• 대한전자공학회논문지SD
• /
• 제47권11호
• /
• pp.43-53
• /
• 2010

고해상도의 동영상 서비스가 보편화 되면서 동영상을 빠르게 처리를 위한 연구가 활발히 이루어지고 있다. 멀티코어 프로세서의 사용이 증가하고 멀티코어 시스템에서 H.264/AVC 디코더를 구현하기 위하여 다양한 병렬화 방법이 제안되고 있다. 하지만 H.264/AVC 디코더를 병렬화 하는 경우, 각 스레드에서 처리하는 데이터의 처리 시간 차이로 인하여 지속적으로 스레드의 동기를 확인해야 하는데, 이는 병렬화를 통한 디코더의 성능 향상의 걸림돌이 된다. 이러한 병렬화 과정에서 발생하는 문제점을 해결하기 위해 우리가 제안하는 Multi -Threaded Parallelization(MTP) 방법은 프레임을 매크로 블록 묶음으로 나누어 병렬화 한다. 그리고 병렬화 과정에서 스레드를 처리하는 방법을 개선하고, 메모리를 재사용함으로써 디코더의 성능을 향상 시켰다. 본 논문에서는 FFmpeg H.264/AVC 디코더를 인텔 쿼드 코어 기반의 멀티코어 시스템에서 멀티 스레드로 구현하여 실험이 진행되었다. 그 결과, MTP 방법을 적용하여 병렬화 방법 적용하지 않은 H.264/AVC 디코더와 비교하여 최대 53%의 성능향상을 보였으며, 2Dwave 병렬화 방법의 메모리 사용량에 비해 HD 영상에서 65%, FHD 영상에서 81%의 메모리 사용량을 줄 일 수 있었다.

• 방송공학회논문지
• /
• 제19권3호
• /
• pp.362-371
• /
• 2014

카메라 초점에 의해 발생하는 흐림(blur)의 변화는 깊이값을 측정하는데 사용한다. DFD(Depth from Defocus)는 깊이값과 흐림의 비례 관계를 이용하여 흐림의 양을 측정하는 기술이다. 기존 DFD 방법은 입력으로 두 장의 비초점 영상(defocused image)을 사용하는데, 기술적인 문제로 낮은 품질의 복원된 초점 영상(infocused image)과 깊이맵을 얻고 있다. 상기 문제점을 해결하는 방법으로 초점영상과 비초점 영상을 이용함으로써 복원된 초점 영상의 품질 저하를 해결한다. 제안 방법에서는 Subbaro가 제안한 DFD 방법에 새로운 에지 흐림 측정 방법을 결합하여 보다 정확한 흐림 값을 구한다. 또한 명암의 변화가 적은 영역에서는 흐림의 양을 측정하기가 어렵기 때문에, 관심맵(saliency)을 이용하여 비에지 영역을 채울 수 있도록 하였다. 실험에서는 초점 조절 기능이 있는 카메라로부터 20장의 2K FHD 해상도의 초점 및 비초점 영상을 생성한 후에 제안 방법을 이용하여 깊이맵을 생성하고, 마지막으로 입력 초점 영상과 깊이맵으로부터 3D 입체영상을 제작하였다. 3D 모니터로 시청한 결과 안정된 3D 공간감과 입체감을 얻을 수 있었다.

• 한국정보전자통신기술학회논문지
• /
• 제11권4호
• /
• pp.362-369
• /
• 2018

본 논문에서는 외부 스트리밍 서버의 출력 채널을 포함한 복수의 출력 채널을 통해 다중 SNS 채널 자동 스트리밍하는 방법을 제안한다. 다중 SNS 채널 자동 스트리밍 서버는 2개 이상의 출력 채널을 설정하는 RELAY module로 동영상 콘텐츠의 송신을 제어하는 출력 관리 모듈을 포함한다. 본 논문에서는 다중 SNS 채널 자동 스트리밍에서 RELAY module을 사용하여 HD와 FHD 동영상으로 구분하여 실험하였다. HD 동영상의 RELAY module을 사용하는 RELAY 스트림에서 publisher client는 1 채널, player client는 1 채널, 그리고 RELAY module 1일 때 CPU의 점유율은 0.6%이고, heap memory의 점유율은 0.3%인 20Mbyte이다. publisher client는 183 채널, player client는 183 채널, RELAY module 183일 때 CPU의 점유율은 99.9%이고, heap memory의 점유율은 45.8%인 3.7Gbyte이다. 따라서 동영상이 송출되는 출력 채널을 외부 스트리밍 서버의 출력 채널을 확장함으로 스트리밍 서버의 규모에 제한이 되지 않는다. 그리고 외부 스트리밍 서버의 출력 채널을 동영상이 송출되는 출력 채널로 할당하는 과정이 용이하게 이루어져 다수의 동영상 송출 시에도 효율적인 출력 채널 관리가 가능하다.

• 방송공학회논문지
• /
• 제24권3호
• /
• pp.495-505
• /
• 2019

딥 러닝의 대표 알고리즘에는 영상 인식에 주로 사용되는 CNN(Convolutional Neural Networks), 음성인식 및 자연어 처리에 주로 사용되는 RNN(Recurrent Neural Networks) 등이 있다. 이 중 CNN은 데이터로부터 자동으로 특징을 학습하는 알고리즘으로 특징 맵을 생성하는 필터까지 학습할 수 있어 영상 인식 분야에서 우수한 성능을 보이면서 주류를 이루게 되었다. 이후, 객체 탐지 분야에서는 CNN의 성능을 향상하고자 R-CNN 등 다양한 알고리즘이 등장하였으며, 최근에는 검출 속도 향상을 위해 YOLO(You Only Look Once), SSD(Single Shot Multi-box Detector) 등의 알고리즘이 제안되고 있다. 하지만 이러한 딥러닝 기반 탐지 네트워크는 정지 영상에서 탐지의 성공 여부를 결정하기 때문에 동영상에서의 안정적인 객체 추적 및 탐지를 위해서는 별도의 추적 기능이 필요하다. 따라서 본 논문에서는 동영상에서의 객체 추적 및 탐지 성능 향상을 위해 딥 러닝 기반 탐지 네트워크에 칼만 필터를 결합한 방법을 제안한다. 탐지 네트워크는 실시간 처리가 가능한 YOLO v2를 이용하였으며, 실험 결과 제안한 방법은 기존 YOLO v2 네트워크에 비교하여 7.7%의 IoU 성능 향상 결과를 보였고 FHD 영상에서 20 fps의 처리 속도를 보였다.

• 한국광학회지
• /
• 제33권6호
• /
• pp.295-302
• /
• 2022

FHD급 고해상도 연성 내시경을 설계하기 위한 wedge prism 적용 방법을 연구하였다. 기존의 연성 내시경 광학계의 경우, 넓은 피사계 심도 범위에서 동일한 결상 성능을 얻기 위해 F 넘버를 크게 가져가거나 액체 렌즈를 적용하였다. 하지만 이는 추가적인 light guide와 기구물을 필요로 하여 광학계의 직경이 커진다는 문제점이 있다. 이를 해결하기 위해, 연성 내시경 광학계에 2매의 wedge prism을 적용하여 각 물체거리별로 상거리를 조절하였다. 먼저 설계한 내시경 광학계에 2매의 wedge prism을 대칭으로 배치하고, 각 물체거리별로 목표 결상 성능을 만족하는 상거리 값을 도출하였다. 그 다음, 상거리를 조절하기 위한 wedge prism 디센터 값을 도출하였다. 이 두 가지 데이터를 조합하여, 각 물체거리에서 목표 결상 성능을 만족하는 wedge prism 디센터 값을 다중구성으로 적용하였다. Wedge prism을 적용한 최적 설계 결과, 100 mm-7 mm의 전체 피사계 심도 범위에서, 분해능 178 cycles/mm에 대한 변조전달함수 20% 이상의 목표 결상 성능을 만족하였다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제28권3호
• /
• pp.1-9
• /
• 2024

본 연구는 대기외란 조건에서 비전센서를 활용하여 구조물의 동적 변위 측정을 위하여 멀티스케일 템플릿 매칭 기법 (TMI: Template Matching with Image pyramids)을 제안하고 제안기법의 변위 측정 성능을 조사하기 위해 진행되었다. 촬영거리에 따른 변위 측정 성능을 평가하기 위해 3층 전단 구조물을 설계하였으며, FHD(1920×1080)급 카메라를 준비하여 변위 계측에 사용하였다. 최초 촬영거리를 10m로 설정하였고, 10m씩 멀어지면서 최대 40m까지 변위 측정 실험을 진행하였다. 실내 조도 조건(450lux)에서 발열 기구를 활용하여 대기외란을 발생시켰으며, 대기외란으로 이미지를 왜곡시켰다. 사전실험을 통해 대기외란시 특징점 기반 변위 측정 방법과 제안기법의 변위 측정 타당성을 비교 검증하였으며, 검증 결과 제안기법의 낮은 측정 에러율을 나타냈다. 대기외란 환경에서 변위 측정 성능평가 결과, 인공 타겟을 활용한 TMI는 대기외란 유무에 따라 변위 측정 성능에 큰 차이가 없었다. 하지만 자연 타겟을 활용하였을 때, 20m 이상의 촬영거리에서 RMSE가 크게 상승하여 제안기법의 운용 한계를 보여줬다. 이는 촬영거리 증가에 따라 자연 타겟의 해상도가 저하되며, 대기외란으로 인한 이미지 왜곡이 템플릿 이미지 추정에 오류가 발생 되어 변위 측정 오차가 높게 발생하는 경향을 나타냈다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제28권3호
• /
• pp.74-82
• /
• 2024

본 연구는 특징점 기반 변위 계측 알고리즘에서 환경 변화 및 타겟의 종류에 따라 특징점 검출 성능을 비교 분석하였고, 특징점 검출 알고리즘에 따른 변위 측정정확도를 비교 분석하기 위해 진행되었다. 성능 평가를 위해 3층 전단 구조물을 설계하였으며, FHD(1920×1080)급 카메라를 활용하여 구조물의 변위 응답을 기록하였다. 촬영거리 증가와 조도 변화에 따른 성능분석을 위해 최초 촬영거리를 10m로 설정하여 10m씩 멀어지면서 최대 40m까지 실험을 수행하였으며, 두 가지 조도 환경(450lux와 120lux)을 조성하였다. 구조물에 설치된 인공 타겟과 자연 타겟(볼트연결부 및 슬래브 단면적)을 관심영역으로 설정하여 Shi-Tomasi corner, SURF, BRISK 및 KAZE 특징점 검출 알고리즘으로 특징점을 검출하였다. 특징점 검출 성능분석 결과 Shi-Tomasi corner와 KAZE 알고리즘이 타겟 종류, 조도변화 및 촬영거리 증가에 강건한 것으로 보여줬으며, 두 알고리즘을 활용한 변위 측정정확도도 가장 높은 것으로 나타났다. 하지만 자연 타겟 활용시 변위 측정정확도는 인공 타겟의 경우보다 낮아지는 것을 보여주며, 밝기 대비가 가장 낮은 슬래브 단면적을 타겟으로 활용시 비전센서 운용거리가 20m로 적용 한계성을 보여줬다. 이는 촬영거리 증가에 따라 자연 타겟의 해상도가 저하되어 특징점을 추출에 한계성을 나타냈다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제7권10호
• /
• pp.2479-2496
• /
• 2013

Increasing demand for Full High-Definition (FHD) video and Ultra High-Definition (UHD) video services has led to active research on high speed video processing. Widespread deployment of multi-core systems has accelerated studies on high resolution video processing based on parallelization of multimedia software. Even if parallelization of a specific decoding step may improve decoding performance partially, such partial parallelization may not result in sufficient performance improvement. Particularly, entropy decoding has often been considered separately from other decoding steps since the entropy decoding step could not be parallelized easily. In this paper, we propose a parallelization technique called Integrated Multi-Threaded Parallelization (IMTP) which takes parallelization of the entropy decoding step, with other decoding steps, into consideration in an integrated fashion. We used the Simultaneous Multi-Threading (SMT) technique with appropriate thread scheduling techniques to achieve the best performance for the entire decoding step. The speedup of the proposed IMTP method is up to 3.35 times faster with respect to the entire decoding time over a conventional decoding technique for H.264/AVC videos.

• IEIE Transactions on Smart Processing and Computing
• /
• 제4권1호
• /
• pp.10-15
• /
• 2015

This paper proposes the parallel implementation of a self-similarity based image SR (super-resolution) algorithm using OpenCL. The SR algorithm requires tremendous computations to search for a similar patch. This becomes a bottleneck for the real-time conversion from a FHD image to UHD. Therefore, it is imperative to accelerate the processing speed of SR algorithms. For parallelization, the SR process is divided into several kernels, and memory optimization is performed. In addition, two GPUs are used for further acceleration. The experimental results shows that a GPGPU implementation can speed up over 140 times compared to a single-core CPU. Furthermore, it was confirmed experimentally that utilizing two GPUs can speed up the execution time proportionally, up to 277 times.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2016년도 하계학술대회
• /
• pp.9-11
• /
• 2016

최근 UHDTV(ultra high definition television) 등의 고해상도 디스플레이가 시장에 등장하면서, 기존의 저해상도 FHD(full high definition) 영상을 고해상도 영상으로 변환할 수 있는 초해상화(super-resolution, SR) 기법들이 각광을 받고 있다. 그 중, 선형 매핑(linear mapping)을 사용하여 저해상도 패치(patch)로부터 고해상도 패치를 복원하는 초해상화 기법은 상대적으로 낮은 복잡도로 좋은 품질의 고해상도 영상을 생성한다. 그러나 이러한 기법은 단순한 선형 매핑을 기반으로 하기 때문에 복잡한 비선형적(nonlinear) 저해상도-고해상도 관계를 예측하기 힘든 단점이 있다. 최근 각광받는 딥러닝(deep learning) 기술은 다층(multi-layer) 네트워크를 쌓아 입력과 출력 간의 복잡한 비선형 관계를 훈련시켜 좋은 성능을 보이는데, 이를 바탕으로 본 논문에서는 다중의 레이어로 구성된 다층 선형 매핑(multi-layer linear mappings, MLLM)을 기반으로 하는 초해상화 기법을 새롭게 제안한다. 제안하는 다층 선형 매핑은 기존 선형 매핑보다 비선형적 관계를 더 잘 예측하여 높은 품질의 고해상도 영상을 생성할 수 있게 한다. 제안된 초해상화 기법은 딥러닝 기반 초해상화 기법과 필적하는 품질의 고해상도 영상을 생성하면서도 더 낮은 복잡도를 지니는 것을 확인하였다.