• 한국통신학회논문지
• /
• 제38A권6호
• /
• pp.486-491
• /
• 2013

본 논문은 객체검출(object detection)에 사용되는 분류기의 학습을 위한 빠르고 효율적인 Haar-like feature 선택 알고리듬을 제안한다. 기존 AdaBoost를 이용한 Haar-like feature 선택 알고리듬은 학습 샘플들에 대한 피쳐의 에러만을 고려하여 형태적으로 유사하거나 중복되는 피쳐가 선택되는 경우가 많았다. 제안하는 알고리듬은 피쳐의 형태와 피쳐간의 거리로부터 피쳐의 유사도를 계산하고 이미 선택된 피쳐와 유사도가 큰 피쳐들을 피쳐 세트에서 제거하여 빠르고 효율적인 피쳐 선택이 이루어지도록 하였다. FERET 얼굴 데이터베이스를 사용하여 제안된 알고리듬을 사용하여 학습시킨 분류기와 기존 알고리듬을 사용한 분류기의 성능을 비교하였다. 실험 결과 제안한 피쳐 선택 방법을 사용하여 학습시킨 분류기가 기존 방법을 사용한 분류기보다 향상된 성능을 보였으며, 동일한 성능을 갖도록 학습시켰을 경우 분류기의 피쳐 수가 20% 감소하였다.

• 한국멀티미디어학회논문지
• /
• 제13권9호
• /
• pp.1314-1321
• /
• 2010

본 논문에서는 도로에서 주행 중인 차량검출 알고리즘에 대하여 연구한다. 카메라에서 입력된 영상으로부터 차량을 검출하기위해 먼저 분할 및 합병(split & merge)방법을 적용하여 영상을 분할하고 그 다음 분할된 영역을 해석하여 차량이 위치할 가능성이 높은 영역을 집중적으로 탐색하여 차량을 실시간으로 검출하는 알고리즘을 연구한다. 전방차량의 후면을 검출하기 위하여 수직/수평 성분을 특정으로 하였으며 적분영상을 이용하여 계산시간을 줄일 수 있는 Haar-like방법을 적용하였으며 분류기로는 SVM을 사용하였다. 제안된 방법의 성능을 평가하기 위해 350개의 영상을 사용하여 분류기를 학습하였으며 또한 학습에 사용하지 않은 비학습영상 150개를 사용하여 인식률을 구하였다. 실험결과 비학습영상에 대해 95.00%의 인식률을 얻었다.

• 한국통신학회논문지
• /
• 제36권8C호
• /
• pp.505-515
• /
• 2011

본 논문에서는 객체 검출에 사용되는 Haar-like feature의 정규화 방법에 대해 다룬다. 기존의 Haar-like feature의 분산 정규화는 후보 윈도우 픽셀들에 대한 표준편차 계산에 사용되는 별도의 적분 영상 생성을 위해 많은 연산을 필요로 했으며 밝기 변화가 작은 영역에서 오검출이 증가하는 문제를 가지고 있으나, 제안하는 정규화 방법은 별도의 적분 영상을 사용하지 않아 처리 속도가 빠르며 제안하는 방법을 사용하여 학습시킨 분류기는 밝기 변화에 대해 강건한 성능을 보인다. 실험 결과 제안한 방법을 사용했을 때 객체 검출기의 처리 속도는 26% 향상 되었으며, 제안한 방법을 사용하여 학습시킨 분류기들은 5% 이상 향상된 검출률을 보였으며, 밝기 변화가 심한 경우는 45% 향상된 검출률을 보였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제63차 동계학술대회논문집 29권1호
• /
• pp.17-19
• /
• 2021

본 논문에서는 코로나19 사태에 대비하여 실시간으로 마스크를 제대로 쓴 사람과 제대로 쓰지 않은 사람을 구분하는 시스템을 제안한다. 이 시스템을 사용하기 위하여 모델 학습 시에 합성곱 신경망(CNN : Convolutional Neural Networks)를 사용한다. 학습된 모델을 토대로 영상에 적용 시 하르 특징 분류기(Haar Cascade Classifier)로 얼굴을 탐지하여 마스크 여부를 판단한다.

• 한국지능시스템학회논문지
• /
• 제20권5호
• /
• pp.677-682
• /
• 2010

본 논문은 AdaBoost 알고리즘을 통한 얼굴 검출 기술에서 학습된 하-웨이블렛의 개별값을 비교하여 대략적인 자세를 추정하는 방법과 이를 이용한 얼굴인식 속도 향상에 대하여 기술한다. 학습된 약한 분류기는 얼굴 검출 과정 중 각각 계수값을 비교하여 각 자세의 특징에 강인한 하-웨이블렛을 선별한다. 하-웨이블렛 선별과정에는 각 항목의 유사도를 나타내는 마할라노비스 거리를 사용하였다. 선별된 하-웨이블렛을 사용하여 임의의 얼굴 이미지를 검출하였을 때 각각의 자세를 구별하는 결과를 전체 실험결과를 통해 평가한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2009년도 제40회 하계학술대회
• /
• pp.1855_1856
• /
• 2009

본 논문은 Haar-like 마스크와 유사한 특징을 갖지만 두 사각형 영역의 크기와 위치를 제한하지 않는 분리된 두 사각 특징 마스크를 이용한 Adaboost 기반 얼굴검출 알고리즘을 제안한다. 기존의 Haar-like 특징이 단순히 두 사각 영역의 화소값들의 차를 구함으로써 계산이 용이하나 인접한 두 사각 영역으로 한정함으로써 고품질 특징을 얻기 어렵다. 이런 Haar-like 특징마스크의 내재된 문제점을 개선하기 위해, 제안하는 특징 마스크는 다양한 크기와 분리된 두 사각 영역을 갖는 형태로 고품질의 특징을 얻는다. 고품질의 특징은 Adaboost 알고리즘의 약 분류기(weak classifier)의 성능을 학습단계부터 높여 전반적으로 얼굴 검출 알고리즘의 성능을 향상시킨다. 제안하는 분리된 두 사각 특징을 이용한 adaboost 기반 얼굴검출 기법의 우수성을 다양한 실험을 통해 검증하였다.

• 한국정보통신학회논문지
• /
• 제18권5호
• /
• pp.1171-1176
• /
• 2014

안구 추적은 눈동자의 움직임을 감지하여 안구의 운동 상태나 시선의 위치를 추적하는 인간과 컴퓨터의 상호작용(HCI)분야이다. 안구 추적은 사용자의 시선 추적을 이용한 마케팅 분석이나 의도 인식 등에 적용되고 있으며 다양한 적용을 위한 많은 연구가 진행되고 있다. 안구 추적을 수행하는 방법 중에 영상처리를 이용한 안구 추적 방법이 사용자에게는 편리하지만 조명의 변화와 스케일 변화 그리고 회전이나 가려짐에는 추적의 어려움이 있다. 본 논문에서는 이미지 기반의 안구 추적시 발생되는 조명, 회전, 스케일 변화 등 환경변화에도 강인하게 안구 추적을 수행하기 위하여 두 단계의 추적 방법을 제안한다. 우선 Haar분류기를 이용하여 얼굴과 안구 영역을 추출하고, 추출된 안구 영역으로부터 CAMShift과 템플릿 매칭을 이용하여 강인하게 안구를 추적하는 두 단계의 안구 추적 방법을 제안하였다. 제안한 알고리즘은 조명 변화, 회전, 스케일 등 변화하는 환경 조건하에서 실험을 통하여 강인성을 증명하였다.

• 한국전자통신학회논문지
• /
• 제8권8호
• /
• pp.1129-1135
• /
• 2013

본 논문에서는 최적 특징점 선택기법를 적용한 다중 최적 Adaboost 분류기를 기반으로 새로운 차량 검출 알고리즘을 제안한다. 제안하는 알고리즘은 2 가지 주요 모듈로 구성된다. 첫 번째는 설치된 카메라의 사이트 모델링을 이용한 영상 스케일링을 기반으로 하는 이론적 DDISF(Distance Dependent Image Scaling Factor) 모듈이며, 두 번째는 차량과 카메라의 거리에 대응하는 최적 Haar-like 특징을 활용하는 것이다. 실험 결과 제안하는 알고리즘은 기존의 방법에 비하여 인식 성능이 개선됨을 확인하였다. 제안하는 알고리즘은 96.43% 의 인식률과 약 3.77%의 오검출이 발생하였다. 이러한 성능은 기존의 표준 Adabooost 알고리즘에 비하여 각각 3.69%와 1.28% 의 성능을 개선한 것이다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 한국컴퓨터종합학술대회 논문집 Vol.32 No.1 (B)
• /
• pp.763-765
• /
• 2005

본 논문에서는 점증적 분류 성능을 갖는 단계형(cascade) 분류기를 이용한 새로운 실시간 얼굴 탐지시스템을 제안하고자 한다. 제안된 시스템의 첫 단계는 전처리 단계로써 매우 빠른 속도를 갖는 새로운 피부색 탐지기를 이용하여 탐색 공간을 대폭 축소하고, 두 번째 단계에서는 빠른 분류가 가능한 유사-하(Haar-like) 특징을 이용한 단계형 분류기를 배치하여 빠른 속도로 후보 얼굴을 검출한다. 마지막 단계에서는 탐지율을 높이기 위해 단일 클래스 SVM인 SVDD를 분류기로 사용하였으며, 실험을 통하여 제안된 시스템의 우수성을 보인다.

• 한국콘텐츠학회논문지
• /
• 제10권12호
• /
• pp.84-90
• /
• 2010

Viola와 Jones가 사용한 Haar-like 특징 기반 약분류기의 분별력을 개선하기 위하여, 2차 판별식에 기반한 판정 경계(decision boundary) 결정 방법을 제안한다. Viola와 Jones가 부스팅된 약분류기 앙상블을 사용해서 강분류기를 만들 때 사용한 단일 판정 경계 기반 약분류기는 특징 공간을 지나치게 단순하게 해석한 산물이어서 대부분의 경우 최적이 아니며, 객체 클래스와 배경 클래스 간을 효율적으로 분별하기에 흔히 너무 약하다. 이 논문에서 제안하는 2차 판별식 분석에 기반한 방법은 객체 클래스와 배경 클래스 사이에 다중 판정 경계를 사용하는 약분류기를 만들어준다. 1000개의 positive 샘플과 3000개의 negative 샘플을 훈련에 사용하고, 500개의 positive와 500개의 negative를 테스트에 사용한 차량 검출 실험을 통해서, 기존의 단일 문턱치 기반 약분류기 방식에 비해, 제안 기법이 더 적은 수의 분류기를 사용하면서도 더 우수한 분류 성능을 제공하는 것을 확인하였다.