• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2002년도 ICCAS
• /
• pp.109.3-109
• /
• 2002

1. Introduction 2. Vision system 3. Effect of brightness variations 4. Color classifier using multi-layer neural network 5. Experimental result of color classifier 6. Applications for robot soccer system 7. Conclusion

• 한국콘텐츠학회논문지
• /
• 제9권4호
• /
• pp.1-11
• /
• 2009

최근 인터넷에 유통되는 유해영상이 급증하면서 이들을 자동으로 차단하는 컴퓨터비전 기술의 연구가 활발히 이루어지고 있다. 본 논문에서는 피부색상을 이용한 유해영상 분류도구를 연구 및 개발한다. 제안하는 분류도구는 2단계로 구성되며, 1단계에서는 피부색 분류기를 이용하여 입력영상에서 피부색 영역을 검출하고, 2단계에서는 영역특징 분류기를 이용하여 앞서 검출된 피부색 영역의 비율과 위치 특징을 무해 또는 유해로 분류한다. 피부색 분류기는 히스토그램 모델에 기반하여 무해영상과 유해영상의 RGB 값으로 학습되며, 영역특징 분류기는 SVM(Support Vector Machine)에 기반하여 영상의 29개 지역의 피부색 비율로 학습된다. 실험결과 제안하는 분류기는 92.80%의 검출율(Detection Rate)과 6.73%의 양성오류율(False Positive Rate)을 나타내었다.

• 한국융합학회논문지
• /
• 제10권6호
• /
• pp.7-14
• /
• 2019

본 논문에서는 YCbCr 색공간을 이용한 피부색 추출에서 조명과 그림자에 의한 손실 영역을 Flood Fill 알고리즘을 이용하여 보완하고 Haar-like 특징을 이용한 Cascade Classifier 얼굴 검출 방법을 제안하였다. Haar-like 특징을 이용한 Cascade Classifier는 이미지에서 기존의 YCbCr 색공간을 이용한 피부색 추출은 단순히 임계값만 사용하기 때문에 조명, 그림자 등에 의해 잡음과 손실 영역이 발생할 수 있다. 이러한 문제를 해결하기 위해 침식, 팽창 연산을 사용하여 잡음을 제거하였고 손실 영역을 추정하기 위해 Flood Fill 알고리즘을 사용하여 손실 영역을 추정하였다. 추정한 영역에 대하여 YCbCr 색공간의 임계값을 추가로 허용하였다. 나머지 손실영역에 대하여 위에서 추정한 영역중 추가로 허용한 영역의 평균값으로 색을 채워 넣었다. 추출한 이미지에 Haar-like Cascade Classifier를 사용하여 얼굴을 검출하였다. 기존의 Haar-like Cascade Classifier의 방법보다 제안하는 방법이 정확도가 약 4% 향상되었으며 YCbCr 색공간만을 이용한 피부색 추출보다 제안하는 방법의 검출률이 약 2% 향상되었다.

• Journal of Multimedia Information System
• /
• 제6권4호
• /
• pp.185-190
• /
• 2019

For future autonomous cars, it is necessary to recognize various surrounding environments such as lanes, traffic lights, and vehicles. This paper presents a method of speed sign recognition from a single image in automatic driving assistance systems. The detection step with the proposed method emphasizes the color attributes in modified YUV color space because speed sign area is affected by color. The proposed method is further improved by extracting the digits from the highlighted circle region. A sequential cascade AdaBoost classifier is then used in the recognition step for real-time processing. Experimental results show the performance of the proposed algorithm is superior to that of conventional algorithms for various speed signs and real-world conditions.

• 대한전자공학회논문지SP
• /
• 제39권2호
• /
• pp.69-78
• /
• 2002

본 논문에서는 복잡한 배경에서의 얼굴 추출 방법을 제안한다. 제안된 알고리즘은 적응 퍼지 색 분할기법을 사용하여 얼굴색과 머리색을 분할시킨다. 얼굴색 분포는 Y,Cb,Cr 색 공간내에서 유도되어지고, 조명값에 적응적인 퍼지 시스템을 사용하여 얼굴색을 구분해낸다. 머리색은 RGB 색 공간내에서 구분되어진다. 전처리 과정을 거쳐 추출되어진 얼굴색과 머리색 영역에 컨벡스 헐을 적용하여 그들의 관계를 통해 최종적인 얼굴 영역이 추출되어진다. 제안된 방법은 기존의 패턴 매칭 방법에 비해 효율적인 성능을 나타낸다. 제안된 알고리즘의 유효성을 실험을 통해 증명하며, 색 영역에서의 제한 조건 없이 성공적으로 얼굴 영역을 추출해 냄을 알 수 있다.

• 한국융합학회논문지
• /
• 제10권5호
• /
• pp.1-8
• /
• 2019

본 논문에서는 피부색 추출과정에서 그림자나 조명에 의해 얼굴 표면이 손실되어 피부색 추출이 되지 않는 문제점을 해결하기 위하여 개선된 얼굴 피부색 추출 방법을 제안하였다. 기존의 HSV를 이용한 방법은 조명에 의해 얼굴표면이 밝게 비춰지는 경우에 피부색 추출과정에서 피부색 요소가 손실되기 때문에 얼굴표면에 손실 영역이 나타나게 된다. 이러한 문제점을 해결하기 위해 피부색을 추출한 뒤 손실된 피부 요소 중 HSV 색공간에서 피부색의 H 채널 값 범위에 있는 요소들을 판단하여 손실된 부분의 좌표와 원본 이미지 좌표의 결합을 통해 피부색이 손실되는 부분을 최소화 하는 방법을 제안하였다. 얼굴 검출 과정으로는 추출한 피부색 이미지에서 질감 특징정보를 나타내는 LBP Cascade Classifier를 이용하여 얼굴을 검출하였다. 실험결과 제안하는 방법이 기존의 RGB와 HSV 피부색 추출과 LBP Cascade Classifier 방법을 이용한 얼굴검출보다 검출률과 정확도는 각각 5.8%, 9.6% 향상된 결과를 보였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권11호
• /
• pp.5583-5604
• /
• 2016

In this paper, we present a novel image operator to extract textual information in natural scene images. First, a powerful refiner called the Stroke Color Extension, which extends the widely used Stroke Width Transform by incorporating color information of strokes, is proposed to achieve significantly enhanced performance on intra-character connection and non-character removal. Second, a character classifier is trained by using gradient features. The classifier not only eliminates non-character components but also remains a large number of characters. Third, an effective extractor called the Character Color Transform combines color information of characters and geometry features. It is used to extract potential characters which are not correctly extracted in previous steps. Fourth, a Convolutional Neural Network model is used to verify text candidates, improving the performance of text detection. The proposed technique is tested on two public datasets, i.e., ICDAR2011 dataset and ICDAR2013 dataset. The experimental results show that our approach achieves state-of-the-art performance.

• 한국지능시스템학회논문지
• /
• 제26권2호
• /
• pp.120-126
• /
• 2016

본 연구에서는 HCbCr 색 특징과 RBFNNs 패턴분류기를 이용하여 얼굴영상을 효과적으로 검출하고 인식하기 위한 방법에 대해 제안한다. 피부색을 검출하는 것은 계산이 빠르고 형태 변형에 강인하여 얼굴을 검출하기에 유용하지만 유사한 색을 갖는 다른 물체를 잘못 검출하기도 한다. 따라서 피부색 검출의 정확도를 높이기 위하여 HSI 색공간과 YCbCr 색공간으로부터 각각 H요소와 CbCr요소를 추출하고 이를 결합하는 방법을 제안하였다. 그리고 각각의 피부색 후보 영역에 대하여 Haar-like 특징을 사용하여 눈을 검출함으로써 얼굴의 정확한 위치를 찾아냈다. 마지막으로 제안된 FCM 기반 RBFNNs 패턴분류기를 이용하여 얼굴 인식을 수행하였다. 또 Cambridge ICPR 영상 DB에 대하여 제안된 방법의 모의실험을 수행하고 그 결과를 제시하였다.

• Journal of Biosystems Engineering
• /
• 제18권3호
• /
• pp.288-295
• /
• 1993

본 연구는 칼라 컴퓨터시각을 이용하여 가구에 이용되고 있는 활엽수 부재의 색에 의한 선별법을 제시하고자 수행되었다. 붉은 오우크 가구 부재를 대상으로 칼라 컴퓨터시각 시스템을 이용 화상을 얻은후 R,G,B 농도값을 근거로 나무결, 나무결함, 3가지의 색깔 즉 핑크색, 흰색, 갈색의 나무부분, 이밖에 배경에 대한 지식 베이스화를 행하여 각 부재에 대하여 이들의 비율을 quadratic Bayes classifier를 이용 구하였으며, 이 중 나무결, 나무결함, 배경을 제외한 3가지 색상에 대하여 부재가 갖는 상대적인 비율을 근거로 qadratic Bayes classifier와 neural network를 각각 이용하여 핑크색, 흰색, 갈색의 3가지 부재로 구분하였다. 선별의 정확도는 기존의 육안에 의한 선별을 기준으로 비교하였는데 qadratic Bayes classifier에 의한 선별이 91.7%, neural network을 이용한 선별이 96.7%의 높은 정확도를 보였다. 따라서 가구의 품질향상을 위한 색에 의한 부재 선별에 칼라 컴퓨터시각이 유용하게 이용될 수 있을 것으로 판단되었다.

• 반도체디스플레이기술학회지
• /
• 제14권2호
• /
• pp.29-34
• /
• 2015

Traffic lights are common in cities and are important cues for the path planning of intelligent vehicles. In this paper, we propose a robust and efficient algorithm for recognizing traffic lights from video sequences captured by a low cost off-the-shelf camera. Instead of using color information for recognizing traffic lights, a shape based approach is adopted. In learning and detection phase, Histogram of Oriented Gradients (HOG) feature is used and a cascade classifier based on Adaboost algorithm is adopted as the main classifier for locating traffic lights. To decide the color of the traffic light, a technique based on histogram analysis in HSV color space is utilized. Experimental results on several video sequences from typical urban environment prove the effectiveness of the proposed algorithm.