• 정보처리학회논문지A
• /
• 제19A권4호
• /
• pp.175-180
• /
• 2012

본 논문은 Haar-like 특징을 이용한 고성능 보행자 및 차량 인식 회로를 제안한다. 제안하는 회로는 영상의 매 프레임 마다 슬라이딩 윈도우를 적용하여 Haar-like 특징을 추출하고 보행자 및 차량을 인식한다. Haar-like 특징 추출 회로는 슬라이딩 윈도우 당 200개의 Haar-like 특징을 추출하며, 추출된 특징들은 AdaBoost 인식 회로에서 사용된다. 제안하는 회로는 속도 향상을 위해 병렬 회로 구조를 적용하였으며 두 개의 슬라이딩 윈도우가 동시에 보행자 또는 차량을 인식한다. 제안하는 고성능 보행자 및 차량 인식 회로는 Verilog HDL로 설계하였으며 130nm 표준 셀 라이브러리를 이용하여 게이트 수준의 회로로 합성하였다. 합성된 회로는 1,388,260개의 게이트로 구성되며 최대 동작 주파수는 203MHz이다. 제안하는 회로는 $640{\times}480$ 영상을 초당 약 47.8장 처리할 수 있기 때문에 보행자와 차량을 실시간으로 인식하기 위해 사용될 수 있다.

• 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.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2008년도 하계종합학술대회
• /
• pp.987-988
• /
• 2008

In this paper, we propose a rotation invariant face detection method using Haar-like feature variation. Previous approaches using rectangular features can be calculated very fast. But rectangular features is weak in rotated face. Rotated Haar-like features can get high accuracy, but the performance is slow because it can't use the integral image. Our method vary Haar-like features keeping rectangular. this method makes the performance a bit slow, but gives better accuracy.

• 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.

• 대한전자공학회논문지SP
• /
• 제49권3호
• /
• pp.18-29
• /
• 2012

실시간 물체 검출에 매우 효과적이라고 알려져 있는 Viola-Jones 알고리즘에서는 약분류기를 구성하기 위해 Haar 모양의 특징들을 사용한다. 이러한 Haar 모양 특징은 각각 양의 영역과 음의 영역에 해당하는 두 개 이상의 사각형의 조합으로 구성되며 양의 영역에 해당하는 화소값들의 합과 음의 영역에 해당하는 화소값들의 합의 차에 의하여 특징값을 계산한다. 본 논문에서 새롭게 제안하는 사각 특징은 두 개 이상의 사각 영역으로 구성되는 Haar 모양 특징과는 달리 단일한 사각 영역으로 구성되어 영역 내의 화소값들을 총합과 분산을 특징으로 사용한다. 이러한 사각 특징들을 기존의 Haar 모양 특징과 함께 사용하면 물체의 특징을 인접하는 밝은 영역과 어두운 영역의 조합으로만 선택했던 기존의 방법으로 인해 그동안 배제되어 온 새로운 특징을 선택할 수 있으며 그 결과 계산상의 손실 없이 물체 검출의 성능을 높일 수 있다.

• 한국컴퓨터정보학회논문지
• /
• 제20권12호
• /
• pp.29-36
• /
• 2015

In this paper, we propose the horizontal line detection using the Haar-like features and linear regression in infrared images. In the marine environment horizon image is very useful information on a variety of systems. In the proposed method Haar-like features it was noted that the standard deviation be calculated in real time on a static area. Based on the pixel position, calculating the standard deviation of the around area in real time and, if the reaction is to filter out the largest pixel can get the energy map of the area containing the straight horizontal line. In order to select a horizontal line of pixels from the energy map, we applied the linear regression, calculating a linear fit to the transverse horizontal line across the image to select the candidate optimal horizontal. The proposed method was carried out in a horizontal line detecting real infrared image experiment for day and night, it was confirmed the excellent detection results than the legacy methods.

• 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.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2009년도 학술대회
• /
• pp.146-149
• /
• 2009

실시간 영상에서 사람의 얼굴 검출은 얼굴 인식분야에 있어서 주요한 관심 분야 중의 하나이다. 본 논문에서는 실시간 입력되는 영상에서 피부 색상과 Haar-like feature를 이용한 얼굴 검출 및 추적 알고리듬을 제안한다. 제안된 알고리듬은 컬러 색 공간에서 피부색상과 특징점을 가지고 얼굴 영역 및 추적하였다. 실험 결과 실시간 영상에 대해 조명 변화 및 가림 현상에서 강건한 추적 결과를 얻을 수 있었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권1호
• /
• pp.43-48
• /
• 2013

Adaboost 알고리즘은 얼굴인식을 위한 Haar-like feature들을 이용하기 위해 가장 널리 쓰이고 있는 알고리즘이다. 매우 빠르며 효율적인 성능을 보이고 있으며 하나의 모델이미지가 존재하는 단일분포 데이터에 대해 매우 효율적이다. 그러나 정면 얼굴과 측면 얼굴을 혼합한 인식 등 둘 이상의 모델이미지를 가진 다중 분포모델에 대해서는 그 성능이 저하된다. 이는 단일 학습 알고리즘의 선형결합에 의존하기 때문에 생기는 현상이며 그 응용범위의 한계를 지니게 된다. 본 연구에서는 이를 해결하기 위한 제안으로서 Decision Tree를 Harr-like Feature와 결합하는 기법을 제안한다. Decision Tree를 사용 함으로서 보다 넓은 분야의 문제를 해결하기 위해 기존의 Decision Tree를 Harr-like Feature에 적합하도록 개선한 HDCT라고 하는 Harr-like Feature를 활용한 Decision Tree를 제안하였으며 이것의 성능을 Adaboost와 비교 평가하였다.

• 전기전자학회논문지
• /
• 제18권4호
• /
• pp.536-543
• /
• 2014

Terrain classification is still a challenging issue in image processing, especially with high resolution satellite images. The well-known obstacles include low accuracy in the detection of targets, especially for the case of man-made structures, such as buildings and roads. In this paper, we present an efficient approach to classify and detect building footprints, foliage, grass and road from high resolution grayscale satellite images. Our contribution is to build a strong classifier using AdaBoost based on a combination of co-occurrence and Haar-like features. We expect that the inclusion of Harr-like feature improves the classification performance of the man-made structures, since Haar-like feature is extracted from corner features and rectangle features. Also, the AdaBoost algorithm selects only critical features and generates an extremely efficient classifier. Experimental result indicates that the classification accuracy of AdaBoost classifier is much higher than that of the conventional classifier using back propagation algorithm. Also, the inclusion of Harr-like feature significantly improves the classification accuracy. The accuracy of the proposed method is 98.4% for the target detection and 92.8% for the classification on high resolution satellite images.