• 대한전자공학회논문지SP
• /
• 제49권2호
• /
• pp.102-112
• /
• 2012

본 논문에서는 웨이브렛 영역의 BDIP(block difference of inverse probabilities)와 BVLC(block variance of local correlation coefficients) 특징, 그리고 WPCA(whitened principal component analysis) 분류기를 이용한 질감 분류 방법을 제안한다. 제안된 방법에서는 먼저 질의 영상에 웨이브렛 변환을 적용한다. 그런 다음 웨이브렛 영역의 각 부대역에 BDIP와 BVLC 연산자를 적용한다. 이어서 각 BDIP, BVLC 부대역에 대하여 전역 통계치를 계산하고 그 결과들을 벡터화하여 특징 벡터로 사용한다. 분류 단계에서는 얼굴 인식에 주로 사용되는 WPCA를 분류기로 하여 질의 특징 벡터와 가장 유사한 학습 특징 벡터를 찾는다. 실험 결과 제안된 방법은 3가지의 실험 질감 영상 DB에 대하여 낮은 특징 벡터 차원으로 매우 우수한 질감 분류 성능을 보여준다.

• 한국정보통신학회논문지
• /
• 제25권1호
• /
• pp.44-49
• /
• 2021

최근 COVID-19로 인해 마스크 착용 여부 자동 검사 시스템에 신경망 기술들을 적용하는 연구가 활발히 진행되고 있다. 신경망 적용 방식에 있어서 1단계 검출 방식 또는 2단계 검출 방식을 사용하며, 데이터를 충분히 확보할 수 없는 경우 사전 학습된 신경망에 대해 가중치 미세 조절 기법을 적용하여 학습한다. 본 논문에서는 얼굴 인식부와 마스크 검출부로 구성되는 2단계 검출 방식을 적용하였으며, 얼굴 인식부에는 MTCNN 모델, 마스크 검출부에는 ResNet 모델을 사용하였다. 마스크 검출부는 다양한 실 상황에서의 인식률과 추론 속도 향상을 위하여 5개의 ResNet모델을 적용하여 실험하였다. 학습 데이터는 웹 크롤러를 이용하여 수집한 17,219개의 정지 영상을 이용하였으며, 1,913개의 정지 영상과 1분 동영상 2개에 대해 각각 추론을 실시하였다. 실험 결과 정지 영상인 경우 96.39%, 동영상인 경우 92.98%의 높은 정확도를 보였고, 동영상 추론 속도는 10.78fps임을 확인하였다.

• 전자공학회논문지CI
• /
• 제37권2호
• /
• pp.31-43
• /
• 2000

본 논문은 얼굴영상에서 눈과 입 부위를 추출하기 위한 알고리즘을 제안하였다. 첫째로, 눈과 입의 에지 이진 화소 집합의 고유 값 (Eigenvalue) 과 고유 벡터 (Eigenvector) 로 부터 추출한 정보들은 눈과 입을 찾기 위한 좋은 특징이 된다. 눈과 입 부위의 긍정적 샘플과 부정적 샘플로부터 추출한 고유 특징들로 다층 신경망을 학습하여 특정 영역이 눈과 입 부위 포함하는 정도를 나타내도록 하였다. 둘째로, 시스템의 강건성 확보를 위해 서로 다른 구조의 단일 MLP를 묶어서 그 결과를 이용하는 Ensemble network 구조를 사용하였다. 두 눈과 입에 각각 별도의 Ensemble network을 사용하였고, 각 Ensemble network내 MLP들의 출력이 최대가 되는 영역의 중심 좌표들을 평균하여 최종 위치를 결정하였다. 셋째로, 특징 정보 추출 검색 영역을 즐기기 위해 얼굴 영상 에지 정보와 눈과 입의 위치 관계를 이용해 눈과 입의 대략적인 영역을 추출하였다. 제안된 시스템은 적은 수의 정면 얼굴에서 추출한 고유 특징들로 학습된 Ensemble network을 사용하여 학습에 사용되지 않은 다른 사람들의 정면얼굴 뿐만 아니라 일정한 범위 내 자세 변화에서도 좋은 일반화 성능을 얻고 있으며, 작은 범위 내에서의 얼굴 크기 변화나 좌우 20°이내의 자세 변화에 대해서도 신경망의 일반화 기능을 이용하여 강건한 결과를 얻고 있음을 확인하였다.

• 한국방사선학회논문지
• /
• 제15권1호
• /
• pp.45-54
• /
• 2021

본 연구는 혼합현실을 기반으로 하는 비파괴 분야의 교육용콘텐츠를 만들기 위해 시행되었다. 현재 방사선 분야에는 교육용 혼합현실 기반 교육용 콘텐츠는 거의 없는 실정이다. 그리고 비파괴검사분야는 작업 환경이 열악하고, 종사자 수도 한 업체당 직원 수가 10인 이하인 곳이 많고, 교육적 인프라도 잘 구축되어 있지 않다. 강의식으로 전달만 하는 실습교육과 안전교육이 시행되고 있다. 이를 해결하기 위해 혼합현실을 기반으로 한 비파괴 종사자 교육용 콘텐츠를 개발하게 되었다. 이 콘텐츠는 Microsoft사의 HoloLens 2 HMD 디바이스를 기반으로 개발되었고, 1280⁎720의 해상도를 기준으로 제작되었고, 디바이스마다 해상도가 달라 Anchor의 Left, Right, Bottom, TOP위치를 맞추어 Side를 제작하였고, 이미지가 큰 것은 Atlas의 크기에 영향을 미치기 때문에 배경화면이나 상단 바와 같이 부피가 큰 것은 UITexture로 대체하여 제작되었다. UI Widget Wizard에서는 Label, Buttom, ScrollView, Sprite를 제작하였다. 본 연구는 종사자에게 현장감 있는 교육내용을 제공하고, 자기 주도적인 교육을 가능하게 하고, 현실을 바탕으로 한 3D 입체영상으로 교육할 수 있어 흥미와 몰입도 있는 교육을 시행할 수 있다. 혼합현실에서 제공되는 영상을 통해 현실세계와 가상현실 간에 상호작용을 통해 학습자가 직접 사물을 조작할 수 있어 학습자의 학습 능률을 높일 수 있다. 또한 혼합현실 교육을 시행하면 시간과 장소에 구해를 받지 않아 코로나 시대에 비대면 학습 콘텐츠로 큰 역할을 할 수 있을 것으로 사료된다.

• 정보처리학회논문지B
• /
• 제11B권6호
• /
• pp.675-682
• /
• 2004

금융권의 주 5일제 근무에 따른 무인 현금 인출기의 사용 확대와 함께, 타인의 신용카드를 이용하여 무인 현금 인출기에서 돈을 인출하는 금융 범죄에 대한 원천적인 예방 대책이 필수적으로 요구되고 있다. 특히 무인 현금 인출기 부근에는 감시용 CCTV Camera가 설치되어 있으나, 지능적인 범죄자들은 이러한 사실을 인식하고 선글라스, 마스크 등을 착용하여 이러한 감시 시스템을 피해가고 있다 본 논문에서는 이러한 문제점을 해결하기 위하여 무인 현금 인출기에 설치되어 있는 카메라를 통해 입력된 사용자의 얼굴 및 얼굴 특징점을 영상 신호처리 방법과 SVM(Support Vector Machine)으로 분석하여 향후 얼굴이 식별 가능한 경우에만 금융 거래를 할 수 있도록 하는 시스템을 개발하였다. 실험결과, 학습 데이터에 대해서는 약 1%의 오 인식율과 2%의 오 거부율을 나타냈으며, Test 데이터에 대해서는 약 2.5%의 오 인식율과 1.43%의 오 거부율을 나타냈다.