는 것을 보여준다.

고령화에 따른 공간변화 연구 (The Study on the Spatial Change in an Aging Society)

  • 유승희;권창희
    • 디지털융복합연구
    • /
    • 제15권1호
    • /
    • pp.11-22
    • /
    • 2017
  • 본 연구의 목적은 고령화에 따른 공간변화의 대응방안을 제시하는 것이다. 본 연구의 목적을 달성하기 위해 연구의 방법은 문헌조사 방법을 활용하고, 분석에 있어서는 인구 통계자료를 비교 분석한다. 따라서 본 연구에서는 정치경제학적 공간개념을 바탕으로 고령화와 공간의 현황 및 문제점을 파악하였고, 다음과 같은 5가지의 대응방안을 제시하였다. 첫째, 고령인구격차를 고려한 공간계획 수립, 둘째, 합계출산율 증가와 인구 흡입요인 강화, 셋째, 고령자의 생산활동 참여 증가로 공간의 경제 활력 증대, 넷째, 초고령 도시공간에 대한 지역개발계획 수립 및 시행, 다섯째, 고령화의 공간적 격차 심화에 대비한 공간정책의 전환이 필요하다. 결론적으로 고령화 속도를 늦추면서 동시에 관련 공간정책과 계획들이 미스매칭되지 않도록 공간정책과 계획의 전환이 필요함을 제시하였다. 본 연구는 고령화율이 급격히 증가하고 있는 지역에 대한 공간계획 수립에 기여할 것으로 기대된다.

원근투영법 기반의 PTZ 카메라를 이용한 머리자세 추정 (Head Pose Estimation Based on Perspective Projection Using PTZ Camera)

  • 김진서;이경주;김계영
    • 정보처리학회논문지:소프트웨어 및 데이터공학
    • /
    • 제7권7호
    • /
    • pp.267-274
    • /
    • 2018
  • 본 논문에서는 PTZ 카메라를 이용한 머리자세추정 방법에 대하여 서술한다. 회전 또는 이동에 의하여 카메라의 외부인자가 변경되면, 추정된 얼굴자세도 변한다. 본 논문에는 PTZ 카메라의 회전과 위치 변화에 독립적으로 머리자세를 추정하는 새로운 방법을 제안한다. 제안하는 방법은 얼굴검출, 특징추출 그리고 자세추정으로 이루어진다. 얼굴검출은 MCT특징을 이용해 검출하고, 얼굴 특징추출은 회귀트리 방법을 이용해 추출하고, 머리자세 추정은 POSIT 알고리즘을 사용한다. 기존의 POSIT 알고리즘은 카메라의 회전을 고려하지 않지만, 카메라의 외부인자 변화에도 강건하게 머리자세를 추정하기 위하여 본 논문은 원근투영법에 기반하여 POSIT를 개선한다. 실험을 통하여 본 논문에서 제안하는 방법이 기존의 방법 보다 RMSE가 약 $0.6^{\circ}$ 개선되는 것을 확인했다.

깊이영상에서 실시간 얼굴 검출을 위한 I-MCTBoost (The I-MCTBoost Classifier for Real-time Face Detection in Depth Image)

  • 주성일;원선희;최형일
    • 한국컴퓨터정보학회논문지
    • /
    • 제19권3호
    • /
    • pp.25-35
    • /
    • 2014
  • 본 논문에서는 실시간 얼굴 검출을 위한 부스팅 기반 분류 방법을 제안한다. 제안하는 방법에서는 조명과 얼굴크기 및 변형에 강건하게 얼굴을 검출하기 위해 깊이영상을 이용하고, 깊이차이특징을 사용하여 I-MCTBoost 분류기를 통해 학습 및 인식을 수행한다. I-MCTBoost는 약분류기로 구성된 강분류기들의 연결을 통해 인식을 수행한다. 약분류기의 학습 과정은 깊이차이특징을 생성하고, 이중에서 8개의 특징을 조합하여 약분류기를 구성하며 이때 각 특징은 2진비트(binary bit)로 표현된다. 강분류기는 정해진 약분류기의 개수만큼 반복적으로 약분류기를 선택하는 과정을 통해 학습이 이루어지며, 학습 과정에서 학습 샘플의 가중치를 갱신하고 학습 데이터를 추가하여 강건한 분류를 수행할 수 있도록 한다. 본 논문에서는 깊이차이특징에 대해 설명하고 이를 이용한 I-MCTBoost의 약분류기 학습 방법과 강분류기 학습 방법에 대해 제안한다. 마지막으로 제안된 분류기를 기존 MCT를 이용한 분류기와 정성적, 정량적 분석을 통해 비교하고 제안한 분류기의 타당성과 효율성을 입증한다.