• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 한국컴퓨터종합학술대회 논문집 Vol.33 No.1 (B)
• /
• pp.34-36
• /
• 2006

In this paper we present a method of feature extraction for motor imagery single trial EEG classification, where we exploit nonnegative matrix factorization (NMF) to select discriminative features in the time-frequency representation of EEG. Experimental results with motor Imagery EEG data in BCI competition 2003. show that the method indeed finds meaningful EEG features automatically, while some existing methods should undergo cross-validation to find them.

• 대한음성학회지:말소리
• /
• 제54호
• /
• pp.73-83
• /
• 2005

The goal of our research is to build a text-independent speaker identification system that can be used in any condition without any additional adaptation process. The performance of speaker recognition systems can be severely degraded in some unknown mismatched microphone and noise conditions. In this paper, we show that PCA(principal component analysis) can improve the performance in the situation. We also propose an augmented PCA process, which augments class discriminative information to the original feature vectors before PCA transformation and selects the best direction for each pair of highly confusable speakers. The proposed method reduced the relative recognition error by 21%.

• 한국통신학회논문지
• /
• 제32권2C호
• /
• pp.141-149
• /
• 2007

영상에서 사람의 머리위치를 찾는 문제에 있어서 어깨선 정보를 이용하는 것은 아주 유용하다. 영상에서 머리 외곽선과 어깨선의 형태는 일정한 변형을 유지하면서 같이 움직이므로 이를 ASM(Active Shape Model) 기법을 사용해서 통계적으로 모델링 할 수 있다. 그러나 ASM 모델은 국부적인 에지나 그래디언트에 의존하므로 배경 에지나 클러터 성분에 민감하다. 한편 AAM(Active Appearance Model) 모델은 텍스쳐 등을 이용하지만, 사람의 피부색, 머리색깔, 옷 색깔 등의 차이로 인해서 통계적인 학습방법을 쓰기가 어렵고, 전체 비디오에서 외모(Appearance)가 시간적으로 변한다. 따라서, 본 논문에서는 외모(Apperance) 모델을 변화에 따라 바꾸는 대신, 영상의 각 화소를 머리, 어깨, 배경으로 구분하는 분별적 외모 모델(discriminative appearance)를 사용한다. 실험을 통해서 제안된 방법이 기존의 기법에 비해서 포즈변화와 가려짐, 조명의 변화 등에 강인함을 보여준다. 또한 제안된 기법은 실시간으로 작동하는 장점 또한 가진다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제11권6호
• /
• pp.3086-3103
• /
• 2017

Video images captured by vehicle cameras often contain blurry or dithering frames due to inadvertent motion from bumps in the road or by insufficient illumination during the morning or evening, which greatly reduces the perception of objects expression and recognition from the records. Therefore, a real-time electronic stabilization method to correct fuzzy video from driving recorders has been proposed. In the first stage of feature detection, a coarse-to-fine inspection policy and a scale nonlinear diffusion filter are proposed to provide more accurate keypoints. Second, a new antiblurry binary descriptor and a feature point selection strategy for unintentional estimation are proposed, which brought more discriminative power. In addition, a new evaluation criterion for affine region detectors is presented based on the percentage interval of repeatability. The experiments show that the proposed method exhibits improvement in detecting blurry corner points. Moreover, it improves the performance of the algorithm and guarantees high processing speed at the same time.

• 한국멀티미디어학회논문지
• /
• 제19권5호
• /
• pp.848-855
• /
• 2016

Face recognition has received a great deal of attention for the wide range of applications in real-world scenario. In this scenario, mismatches (so called heterogeneity) in terms of resolution and illumination between gallery and test face images are inevitable due to the different capturing conditions. In order to deal with the mismatch problem, we propose a local feature learning method using deep canonical correlation analysis (DCCA) for heterogeneous face recognition. By the DCCA, we can effectively reduce the mismatch between the gallery and the test face images. Furthermore, the proposed local feature learned by the DCCA is able to enhance the discriminative power by using facial local structure information. Through the experiments on two different scenarios (i.e., matching near-infrared to visible face images and matching low-resolution to high-resolution face images), we could validate the effectiveness of the proposed method in terms of recognition accuracy using publicly available databases.

• 한국멀티미디어학회논문지
• /
• 제16권11호
• /
• pp.1281-1287
• /
• 2013

무분별한 복제 비디오를 막기 위하여 비디오 지문을 개발연구가 진행되고 있다. 이러한 비디오 지문들은 복제 비디오에서 발생되는 다양한 변화에 강인해야 하며 정확하게 구별될 수 있는 높은 분별력을 지녀야 한다. 일반적으로 비디오 지문들은 luminance(밝기), gradient(기울기), 그리고 DCT(주파수) 공간 등에서 주로 추출이 되고 있다. 그러나 아직 각 공간과 비디오 지문 사이에 실질적인 성능이 차이에 대한 연구가 부족하다. 따라서 본 논문에서는 각 공간에 따른 복제 비디오 검출 성능을 비교하기 위하여 강인함과 분별력에 기반한 복제 비디오 검출 실험을 진행하고 분석 하였다. 본 논문에서 동일한 패턴으로 각 공간에서 비디오 지문을 추출하고 각각 강인함과 분별력을 비교 한 후 최종적으로 복제 비디오 검출 실험을 진행하였다. 본 실험에서 DCT 공간에서 추출된 비디오 지문이 다른 공간보다 좀더 우수한 성능을 보여 주었는데 이는 해당 공간이 다른 비디오 지문들과 분별력이 가장 높았기 때문이다.

• 한국멀티미디어학회논문지
• /
• 제20권5호
• /
• pp.748-757
• /
• 2017

In order to recognize the facial expressions, good features that can express the facial expressions are essential. It is also essential to find the characteristic areas where facial expressions appear discriminatively. In this study, we propose a directional LBP feature for facial expression recognition and a method of finding directional LBP operation and feature region for facial expression classification. The proposed directional LBP features to characterize facial fine micro-patterns are defined by LBP operation factors (direction and size of operation mask) and feature regions through AdaBoost learning. The facial expression classifier is implemented as a SVM classifier based on learned discriminant region and directional LBP operation factors. In order to verify the validity of the proposed method, facial expression recognition performance was measured in terms of accuracy, sensitivity, and specificity. Experimental results show that the proposed directional LBP and its learning method are useful for facial expression recognition.

• International Journal of Computer Science & Network Security
• /
• 제23권7호
• /
• pp.131-140
• /
• 2023

Network security situational awareness systems helps in better managing the security concerns of a network, by monitoring for any anomalies in the network connections and recommending remedial actions upon detecting an attack. An Intrusion Detection System helps in identifying the security concerns of a network, by monitoring for any anomalies in the network connections. We have proposed a CRF based IDS system using genetic search feature selection algorithm for network security situational awareness to detect any anomalies in the network. The conditional random fields being discriminative models are capable of directly modeling the conditional probabilities rather than joint probabilities there by achieving better classification accuracy. The genetic search feature selection algorithm is capable of identifying the optimal subset among the features based on the best population of features associated with the target class. The proposed system, when trained and tested on the bench mark NSL-KDD dataset exhibited higher accuracy in identifying an attack and also classifying the attack category.

• 전자공학회논문지CI
• /
• 제47권4호
• /
• pp.34-43
• /
• 2010

질감 정보는 객체 인식과 분류에서 중요한 역할을 하고 있다. 정확한 질환 판별을 위해 분류에서 사용되는 질감 특징은 식별성이 높아야 한다. 본 논문에서는 질감-기반 영상 검색 및 폐기종 진단을 위해 컴퓨터 조력진단(Computer-Aided Diagnosis) 시스템을 위한 새로운 질감 기술자를 제안한다. 제안한 질감 기술자는 이웃화소간의 차이값과 중심화소와 이웃화소간의 차이 값의 결합에 기반을 두고 있어 결합된 주변화소 차이(Combined Neighborhood Difference; CND)라고 한다. 화소들간의 CND는 비교후 이진 코드워드로 변환된다. 그다음에, 식별성이 높은 값을 생성하기 위하여 이진 계수가 코드워드에 할당된다. 이와 같은 값들의 분포가 계산되어 질감 특징 벡터를 구성한다. Outex와 Brodatz 데이터집합을 이용한 질감 특징 분류에 관련하여 CND는 92.5%의 정확성을 보이는 데 비해, LBP, LND와 Gabor 픽터는 89.3%, 90.7%와 83.6%의 정확성을 각각 보여준다. 본 논문에서는 CND를 이용한 폐기종의 진단 기능을 CAD 시스템에서 구현하였다.

• The Journal of the Acoustical Society of Korea
• /
• 제24권4E호
• /
• pp.144-151
• /
• 2005

We evaluate the performance of emotion recognition via speech signals when a plain speaker talks to an entertainment robot. For each frame of a speech utterance, we extract the frame-based features: pitch, energy, formant, band energies, mel frequency cepstral coefficients (MFCCs), and velocity/acceleration of pitch and MFCCs. For discriminative classifiers, a fixed-length utterance-based feature vector is computed from the statistics of the frame-based features. Using a speaker-independent database, we evaluate the performance of two promising classifiers: support vector machine (SVM) and hidden Markov model (HMM). For angry/bored/happy/neutral/sad emotion classification, the SVM and HMM classifiers yield $42.3\%\;and\;40.8\%$ accuracy, respectively. We show that the accuracy is significant compared to the performance by foreign human listeners.