• 한국산업정보학회논문지
• /
• 제12권3호
• /
• pp.60-68
• /
• 2007

본 논문에서는 자동으로 사용자의 얼굴 표정을 인식할 수 있는 시스템을 제안한다. 제안된 시스템은 휴리스틱 정보를 기반으로 설계된 트리 구조를 이용하여 행복, 역겨움, 놀람의 감정과 무표정을 인식한다. 카메라로부터 영상이 들어오면 먼저 얼굴 특징 검출기에서 피부색 모델과 연결성분 분석을 이용하여 얼굴 영역을 획득한다. 그 후에 신경망 기반의 텍스처 분류기를 사용하여 눈 영역과 비 눈 영역으로 구분한 뒤 눈의 중심 영역과 에지 정보를 기반으로 하여 눈, 눈썹, 입 등의 얼굴 특징을 찾는다. 검출된 얼굴 특징들은 얼굴 표정 인식기에 사용되며 얼굴 인식기는 이를 기반으로 한 decision tree를 이용하여 얼굴 감정을 인식한다. 제안된 방법의 성능을 평가하기 위해 MMI JAFFE, VAK DB에서 총 180장의 이미지를 사용하여 테스트하였고 약 93%의 정확도를 보였다.

• 한국정보통신학회논문지
• /
• 제22권10호
• /
• pp.1334-1339
• /
• 2018

Viola & Jones의 얼굴 검출 알고리즘은 대표적인 얼굴 검출 알고리즘으로 매우 우수한 얼굴 검출 성능을 보인다. 그러나 많은 얼굴을 포함하는 영상들을 대상으로 한 Viola & Jones 알고리즘은 얼굴의 다양성으로 미검출 얼굴들, 가짜 얼굴들과 중복 검출된 얼굴들 같은 잘못 검출된 얼굴들을 발생시킨다. 본 논문은 Viola & Jones 알고리즘에서 생성된 잘못 검출된 얼굴들을 제거하는 얼굴 검증 알고리즘을 이용한 개선된 얼굴 검출 알고리즘을 제안한다. 제안된 얼굴 검증 알고리즘은 검출된 얼굴들에 대한 크기, 지정된 영역의 피부색, 눈과 입에서 발생된 에지, 중복 검출을 평가하여 얼굴이 유효한지를 확인한다. Viola & Jones 알고리즘에 의해 검출된 658개의 얼굴 영상들을 대상으로 한 얼굴 검증 실험에서 제안된 얼굴 검증 알고리즘은 실제 사람들에 의해 생성된 모든 얼굴 영상들을 검증하는 것을 보여준다.

• 대한원격탐사학회지
• /
• 제12권2호
• /
• pp.169-198
• /
• 1996

본 연구는 낙동강 하류지역의 지속가능한 개발과 환경보전을 위하여 위성탑재 Fuyo-1 OPS VNIR 주사자료에 의한 겨울철 환경계측을 시범·고찰하였다 따라서 그림자 효과가 강하게 발생하는 산림에 대해 방향성 분광반사특성과 식생지수를 중점분석하고 분광각대응분류를 통하여 겨울철 토지피복도를 산출하였다. 그리고 해·담수 분포도와 낙동강 하류의 수질오염도를 작성하기 위하여 가림기법, 최대우도추정분류기, 그리고 유색밀도편분기법을 응용하였다. 본 연구에서 획득된 결과를 요약하면 첫째로 양지사면의 분광반사치와 식생지수값 모두 음지사면보다 높다. 둘째로 위장반사현상이 일어나는 지역을 주제별 분류를 할 경우 분광각대응분류 산법이 유용하다 셋째로 겨울철 낮은 태양고도에도 해·담수분포도를 산출하는데 최대우도추정분류산법이 적합하다. 넷째로 근적외선밴드를 사용하여 가림·유색밀도편분기법에 의해 산출된 수질오염 도는 낙동강의 수질상태를 분석할 수 있다. 마지막으로 유색코드 정규식생지수 화상은 사면방위에 따른 임관밀도를 파악하는데 이용된다.

• 전자공학회논문지CI
• /
• 제44권1호
• /
• pp.56-63
• /
• 2007

본 논문은 신경망 (neural network: NN)과 mean-shift알고리즘을 이용하여 복잡한 배경에서 사용자의 눈을 정확히 추출하고 추적할 수 있는 눈 추적 시스템을 제안한다. 머리의 움직임에 강건한 시스템을 개발하기 위해서 먼저 피부색 모델과 연결 성분분석을 이용하여 얼굴영역을 추출한다. 그 다음 신경망기반의 텍스처 분류기를 이용하여 얼굴 영역(face region)을 눈 영역(eye region)과 비눈 영역(non-eye region)으로 구분함으로써 눈을 찾는다. 이러한 눈 검출 방법은 안경의 착용 유무에 상관없이 사용자의 눈 영역을 정확히 검출 할 수 있게 한다. 일단 눈 영역이 찾아지면 이후 프레임에서의 눈 영역은 mean-shift알고리즘에 의해 정확하게 추적된다. 제안된 시스템의 효율성을 검증하기 위해서 제안된 시스템은 눈의 움직임을 이용한 인터페이스 시스템에 적용되었고, 이 인터페이스를 이용한 'aliens game'이 구현되었다. 25명의 사용자에 대해 실험한 결과는 제안된 시스템이 보다 편리하고 친숙한 인터페이스로 활용될 수 있다는 것을 보여주었으며, 또한 $320{\times}240$ 크기의 영상을 초당 30프레임의 빠른 속도로 처리함으로써 실시간 시스템에 적용될 수 있음을 보여주었다.

• 공업화학
• /
• 제8권6호
• /
• pp.1014-1021
• /
• 1997

수세미외 그물 섬유를 크라프트법, 알카리 아황산법, 아황산법, 알카리 과산화 수소법과 소오다법으로 펄프화하고, 안트라퀴논의 첨가와 미첨가 조건으로 구분하여 증해하였다. 이들의 고해와 미고해분에 대하여 주사 전자현미경(SEM), 섬유 품질 분석기(FQA), 섬유길이 분류기(Clark 4-Screen Classifier), 화상 분석기(Image Analyzer)를 이용하여 특성과 섬유의 구조를 비교 분석하였다. 그 결과는 다음과 같다. 1) 수세미의 섬유의 증해후 해섬 가능 기준의 Pulping 조건은 KP계($160^{\circ}C$, 2시간), ASP계($155^{\circ}C$, 4시간), PAP계($160^{\circ}C$, 1시간)에서 Kappa값이 각각 12, 25, 10 수준으로 비교적 낮은 Total Alkali(약 20%) 조건에서 적정 증해가 가능했다. 2) 각 펄프화별 펄프의 총 증해수율은 KP 50~55, ASP계 60~70, PAP계 45~50%로 SP계의 수율은 매우 높고, KP나 PAP는 일반 비목재나 목재와 비슷한 수준을 나타냈다. 3)NaOH의 투입량의 증가는 해섬능을 촉진하고, 섬유길이, Curl, Kink Index 등에서 품질의 형태 변화를 보였다. 4) 수세미외 섬유의 펄프화 공정에서 AQ첨가는 탈리그닌 촉진으로 해섬능이 현격하게 향상되고 섬유의 산화 분해를 방지하며, 고해 속도 상승과 피브릴화를 촉진하였다. 5) ASP계는 KP나 PAP보다 Bulk density가 높고, 섬유간 결합이 치밀하고, 섬유의 세포 손상이 감소되었다. 6) 수세미외 섬유는 "C" Stain에 의한 정색 반응으로 청색 또는 청회색의 맑고 투명한 세포벽을 갖는 정색 특성을 나타냈다.

• 대한전자공학회논문지SP
• /
• 제45권1호
• /
• pp.75-83
• /
• 2008

본 논문에서는 얼굴의 다중 특징을 이용하여 마우스의 다양한 동작을 효율적으로 구현할 수 있는 복지형 인터페이스를 제안한다. 제안된 시스템은 5개의 모듈로 구성 된다 : 얼굴의 검출(Face detection), 눈의 검출(eye detection), 입의 검출(mouth detection), 얼굴특징 추적(lariat feature tracking), 마우스의 제어(mouse control). 첫 단계에서는 피부색 모델과 연결 성분 분석을 이용하여 얼굴 영역을 검출한다. 그 후 얼굴영역으로부터 정확히 눈을 검출하기 위하여 신경망 기반의 텍스처 분류기를 사용하여 얼굴 영역에서 눈 영역과 비 눈 영역을 구분한다. 일단 눈 영역이 검출되면 눈의 위치에 기반 하여 에지 검출기(edge detector)를 이용하여 입 영역을 찾는다. 눈 영역과 입 영역을 찾으면 각각 mean shift 알고리즘과 template matching을 사용하여 정확하게 추적되고, 그 결과에 기반 하여 마우스의 움직임 또는 클릭의 기능이 수행된다. 제안된 시스템의 효율성을 검증하기 위하여 제안된 인터페이스 시스템을 다양한 응용분야에 적용 하였다. 장애인과 비장애인으로 나누어 제안된 시스템을 실험한 결과 모두에게 실시간으로 보다 편리하고 친숙한 인터페이스로 활용 될 수 있다는 것이 증명 되었다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.167-181
• /
• 2018

지난 10여 년간 딥러닝(Deep Learning)은 다양한 기계학습 알고리즘 중에서 많은 주목을 받아 왔다. 특히 이미지를 인식하고 분류하는데 효과적인 알고리즘으로 알려져 있는 합성곱 신경망(Convolutional Neural Network, CNN)은 여러 분야의 분류 및 예측 문제에 널리 응용되고 있다. 본 연구에서는 기계학습 연구에서 가장 어려운 예측 문제 중 하나인 주식시장 예측에 합성곱 신경망을 적용하고자 한다. 구체적으로 본 연구에서는 그래프를 입력값으로 사용하여 주식시장의 방향(상승 또는 하락)을 예측하는 이진분류기로써 합성곱 신경망을 적용하였다. 이는 그래프를 보고 주가지수가 오를 것인지 내릴 것인지에 대해 경향을 예측하는 이른바 기술적 분석가를 모방하는 기계학습 알고리즘을 개발하는 과제라 할 수 있다. 본 연구는 크게 다음의 네 단계로 수행된다. 첫 번째 단계에서는 데이터 세트를 5일 단위로 나눈다. 두 번째 단계에서는 5일 단위로 나눈 데이터에 대하여 그래프를 만든다. 세 번째 단계에서는 이전 단계에서 생성된 그래프를 사용하여 학습용과 검증용 데이터 세트를 나누고 합성곱 신경망 분류기를 학습시킨다. 네 번째 단계에서는 검증용 데이터 세트를 사용하여 다른 분류 모형들과 성과를 비교한다. 제안한 모델의 유효성을 검증하기 위해 2009년 1월부터 2017년 2월까지의 약 8년간의 KOSPI200 데이터 2,026건의 실험 데이터를 사용하였다. 실험 데이터 세트는 CCI, 모멘텀, ROC 등 한국 주식시장에서 사용하는 대표적인 기술지표 12개로 구성되었다. 결과적으로 실험 데이터 세트에 합성곱 신경망 알고리즘을 적용하였을 때 로지스틱회귀모형, 단일계층신경망, SVM과 비교하여 제안모형인 CNN이 통계적으로 유의한 수준의 예측 정확도를 나타냈다.