• 전자공학회논문지CI
• /
• 제47권5호
• /
• pp.1-9
• /
• 2010

일반적으로 동적 손동작 인식을 위해서는 전처리, 손 추적, 손 모양 검출의 단계가 필요하다. 본 논문에서는 전처리와 손 모양 검출 방법을 개선함으로써 성능을 향상시킨 동적 손동작 인식 방법을 제안한다. 전처리 단계에서는 동적테이블을 이용하여 노이즈제거 성능을 높이고, YCbCr 컬러공간을 이용한 기존의 피부색 검출 방식에서 피부색의 범위를 조절할 수 있도록 하여 피부색 검출 성능을 높인다. 특히 손 모양 검출 단계에서는 가이드라인을 이용하여 동적 손동작 인식의 요소인 시작이미지(Start Image)와 정지 이미지(Stop Image)를 검출하여 동적 손동작을 인식하기 때문에 학습예제를 사용한 손동작 인식 방법에 비해 인식 속도가 빠르다는 이점이 있다. 가이드라인이란 웹캠을 통해 입력되는 손의 모양과 비교하여 검출하기 위해 화면에 출력하는 손 모양의 라인이다. 가이드라인을 이용한 동적 손동작 인식 방법의 성능을 평가하기 위해 웹캠을 사용하여 복잡한 배경과 단순한 배경으로 구분된 9가지 동영상을 대상으로 실험하였다. 그 결과 CPU 점유율이 낮고, 메모리 사용량도 적기 때문에 시스템 부하가 높은 환경에 효과적임을 알 수 있었다.

• 전자공학회논문지CI
• /
• 제39권1호
• /
• pp.23-34
• /
• 2002

본 논문에서는 진화전략을 이용하여 빠르게 학습하는 새로운 구조의 뉴로퍼지 시스템을 제안하고 제안한 시스템의 효용성을 입증하기 위하여 비선형 시스템 동정에 응용한 결과를 설명한다. 뉴로퍼지 시스템의 학습 방법으로는 지금까지 주로 변형된 오류역전파 알고리즘과 최적화 기법인 유전자 알고리즘이 많이 사용되어왔으나, 오류역전파 알고리즘은 학습시간이 많이 걸리며 유전자 알고리즘은 해를 유전형 형태로 표현함으로 인하여 미세한 탐색이 힘든 단점이 있었다. 본 논문에서 사용한 진화전력은 해를 표현형의 개체로 나타내어 실수형태로 진화하기 대문에 미세한 탐색이 가능하며 오류역전파 알고리즘에 비해 지역해에 빠질 가능성이 작고 속도가 빠른 장점이 있다. 제안한 뉴로퍼지 시스템을 비선형 시스템 동정에 적용한 결과 학습속도가 빠르며 학습결과도 우수함을 보았다.

• 정보보호학회논문지
• /
• 제29권6호
• /
• pp.1327-1337
• /
• 2019

IoT 시장의 성장과 더불어 linux 아키텍쳐를 사용하는 디바이스들에 대해 악성코드 보안 위협이 꾸준히 증가하고 있다. 하지만, Mirai 등의 심각한 보안피해를 야기한 주요 악성코드들을 제외하면 linux 악성코드에 대한 보안 커뮤니티의 관련 기술이나 연구는 전무한 수준이다. 또한, IoT 환경의 디바이스, 벤더, 아키텍쳐 등의 다양성이 더욱 심화됨에 따라 linux 악성코드 대응 난이도 또한 심화되고 있다. 따라서, 본 논문에서는 linux 아키텍쳐의 주요 포맷인 ELF를 분석하고 이를 기반으로 한 분석 시스템과, IoT 환경을 고려한 바이너리 기반의 분석 시스템을 제안한다. ELF 기반의 분석 시스템은 상대적으로 고속으로 다수의 악성코드에 대해 전처리 분류 할 수 있으며 상대적으로 저속의 바이너리 기반의 분석 시스템은 전처리 하지 못한 데이터에 대해 모두 분류 가능하다. 이러한 두 개의 프로세스는 서로 상호보완되어 효과적으로 linux 기반의 악성코드를 분류할 수 있을 것이라 기대한다.

• 한국조명전기설비학회:학술대회논문집
• /
• 한국조명전기설비학회 2009년도 춘계학술대회 논문집
• /
• pp.408-411
• /
• 2009

In this paper, conventional PI, fuzzy neural network(FNN) and adaptive teaming mechanism(ALM)-FNN for rotor field oriented controlled(RFOC) induction motor are studied comparatively. The widely used control theory based design of PI family controllers fails to perform satisfactorily under parameter variation nonlinear or load disturbance. In high performance applications, it is useful to automatically extract the complex relation that represent the drive behaviour. The use of learning through example algorithms can be a powerful tool for automatic modelling variable speed drives. They can automatically extract a functional relationship representative of the drive behavior. These methods present some advantages over the classical ones since they do not rely on the precise knowledge of mathematical models and parameters. Comparative study of PI, FNN and ALM-FNN are carried out from various aspects which is dynamic performance, steady-state accuracy, parameter robustness and complementation etc. To have a clear view of the three techniques, a RFOC system based on a three level neutral point clamped inverter-fed induction motor drive is established in this paper. Each of the three control technique: PI, FNN and ALM-FNN, are used in the outer loops for rotor speed. The merit and drawbacks of each method are summarized in the conclusion part, which may a guideline for industry application.

• 정보처리학회논문지B
• /
• 제9B권5호
• /
• pp.643-652
• /
• 2002

본 연구에서는 신경망 기반 독립성분분석의 분리성능을 개선하기 위해 할선법과 모멘트의 조합형 고정점 알고리즘을 제안하였다. 할선법은 독립성분 상호간의 정보를 최소화하는 목적함수의 근을 근사적으로 구함으로써 계산과정을 단순화하여 좀 더 개선된 분리성능을 얻기 위함이고, 모멘트는 계산과정에서 발생하는 발진을 억제하여 보다 빠른 분리속도를 얻기 위함이다. 이렇게 하면 할선법이 가지는 근사성에 따른 우수성과 과거의 속성을 반영하여 발진을 억제하는 모멘트의 우수성을 동시에 살릴 수 있다. 제안된 알고리즘을 $256\times{256}$ 픽셀의 8개 지문과 $512\times{512}$ 픽셀의 10개 영상으로부터 임의의 혼합행렬에 따라 생성된 복합지문과 복합영상을 각각 대상으로 시뮬레이션 한 결과, 뉴우턴법에 기초한 기존의 알고리즘과 할선법만에 기초한 알고리즘보다 각각 우수한 분리률과 빠른 분리속도가 있음을 확인하였다. 또한 할선법의 이용은 뉴우턴법을 이용한 고정점 알고리즘보다 초기값에도 덜 의존하며, 문제의 규모가 커짐에 따른 비현실적인 분리시간도 해결할 수 있음을 확인하였다.

• 한국산학기술학회논문지
• /
• 제22권5호
• /
• pp.251-256
• /
• 2021

일반적인 카메라와 다르게 초당 매우 많은 개수의 프레임을 캡처할 수 있는 기능을 가진 고속의 카메라는 그동안 제한적이었던 일부의 영상 처리 기술들의 고도화를 가능하게 할 수 있다. 본 논문에서는 입력되는 초고속의 컬러 영상으로부터 잡음을 제거한 다음, 잡음이 제거된 영상으로부터 사람의 얼굴 영역을 검출하는 방법을 제시한다. 본 논문에서는 우선 입력되는 초고속의 영상 안에 포함된 잡음 화소들을 양방향의 필터를 적용하여 효과적으로 제거한다. 그런 다음, 레티나 얼굴 모델을 사용하여 잡음이 제거된 영상으로부터 사람의 개인 정보를 대표적으로 나타내는 얼굴 영역을 강인하게 검출한다. 실험 결과에서는 본 논문에서 제시한 알고리즘이 입력되는 컬러 영상으로부터 잡음을 제거한 다음, 생성된 모델을 사용하여 사람의 얼굴 영역을 강인하게 검출한다는 것을 보여준다. 본 논문에서 제시된 모델 기반의 얼굴 영역검출 방법은 실내외 건물의 모니터링, 출입문 개폐 관리, 그리고 모바일 생체 인증과 같은 영상처리 및 패턴 인식과 관련된 실제적인 많은 응용 분야의 기초 기술로 사용될 것으로 예상된다.

• 한국인터넷방송통신학회논문지
• /
• 제19권4호
• /
• pp.93-98
• /
• 2019

광학시스템에서 가장 중요한 기술 중의 하나는 고속으로 이동하는 표적을 지속적으로 추적할 수 있는 고속 자동 표적 추적 시스템이다. 본 논문은 원거리 소형 표적에 대해서 고속으로 이동하는 표적에 대해서 급격한 형태 변화에도 강인한 상관 트렉커 기반에 자동 표적 추적 시스템을 설계한다. 본 논문은 IR 영상에서 $3{\times}3$ 이상의 표적에 대해서 4ms 내에 고속으로 표적을 추적하기 위한 커널 함수와 correlation filter 설계 최적화 방법을 제시하고, 이를 VxWorks와 같은 실시간 O/S 하에서 짐벌과 함께 연동하여 시험을 수행한다. 제안된 알고리즘의 성능 검증을 위해서 실제로 복잡환경에서 기동하는 드론, 비행체를 대상으로 IR 카메라로 영상을 획득한 후 이를 실시간 보드상에서 시험을 진행한 결과 응답시간 4ms이하에서 약 98% 추적 성공률를 보였다.

• 말소리와 음성과학
• /
• 제13권3호
• /
• pp.71-78
• /
• 2021

인공신경망에 기반한 대부분의 음성 합성 모델은 고음질의 자연스러운 발화를 생성하기 위해 보코더 모델을 사용한다. 보코더 모델은 멜 스펙트로그램 예측 모델과 결합하여 멜 스펙트로그램을 음성으로 변환한다. 그러나 보코더 모델을 사용할 경우에는 많은 양의 컴퓨터 메모리와 훈련 시간이 필요하며, GPU가 제공되지 않는 실제 서비스 환경에서 음성 합성이 오래 걸린다는 단점이 있다. 기존의 선형 스펙트로그램 예측 모델에서는 보코더 모델을 사용하지 않으므로 이 문제가 발생하지 않지만, 대신에 고품질의 음성을 생성하지 못한다. 본 논문은 뉴럴넷 기반 보코더를 사용하지 않으면서도 양질의 음성을 생성하는 Tacotron 2 & Transformer 기반의 선형 스펙트로그램 예측 모델을 제시한다. 본 모델의 성능과 속도 측정 실험을 진행한 결과, 보코더 기반 모델에 비해 성능과 속도 면에서 조금 더 우세한 점을 보였으며, 따라서 고품질의 음성을 빠른 속도로 생성하는 음성 합성 모델 연구의 발판 역할을 할 것으로 기대한다.

• 한국컴퓨터정보학회논문지
• /
• 제25권12호
• /
• pp.45-53
• /
• 2020

본 연구의 목적은 요양병원에서 발생할 수 있는 노인안전사고 발생률을 감소시키는 것이다. 즉, 위험지역으로 접근하는 인물이 노인(환자복) 그룹인지 실무자(평상복) 그룹인지를 CCTV에 나타나는 의복을 기준으로 구별하는 것이다. Web Crawling기법과 요양병원으로부터 지원을 받아 기초 데이터를 수집하였다. 이후 Image Generator와 Labeling으로 모델 학습 데이터를 만들었다. CCTV의 제한된 성능 때문에 높은 정확도와 속도를 모두 갖춘 모델을 만드는 것은 어려웠다. 그러므로 정확성이 상대적으로 우수한 ResNet 모델, 속도에서 상대적으로 우수한 YOLO3 모델을 각각 구현했다. 그리고 요양병원이 자신의 실정에 맞는 모델을 고를 수 있게 하고자 했다. 연구 결과 환자복과 평상복을 적절한 정확도로 구별할 수 있는 모델을 구현하였다. 따라서 실제 사용처에서 노인들이 위험구역에 접근하지 못하도록 하여 요양병원 안전사고 감소에 이바지 할 것으로 평가된다.

• 한국컴퓨터정보학회논문지
• /
• 제27권4호
• /
• pp.19-26
• /
• 2022

최근 지능형 교통 체계의 발전에 따라 자동차 번호판 인식 시스템이 다양한 분야에서 활용되고 있다. 주행 중인 자동차의 번호판을 인식하기 위해서는 실시간성이 보장되어야 하며, 영상이 왜곡되어 뚜렷하지 않거나 번호판의 크기가 작은 저해상도 영상에서도 높은 인식률이 유지되어야 한다. 본 논문에서는 자유 앵커 방식 기반의 객체 탐지 알고리즘과 합성곱 신경망(CNN) 기반의 문자 인식 알고리즘을 이용하여 처리 속도를 향상한 실시간 자동차 번호판 인식 시스템을 제안한다. 더불어 공간 변형 네트워크를 이용하여 저해상도 및 왜곡된 영상에서의 인식률을 높였다. 제안하는 시스템의 인식률은 93.769%, 이미지 당 처리 속도는 약 0.006초로 기존 자동차 번호판 인식 시스템보다 빠른 속도로 자동차 번호판을 인식하며, 다양한 환경 및 품질의 영상에 대해 높은 인식률을 유지하는 것을 확인할 수 있다.