• 한국컴퓨터정보학회논문지
• /
• 제15권4호
• /
• pp.47-55
• /
• 2010

본 논문은 실시간 카메라 영상으로부터 얼굴을 검출하고 얼굴 표정을 인식하여 웃음 치료훈련을 할 수 있는 시스템을 제안한다. 제안된 시스템은 카메라 영상으로부터 Haar-like 특징을 이용하여 얼굴 후보 영역을 검출한 다음, SVM분류기를 이용하여 얼굴 후보 영역이 얼굴 영상인지 아닌지를 검증한다. 그 다음에는 검출된 얼굴 영상에 대해, 조명의 영향을 최소화하기 위한 방법으로 히스토그램 매칭을 이용한 조명 정규화를 수행한다. 표정 인식 단계에서는 PCA를 사용하여 얼굴 특징 벡터를 획득한 후 다층퍼셉트론 인공신경망을 이용해 실시간으로 웃음표정을 인식하였다. 본 논문에서 개발된 시스템은 실시간으로 사용자의 웃음 표정을 인식하여 웃음 양을 화면에 표시해 줌으로써 사용자 스스로 웃음 훈련을 할 수 있게 해 준다. 실험 결과에 따르면, 본 논문에서 제안한 방법은 SVM 분류기를 통한 얼굴 후보 영역 검증과 히스토그램 매칭을 이용한 조명정규화를 이용하여 웃음 표정 인식률을 향상시켰다.

• 전자공학회논문지CI
• /
• 제45권2호
• /
• pp.1-9
• /
• 2008

휴대폰에서 보안 필요성이 증가함에 따라 개인 인증을 위하여 홍채, 지문, 얼굴과 같은 단일 생체 정보를 이용한 많은 연구들이 진행되었으나 단일 생체 인식에서는 인식 정확도에 한계가 있었다. 따라서 본 논문에서는 휴대폰 환경에서 고 인식율을 위해 얼굴과 홍채를 결합하는 방법에 대해 제안한다. 본 논문에서는 근적외선 조명과 근적외선 통과 필터를 부착한 휴대폰의 메가 픽셀 카메라를 사용하여 근적외선 얼굴 및 홍채 영상을 동시에 취득한 후, SVM(Support Vector Machine)을 기반으로 스코어 레벨에서 결합하였다. 또한, 저 연산의 로가리듬(Logarithm) 알고리즘을 사용한 얼굴 데이터의 조명 변화에 대한 정규화와 극 좌표계 변환 및 홍채 코드의 비트 이동 매칭에 의한 홍채 영역의 이동, 회전, 확대 및 축소에 대한 정규화를 통해 SVM의 분류 복잡도와 얼굴, 홍채 데이터의 본인 변화도를 최소화함으로써 인식 정확도를 향상시켰으며, 저 연산의 휴대폰 환경에서 정수혈 기반의 얼굴 및 홍채 인식 알고리즘을 사용하여 처리시간을 향상시켰다. 실험 결과, SVM을 사용한 인식의 정확성이 단일 생체(얼굴 또는 홍채), SUM, MAX, MIN 그리고 Weighted SUM을 사용하는 것보다 우수한 것을 알 수 있었다.

• 한국통신학회논문지
• /
• 제32권9C호
• /
• pp.861-866
• /
• 2007

본 논문은 가우시안 확률분포함수 (Gaussian Probability Distribution Function) 데이터 군집화를 위해 중심신경망 (Centroid Neural Network, CNN)에 Bhattacharyya 커널을 적용한 군집화 알고리즘 (Bhattacharyya Kernel based CNN, BK-CNN)을 제안한다. 제안된 BK-CNN은 무감독 알고리즘인 중심신경망을 기반으로 하고 있으며, 커널 방법을 이용하여 데이터를 특징공간에서 투영한다. 입력공간의 비선형 문제를 선형적으로 해결하기 위해 제안한 커널 방법인데, 확률분포 사이의 거리측정을 위해 Bhattacharyya 거리를 이용한 커널방법을 사용하였다. 제안된 BK-CNN을 영상데이터 분류의 문제에 적용했을 때, 제안된 BK-CNN 알고리즘이 Bhattacharyya 커널을 적용한 k-means, 자기조직지도(Self-Organizing Map)와 중심 신경망등의 기존 알고리즘보다 1.7% - 4.3%의 평균 분류정확도 향상을 가져옴을 확인할 수 있었다.

• 정보처리학회논문지B
• /
• 제13B권4호
• /
• pp.393-400
• /
• 2006

얼굴 인식에서 얼굴 이미지의 특정 추출 방법에는 여러 가지가 있다. 그러나, 얼굴 이미지의 대부분은 표본의 수보다 특정 변수의 수가 많기 때문에 이러한 점을 고려한 특정 추출 방법이 필요하다. 본 논문에서는 부분 최소제곱법을 이용하여 특정 벡터의 차원을 축소하는 방법을 제안한다. 전통적인 차원 축소 방법인 주성분 분석은 클래스의 정보를 고려하지 않고 최대 변이를 가지는 성분을 추출하기 때문에, 클래스의 구분에 필요한 특정을 필수적으로 추출하지 못한다. 이에 비해, 부분 최소제곱법은 클래스 변수에 대한 정보를 포함하여 성분을 추출한다. 그러므로, 분류를 하는데 있어서는 주성분 분석에 의해 추출된 성분보다는 부분 최소제곱법에 의해 추출된 성분이 보다 더 예측적이다. 맨체스터와 ORL 얼굴 데이터베이스를 이용하여 실험한 결과, 분류와 차원 축소 측면에서 주성분 분석 방법보다는 부분 최소제곱법을 이용한 방법이 그 성능이 우수함을 알 수 있었다.

• 한국콘텐츠학회논문지
• /
• 제8권1호
• /
• pp.236-245
• /
• 2008

다양한 조명 환경 하에서, 얼굴인식이 잘 동작하도록 하는 것은 매우 어려운 일이며 성공적인 상업화를 위해서는 반드시 성취되어야 하는 작업이다. 본 논문에서는 얼굴 인식을 위한 효율적인 조명 전처리 방법을 제안한다. Anisotropic smoothing 기반 조명 전처리 방법은 조명 전처리 방법 가운데 효과적인 방법으로 잘 알려져 있으나, 원 이미지의 명도 대비를 감소시키며 에지 성분의 약화를 초래한다. 본 논문의 제안 방법은 기존 anisotropic smoothing 방법을 개선하여, 조명의 영향을 줄이면서 명도 대비를 증가시키고 에지 정보를 강화한다. 이러한 개선의 결과로, 본 논문의 제안 방법에 의해 조명 전처리된 같은 사람의 얼굴 이미지들은 보다 차별적인 특징 벡터(가버 특징 벡터)를 갖게 된다. 본 논문에서 제안한 조명 전처리 방법의 효율성은 가버젯 유사도를 이용한 얼굴 인식의 실험을 통하여 입증되었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권8호
• /
• pp.3312-3327
• /
• 2020

Plant diseases are a significant yield and quality constraint for farmers around the world due to their severe impact on agricultural productivity. Such losses can have a substantial impact on the economy which causes a reduction in farmer's income and higher prices for consumers. Further, it may also result in a severe shortage of food ensuing violent hunger and starvation, especially, in less-developed countries where access to disease prevention methods is limited. This research presents an investigation of Directional Local Quinary Patterns (DLQP) as a feature descriptor for plants leaf disease detection and Support Vector Machine (SVM) as a classifier. The DLQP as a feature descriptor is specifically the first time being used for disease detection in horticulture. DLQP provides directional edge information attending the reference pixel with its neighboring pixel value by involving computation of their grey-level difference based on quinary value (-2, -1, 0, 1, 2) in 0°, 45°, 90°, and 135° directions of selected window of plant leaf image. To assess the robustness of DLQP as a texture descriptor we used a research-oriented Plant Village dataset of Tomato plant (3,900 leaf images) comprising of 6 diseased classes, Potato plant (1,526 leaf images) and Apple plant (2,600 leaf images) comprising of 3 diseased classes. The accuracies of 95.6%, 96.2% and 97.8% for the above-mentioned crops, respectively, were achieved which are higher in comparison with classification on the same dataset using other standard feature descriptors like Local Binary Pattern (LBP) and Local Ternary Patterns (LTP). Further, the effectiveness of the proposed method is proven by comparing it with existing algorithms for plant disease phenotyping.

• 대한전자공학회논문지SP
• /
• 제42권2호
• /
• pp.121-130
• /
• 2005

본 논문에서는 웨이블릿 변환을 이용하여 흥채의 특징을 추출하는 기법에 대해 제안한다. 웨이블릿 변환은 수행 속도가 빠르며 신호의 에너지를 저주파 대역으로 잘 모아주는 우수한 국소화 특징을 갖고 있으며, 특히 저주파 대역을 효율적인 특징 벡터로 사용한 수 있다. 한편 인식에 사용하고자 하는 흥채 영역에 눈꺼풀, 눈썹, 반사광, 안경의 흠집 등으로 인한 잡음이 포함될 수 있다. 이러한 잡음은 그 자체로도 홍채 패턴을 크게 변형시키며, 웨이블릿, 가보 등의 필터 기반 특징 추출 알고리즘은 잡음을 전체 영역으로 확산시킨다. 즉 잡음은 흥채 인식 시스템의 성능을 저하시킨다. 이를 막기 위해 본 논문에서는 홍채 템플릿을 여러 개의 영역으로 분할하여 각 영역에 대해 웨이블릿 변환을 수행함으로써 잡음의 영향을 제한된 영역에 국한시킨다. 실험에서 웨이블릿 방법이 기존의 Gabor 변환을 이용한 특징 추출 방법과 비교하여 특징 추출 속도는 더 빠르면서 대등한 성능을 보여주는 것을 확인할 수 있으며 영역 분할로 인해 성능 개선이 되었다.

• 정보처리학회논문지B
• /
• 제12B권5호
• /
• pp.521-526
• /
• 2005

본 논문에서는 저 품질의 한글 문서 영상에서 OCR 기반 검색 시스템의 대안으로 키워드 검출 시스템(Keyword Spotting)을 제안하고 OCR 기반 문서 검색 시스템과 비교한다. 제안 시스템은 문자 분할, 키워드 특징 추출 그리고 단어 매칭으로 구성된다. 문자 분할 단계에서는 인접한 두 문자간의 연결을 효과적으로 분리하면서 문자 넓이 값의 분산이 최소가 되도록 하는 문자 분할 방법을 제안한다. 키워드 특징은 서체별 문자 모델의 결합으로 구성한다. 단어 매칭 단계에서는 문자 매칭에 기반한 단어 대 단어 매칭 방법을 적용한다. 본 논문에서 제안한 키워드 검출 시스템의 성능을 평가하기 위해 한글 문서 영상을 대상으로 OCR 기반 문서 검색 시스템과 비교하였다. 그 결과 한글 글자 크기가 작고 문서의 상태가 좋지 않은 경우 제안한 키워드 검출 시스템에 의한 검색 성능이 OCR 기반 검색 시스템 보다 우수함을 입증하였다.

• 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.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권1호
• /
• pp.41-50
• /
• 2022

본 논문에서는 멜라닌과 헤모글로빈 등의 피부 색상을 구성하는 주요한 요소들을 카메라의 RGB 신호로부터 직접 계산하는 방법을 제안한다. 피부 색상의 주요한 요소들은 통상적으로 특정한 장비를 이용하여 분광 반사도를 측정하고, 측정된 빛의 일부 파장에서의 값들을 중심으로 재구성하는 방법을 사용한다. 이와 같은 방법으로 산출된 값들은 멜라닌 지수, 홍반 지수와 같은 것들이 있으며, 분광반사도 측정 장치나 다중스펙트럼 카메라 등의 특수한 장비를 필요로 한다. 일반적인 디지털 카메라로부터 이와 같은 성분요소들에 대한 직접적인 계산방법은 찾아보기 어려우며, 독립성분 분석(Independent Component Analysis)을 이용하여 멜라닌과 헤모글로빈의 농도를 간접적으로 계산하는 방법은 제안되어 있다. 이 방법은 일정한 RGB 영상의 영역을 대상으로 하여, 주성분 분석(Principal Component Analysis)과 유사한 방식으로 멜라닌과 헤모글로빈의 특성벡터를 추출하고, 농도를 계산할 수 있다. 이 방법의 단점은 일정한 영역의 화소 그룹을 입력으로 이용하기 때문에 화소단위의 직접적인 계산이 어렵고, 추출된 특성벡터는 최적화 방식으로 구현하기 때문에 실행할 때마다 다른 값으로 계산되는 경향이 있다. 최종적인 계산은 특성벡터 자체를 활용하지 않고, RGB 좌표계로 다시 변환하여 멜라닌과 헤모글로빈의 성분을 나타내는 영상 형태로 결정된다. 이 방법의 단점을 개선하기 위하여 제안하는 방법은 특성벡터를 활용하여 RGB 좌표계가 아닌 특징 공간에서 멜라닌과 헤모글로빈의 성분 값을 계산하는 것과, 일반적인 디지털 카메라를 이용하여 피부색에 해당하는 분광 반사도를 계산하는 방법, 분광 반사도를 이용하여 멜라닌과 옥시헤모글로빈, 디옥시헤모글로빈, 카로티노이드 등의 피부색소를 구성하는 세부 성분들의 계산방법 등이다. 제안한 방법은 분광 반사도 측정 장치나 다중 스펙트럼 카메라 등의 특수한 장비를 필요로 하지 않으며, 기존 방법과는 달리 화소단위의 직접적인 계산이 가능하고, 반복 실행에도 동일한 특성을 얻을 수 있다. 제안한 방법은 기존에 비하여 성능의 안정성을 나타내는 표준편차가 15% 수준으로 낮게 나타나 6배 정도의 안정적인 성능을 가진 것으로 추정된다.