• 한국정보통신학회논문지
• /
• 제19권10호
• /
• pp.2417-2422
• /
• 2015

색상을 이용한 Mean-Shift 추적 알고리즘은 배경이 객체와 유사한 색상을 가질 때 객체 추적을 실패하는 문제가 있다. 본 논문은 색상 대신 새로운 조합 데이터 이용해 개선된 Mean-Shift 추적 알고리즘을 제안하고 있다. 새로운 데이터는 서로의 상관도가 낮은 색상과 채도의 적응적인 조합으로 생성된다. 즉, 제안된 알고리즘은 객체와 배경을 잘 구분되는 주 색요소와 그렇지 않은 부 색요소 선택하고, 주 색요소와 부 색요소의 상위 4 비트를 각각 조합 데이터의 상위 4비트와 하위 4 비트에 할당한다. 제안된 알고리즘은 배경이 객체와 유사한 색상을 갖는 추적 환경에서도 채도를 주 색요소로 선택함에 의해 추적 오차를 최대 2.0~4.2 화소, 평균 0.49~1.82 화소를 유지하면서 적절하게 객체를 추적한다.

• 한국정보통신학회논문지
• /
• 제18권11호
• /
• pp.2733-2737
• /
• 2014

실시간 영상을 이용하여 움직임 검출을 하는데 사용하는 배경 차영상 기법에 의한 움직임 및 변화 영역 검출 방법과 움직임 히스토리에 의한 움직임 검출법, 광류에 의한 움직임 검출법, 움직임 추적을 위한 추적하려는 물체의 히스토그램의 역투영을 이용하면서 물체의 중심점을 추적하는 MeanShift와 물체의 중심, 크기, 방향을 함께 추적하는 CamShift, Kalman 필터에 의한 움직임 추적 알고리즘 등이 있다. 본 논문에서는 물체의 색상과 모양 정보를 이용한 움직임 검출 알고리즘을 구현하고 검증하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2001년도 춘계학술발표논문집 (상)
• /
• pp.123-126
• /
• 2001

영상내의 문자 정보는 색인에 필요한 유용한 정보를 제공하므로, 이를 이용한 멀티미디어 데이터의 인덱싱기법이 최근 많이 연구되고 있다. 본 논문은 mean shift 알고리즘을 이용한 텍스춰 기반의 문자 영역 추출 방법을 제안한다. 다양한 크기와 모양의 문자에 적응성을 가지는 필터를 만들기 위해 신경망을 이용한다. 문자 영역의 위치와 크기는 문자 확률 영상상에서 mean shift 알고리즘을 이용하여, 국소 탐색만으로 별도의 후처리 과정 없이 기존의 문자 추출 방법보다 우수한 성능을 보인다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 추계학술발표대회
• /
• pp.1413-1415
• /
• 2015

본 논문에서 우리는 의상영역의 유사성을 검사 시 색상분석에 있어 정확도를 향상시키기 위해 Bilateral 필터와 Mean-Shift 알고리즘을 적용하였다. 본 연구의 평가부분에서 필터를 적용한 영상이 의상영역의 구김이나 빛에 의한 영향이 필터를 적용하지 않은 영상보다 적다는 것을 실험을 통해 증명한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제34권10호
• /
• pp.937-944
• /
• 2007

본 논문은 스테레오 카메라를 이용한 이동 카메라 환경에서Mean Shift와 깊이지도를 결합하여 다수의 사람을 다양한 자세, 크기, 조명변화에 강인한 추적을 하는 방법을 제안한다. Mean Shift 추적 알고리즘은 빠르고 안정적인 성능으로 실시간 추적에 적합하다. 그러나 객체의 칼라 정보만으로는 배경과 칼라 분포가 유사한 객체의 경우 추적에 실패할 수 있는 단점을 보완하기 위하여 깊이 정보를 결합하는 방법을 제안한다. 또한 객체가 이동하면서 발생하는 가려짐 문제를 해결하기 위하여 검출된 사람 영역을 머리, 몸통, 다리로 나누어 신체 부위별 모델링을 하였고 박스 크기가 객체의 크기변화에 따라 적응적으로 변하도록 하였다. 본 논문에서 제안하는 알고리즘은 다양한 데이타에 대해서 실험한 결과 정확한 검출과 추적에 우수한 성능을 확인 할 수 있었다.

• 한국전자통신학회논문지
• /
• 제8권2호
• /
• pp.213-218
• /
• 2013

본 논문에서는 효율적 항만관리를 위하여 영상기반 선박 검출 방법을 제안한다. 움직이는 선박의 추적이 용이하도록 시각집중 알고리즘과 평균이동 알고리즘을 적용하여 배경정보를 포함하지 않는 선박영역을 검출한다. 시각집중알고리즘은 배경으로부터 두드러진 특징을 갖는 객체를 추출하는데 효과적이기 때문에 해상에서 선박을 검출하는데 용이하다. 돌출영역에 포함되어 있는 배경정보를 제거하기 위하여 평균이동 알고리즘을 이용하여 영상 분할 및 클러스터링을 한다. 돌출영역 내에 있는 화소 중에서 돌출영역 주변의 클러스터와 같은 컬러값을 갖는 화소를 배경으로 처리함으로써 선박만을 검출한다. 항만에 설치된 고해상도 카메라의 영상을 이용하여 선박 검출 시뮬레이션 결과 제안하는 방법이 선박을 검출하는데 효과적임을 보인다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 추계학술발표대회
• /
• pp.1597-1599
• /
• 2015

본 논문에서는 곡물이나 광석 등의 원료들 중에서 양품 및 불량품을 검출하기 위해, Color CCD 카메라로 촬영한 원료영상에서 Mean-Shift 클러스터링 알고리즘과 단계별 병합 방법을 제안하고 있다. 먼저 원료 학습 영상에서 배경을 제거하고 영상 색 분포정도를 기준으로 모폴로지를 이용하여 영상의 전경맵을 얻는다. 전경맵 영상에 대해서 Mean-Shift 군집화 알고리즘을 적용하여 영상을 N개의 군집으로 나누고, 단계별로 위치 근접성, 색상대푯값 유사성을 비교하여 비슷한 군집끼리 통합한다. 이렇게 통합된 원료 객체는 영상채널마다의 연관관계를 반영할 수 있도록 RG/GB/BR의 2차원 컬러분포도로 표현한다. 원료 객체별로 변환된 2차원 컬러 분포도에서 분포의 주성분의 기울기와 타원들을 생성한다. 객체별 분포 타원은 테스트 원료 영상데이터에서 양품과 불량품을 검출하는 임계값이 된다. 본 논문에서 제안한 방법으로 다양한 원료영상에 실험한 결과, 기존 선별방식에 비해 사용자의 인위적 조작이 적고 정확한 원료 선별 결과를 얻을 수 있었다.

• 한국통신학회논문지
• /
• 제36권7C호
• /
• pp.421-427
• /
• 2011

실시간 객체 인식 및 추적은 컴퓨터 비전 응용 산업이 발달하면서 그 중요성이 더해지고 있다. 객체 추적을 위해 많이 이용되고 있는 알고리즘으로 Mean-Shift 알고리즘이 있다. Mean-Shift 알고리즘을 기반으로 한 객체 추적 알고리즘은 구현이 간단하고, 적은 계산 복잡도를 갖는 장점이 있다. 따라서 실시간 객체 추적 시스템에 적합하다고 할 수 있지만, 지역 모드로의 수렴만을 보장하는 특성으로 인해 객체의 수가 많은 경우 좋은 성능을 나타내지 못하는 단점을 가지고 있다. 그러므로 본 논문에서는 다중 이동 객체를 실시간으로 추적하기 위한 광류기반의 움직임 추정 기법을 제안한다. 제안된 알고리즘의 성능을 확인하기 위해 다중 이동 객체의 인식 실험 결과 유사도는 0.96으로 기존의 Mean-Shift 알고리즘에 비해 약 13.4% 정도 유사도가 개선되었고 평균 픽셀 오류도 3.07로 또한 50% 이상 감소하였다. 향후 알고리즘을 개선하여 처리 속도를 더욱 줄임으로써 매우 빠른 이동 객체 인식과 상황 인지 알고리즘을 추가한다면 보다 효율적인 인식 및 추적 시스템을 구축할 수 있을 것으로 사료된다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2008년도 제39차 동계학술발표논문집 16권2호
• /
• pp.207-210
• /
• 2009

Edge detection is an important process in low level image processing. But many proposed methods for edge detection are not very robust to the image noise and are not flexible for different images. To solve the both problems, an algorithm is proposed which eliminate the noise by mean shift algorithm in advance, and then adaptively determine the double thresholds based on gradient histogram and minimum interclass variance, With this algorithm, it can fade out almost all the sensitive noise and calculate the both thresholds for different images without necessity to setup any parameter artificially, and choose edge pixels by fuzzy algorithm.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2007년도 심포지엄 논문집 정보 및 제어부문
• /
• pp.307-309
• /
• 2007

SVDD의 scale prob1em을 해결하기 위하여, 학습 데이터를 sub-groupings하여 group 단위로 SVDD를 통해 학습함으로써 학습 시간을 줄이는, K-means clustering을 이용한 SVDD 방범(KMSVDD)이 제안되었다. 하지만 KMSVDD는 K-means clustering 알고리즘의 본질상 최적의 K값을 정하기 힘들다는 문제와, 동일한 데이터를 학습할지라도 clustered group이 램덤하게 형성되기 때문에 매번 학습의 결과가 달라지는 문제점이 있었다. 또한 데이터의 분포 상태와 관계없이 무조건 타원(dlliptic) 형태의 K개의 cluster로 나누기 때문에 각각의 나눠진 cluster들은 데이터 분포에 대한 특징을 나타내기 힘들게 된다. 이러한 문제점을 해결하기 위하여 본 논문에서는 데이터 분포에서 mode를 먼저 찾은 후 이 mode를 기준으로 clustering하는 Mean Shift clustering 방법을 이용한 SVDD를 제안하고자 한다. 제안된 알고리즘은 KMSVDD와 비교해 데이터 학습 속도에서는 큰 차이가 없으면서도 데이터의 분포 상태를 고려한 형태로 clustering 한 sub-group을 학습하므로 학습의 정확도가 일정하게 되며, 각각의 cluster는 데이터 분표의 특징을 포함하는 효과가 있다. 또한 Mean Shift Kernel의 bandwidth의 결정은 K-Means의 K와는 달리 어느 정도 여유를 갖고 결정되어도 학습 결과에는 차이가 없다. 다양한 데이터들을 이용한 모의실험을 통하여 위의 내용들을 검증하도록 한다.