• 제어로봇시스템학회논문지
• /
• 제17권1호
• /
• pp.17-21
• /
• 2011

This paper presents a real- time detection of on-road succeeding vehicles based on low level edge features and a boosted cascade of Haar-like features. At first, the candidate vehicle location in an image is found by low level horizontal edge and symmetry characteristic of vehicle. Then a boosted cascade of the Haar-like features is applied to the initial hypothesized vehicle location to extract the refined vehicle location. The initial hypothesis generation using simple edge features speeds up the whole detection process and the application of a trained cascade on the hypothesized location increases the accuracy of the detection process. Experimental results on real world road scenario with processing speed of up to 27 frames per second for $720{\times}480$ pixel images are presented.

• 한국융합학회논문지
• /
• 제10권6호
• /
• pp.7-14
• /
• 2019

본 논문에서는 YCbCr 색공간을 이용한 피부색 추출에서 조명과 그림자에 의한 손실 영역을 Flood Fill 알고리즘을 이용하여 보완하고 Haar-like 특징을 이용한 Cascade Classifier 얼굴 검출 방법을 제안하였다. Haar-like 특징을 이용한 Cascade Classifier는 이미지에서 기존의 YCbCr 색공간을 이용한 피부색 추출은 단순히 임계값만 사용하기 때문에 조명, 그림자 등에 의해 잡음과 손실 영역이 발생할 수 있다. 이러한 문제를 해결하기 위해 침식, 팽창 연산을 사용하여 잡음을 제거하였고 손실 영역을 추정하기 위해 Flood Fill 알고리즘을 사용하여 손실 영역을 추정하였다. 추정한 영역에 대하여 YCbCr 색공간의 임계값을 추가로 허용하였다. 나머지 손실영역에 대하여 위에서 추정한 영역중 추가로 허용한 영역의 평균값으로 색을 채워 넣었다. 추출한 이미지에 Haar-like Cascade Classifier를 사용하여 얼굴을 검출하였다. 기존의 Haar-like Cascade Classifier의 방법보다 제안하는 방법이 정확도가 약 4% 향상되었으며 YCbCr 색공간만을 이용한 피부색 추출보다 제안하는 방법의 검출률이 약 2% 향상되었다.

• International Journal of Advanced Culture Technology
• /
• 제5권1호
• /
• pp.51-57
• /
• 2017

Digital signage is becoming part of daily life across a wide range of visual advertisements segments market used in stations, hotels, retail stores, hotels, etc. The current digital signage system used in market is generally works on limited user interactivity with static contents. In this paper, a new approach is proposed using computer vision based dynamic audience adaptive cost-effective digital signage system. The proposed design uses the Camera attached Raspberry Pi Open source platform to employ the real-time audience interaction using computer vision algorithms to extract facial features of the audience. The real-time facial features are extracted using Haar Cascade algorithm which are used for audience gender specific rendering of dynamic digital signage content. The audience facial characterization using Haar Cascade is evaluated on the FERET database with 95% accuracy for gender classification. The proposed system, developed and evaluated with male and female audiences in real-life environments camera embedded raspberry pi with good level of accuracy.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제63차 동계학술대회논문집 29권1호
• /
• pp.33-36
• /
• 2021

본 논문에서는 인간의 표정과 목소리를 기반으로 한 감정 분석기를 제안한다. 제안하는 분석기들은 수많은 인간의 표정 중 뚜렷한 특징을 가진 표정 7가지를 별도의 클래스로 구성하며, DNN 모델을 수정하여 사용하였다. 또한, 음성 데이터는 학습 데이터 증식을 위한 Data Augmentation을 하였으며, 학습 도중 과적합을 방지하기 위해 콜백 함수를 사용하여 가장 최적의 성능에 도달했을 때, Early-stop 되도록 설정했다. 제안하는 표정 감정 분석 모델의 학습 결과는 val loss값이 0.94, val accuracy 값은 0.66이고, 음성 감정 분석 모델의 학습 결과는 val loss 결과값이 0.89, val accuracy 값은 0.65로, OpenCV 라이브러리를 사용한 모델 테스트는 안정적인 결과를 도출하였다.

• 융합보안논문지
• /
• 제22권1호
• /
• pp.29-38
• /
• 2022

감염 질병의 심각한 확산으로 인해 방역의 중요성이 점점 커지고 있다. 또한 방역 이슈가 없는 언택트 산업에 대한 관심도 늘어나고 있다. 본 논문에서는 등록된 사용자의 얼굴을 인식함으로써 비접촉 방식으로 출입을 통제하는 비용 효율적인 라즈베리파이 기반 도어락 시스템을 설계하고 개발한다. 우선, OpenCV의 Haar-based cascade를 사용하여 매우 단순한 특징들을 조합하여 객체를 찾고, 얼굴 인식을 진행한다. 그리고 LBPH (Local Binary Pattern Histogram)을 사용하여 이미지의 질감을 이진화하여 특징을 찾아낸다. 라즈베리파이 3B+ 보드, 초음파 센서, 카메라 모듈, 모터 등으로 언택트 도어락 하드웨어를 구현하고, 얼굴 인식 및 매칭 알고리즘을 포함한 소프트웨어를 기반으로 약 500장의 이미지 데이터를 학습시켜 실험한 결과, 최대 85.7%의 인식률을 보이며 사용자를 구분하는 성능을 검증할 수 있었다. 또한, Haar-cascade 알고리즘 성능의 광원에 대한 영향성을 파악하여 그 개선 가능성을 살펴보았다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.474-477
• /
• 2021

최근 2020년부터 본격적으로 유행한 코로나19를 예방하기 위해 발열 체크, 마스크 착용 유무를 확인하는 곳이 많아졌다. 그러나 마스크 착용과 발열 체크는 일반적으로 사람이 직접 측정하거나 한명씩 기계 앞에 서서 측정하는 방식이 대부분이며 일반적으로 발열 체크시 피부의 최고 온도를 측정하므로 정확도가 떨어지고 대량의 인원 측정시 병목이 나타날 수 있다. 따라서 본 연구에서는 마스크 미착용자와 발열자를 일반 카메라와 열화상 카메라, 인공지능 알고리즘을 통하여 실시간으로 정확하게 자동 분류하고 표시하여 전염병 확산을 막는 방법에 대하여 제안하고자 한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 춘계학술발표대회
• /
• pp.1022-1024
• /
• 2015

휴먼-컴퓨터 인터렉션과 같은 응용분야에서 손동작 인식을 위한 많은 연구가 이루어지고 있다. 손동작 인식을 이용한 인터렉션의 성능 향상을 위해서는 정확한 손 영역 검출이 필요하다. 본 논문에서는 색상 정보를 이용하여 Cascade 방식에 기반한 손 영역 검출 방법을 제안한다. Cascade 방식으로 손 영역을 검출할 경우보다 강인한 인식률을 얻기 위해서 색상정보를 이용하였으며, Haar-like 특징점으로 학습된 분류기를 통해 손 영역 검출 방법을 제안한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제8권10호
• /
• pp.3490-3507
• /
• 2014

License plate detection (LPD) is one of the most important aspects of an automatic license plate recognition system. Although there have been some successful license plate recognition (LPR) methods in past decades, it is still a challenging problem because of the diversity of plate formats and outdoor illumination conditions in image acquisition. Because the accurate detection of license plates under different conditions directly affects overall recognition system accuracy, different methods have been developed for LPD systems. In this paper, we propose a license plate detection method that is rapid and robust against variation, especially variations in illumination conditions. Taking the aspects of accuracy and speed into consideration, the proposed system consists of two stages. For each stage, Haar-like features are used to compute and select features from license plate images and a cascade classifier based on the concatenation of classifiers where each classifier is trained by an AdaBoost algorithm is used to classify parts of an image within a search window as either license plate or non-license plate. And it is followed by connected component analysis (CCA) for eliminating false positives. The two stages use different image preprocessing blocks: image preprocessing without adaptive thresholding for the first stage and image preprocessing with adaptive thresholding for the second stage. The method is faster and more accurate than most existing methods used in LPD. Experimental results demonstrate that the LPD rate is 98.38% and the average computational time is 54.64 ms.

• Journal of Information Processing Systems
• /
• 제9권1호
• /
• pp.173-188
• /
• 2013

In Facial Expression Recognition Systems (FERS), only particular regions of the face are utilized for discrimination. The areas of the eyes, eyebrows, nose, and mouth are the most important features in any FERS. Applying facial features descriptors such as the local binary pattern (LBP) on such areas results in an effective and efficient FERS. In this paper, we propose an automatic facial expression recognition system. Unlike other systems, it detects and extracts the informative and discriminant regions of the face (i.e., eyes, nose, and mouth areas) using Haar-feature based cascade classifiers and these region-based features are stored into separate image files as a preprocessing step. Then, LBP is applied to these image files for facial texture representation and a feature-vector per subject is obtained by concatenating the resulting LBP histograms of the decomposed region-based features. The one-vs.-rest SVM, which is a popular multi-classification method, is employed with the Radial Basis Function (RBF) for facial expression classification. Experimental results show that this approach yields good performance for both frontal and near-frontal facial images in terms of accuracy and time complexity. Cohn-Kanade and JAFFE, which are benchmark facial expression datasets, are used to evaluate this approach.

• 한국인터넷방송통신학회논문지
• /
• 제19권2호
• /
• pp.143-149
• /
• 2019

플로팅 홀로그램은 광고나 콘서트와 같이 넓은 공간에서 현장감과 실존감이 뛰어난 3D 입체영상을 제공하면서, 3D 안경의 불편함, 시각적 피로, 공간 왜곡 현상 발생을 감소할 수 있는 기술이다. 따라서 본 논문은 좁은 공간에서도 사용가능한 플로팅 홀로그램 환경에서 캐릭터 조작을 위한 사용자 제스처 인식 시스템을 구현한다. 제안된 방법은 하르 특징기반의 캐시케이드((Harr feature-based cascade classifier) 분류기를 이용하여 얼굴 영역을 검출하고, 검출된 얼굴 영역을 기준으로 실시간으로 체스쳐 차영상으로부터 사용자 제스쳐의 발생 위치 정보를 이용하여 사용자 제스쳐를 인식한다. 그리고 각각 인식된 제스쳐 정보는 플로팅 홀로그램 환경에서 생성된 캐릭터 움직임을 조작하기 위하여 상응하는 행위에 맵핑된다. 제안된 플로팅 홀로그램 캐릭터 조작을 위한 사용자 제스처 인식 시스템의 성능평가를 위해서는 플로팅 홀로그램 디스플레이 장치를 제작하고, 몸 흔들기, 걷기, 손 흔들기, 점프 등의 각 제스처에 따른 인식률을 반복 측정한 결과 평균 88%의 인식률을 보였다.