• 대한전자공학회논문지SP
• /
• 제46권6호
• /
• pp.43-57
• /
• 2009

여러 시점에서 계측한 3차원 데이터를 통합하는 기술은 3차원 모델링에 매우 중요한 기술이다. 기존의 표면(Surface)통합 방법들은 정합오차와 잡음에 민감하다. 본 논문에서는 표면의 지역적 지형을 이용하는 표면통합 알고리즘을 제안한다. 제안하는 알고리즘은 먼저 인접한 표면 사이에서 일정 지형적 조건을 만족하는 외곽정점의 쌍, 즉 대응정점을 찾아 표면 사이의 지역을 여러 지역으로 구분한다. 다음으로 주성분 분석(PCA)을 통해 각 지역에 대한 최접합 평면(Best Pitting Plane)을 계산하여 표면 사이에 삽입될 삼각형의 생성에 이용한다. 제안하는 알고리즘은 지역적 단위로 지형을 이용하여 인접한 표면을 통합하기 때문에 정합오차와 잡음에 강건하다. 본 논문에서는 또한 변수화(Parameterization)기술을 이용하는 질감(Texture)통합 방법을 제안한다. 제안하는 방법은 통합된 표면을 각 표면의 초기시점으로 변환하고 해당 시점의 질감영상을 투영한다. 투영된 질감영상들을 통합된 표면의 2차원 변수화 표면에 할당하여 표면들이 통합된 이음새를 따라 통합한다. 실험을 통해 제안하는 방법이 얼굴모델링에 효율적임을 보인다.

• 대한전자공학회논문지SP
• /
• 제45권6호
• /
• pp.27-37
• /
• 2008

멀티미디어 기술과 콘텐츠의 발달로 3차원 데이터의 사용 범위가 넓어지고, 이를 보다 효율적으로 관리하고 검색하기 위한 시스템이 필요하다. 본 논문은 효율적인 3차원 모델의 형상 기반 검색을 하기위해 모델의 특징을 추출하는 단면 형상 영상 방법을 제안한다. 3차원 모델의 특징 기술자는 모델에 대한 위치, 회전, 크기에 불변해야 하므로 모델을 정규화 시키는 작업이 필요하다. 본 논문에서는 주성분 분석 방법을 이용하여 정규화하였다. 제안한 알고리즘은 주성분 분석을 통해 각 축의 방향 성분을 찾고, 각 축에 직교하는 n 개의 평면을 생성한다. 이 평면은 각 축의 방향과 직교 성분을 갖으며 단면 형상 영상을 구하는데 사용된다. 단면 형상 영상은 3차원 모델과 각 평면이 교차해서 생기는 2차원 평면 영상이다. 제안한 3차원 모델의 특징 기술자는 단면 형상 영상의 중심점과 2차원 형상(shape)을 이루는 직선까지의 유클리디안 거리(distance)값들의 분포도이다. 검색 성능 평가는 MPEG-7에서 제시한 표준 평가 방법인 표준화된 수정 검색 순위의 평균(ANMRR)을 이용하였고 제안한 방법의 우수성을 실험 결과를 통해 입증하였다.

• 정보처리학회논문지B
• /
• 제16B권5호
• /
• pp.385-394
• /
• 2009

사람의 얼굴은 강체(Rigid object)가 아니기 때문에 얼굴을 추적하거나 인식하는 일은 쉽지 않다. 특히 얼굴의 포즈나 주변 조명의 변화에 따른 입력 영상의 차이는 얼굴 인식을 어렵게 하는 주된 원인이다. 본 논문에서는 비디오 영상으로부터 얼굴을 추적하고 인식할 때 발생하는 이 두 가지의 문제를 해결하기 위한 프레임웍과 전처리 방법을 제안한다. 얼굴 포즈의 변화에도 효과적으로 얼굴을 추적 및 인식하기 위해 먼저 학습 영상으로부터 주성분 분석법(Principal Component Analysis)을 이용하여 각 얼굴 포즈마다 하나의 독립된 가우시안 분포를 추정하고 이를 이용하여 각 사람마다 가우시안 혼합 모델(Gaussian Mixture Model)을 구성한다. 본 논문에서는 서로 다른 조명 상태를 가진 얼굴 영상을 처리하기 위해 먼저 입력된 얼굴 영상을 SSR(Single Scale Retinex) 모델을 이용하여 반사율(Reflectance)과 조도(Illuminance)로 분해한다. 반사율은 사전 정의된 범위 안에서 히스토그램 평활화를 수행함으로써 재조정되고 조도는 조명의 변화를 포함하고 있지 않은 영상들으로부터 학습된 매니폴드 모델로 다시 근사된다. 이 두 특징을 결합함으로써 실내 환경이나 실외 환경에서 촬영된 영상에서 효율적으로 얼굴을 추적 및 인식한다. 비디오 기반의 영상으로부터 보다 효율적으로 얼굴을 추적하기 위해 본 논문에서는 구성된 모델의 가중치를 각 프레임마다 이전 프레임의 추적 결과에 의해 EM 알고리즘을 이용하여 갱신함으로써 비디오 영상내의 연속적으로 변화하는 얼굴 포즈를 추정하였다. 본 논문에서 제안된 방법은 실내에서의 다양한 조명환경과 실외의 여러 장소에서 획득한 실험 영상을 이용하여 기존에 연구되어 온 다른 방법에 비해 우수한 성능을 보였다.

• 대한원격탐사학회지
• /
• 제34권6_1호
• /
• pp.1041-1053
• /
• 2018

본 연구에서는 용담댐 유역을 대상으로 저수위/저수량 모니터링 및 예측을 위하여 고해상도 위성관측 자료를 이용하는 방법과 위성으로부터 추출한 강수량 자료로부터 가뭄지수를 이용한 저수위를 모니터링하고 SSA를 이용한 PCA방법으로 예측모델을 구축하여 가뭄을 예측하는 방법을 개발하였다. 용담댐 저수위와 SPI(3)와의 상관계수가 0.78로 매우 높은 상관성을 보였으며, 위성자료를 통하여 산정한 가뭄지수를 활용하여 댐 저수위/저수량 모니터링 및 예측 가능성을 진단하였다. SSA에 의한 주성분 분석결과 SPI(3)과 각 RC자료의 상관관계를 분석한 결과 CC=0.87~0.99의 높은 상관성을 보였으며, 표준화된 댐 저수위(N-W.S.L.)와 RC자료의 상관관계를 분석한 결과 CC=0.83~0.97의 비교적 높은 상관성을 보임을 확인하였다. 또한, Sentinel-2 위성의 MSI (Multi-Spectral Instrument) 센서로 댐수위의 변화를 모니터링하기 위해 지수 기법을 적용하여 수체 탐지 알고리즘을 개발하였으며, 용담댐유역에 대해 2016년부터 2018년까지의 수계 면적 변화를 분석하였다. 이를 기반으로 Sentinel-2 위성영상으로 추출한 수계 면적 변화를 이용하여 가뭄 감시 분야에 대한 활용 가능성을 제시하였다. 본 연구의 결과는 다양한 위성관측자료로부터 미계측 지역의 저수량 모니터링과 수문학적 가뭄 모니터링/예측에 활용이 가능할 것이다.

• 문화기술의 융합
• /
• 제7권2호
• /
• pp.411-417
• /
• 2021

인간과 컴퓨터의 상호작용을 연구하는 분야를 HCI(Human-computer interaction)라고 한다. 이 분야는 인간과 컴퓨터 간에 서로 소통하면서 정보를 인식하는 방법에 대해 연구하는 학문 분야이다. 본 연구는 사람과의 상호작용을 위한 손동작 인식에 대한 연구로써 기존 인식방법의 문제점을 살펴보고 인식률을 개선하기 위한 알고리즘을 제시한다. 사람의 손 모양이 포함된 영상을 대상으로 피부색 정보를 바탕으로 손 영역을 추출하고, 주성분 분석을 이용하여 무게중심 프로필을 계산한다. 이렇게 얻은 정보를 미리 정의된 형상들과 비교하여 손동작을 인식률을 높이는 방법을 제안하였다. 기존의 무게중심 프로필은 회전으로 인한 손의 변형에 대해 잘못된 손동작 인식을 결과를 보여주었으나, 본 연구에서는 무게중심 프로필을 이용하고 모든 윤곽선의 점들과 무게중심 사이의 거리가 가장 긴 점을 시작점으로 하여 무게중심 프로필을 다시 개선함으로써 강건한 알고리즘을 제시하였다. 손동작 인식을 위하여 센서가 부착된 장갑이나 특별한 마커를 사용하지 않으며, 별도의 청색 스크린을 설치하지도 않는다. 이 결과에 대해 가장 가까운 거리의 특징벡터를 찾아 잘못된 인식을 해결하고, 적당한 경계치를 구하여 성공과 실패를 구분한다.

• 한국측량학회지
• /
• 제34권1호
• /
• pp.99-107
• /
• 2016

VLBI 시스템의 정밀측위 정확도 유지를 위하여 안테나 구조물에서 발생하는 형상 변형을 분석할 수 있는 모니터링 연구가 반드시 수행되어야 한다. 특히, VLBI 안테나 주 반사경의 형상 변화로 인하여 퀘이사로부터 전자기파 수신에 대한 안테나 이득이 감소할 것으로 예상됨에 따라, 주 반사경을 대상으로 하는 형상 변형 모니터링에 대한 중요성이 증대되고 있다. 이에 따라, 본 연구에서는 향후 상시적이고 자동화된 구조 변형 모니터링 시스템으로 활용될 수 있는 근접사진측량 방법과 연계한 효율적인 알고리즘 구축을 통해 VLBI 구조물 중 가장 변형 가능성이 높은 주 반사경을 모니터링하기 위한 기반연구를 수행하였다. 이를 위해, VLBI 안테나 주 반사경의 전 방향에 분포된 특징점을 대상으로 토털최소제곱법을 활용하여 총 10개의 fitting line을 추정하고, 비교차 선들 간의 근접점 계산 알고리즘을 활용하여 추정된 fitting line들의 교차점을 계산하였다. 본 연구결과는 향후 시계열 분석을 통해 3축으로 표현된 교차점의 수치변동량을 계산함으로써 변형률뿐만 아니라 변형방향까지 예측할 수 있는 직관적인 근거자료로 활용 가능할 것으로 판단된다.

• 한국지구과학회지
• /
• 제42권6호
• /
• pp.623-631
• /
• 2021

국내외 해상 위험·유해물질(HNS, Hazardous and Noxious Substances) 물동량 증가와 함께 HNS 유출 사고가 빈번히 발생하고 있다. HNS는 전 세계적으로 약 6,000여 종으로 대부분 유독한 성질을 가지므로 이러한 유출 사고 발생은 해양 생태계 파괴를 비롯하여 폭발 및 화재 등으로 인한 인명 및 재산피해를 유발한다. 따라서 해상 HNS 유출 사고를 대비하여 파장에 따른 HNS 분광 라이브러리 구축 및 탐지 알고리즘을 개발해야 한다. 본 연구에서는 프랑스 현지에서 지상 HNS 유출 실험을 진행하였다. 초분광센서 관측을 통해 파장에 따른 톨루엔 라이브러리 스펙트럼을 구축하였으며, 분광혼합 알고리즘을 활용하여 초분광 HNS를 탐지하였다. 전처리 과정으로 주성분 분석을 적용하여 노이즈 제거 및 차원 압축을 수행하였으며, N-FINDR 기법을 통해 영상을 대표하는 톨루엔과 해수의 엔드멤버 스펙트럼을 추출하였다. 스펙트럼 기반의 톨루엔 및 해수의 점유비율을 계산함으로써 모든 픽셀의 HNS 탐지 정확도를 확률로 제시하였다. 최대 탐지 정확도를 가지는 점유비율 선정을 위해 418.15 nm 파장의 복사도 영상과 비교하였으며, 그 결과 약 42%의 비율에서 99% 이상의 정확도를 나타내었다. 해상 HNS 유출은 높은 위험성으로 인해 사람이 쉽게 접근할 수 없는 한계를 지닌다. 본 HNS 실험과정 및 탐지 결과는 초분광 원격탐사에 기반한 HNS 오염 해역 추정에 도움이 될 것이다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권11호
• /
• pp.527-536
• /
• 2017

최근 스마트 그리드 산업의 발달과 더불어 효과적인 에너지 관리 시스템의 필요성이 커지고 있다. 특히, 전기 부하 및 에너지 요금 감소를 위해서는 정확한 전력수요 예측과 그에 따른 효과적인 스마트 그리드 운영 전략이 필요하다. 본 논문에서는 보다 정확한 전력수요 예측을 위하여, 수요 시한 기준으로 수집된 전력 사용 데이터를 고시간 해상도로 분할하고, 이에 적합한 인공 신경망 기반의 전력수요 예측 모델을 구축하고자 한다. 예측 모델의 정확도를 향상시키기 위하여 우선, 수열 형태의 시계열 데이터가 가지는 주기성을 제대로 반영하지 못하는 기계 학습 모델의 문제점을 해결하고자, 시계열 데이터를 2차원 공간의 연속적인 데이터로 변환한다. 더욱이, 고시간 해상도에 따른 온도나 습도 등 외부 요인들의 보다 정확한 반영을 위해 이들에 대해서도 선형 보간법을 사용하여 세분화된 시점에서의 값을 추정하여 반영한다. 마지막으로, 구성된 특성 벡터에 대해 주성분 분석 수행을 통하여 불필요한 외부 요인을 제거한다. 예측 모델의 성능을 평가하기 위해서 5겹 교차 검증을 수행하였다. 실험 결과 모든 고시간 해상도에서 성능 향상을 보였으며, 특히 3분 해상도의 경우 3.71%의 가장 낮은 오차율을 보였다.

• 재활복지공학회논문지
• /
• 제11권4호
• /
• pp.371-376
• /
• 2017

본 논문에서는 원형 근전도 시스템 장비를 사용하여 근전도 패턴인식을 할 때, 장비의 센서 위치와 무관하게 패턴 인식이 가능한 알고리즘을 제안한다. 6가지 동작의 8채널 근전도 신호를 1초간 측정한 데이터를 이용하여 14개의 특징점을 추출하였다. 또한 8개의 채널에서 추출된 112개의 특징점을 나열하여 주성분분석을 하고 영향력이 높은 데이터만을 추려내어 8개의 입력 신호로 줄였다. 모든 실험은 k-NN 분류기를 이용하여 데이터를 학습시키고 5-fold 교차 검증을 사용하여 데이터를 검증하였다. 기계학습에서 데이터를 학습시킬 때, 어떤 데이터를 학습하느냐에 따라 그 결과가 크게 달라진다. 기존의 연구들에서 사용하는 학습 데이터를 사용 할 경우 99.3%의 정확도를 확인하였다. 그러나 센서의 위치가 22.5도 정도만 틀어지더라도 67.28%의 정확도로 명확하게 떨어짐을 보았다. 본 논문에서 제안하는 학습 방법을 사용 할 경우 98%의 정확도를 보이고 장비의 센서의 위치가 바뀌더라도 98% 근처의 정확도를 유지함을 보였다. 이러한 결과를 사용하여 원형 근전도 시스템을 사용하는 사용자들의 편의성을 크게 증대시켜 줄 수 있을 것으로 보인다.

• 지능정보연구
• /
• 제23권4호
• /
• pp.77-110
• /
• 2017

최근 인터넷 기반의 웹 및 모바일 기기를 통한 소비 패턴의 다양화와 개성화가 급진전됨에 따라 전통적 유통채널인 오프라인 매장의 효율적 운영이 더욱 중요해졌다. 매장의 매출과 수익 모두를 제고하기 위해 매장은 소비자에게 가장 매력적인 상품을 적시에 공급-판매 해야 하는데 많은 상품들 중에서 어떤 SKU를 취급하는 것이 판매 확률을 높이고 재고 비용을 낮출 수 있는지에 대한 연구가 부족한 실정이다. 특히, 여러 지역에 걸쳐 다수의 오프라인 매장을 통해 상품을 판매하는 기업의 경우 고객에게 매력적인 적절한 SKU를 추천 받아 취급할 수 있다면 매장의 매출 및 수익률 제고에 도움이 될 것이다. 본 연구에서는 개인화 추천에 이용되어 왔던 협업 필터링과 하이브리드 필터링 등의 추천 시스템(Recommender System)을 국가별, 지역별로 복수의 판매 매장을 통해 동종 브랜드를 취급하는 유통 기업의 매장 단위 취급 SKU 추천 방식을 제안하였다. 각 매장의 취급 품목별 구매 데이터를 활용하여 각 매장 별 유사성(Similarity)을 계산하고 각 매장의 SKU별 판매 이력에 따라 협업 필터링을 하여 최종적으로 매장에 개별 SKU를 추천하였다. 또한 매장 프로파일 데이터를 활용하여 주변수 분석 (PCA : Principal Component Analysis) 및 군집 분석(Clustering)을 통하여 매장을 4개의 군집으로 분류한 뒤 각 군집 내에서 협업 필터링을 적용한 하이브리드 필터링 방식으로 추천 시스템을 구현하고 실제 판매 데이터를 바탕으로 두 방식의 성능을 측정하였다. 현존하는 대부분의 추천 시스템은 사용자에게 영화, 음악 등의 아이템을 추천하는 방식으로 연구가 진행되어 왔고 실제로 산업계에서의 적용 또한 개인화 추천 시스템이 주류를 이루고 있다. 그 동안 개인화 서비스 영역에서 주로 다루어져 왔던 이러한 추천 시스템을 동종 브랜드를 취급하는 유통 기업의 매장 단위에 적용하여 각 매장의 취급 SKU를 추천하는 방식에 대한 연구는 거의 이루어지지 않고 있는 실정이다. 기존 추천 방법론의 추천 적용 대상이 '개인의 영역이었다면 본 연구에서는 국가별, 지역별로 복수의 판매 매장을 통해 개인의 영역을 넘어 매장의 영역으로 확대하여 동종 브랜드를 취급하는 유통 기업의 매장 단위 취급 SKU 추천 방식을 제안하고 있다. 또한 기존의 추천시스템은 온라인에 한정되었다면 이를 오프라인으로 활용 범위를 넓히고, 기존 개인을 기반으로 분석을 하는 것보다 매장영역으로 확대 적용하기에 적합한 알고리즘을 개발하기 위해 데이터마이닝 기법을 적용하여 추천 방법을 제안한다. 본 연구의 결과가 갖는 의의는 개인화 추천 알고리즘을 동일 브랜드를 취급하는 복수의 판매 매장에 적용하여 의미 있는 결과를 도출하고 실제 기업을 대상으로 시스템으로 구축하여 활용할 수 있는 구체적 방법론을 제시했다는 데에 있다. 개인화 영역을 위주로 이루어졌던 기존의 추천 시스템과 관련한 학계의 연구 영역을 동종 브랜드를 취급하는 기업의 판매 매장으로 확장시킨 첫 시도라는 데에도 의미가 있다. 2014년 03주차 ~ 05주차 전(全) 매장 판매 수량 실적 Top 100개 SKU로 추천의 대상을 한정하여 협업 필터링과 하이브리드 필터링 방식으로 52개 매장 별로 취급 SKU를 추천하고, 추천 받은 SKU에 대한 2014년 06주차 매장별 판매 실적을 집계하여 두 추천 방식의 성과를 비교하였다. 두 추천 방식을 비교한 이유는 본 연구의 추천 방법이 기존 추천 방식 보다 높은 성과를 입증하기 위해 단순히 오프라인에 협업필터링을 적용한 것을 기준 모델로 정의하였다. 이 기준 모델에 오프라인 매장 관점의 특성을 잘 반영한 본 연구 모델인 하이브리드 필터링 방법과 비교 함으로써 성과를 입증한다. 연구에서 제안한 방식은 기존 추천 방식보다 높은 성과를 나타냈으며, 이는 국내 대기업 의류업체의 실제 판매데이터를 활용하여 입증하였다. 본 연구는 개인 수준의 추천시스템을 그룹수준으로 확장하여 효율적으로 접근하는 방법을 이론적인 프레임 워크를 만들었을 뿐 아니라 실제 데이터를 기반으로 분석하여 봄으로써 실제 기업들이 적용해 볼 수 있다는 점에서 연구의 가치가 크다.