• 한국지능시스템학회논문지
• /
• 제25권6호
• /
• pp.621-628
• /
• 2015

본 논문에서는 컴퓨터 비전 및 영상처리 기술을 접목하여 지능형 차량에 적용할 수 있는 실시간 차량 검출 알고리즘을 제안한다. 도로 환경의 빠르게 변화하는 배경과 차량의 다양성 때문에 차량의 실시간 검출은 부정확성 및 계산량 증가의 어려움을 가지고 있다. 본 논문은 기존 방법들의 이러한 문제점들을 해결하기 위하여 먼저, 복잡한 배경이 포함되어 있는 실시간 입력 영상으로부터 수직 에지 정보와 차량의 그림자 색정보를 사용하여 후보군을 검출한다. 다음으로, 검출된 후보군 영역들로부터 HOG 특징점을 추출한 후, 마지막으로 추출된 특징점들을 단일층 전방향 신경망 구조를 기반으로 하는 OS 퍼지-ELM을 사용하여 분류한다. 본 논문에서 제안된 방법을 사용하여 실험을 수행한 결과로써 기존의 ELM 및 OS-ELM 방법보다 계산량 및 정확성면에서 향상되었음을 보인다.

• 한국정보통신설비학회:학술대회논문집
• /
• 한국정보통신설비학회 2009년도 정보통신설비 학술대회
• /
• pp.382-386
• /
• 2009

Online or sequential learning is one of the most basic and powerful method to train neuron network, and it has been widely used in disease detection, weather prediction and other realistic classification problem. At present, there are many algorithms in this area, such as MRAN, GAP-RBFN, OS-ELM, SVM and SMC-RBF. Among them, SMC-RBF has the best performance; it has less number of hidden neurons, and best efficiency. However, all the existing algorithms use signal normal distribution as kernel function, which means the output of the kernel function is same at the different direction. In this paper, we use multi-variable normal distribution as kernel function, and derive EKF learning formulas for multi-variable normal distribution kernel function. From the result of the experience, we can deduct that the proposed method has better efficiency performance, and not sensitive to the data sequence.