• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권4호
• /
• pp.1543-1561
• /
• 2020

Taxonomy of human brain activity is a complicated rather challenging procedure. Due to its multifaceted aspects, including experiment design, stimuli selection and presentation of images other than feature extraction and selection techniques, foster its challenging nature. Although, researchers have focused various methods to create taxonomy of human brain activity, however use of multivariate pattern analysis (MVPA) for image recognition to catalog the human brain activities is scarce. Moreover, experiment design is a complex procedure and selection of image type, color and order is challenging too. Thus, this research bridge the gap by using MVPA to create taxonomy of human brain activity for different categories of images, both colored and gray scale. In this regard, experiment is conducted through EEG testing technique, with feature extraction, selection and classification approaches to collect data from prequalified criteria of 25 graduates of University Technology PETRONAS (UTP). These participants are shown both colored and gray scale images to record accuracy and reaction time. The results showed that colored images produces better end result in terms of accuracy and response time using wavelet transform, t-test and support vector machine. This research resulted that MVPA is a better approach for the analysis of EEG data as more useful information can be extracted from the brain using colored images. This research discusses a detail behavior of human brain based on the color and gray scale images for the specific and unique task. This research contributes to further improve the decoding of human brain with increased accuracy. Besides, such experiment settings can be implemented and contribute to other areas of medical, military, business, lie detection and many others.

• 한국정보처리학회논문지
• /
• 제5권9호
• /
• pp.2294-2301
• /
• 1998

본 논문은 방송사별 각 장면의 중요한 내용의 성격을 갖고 있는 특징을 방송사별 뉴스 비디오에서 추출하기 위한 것이다. 추출하고자 하는 특징의 요소는 방송사 구별을 위한 방송사 아이콘과 각 장면의 대표적 성격을 갖고 있는 아이콘, 각 장면내의 주요 내용을 대표하는 정보인 자막의 문장 추출이다. 본 논문에서 제안하는 방법은, 비디오 프레임으로 입력되는 영상을 YIQ칼라 공간으로 전환한 뒤 히스토그램 평활화 방법을 이용하여 입력 영상의 영역 구분을 명확하게 한 후에, 영상의 에지를 추출하고 수직과 수평선에 기반한 에지 히스토그램의 비교에 의하여 원하는 특징을 추출하는 것이다. 또한 히스토그램 차이값에 의해서 선택된 키 프레임들 중에서 뉴스 아이콘을 추출하고 아이콘에 의하여 각 장면을 분할 할 수 있는 방법을 제안하였다. 본 논문에서는 칼라 히스토그램이나 웨이블릿, 또는 객체의 움직임에 기반한 복잡한 방법대신 에지 히스토그램 비교 방법을 사용하여, 알고리즘을 간소화함으로써 계산 시간을 단축하였으며 특징 추출에도 좋은 결과를 나타냈다.

• 방송공학회논문지
• /
• 제25권4호
• /
• pp.569-575
• /
• 2020

전기화재의 원인중의 하나는 직렬 아크이다. 최근까지 아크 신호를 검출하기 위해 다양한 기법들이 진행되고 있다. 시간 신호에 푸리에 변환, 웨이블릿 변환, 또는 통계적 특징 등을 활용하여 아크 검출을 하는 방법들이 소개되었지만, 변환 및 특징 추출은 부가적인 처리 시간이 요구되는 단점이 있다. 반면에 최근의 딥러닝 모델은 종단간 학습으로 특징 추출 과정없이 직접 원시 데이터를 활용한다. 따라서, 1-D 시간 신호를 직접 활용하여 아크를 검출하는 것이 좋은데, 인공신경망의 분류 성능이 저하되는 문제점이 있다. 본 논문에서는 연속 입력 1-D 신호를 2-D로 변환한 후에, 합성곱신경망으로 분류하는 방법을 제안한다. 실험 데이터에 적용한 결과 합성곱신경망의 사용이 인공신경망보다 약 8.6%의 아크 분류 성능을 향상시켰다. 또한 2-D 데이터의 부족을 보완하기 위해서 데이터증강을 이용하여, 14%의 분류 성능을 개선하였다.

• 한국콘텐츠학회논문지
• /
• 제11권2호
• /
• pp.31-39
• /
• 2011

가버 웨이브릿을 이용한 얼굴 그래프기반 안면 인식 알고리즘들은 우수한 인식 성능을 갖고 있지만 계산양이 많고 초기 그래프 위치에 따라 성능이 달라지는 등의 문제점들이 있다. 본 연구에서는 이를 개선하여 가버 피쳐기반 기하학적 가변형 얼굴 그래프 매칭방식을 이용한 완전 자동 안면 인식 알고리즘을 제안하였다. Adaboost를 이용해서 얼굴을 검출하고 얼굴 그래프의 초기 정합 위치와 크기를 결정하였다. 얼굴 그래프를 기하학적으로 가변시켜 가면서 얼굴 모델 그래프와 유사도가 가장 높은 얼굴 그래프를 고속으로 찾기 위해 매개변수들을 정의하고 최적화 알고리즘을 이용하여 최적 얼굴 그래프를 추출하였다. 제안한 알고리즘을 FERET 데이터베이스의 인식에 적용해 본 결과 96.7%의 인식률로서 기존 연구들에 비해 우수한 결과를 얻을 수 있었고 평균 0.26초의 인식 속도로서 실시간 적용이 가능함을 확인하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제28권11호
• /
• pp.864-873
• /
• 2001

본 논문에서는 공개키 기반 등록기관의 사용자 신원 확인 기능의 안정성과 신뢰성 향상을 위한 방법으로 홍채인식 기술을 활용한 등록기관 시스템을 제시한다. 제안하는 시스템은 홍채 패턴의 처리 기능에 따라 홍채영상 획득, 홍채정보 등록, 홍채정보 검증의 세 개의 모듈로 구성되며, 각 모듈간의 등록 정보의 교환은 대칭키 암호 알고리즘으로 암호화를 해서 안전하게 송수신이 이루어진다. 홍채 패턴의 효율적 표상과 비교를 위한 홍채 특징 정보의 추출방법으로서는 웨이브렛 변환을 이용한 영상의 다중분할 과정을 통해 적은 차원의 정보를 추출하여 효과적인 특징벡터를 구성하는 방법을 사용한다. 적용된 홍채인식 방법에 대한 실험을 통해서, 생체인식 기술의 새로운 분야로의 적용 가능성을 살펴본다.

• 한국전자파학회논문지
• /
• 제21권12호
• /
• pp.1460-1466
• /
• 2010

본 논문은 바이스태틱 RCS와 모노스태틱 RCS를 이용하여 각각 표적 구분 실험을 수행하고 그 성능을 비교 분석하였다. 모노스태틱 및 바이스태틱 RCS로부터 특성을 추출하기 위하여 시간-주파수 영역 해석법인 STFT와 CWT를 이용하였으며, 다중 퍼셉트론 신경망을 구분기로 이용하였다. 실험 결과, 모노스태틱과 바이스태틱 RCS 모두 CWT가 STFT보다 더 나은 구분 성능을 보여주었다. 또한, STFT에서는 바이스태틱 RCS를 이용했을 때, CWT에서는 모노스태틱 RCS를 이용하였을 때 대체적으로 더 좋은 성능을 나타내었다. 결과적으로 본 논문을 통하여 바이스태틱 RCS도 모노스태틱 RCS처럼 표적 구분에 똑같이 적용할 수 있다는 것을 알 수 있었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권5호
• /
• pp.1610-1629
• /
• 2021

Failures frequently occurred in manufacturing machines due to complex and changeable manufacturing environments, increasing the downtime and maintenance costs. This manuscript develops a novel deep learning-based method named Multi-Domain Convolutional Neural Network (MDCNN) to deal with this challenging task with vibration signals. The proposed MDCNN consists of time-domain, frequency-domain, and statistical-domain feature channels. The Time-domain channel is to model the hidden patterns of signals in the time domain. The frequency-domain channel uses Discrete Wavelet Transformation (DWT) to obtain the rich feature representations of signals in the frequency domain. The statistic-domain channel contains six statistical variables, which is to reflect the signals' macro statistical-domain features, respectively. Firstly, in the proposed MDCNN, time-domain and frequency-domain channels are processed by CNN individually with various filters. Secondly, the CNN extracted features from time, and frequency domains are merged as time-frequency features. Lastly, time-frequency domain features are fused with six statistical variables as the comprehensive features for identifying the fault. Thereby, the proposed method could make full use of those three domain-features for fault diagnosis while keeping high distinguishability due to CNN's utilization. The authors designed massive experiments with 10-folder cross-validation technology to validate the proposed method's effectiveness on the CWRU bearing data set. The experimental results are calculated by ten-time averaged accuracy. They have confirmed that the proposed MDCNN could intelligently, accurately, and timely detect the fault under the complex manufacturing environments, whose accuracy is nearly 100%.

• 한국정보통신학회논문지
• /
• 제26권7호
• /
• pp.972-980
• /
• 2022

영상을 이용한 기계학습 기반의 나비 종 인식 기술은 나비 종의 다양성 및 개체 수, 종의 서식 분포 등을 파악하는데 관련 분야 종사자의 많은 시간과 비용 감소의 효과를 가져온다. 나비 종 분류의 정확성과 시간 효율을 높이기 위해 기계학습 모델의 입력으로 사용되는 여러 가지 특징들이 연구되었다. 그중 엔트로피 개념을 이용한 가지 길이 유사성 엔트로피나 색채 강도 엔트로피 방법이 푸리에 변환이나 웨이블릿 등 다른 특징들에 비해 높은 정확성과 적은 학습 시간을 보여주었다. 본 논문은 나비의 컬러 영상에 대한 RGB 색채 강도 엔트로피를 이용한 특징 추출 알고리즘을 제안한다. 또한 제안한 특징 추출 방법과 대표적인 앙상블 모델들을 결합한 나비 인식 시스템을 개발하고 성능을 평가한다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2004년도 ICCAS
• /
• pp.176-180
• /
• 2004

The ST-segment that the beginning part of T wave is the important diagnostic parameter to finding myocardial ischemia. Abnormal ST appears in two types. One is the level change, and the other is the pattern change. In this paper, we describe the monitoring of abnormal ST using PC based system. Hardware of this system consists of transmitter, receiver and PC. The function of transmitter is measuring ECG in three channels which are selected manually and transmitting the data to receiver by digital radio way. Connection with receiver and PC is by RS232C, and the data received on the PC is analyzed automatically by ECG analysis algorithm and saved to file. In the algorithm part for detecting abnormal ST, ST-segments are approximated by a polynomial. This method can detect all of the deviation and pattern change of ST-segment regardless the change in the heart rate or sampling rate. To gain algorithm reliability, the method rejects distorted polynomial approximation by calculation the difference between the approximated ST-segment and original ST-segment. In pre-signal processing, the wavelet transformation separates high frequency bands including QRS complex from the original ECG. Consequently, the process improves the performance of detecting each feature points.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2004년도 학술대회지
• /
• pp.772-775
• /
• 2004

Generally, arterial pulse waves are measured at the radial arterial of wrist or carotid arterial of neck using a sensor such as pressure sensor, piezoelectric sensor or optic sensor. But in this paper, arterial pulse wave is measured at the temple using PZT piezo sensor which is attached on the temple in form of a hair-band. Arterial Pulse waves are generally measured when a reagent is in a static state. But in this paper, we implemented the arterial pulse wave measurement system, as a previous stage of the arterial pulse wave measurement system for running at outdoors or on a running machine, that measures arterial pulse waves at the temple, which is the least moving part when running. Thorough the continuous study, if the motion artifact when running is possible to be removed, the system will be able to perform monitoring of running men's states and especially emergency signals such as serious pulse waves of an/old and feeble persons and handicapped persons.