• 방송공학회논문지
• /
• 제19권3호
• /
• pp.329-341
• /
• 2014

커널 기반 평균 이동 물체 추적(kernel-based mean-shift object tracking) 방법은 신뢰할 수 있는 물체 추적의 실시간 구현이 가능하기 때문에 최근 많은 관심을 받고 있다. 이 알고리즘은 표적 모델과 표적 후보 간의 히스토그램 유사성 비교를 통해 최적의 평균이동 벡터를 찾는데, 실시간 구현을 위해 대부분의 알고리즘에서는 색-공간의 균일 양자화를 수행한다. 하지만, 영상의 명암 분포가 편중되어 있는 경우 색-공간의 양자화 후 히스토그램 분포가 몇 몇 빈에 집중되기 때문에 히스토그램 유사성 비교의 정확도를 감소시키게 되고, 따라서 추적의 성능이 저하될 수 있다. 이러한 문제를 해결하기 위해 히스토그램 빈을 적응적으로 조절하는 비-균일 양자화 알고리즘이 제안되었으나 높은 복잡도로 인해 실시간 추적 알고리즘에 부적합한 단점을 갖고 있다. 이에 본 논문에서는 표적 모델에 대한 히스토그램 평활화를 수행한 후 색-공간의 균일 양자화를 수행하는 형태의 고속 비-균일 양자화 기법을 제안함으로써, 색-공간 양자화 후에도 표적 모델의 명암 분포가 전 색-영역에 고르게 분포되도록 함으로써 실시간 평균 이동 추적 기법의 추적 성능이 개선될 수 있도록 하였다. 제안하는 색-공간 양자화 기법을 통해 표적 모델과 비교 후보군 사이에 비교 대상이 되는 색 요소가 증가하게 되며, 보다 정확도 높은 히스토그램 유사성 결과를 얻을 수 있었다. 물체 추적용 영상을 통한 실험 결과, 제안하는 알고리즘은 복잡도 증가가 거의 발생하지 않는 동시에, 기존 비-균일 양자화 알고리즘 결과와 유사하거나 좀 더 나은 추적 결과를 보여주었다.

• 대한전자공학회논문지SP
• /
• 제38권4호
• /
• pp.434-441
• /
• 2001

본 논문에서는 공간 히스토그램과 웨이브렛 모멘트를 융합하여 검색 효율을 크게 향상시키는 방법을 제안한다. 이 방법에서는 질의영상과 DB영상간의 유사도를 구할 때 히스토그램의 유사도와 웨이브렛 모멘트의 유사도를 효과적으로 융합한다. 즉, 공간적 이동, 회전 등에 강한 히스토그램 특징과 주파수 대역별로 구해지는 웨이브렛 모멘트 특징을 잘 융합함으로써 검색성능의 향상을 추구한다. 제안한 방법의 성능을 평가하기 위한 시험영상 DB로는 Brodatz 질간 영상 DB와 Corel Draw Photo 영상 DB를 사용하였다. 실험 결과, 제안한 방법으로 구한 검색율이 Brodatz DB에서 히스토그램이나 웨이브렛 모멘트만으로 구한 검색율보다 각각 5.3%와 13.8% 향상되었고, Corel Draw Photo DB에서는 각각 15.5%와 3.2% 향상됨을 확인할 수 있었다.

• 한국지능시스템학회논문지
• /
• 제22권5호
• /
• pp.555-562
• /
• 2012

본 논문에서는 영상의 비선형 평활화와 특징들의 통계적 상관성에 기반을 둔 조합형 인식성능 개선기법을 제안하였다. 여기서 비선형 평활화는 로지스틱 함수에 기반을 둔 히스토그램 재조정의 전처리 기법으로 영상의 밝기를 조정하여 화질을 개선하기 위함이다. 통계적 상관성은 정규상호상관계수에 의해 측정되며, 이는 유사도를 좀 더 빠르고 정확하게 측정하기 위함이다. 또한 독립성분분석에 의한 국부적인 특징들을 대상으로 정규상호상관을 계산함으로써 좀 더 정확한 유사도를 통계적으로 측정하기 위함이다. 제안된 기법을 30개 40*50픽셀의 명암도 변화를 가지는 얼굴영상들을 대상으로 실험한 결과, 전처리를 하지 않은 기법이나 기존 및 적응적 변형히스토그램 평활화에 의한 전처리 기법에 비해 각각 영상의 속성을 잘 반영한 우수한 인식성능이 있음을 확인하였다.

• 한국멀티미디어학회논문지
• /
• 제15권9호
• /
• pp.1149-1155
• /
• 2012

본 논문에서는 반도체 산업 영상에서 반도체의 결함 원인 진단 기법을 제안한다. 제안 기법은 먼저 결함 영상에 대한 특징 데이터베이스를 구축한다. 다음으로 결함 영상과 입력 영상을 블록 단위로 영역 분할을 수행한 후 컬러 히스토그램을 계산하여 블록들 사이의 히스토그램 카이 제곱 거리를 이용한 블록 유사성을 측정한다. 다음으로 각 영상에서 탐색된 블록들에 대하여 클러스터링을 수행하여 영역을 연결된 객체 단위로 군집한다. 마지막으로 각 클러스터들의 특징을 추출하여 클러스터 간 유사성 측정으로 가장 유사성이 높은 결함 영상을 특징 DB에서 탐색하여 결함 원인 정보와 함께 제시한다. 검색 결과 유사도 상위 n개의 영상 중에서 입력 영상과 동일한 범주의 결함을 갖는 영상이 검색되는 비율을 구하여 제안 기법의 정확성을 검증하였다. n = 1, 2, 3에 대해서 결함 범주에 상관없이 검색 정확도는 모두 100%로 제안 기법은 실제 산업 응용이 가능한 정확한 검색 결과를 보여주었다.

• 한국지능시스템학회논문지
• /
• 제19권5호
• /
• pp.667-673
• /
• 2009

본 논문에서는 전처리 기반 히스토그램 거리측정에 의한 효율적인 얼굴표정 인식기법을 제안하였다. 여기서 전처리는 중심이동과 히스토그램 평활화에 의해 인식성능을 개선하기 위함이고, 히스토그램 사이의 거리측정은 영상 상호간의 유사도를 측정하기 위함이다. 특히 중심이동은 1차 모멘트 평형에 기반을 둔 것으로 불필요한 배경을 제거시켜 위치나 크기 변화에 강건한 인식을 위함뿐만 아니라 거리의 측정부하를 줄이기 위함이다. 히스토그램 평활화는 조명의 세기에 의한 영상의 명암대비 감소에 강건한 인식을 위함이다. 제안된 기법을 320*243 픽셀의 72개(4명*18장) 표정얼굴을 대상으로 히스토그램 사이의 유사도 측정을 위해서 city-block, Euclidean, 그리고 ordinal 거리를 각각 이용하였다. 실험결과, 제안된 기법은 중심이동 및 히스토그램 평활화의 전처리를 거치지 않는 기법보다 우수한 인식성능이 있으며, ordinal 거리가 가장 높은 인식성능이 있음을 확인하였다.

• 한국멀티미디어학회논문지
• /
• 제17권12호
• /
• pp.1418-1429
• /
• 2014

In this paper we suggest a new two-wheelers detection algorithm using local cell features. The first, we propose new feature vector matrix extraction algorithm using the correlation two cells based on local cell histogram and shifting from the result of histogram of oriented gradients(HOG). The second, we applied new weighting values which are calculated by the modified histogram intersection showing the similarity of two cells. This paper applied the Adaboost algorithm to make a strong classification from weak classification. In this experiment, we can get the result that the detection rate of the proposed method is higher than that of the traditional method.

• International Journal of Internet, Broadcasting and Communication
• /
• 제13권2호
• /
• pp.156-165
• /
• 2021

In this paper, we propose an histogram weighted centroid based Siamese region proposal network for object tracking. The original Siamese region proposal network uses two identical artificial neural networks which take two different images as the inputs and decide whether the same object exist in both input images based on a similarity measure. However, as the Siamese network is pre-trained offline, it experiences many difficulties in the adaptation to various online environments. Therefore, in this paper we propose to incorporate the histogram weighted centroid feature into the Siamese network method to enhance the accuracy of the object tracking. The proposed method uses both the histogram information and the weighted centroid location of the top 10 color regions to decide which of the proposed region should become the next predicted object region.

• 한국지능시스템학회논문지
• /
• 제24권5호
• /
• pp.504-511
• /
• 2014

본 논문에서는 영상의 비선형 평활화와 다차원의 명암변화에 기반을 둔 조합형 인식기법을 제안하였다. 여기서 비선형 평활화는 적응적 변형의 히스토그램 재조정 전처리 기법으로 영상의 밝기를 조정하여 화질을 개선하기 위함이다. 다차원의 명암변화는 인접 픽셀간의 밝기변화를 4단계로 나누어 고려함으로써 영상의 속성을 더욱 더 정확하게 반영하기 위함이고, x축과 y축의 2방향 각각의 명암변화를 고려한 정규상호상관계수는 좀 더 포괄적으로 영상의 유사성을 측정하기 위함이다. 제안된 기법을 50개 40*40 픽셀의 명암도 변화를 가지는 얼굴영상들을 대상으로 실험한 결과, 평활화를 수행하지 않거나 선형 평활화를 수행한 기법에 비해 각각 영상의 속성을 잘 반영한 우수한 인식성능이 있음을 확인하였다.

• 지능정보연구
• /
• 제18권2호
• /
• pp.47-60
• /
• 2012

비디오 데이터는 구조화되지 않은 복합 데이터의 형태를 지닌다. 이러한 비디오 데이터의 효율적인 관리 및 검색을 위한 비디오 데이터 구조화의 중요성이 대두되면서 콘텐츠 내 시각적 특징을 기반으로 비디오 씬(scene)을 탐지하고자 하는 연구가 활발히 진행되었다. 기존의 연구들은 주로 색상 정보만을 이용하여 샷(shot) 간의 유사도 평가를 기반한 클러스터링(clustering)을 통해 비디오 씬을 탐지하고자 하였다. 하지만 비디오 데이터의 색상 정보는 노이즈(noise)를 포함하고, 특정 사물의 개입 등으로 인해 급격하게 변화하기 때문에 색상만을 특징으로 고려할 경우, 비디오 샷 혹은 씬에 대한 올바른 식별과 디졸브(dissolve), 페이드(fade), 와이프(wipe)와 같은 화면의 점진적인 전환(gradual transitions) 탐지는 어렵다. 이러한 문제점을 해결하기 위해, 본 논문에서는 프레임(frame)의 컬러 히스토그램과 코너 에지, 그리고 객체 컬러 히스토그램에 해당하는 시각적 특징을 기반으로 동일한 이벤트를 구성하는 의미적으로 유사한 샷의 클러스터링을 통해 비디오 씬을 탐지하는 방법(Scene Detector by using Color histogram, corner Edge and Object color histogram, SDCEO)을 제안한다. SDCEO는 샷 바운더리 식별을 위해 컬러 히스토그램 분석 단계에서 각 프레임의 컬러 히스토그램 정보를 이용하여 1차적으로 연관성 있는 연속된 프레임을 샷 바운더리로 병합한 후, 코너 에지 분석 단계에서 병합된 샷 내 처음과 마지막 프레임의 코너 에지 특징 비교를 통하여 샷 바운더리를 정제하여 최종 샷을 식별한다. 키프레임 추출 단계에서는 샷 내 프레임간 유사도 비교를 통해 모든 프레임과 가장 유사한 프레임을 각 샷을 대표하는 키프레임으로 추출한다. 그 후, 비디오 씬 탐지를 위해, 컬러 히스토그램과 객체 컬러 히스토 그램에 해당하는 프레임의 시각적 특징을 기반으로 상향식 계층 클러스터링 방법을 이용하여 의미적인 연관성을 지니는 샷의 군집화를 통해 비디오 씬을 탐지하는 방법이다. 본 논문에서는 SDCEO의 프로토 타입을 구축하고 3개의 비디오 데이터를 이용한 실험을 통하여 SDCEO의 효율성을 평가하였고 샷 바운더리 식별의 성능의 정확도는 평균 93.3%, 비디오 씬 탐지 성능의 정확도는 평균 83.3%로 만족할만한 성능을 보였다.

• 정보처리학회논문지B
• /
• 제9B권5호
• /
• pp.701-706
• /
• 2002

영상의 색상 정보는 비슷한 영상들의 유사도를 효과적으로 측정하는데 사용된다. 그러나, 색상정보의 크기는 영상 데이터베이스에서 효율적으로 다루기에는 너무나 방대하다. 본 논문에서는 히스토그램 보간법에 의하여 유사한 영상들을 검색하는 새로운 방법을 제시한다 알고리즘의 기본 원리는 색상 히스토그램의 분포를 이용하여 영상을 검색하는 기존 방법에서 출발한다. 그러나, 질의 영상과 대상 영상과의 유사도를 결정하는데 있어서 보간법에 의하여 히스토그램의 분포도를 간략화 시킨다는 근본적인 차이를 가지고 있다. 색상 히스토그램의 분포는 최적 차수의 다항식으로 보간되어서 표현되었다. 히스토그램의 분포가 보간된 후에는 저차원 다항식의 계수들만이 색상 구분자로서 데이터베이스에 저장되고 검색하는데 활용될 수 있다. 제안된 방법은 실제 영상들에 적용되었으며 만족할 만한 결과를 보여주고 있다.