• 전자공학회논문지
• /
• 제51권11호
• /
• pp.66-72
• /
• 2014

Histogram of oriented gradient (HOG) 특징은 영상 기반 보행자 인식에서 널리 사용되고 있다. HOG 특징을 이용한 보행자 인식의 인식률을 높이는데 가장 중요한 역할을 하는 것은 보간 기술이다. HOG 특징 연산에 보간 기술을 적용하기 위해서는 각 픽셀의 기울기 방향에 가장 근접한 두 개의 기울기 방향 bin과 가중치를 계산해야 한다. 따라서 본 논문에서는 HOG 특징 연산에 적용하기 위한 효율적인 기울기 방향 bin 및 가중치 연산 회로를 제안한다. 제안하는 회로는 탄젠트 함수와 나눗셈 연산을 피하기 위해 미리 계산된 값을 테이블로 지정하여 사용하였으며, 탄젠트 함수와 가중치 값의 특성을 이용함으로써 회로 내 테이블의 크기를 최소화하였다. 또한 처리 속도 향상을 위해 파이프라인 구조를 적용하였으며, 효율적인 coarse 및 fine 탐색 방법을 적용하여 각 픽셀에 대한 기울기 방향 bin과 가중치를 두 클락 사이클 내에 계산한다. 본 논문에서 제안하는 회로는 $1^{\circ}$ 단위로 기울기 방향을 계산하여 기울기 방향 bin과 가중치를 모두 결정하기 때문에 HOG 특징을 위한 보간 기술에 적용되어 높은 인식률을 제공하기 위해 사용될 수 있다.

• 한국콘텐츠학회논문지
• /
• 제16권8호
• /
• pp.395-403
• /
• 2016

최근 들어 영상처리는 여러 분야에서 사용되어지고 있다. 영상처리에서 많이 연구되어지고 있는 기술은 실시간으로 객체를 추적하는 기술이다. 객체를 추적하는 방법은 보행자를 추적하는 HOG(Histogram of Oriented Gradients), 전경과 배경 분리 방법을 사용하는 Codebook 같은 방법 들이 많이 알려져 있다. 그러나 객체가 움직이거나 동적인 배경, 조명변화가 심할 경우 객체 추출이 어려워진다. 본 논문에서는 ROI(Region of Interest)기반 깊이영상과 컬러영상의 특징을 이용해 객체를 추출하는 방법을 제안한다. 첫 번째, 깊이 영상에서 배경분리를 통해 객체의 위치를 찾아 ROI로 설정해준다. 두 번째, 컬러영상을 이용하여 영상의 특징점을 찾는다. 세 번째, 특징점과 객체의 볼록헐(convex hull) 구성점들을 이용하여 새로운 윤곽을 만들어 더 정확한 객체를 추출하도록 한다. 마지막으로 본 논문에서 제안한 방법과 기존 방법과의 비교를 통해 제안한 방법의 결과가 좀 더 정확한 객체를 추출하고 있음을 검증하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제11권4호
• /
• pp.2124-2148
• /
• 2017

Accurate facial expression recognition (FER) requires reliable signal filtering and the effective feature extraction. Considering these requirements, this paper presents a novel approach for FER which is robust to noise. The main contributions of this work are: First, to preserve texture details in facial expression images and remove image noise, we improved the anisotropic diffusion filter by adjusting the diffusion coefficient according to two factors, namely, the gray value difference between the object and the background and the gradient magnitude of object. The improved filter can effectively distinguish facial muscle deformation and facial noise in face images. Second, to further improve robustness, we propose a new feature descriptor based on a combination of the Histogram of Oriented Gradients with the Canny operator (Canny-HOG) which can represent the precise deformation of eyes, eyebrows and lips for FER. Third, Canny-HOG's block and cell sizes are adjusted to reduce feature dimensionality and make the classifier less prone to overfitting. Our method was tested on images from the JAFFE and CK databases. Experimental results in L-O-Sam-O and L-O-Sub-O modes demonstrated the effectiveness of the proposed method. Meanwhile, the recognition rate of this method is not significantly affected in the presence of Gaussian noise and salt-and-pepper noise conditions.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제16권6호
• /
• pp.654-662
• /
• 2010

본 논문은 2단계 연속(cascade) 방법을 이용한 향상된 보행자/비보행자 인식 알고리즘을 제안한다. 인식을 위한 분류기로는 약한 분류기를 강한 분류기로 만드는 아다부스트 알고리즘을 적용하였다. 먼저 두 가지 특징벡터를 추출 한다: (i) 기존의 기울기 히스토그램(HOG) 특성과 (ii) 한 점이 가지는 곡률특성 네 가지를 이용한 곡률-HOG를 제안하고 이용하였다. 그 다음 훈련 영상을 통하여 두 가지의 특징 벡터에 대해 약한 분류기로부터 강한 분류기를 얻었으며, 인식은 입력 영상으로부터 하나의 특징을 선택하여 이미 만들어진 강한 분류기를 통하여 1차적인 인식과 오인식을 실시하며, 오인식된 영상에 대해 2차적인 특징을 투입하여 이에 해당하는 강한 분류기를 통하여 2단계 아다부스트 알고리즘을 적용하여 최종적인 인식결과를 얻는다. 두 가지의 서로 다른 특성 벡터를 이용하여 연속 방법에 의한 2단계 아다부스트 알고리즘을 적용한 결과 기존의 실험 방법보다 더 정확한 인식 결과를 얻을 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제29권2호
• /
• pp.13-20
• /
• 2024

본 논문은 영상에서 특정 원통형 약통을 식별할 수 있는 모델 이미지 생성 방식을 제시하고 데이터 수집에 대한 기술을 연구한다. 기존 연구들은 객체 인식과 특정 객체 식별이 분리되어 있어 이미지 스티칭(image stitching) 자동화에 적용하기 어려웠으며, 좌표 기반 이미지 추출 방식이 이미지 스티칭 과정에서 객체 영역 외의 정보도 모델 이미지에 포함시키는 문제를 갖고 있었다. 이를 해결하기 위해 본 논문은 최근에 출시된 YOLOv8(You Only Look Once)의 세그멘테이션(segmentation)기법을 수직축 회전하는 약통 영상에 적용하고 특징점 매칭 알고리즘인 ORB(Oriented FAST and Rotated BRIEF)를 활용하여 모델 이미지 생성을 자동화하였다. 연구 결과, 세그멘테이션 기법을 적용할 경우 특정 약통 식별시 인식률이 향상되었으며 특징점 매칭 알고리즘으로 생성된 모델 이미지는 특정 악통을 정확하게 식별해 낼 수 있었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권4호
• /
• pp.1807-1823
• /
• 2016

Local Binary Pattern (LBP) and its variants have powerful discriminative capabilities but most of them just consider each LBP code independently. In this paper, we propose sub oriented histograms of LBP for smoke detection and image classification. We first extract LBP codes from an image, compute the gradient of LBP codes, and then calculate sub oriented histograms to capture spatial relations of LBP codes. Since an LBP code is just a label without any numerical meaning, we use Hamming distance to estimate the gradient of LBP codes instead of Euclidean distance. We propose to use two coordinates systems to compute two orientations, which are quantized into discrete bins. For each pair of the two discrete orientations, we generate a sub LBP code map from the original LBP code map, and compute sub oriented histograms for all sub LBP code maps. Finally, all the sub oriented histograms are concatenated together to form a robust feature vector, which is input into SVM for training and classifying. Experiments show that our approach not only has better performance than existing methods in smoke detection, but also has good performance in texture classification.

• 대한토목학회논문집
• /
• 제29권1D호
• /
• pp.111-120
• /
• 2009

최근 우리나라에서는 도시공간구조를 자동차 중심형 에너지 다소비형에서 대중교통과 보행을 우선하는 형태로 재편하여 대중교통이용자의 편의를 도모하는 동시에 에너지소비를 줄이려는 노력이 확대되고 있다. 우리나라의 도시는 미국과 유럽의 도시들에 비해 상대적으로 고밀로 개발되어 있고 대중교통서비스도 상대적으로 양호하여 대중교통중심형 도시구조로의 발전 잠재력은 매우 높다고 할 수 있다. 그러나 현재 우리나라의 도시들은 선진국의 주요도시들에 비해 대중교통수송분담률이 낮고 도시환경의 질도 상대적으로 낮다. 본 연구의 목적은 우리나라 도시들이 대중교통중심형 도시로 탈바꿈하기 위하여 풀어 나가야 할 도시구조상의 문제가 무엇인지 분석하는데 있다. 이를 위해 본 연구에서는 수도권 내에 위치한 대중교통결절점을 중심으로 실태를 조사하여 토지이용밀도, 토지이용복합성, 보행편의성, 대중교통연계 측면에서의 문제점을 분석하였다. 또한 분석 결과를 토대로 우리나라 도시들이 대중교통중심형 도시공간구조로 전환되기 위한 도시계획 측면의 개선방향을 제시하고자 한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권7호
• /
• pp.337-352
• /
• 2017

복제 및 소유(Clone-and-own) 재사용은 기존의 소프트웨어 제품을 복사하고 수정하여 새로운 소프트웨어를 개발하는 방법이다. 복제 및 소유 재사용으로 개발된 레거시 소프트웨어 제품군은 일반적으로 리팩토링 없이 패치 업 되고 구조적으로 저하되기 때문에 높은 유지보수 비용을 필요로 하고 오류가 발생하기 쉬운 경향이 있다. 기존에 복제 및 소유 재사용 방법을 사용했던 많은 회사들이 이러한 문제를 해결하고 소프트웨어 자산을 더 체계적으로 재사용하고 관리하기 위하여 레거시 제품들을 소프트웨어 제품라인으로 전환하려고 하고 있다. 하지만 대부분의 기존 방법들은 가변점(Variation points)을 디자인과 코드로부터 분리해서 모델링하고 관리하지 않고 디자인과 코드에 바로 임베드시킨다. 즉, 가변점이 가변성 모델을 기반으로 체계적으로 생성되고 관리되지 않는다. 이러한 기존 방법들은 다음의 문제를 야기한다. 기존 방법에서는 가변점 간 관계를 이해하기가 어렵기 때문에 가변점이 임베드 된 코드를 유지보수하기가 어렵고 코드가 변경 및 진화될 때 오류가 생기기 쉽다. 또한 소프트웨어 제품라인이 진화할 때 디자인/코드 자산이 적합한 리팩토링을 적용하여 체계적으로 변경되는 것이 아니라, 애드 혹(Ad-hoc) 방식으로 직접적으로 변경되는 경향이 있다. 본 논문에서는 이러한 문제를 해결하기 위하여 레거시 어플리케이션 제품군으로부터 소프트웨어 제품라인 자산을 구축하는 휘처 기반의 방법을 제안한다. 제안하는 방법에서는 가변점과 가변점 간 관계를 식별하고 이들을 구현으로부터 분리하여 휘처 모델로 모델링한다. 그리고 휘처 모델을 기반으로 레거시 어플리케이션으로부터 소프트웨어 제품라인 자산을 추출하고 관리한다. 제안하는 방법을 레거시 Notepad++ 제품군에 적용을 하여 방법의 실행가능성을 검증하였다.

• 인터넷정보학회논문지
• /
• 제20권4호
• /
• pp.91-102
• /
• 2019

자율주행 시스템에서, 카메라에 포착된 영상을 통하여 보행자를 분류하는 기능은 보행자 안전을 위하여 매우 중요하다. 기존에는 HOG(Histogram of Oriented Gradients)나 SIFT(Scale-Invariant Feature Transform) 등으로 보행자의 특징을 추출한 후 SVM(Support Vector Machine)으로 분류하는 기술을 사용했었으나, 보행자 특징을 위와 같이 수동(handcrafted)으로 추출하는 것은 많은 한계점을 가지고 있다. 따라서 본 논문에서는 CNN(Convolutional Neural Network)의 깊은 특징(deep features)과 전이학습(transfer learning)을 사용하여 보행자를 안정적이고 효과적으로 분류하는 방법을 제시한다. 본 논문은 2가지 대표적인 전이학습 기법인 고정특징추출(fixed feature extractor) 기법과 미세조정(fine-tuning) 기법을 모두 사용하여 실험하였고, 특히 미세조정 기법에서는 3가지 다른 크기로 레이어를 전이구간과 비전이구간으로 구분한 후, 비전이구간에 속한 레이어들에 대해서만 가중치를 조정하는 설정(M-Fine: Modified Fine-tuning)을 새롭게 추가하였다. 5가지 CNN모델(VGGNet, DenseNet, Inception V3, Xception, MobileNet)과 INRIA Person데이터 세트로 실험한 결과, HOG나 SIFT 같은 수동적인 특징보다 CNN의 깊은 특징이 더 좋은 성능을 보여주었고, Xception의 정확도(임계치 = 0.5)가 99.61%로 가장 높았다. Xception과 유사한 성능을 내면서도 80% 적은 파라메터를 학습한 MobileNet이 효율성 측면에서는 가장 뛰어났다. 그리고 3가지 전이학습 기법중 미세조정 기법의 성능이 가장 우수하였고, M-Fine 기법의 성능은 미세조정 기법과 대등하거나 조금 낮았지만 고정특징추출 기법보다는 높았다.

• 산업경영시스템학회지
• /
• 제24권66호
• /
• pp.1-10
• /
• 2001

Simulation-Based Expert System(SIMBES) is a very effective tool to solve complex antral hard problems. The SIMBES model includes a simulator, a feature extractor, a machine learning system, a performance evaluator, and a Knowledge-Based Expert System(KBES). Since SIMBES depends on Problem domains, a schedule-based material requirements planning problem, which is NP-hard, was selected to exemplify the SIMBES model. To implement the SIMBES application in Smalltalk paradigm, a system class hierarchy was constructed. The hierarchy consists of five large classes such as Job Generator, Job Scheduler, Job Evaluator, Inference Engine, and Executive System. Several classes inside these classes were identified. Additionally, instance protocols about all classes have been described in terms of messages and pseudo methods. These protocols can be implemented easily by any other object-oriented languages. Furthermore, these results may be used as a skeletal system to develop a new SIMBES efficiently, especially when the application is related to other scheduling problems.