• 전기학회논문지P
• /
• 제64권3호
• /
• pp.187-192
• /
• 2015

Detecting human in images is a challenging task owing to their variable appearance and the wide range of poses the they can adopt. The first need is a robust feature set that allows the human form to be discriminated cleanly, even in cluttered background under difficult illumination. A large number of vision application rely on matching keypoints across images. These days, the deployment of vision algorithms on smart phones and embedded device with low memory and computation complexity has even upped the ante: the goal is to make descriptors faster compute, more compact while remaining robust scale, rotation and noise. In this paper we focus on improving the speed of pedestrian(walking person) detection using Histogram of Oriented Gradient(HOG) descriptors provide excellent performance and tracking using kalman filter.

• Journal of Computing Science and Engineering
• /
• 제9권1호
• /
• pp.29-38
• /
• 2015

Human action recognition has become an important research topic in computer vision area recently due to many applications in the real world, such as video surveillance, video retrieval, video analysis, and human-computer interaction. The goal of this paper is to evaluate descriptors which have recently been used in action recognition, namely Histogram of Oriented Gradient (HOG) and Histogram of Optical Flow (HOF). This paper also proposes new descriptors to represent the change of points within each part of a human body, caused by actions named as Histogram of Changing Points (HCP) and so-called Average Speed (AS) which measures the average speed of actions. The descriptors are combined to build a strong descriptor to represent human actions by modeling the information about appearance, local motion, and changes on each part of the body, as well as motion speed. The effectiveness of these new descriptors is evaluated in the experiments on KTH and Hollywood datasets.

• 전기전자학회논문지
• /
• 제18권4호
• /
• pp.581-585
• /
• 2014

본 논문은 ROI가 적용된 HOG 특징을 적용한 보행자 인식에 대해서 제안한다. 기존의 HOG 방법은 높은 인식률을 갖지만 처리 속도가 느린 단점이 존재한다. 처리 속도가 느린 기존의 HOG 방법에 ROI를 적용하여 불필요한 영역에 대한 연산을 줄여 처리 속도를 향상시켰다. ROI 영역을 설정하기 위해 영상 전체를 연산하는 홀수 프레임과 설정된 ROI 영역만을 연산하는 짝수 프레임을 조합한 구조를 사용하였다. 구현 결과 본 논문에서 제안하는 방법은 기존의 방법과 동일한 정확도를 유지하면서 처리 속도측면에서 약 20% 향상된 초당 8.3 프레임의 성능을 보였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2015년도 제46회 하계학술대회
• /
• pp.1351-1352
• /
• 2015

본 논문에서는 지능형 영상 감시 시스템에서 보행자를 검출하고 추적을 수행하기 위해 은닉층 활성함수에 가우시안 대신 FCM를 사용한 RBFNNs 패턴분류기와 객체 추적 알고리즘인 Mean Shift를 융합한 시뮬레이터를 개발한다. 시뮬레이터는 검출부과 추적부로 나누며, 검출부에서는 입력 영상으로부터 기울기의 방향성을 이용한 HOG(Histogram of Oriented Gradient) 특징을 구하고 빠른 처리속도를 위해 PCA 알고리즘을 통해 차원수를 축소하고 pRBFNNs 패턴분류기를 통해 보행자를 검출 한다. 다음 추적부에서 객체 추적 알고리즘인 Mean Shift를 이용하여 검출된 보행자 추적을 수행한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2016년도 하계학술대회
• /
• pp.306-308
• /
• 2016

신호등 검출은 지능형 교통 시스템에서 매우 중요하며 최근 신호등 검출 관련한 연구가 활발히 진행 중이다. 하지만 기존의 신호등검출 알고리듬의 문제점은 조명의 변화에 민감하다는 문제점이 있다. 이러한 문제점을 해결하기 위하여 본 논문에서는 다음과 같은 신호등 검출 알고리듬을 제안한다. 먼저 제안하는 색상지도와 HSV(Hue-Saturation-Value)를 이용하여 신호등의 후보를 검출한다. 검출한 신호등의 후보로부터 HOG(Histogram of Oriented Gradient) 서술자를 이용하여 특징을 추출한 다음 최종적으로 선형 SVM(Support Vector Machine)을 이용하여 신호등을 검출하는 알고리듬을 제안한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2012년도 한국컴퓨터종합학술대회논문집 Vol.39 No.1(B)
• /
• pp.465-467
• /
• 2012

사람 검출 방법에서 중요한 두 가지 문제는 다양한 배경과 조명등에서 적용 가능한가와 실시간성을 보장 할 수 있는가이다. 본 논문에서는 Dalal와 Triggs가 제안한 다양한 배경과 조명등에서 강인한 HOG(Histogram of Oriented Gradient) 특징 기반의 사람 검출 방법의 수행 속도를 향상시키는 방법을 제안한다. HOG 특징 기반의 사람 검출 방법의 성능은 매우 뛰어나다. 하지만 HOG 계산과 SVM 분류에 있어서 느리다는 단점을 가지고 있다. 따라서 본 논문에서는 기존 방식의 수행 속도를 향상시키기 위하여 검출 윈도우의 고정 스텝 형식이 아닌 SVM의 출력 값을 이용하여 검출 윈도우의 적응적 스텝 형식을 적용하였다. 실험 결과 고정 스텝 형식보다 적응적 스텝 형식의 수행 속도가 향상됨을 보였다.

• 전기학회논문지
• /
• 제66권2호
• /
• pp.416-424
• /
• 2017

In this study, we propose a design of digits recognition system based on RBFNNs through a comparative study of pre-processing algorithms in order to recognize digits in handwritten. Histogram of Oriented Gradient(HOG) is used to get the features of digits in the proposed digits recognition system. In the pre-processing part, a dimensional reduction is executed by using Principal Component Analysis(PCA) and (2D)2PCA which are widely adopted methods in order to minimize a loss of the information during the reduction process of feature space. Also, The architecture of radial basis function neural networks consists of three functional modules such as condition, conclusion, and inference part. In the condition part, the input space is partitioned with the use of fuzzy clustering realized by means of the Fuzzy C-Means algorithm. Also, it is used instead of gaussian function to consider the characteristic of input data. In the conclusion part, the connection weights are used as the extended type of polynomial expression such as constant, linear, quadratic and modified quadratic. By using MNIST handwritten digit benchmarking database, experimental results show the effectiveness and efficiency of proposed digit recognition system when compared with other studies.

• 대한기계학회논문집A
• /
• 제37권12호
• /
• pp.1445-1452
• /
• 2013

본 논문에서는 단안 카메라를 이용하여 사람과 로봇(카메라)간의 상대위치를 실시간으로 추정하는 알고리즘을 제안한다. HOG(기울기 히스토그램) 특징벡터와 SVM(서포트 벡터 머신) 분류기를 이용하여 사람의 두부 및 어깨영역을 검출한다. 검출된 영역의 크기와 위치를 이용하여 사람과 로봇(카메라)간의 상대 위치 및 각도를 계산한다. 또한 알고리즘 수행속도를 향상시키기 위하여 본 논문에서는 NVIDIA의 GPU와 CUDA 라이브러리를 사용하였다. 그 결과 알고리즘 수행속도는 초당 15 프레임의 영상데이터를 처리할 수 있다. 알고리즘의 정확도 비교를 위해서 SICK 레이저 스캐너 출력과 비교하였다.

• 한국멀티미디어학회논문지
• /
• 제17권3호
• /
• pp.300-311
• /
• 2014

환경의 변화에 따라 급속도로 변화하는 생태계에 대한 체계적인 연구를 위해 식물의 정보를 수집 분석하기 위한 연구가 활발하게 진행되고 있다. 특히, 스마트 기기의 카메라를 이용하여 언제 어디서나 사용자가 원하는 식물의 종류를 검색할 수 있는 기술에 대한 관심이 증가하고 있다. 본 논문은 식물 인식 및 생태계 분석을 위해 다양한 식물의 잎을 종류별로 분석할 수 있는 방법에 대해 제안한다. 이를 위해, 카메라부터 입력된 식물 잎 사진의 관심 영역을 GrabCut을 통해 배경과 분리한 후, 형태 기술자 추출 방법인 SIFT(Scale-Invariant Feature Transform), HOG(Histogram of Oriented Gradient)를 이용하여 형태 기술자를 추출하고, 이것을 부호화 기법 및 공간 피라미드 방법을 이용한 분류 특징 벡터를 만든다. SVM(Support Vector Machine)을 통한 식물 잎 분류 및 인식한다. 다양한 식물 잎에 대한 실험 결과를 통해 비슷한 색상이나 형태를 가지고 있더라도 방향성 특징 기술자를 활용한 식물 잎 분류 방법이 매우 효율적임을 알 수 있다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2015년도 제46회 하계학술대회
• /
• pp.1345-1346
• /
• 2015

본 논문에서는 보행자 및 배경 이미지로부터 HOG-PCA 특징을 추출하고 다항식 기반 RBFNNs(Radial Basis Function Neural Network) 패턴분류기과 최적화 알고리즘을 이용하여 보행자를 검출하는 시스템 설계를 제안한다. 입력 영상으로부터 보행자를 검출하기 위해 전처리 과정에서 HOG(Histogram of oriented gradient) 알고리즘을 통해 특징을 추출한다. 추출된 특징은 고차원이므로 패턴분류기 분류 시 많은 연산과 처리속도가 따른다. 이를 개선하고자 PCA (Principal Components Analysis)을 사용하여 저차원으로의 차원 축소한다. 본 논문에서 제안하는 분류기는 pRBFNNs 패턴분류기의 효율적인 학습을 위해 최적화 알고리즘인 PSO(Particle Swarm Optimization)을 사용하여 구조 및 파라미터를 최적화시켜 모델의 성능을 향상시킨다. 사용된 데이터로는 보행자 검출에 널리 사용되는 INRIA2005_person data set에서 보행자와 배경 영상을 각각 1200장을 학습 데이터, 검증 데이터로 구성하여 분류기를 설계하고 테스트 이미지를 설계된 최적의 분류기를 이용하여 보행자를 검출하고 검출률을 확인한다.