• 전기전자학회논문지
• /
• 제16권4호
• /
• pp.356-363
• /
• 2012

자동차가 IT 기술과 융합되면서 편의성과 안전성 그리고 성능이 좋아지고 있다. 이와 관련하여 최근 자동차의 주행시 안전 및 주변 환경과 관련된 정보를 제공하기 위한 많은 알고리즘이 연구되고 있으며 교통표지판 인식 또한 그 중 하나이다. 교통표지판 인식은 안전 운전에 필요한 중요한 정보를 제공해 준다. 본 논문에서는 연산 시간 감소에 중점을 두어 교통표지판을 탐지하고 판별하는 인식 알고리즘을 제안한다. 제안한 알고리즘에서는 색상 임계값을 이용하여 교통표지판 후보를 분할하고 다각형 근사법을 이용하여 적절한 다각형을 찾는다. 이렇게 찾은 패턴에 대해 SURF와 ORB 알고리즘을 이용하여 데이터베이스와 비교하여 교통표지판을 식별한다.

• 한국측량학회지
• /
• 제31권4호
• /
• pp.293-300
• /
• 2013

도로표지는 운전자들에게 유용한 정보들을 제공함으로서 안전하고 원활한 교통을 확보하기 위한 중요한 시설물이다. 도로표지를 체계적으로 관리하기 위해서는 도로표지 내용에 대한 DB구축이 필요하며 이를 위한 작업은 거의 수동으로 진행되고 있어 많은 시간과 비용이 소요된다. 본 연구에서는 도로표지 영상에서 방향정보를 자동으로 인식 추출하기 위한 알고리즘을 제안하였다. 또한 OpenCV를 이용해 이를 구현하였으며 도로표지 영상에 적용하였다. 방향정보의 자동추출을 위해, 영상 개선, 영상 이진화, 방향지시 도형 영역 추출, 특징점 추출, 템플릿 영상정합 등의 영상처리 기법을 코딩하여 적용하였으며 이를 통해 방향정보 자동 인식의 가능성을 확인하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권12호
• /
• pp.6018-6033
• /
• 2018

Fires are a common cause of catastrophic personal injuries and devastating property damage. Every year, many fires occur and threaten human lives and property around the world. Providing early important sign for early fire detection, and therefore the detection of smoke is always the first step in fire-alarm systems. In this paper we propose an automatic smoke detection system built on camera surveillance and image processing technologies. The key features used in our algorithm are to detect and track smoke as moving objects and distinguish smoke from non-smoke objects using a convolutional neural network (CNN) model for cascade classification. The results of our experiment, in comparison with those of some earlier studies, show that the proposed algorithm is very effective not only in detecting smoke, but also in reducing false positives.

• 전자공학회논문지SC
• /
• 제46권5호
• /
• pp.29-37
• /
• 2009

본 논문은 움직이는 차 안에서 교통 표지판을 실시간으로 검출하는 영상 기반 시스템을 기술한다. 제안된 시스템은 표지판 검출을 실시간으로 수행하기 위하여 아다부스트 알고리즘을 기본 구조로 가지고 있고, 대부분의 교통 표지판이 지표면으로부터 수직으로 세워져 있는 점에 착안하여 수직면 값을 후보군 검출 과정에서 사용하였다. 기존의 아다부스트 알고리즘은 실시간 검출을 위하여 유용하지만, 특징으로써 누적 영상들만을 사용하므로 복잡한 도로 환경에서는 검출율이 저하된다. 본 논문에서는 이러한 단점을 해결하기 위하여 후보군 검출을 위한 특징으로써 수직면 값을 이용함으로써 검출 후보군의 신뢰도를 높이고, 또한 특징 원형의 종류가 추가된 누적 영상들을 사용함으로써 표지판 검출 성능을 향상시킨다. 실험 결과에서는 본 논문에서 제안된 방법이 실제 도로 환경에서 기존의 아다부스트 방법보다 검출율이 향상되었음을 보인다.

• 한국인터넷방송통신학회논문지
• /
• 제9권5호
• /
• pp.205-211
• /
• 2009

가중치가 없는 램 기반 신경망은 가중치를 재조정하는 기존 신경망에 비해 계산량 및 인식 시간이 적은 장점을 가지고 있다. 특히 연속적인 연관성을 갖는 제스처와 같은 행위 정보는 각각의 정보들이 시계열적 상관관계를 갖는다. 이와 같은 행위 정보를 인식하려면 일반적으로 많은 계산량과 처리 시간이 요구된다. 이런 문제점을 해결하기 위해 일반적으로 전처리 과정의 삽입 및 하드웨어 인터페이스 활용 등을 이용한다. 본 논문에서는 이와 같은 추가적인 방법 없이 순차 램 기반 누적 신경망으로 연속적인 행위 정보인 한글 복합어 수화 인식 시스템을 구현하였다. 제안된 모델의 성능을 검증하기 위하여 카메라로부터 입력받은 연속적인 복합어 수화 영상을 최소한의 이미지 처리인 경계선 검출만으로 수화 인식을 실험하였다. 경계선 검출 후 이진 영상을 전처리 과정 없이 제안된 순차 램 기반 누적 신경망 시스템으로 처리된 결과는 93%의 인식률을 얻었다.

• Asian Pacific Journal of Cancer Prevention
• /
• 제17권5호
• /
• pp.2673-2678
• /
• 2016

Background: It is unclear as to whether the size ratio elastographic technique is useful for assessing ultrasound-detected ductal carcinoma-in-situ (DCIS) masses since they commonly lack a significant desmoplastic reaction. The objectives of this study were to determine the accuracy of this elastographic technique in DCIS and examine if there was any histopathological correlation with the grey-scale strain patterns. Materials and Methods: Female patients referred to the radiology department for image-guided breast biopsy were prospectively evaluated by ultrasound elastography prior to biopsy. Histological diagnosis was the gold standard. An elastographic size ratio of more than 1.1 was considered malignant. Elastographic strain patterns were assessed for correlation with the DCIS histological architectural patterns and nuclear grade. Results: There were 30 DCIS cases. Elastographic sensitivity for detection of malignancy was 86.7% (26/30). 10/30 (33.3%) DCIS masses demonstrated predominantly white elastographic strain patterns while 20/30 (66.7%) were predominantly black. There were 3 (10.0%) DCIS masses that showed had a co-existent bull's-eye sign and 7 (23.3%) other masses had a co-existent toothpaste sign, a strain pattern that has never been reported in the literature. Four out of 4/5 comedo DCIS showed a predominantly white strain pattern (p=0.031) while 6/7 cases with the toothpaste sign were papillary DCIS (p=0.031). There was no relationship between the strain pattern and the DCIS nuclear grade. Conclusions: The size ratio elastographic technique was found to be very sensitive for ultrasound-detected DCIS masses. While the elastographic grey-scale strain pattern should not be used for diagnostic purposes, it correlated well with the DCIS architecture.

• 정보보호학회논문지
• /
• 제29권1호
• /
• pp.117-125
• /
• 2019

최근 다양한 분야에서 활용중인 딥러닝은 적대적 공격 가능성의 발견으로 위험성이 제기되고 있다. 본 논문에서는 딥러닝의 이미지 분류 모델에서 악의적 공격자가 생성한 적대적 샘플에 의해 분류 정확도가 낮아짐을 실험적으로 검증하였다. 대표적인 이미지 샘플인 MNIST데이터 셋을 사용하였으며, 텐서플로우와 파이토치라이브러리를 사용하여 만든 오토인코더 분류 모델과 CNN(Convolution neural network)분류 모델에 적대적 샘플을 주입하여 탐지 정확도를 측정한다. 적대적 샘플은 MNIST테스트 데이터 셋을 JSMA(Jacobian-based Saliency Map Attack)방법으로 생성한 방법과 FGSM(Fast Gradient Sign Method)방식으로 변형하여 생성하였으며, 분류 모델에 주입하여 측정하였을 때 최소 21.82%에서 최대 39.08%만큼 탐지 정확도가 낮아짐을 검증하였다.

• 한국콘텐츠학회논문지
• /
• 제12권5호
• /
• pp.32-39
• /
• 2012

온라인을 통해 서비스를 제공받기 위해서는 회원가입이 필요하고, 이렇게 회원가입을 통해 수집된 개인정보는 해킹으로 인한 개인정보의 유출로 이어진다. 특히, 유출된 개인정보에 의해 사용자가 지속적으로 공격 받고 피해를 입어 심각한 사회문제가 되고 있다. 이러한 사회공학적 공격 방법은 사람의 심리를 기반으로 하기 때문에, 대부분의 경우 피해를 입기 쉽다. 이러한 공격을 막기 위해 블랙리스트를 이용하여 피싱 사이트를 차단하는 방법이 있다. 하지만 이러한 방법은 짧은 생명 주기로, 새로 생성되는 피싱 사이트에 대해서는 대처 할 수가 없다는 문제를 가지고 있다. 본 논문에서는 사용자의 개인정보 유출 사고를 최소화하는 두 가지 방안을 제시하였다. 블랙리스트와 화이트리스트 비교를 통해 사이트 신뢰를 표시하여 사용자에게 사이트의 진위여부를 판단할 수 있도록 하고, 새로 생성된 사이트에 대해서는 개인정보 입력 감지를 통하여 개인정보 유출을 사전에 차단을 하여, 사용자의 개인정보 유출 사고를 최소화 하는 방안을 제시하였다.

• 정보처리학회논문지B
• /
• 제9B권5호
• /
• pp.681-688
• /
• 2002

본 논문에서는 컬러 정보인 컬러비와 형태학적 정보인 코너점 및 거리비를 이용한 교통표지판 영역추출 시스템을 제안한다. R G, B 성분들의 컬러비를 기반으로 생성한 이진영상에 대해서 불림 연산처리와 마스크를 이용한 코너점 및 중심점 검출에 의해 후보영역을 추출한다. 다양한 형태의 교통표지판 영역은 후보영역의 중심점을 기준으로 형태학적 정보인 거리비를 이용하여 추출한다. 실험결과, 제안한 시스템은 크기 및 위치에 불변하며, 삼각형, 원, 역삼각형, 사각형 등의 다양한 교통표지판과 밝기값의 차이가 큰 낮과 밤 영상에 대해서도 정확한 영역추출이 가능하였다. 또한, 높은 정확성과 빠른 처리속도를 보였다.

• 전기전자학회논문지
• /
• 제18권4호
• /
• pp.485-494
• /
• 2014

교통 표지판 인식(TSR)은 운전자 보조 시스템(ADAS)의 중요한 부분 중의 하나이다. 하지만 일반적인 주간 상황이 아닌 야간, 눈, 비, 안개 등의 열악한 상황에 대한 연구는 주간 상황과 달리 표지판 고유의 색이 정확히 나타나지 않기 때문에 많이 이루어지지 않고 있다. 본 논문에서는, 주간 상황뿐 아니라 열악한 환경에서도 적용 가능한 기계학습 기반의 교통 표지판 인식 알고리즘을 제안한다. 열악한 환경에서는 일반적인 RGB 색 체계 정보를 이용한 방법은 좋은 성능을 보이지 못하므로 표지판의 형태적 특징을 이용하는 HoG 특징점 추출기를 이용하여 표지판의 형태적 특징을 추출하고 SVM 알고리즘을 이용하여 표지판을 검출하였다. 검출한 표지판의 인식에는 Normalized RGB 색 체계의 25개의 참조점을 통한 의사결정트리를 이용하였다. Intel i5 3.4GHz 환경에서 Full HD 해상도의 이미지에 대해 실험한 결과 안개 및 야간 등의 열악한 환경에서의 검출률은 96.4%, 인식률은 94%로 본 논문에서 제안하는 학습기반의 알고리즘이 열악한 환경에서의 표지판 검출 및 인식에 효율적으로 적용이 가능함을 알 수 있다.