• 제목/요약/키워드: color detector

검색결과 116건 처리시간 0.023초

AAM 기반 얼굴 표정 인식을 위한 입술 특징점 검출 성능 향상 연구 (A Study on Enhancing the Performance of Detecting Lip Feature Points for Facial Expression Recognition Based on AAM)

  • 한은정;강병준;박강령
    • 정보처리학회논문지B
    • /
    • 제16B권4호
    • /
    • pp.299-308
    • /
    • 2009
  • AAM(Active Appearance Model)은 PCA(Principal Component Analysis)를 기반으로 객체의 형태(shape)와 질감(texture) 정보에 대한 통계적 모델을 통해 얼굴의 특징점을 검출하는 알고리즘으로 얼굴인식, 얼굴 모델링, 표정인식과 같은 응용에 널리 사용되고 있다. 하지만, AAM알고리즘은 초기 값에 민감하고 입력영상이 학습 데이터 영상과의 차이가 클 경우에는 검출 에러가 증가되는 문제가 있다. 특히, 입을 다문 입력얼굴 영상의 경우에는 비교적 높은 검출 정확도를 나타내지만, 사용자의 표정에 따라 입을 벌리거나 입의 모양이 변형된 얼굴 입력 영상의 경우에는 입술에 대한 검출 오류가 매우 증가되는 문제점이 있다. 이러한 문제점을 해결하기 위해 본 논문에서는 입술 특징점 검출을 통해 정확한 입술 영역을 검출한 후에 이 정보를 이용하여 AAM을 수행함으로써 얼굴 특징점 검출 정확성을 향상시키는 방법을 제안한다. 본 논문에서는 AAM으로 검출한 얼굴 특징점 정보를 기반으로 초기 입술 탐색 영역을 설정하고, 탐색 영역 내에서 Canny 경계 검출 및 히스토그램 프로젝션 방법을 이용하여 입술의 양 끝점을 추출한 후, 입술의 양 끝점을 기반으로 재설정된 탐색영역 내에서 입술의 칼라 정보와 에지 정보를 함께 결합함으로써 입술 검출의 정확도 및 처리속도를 향상시켰다. 실험결과, AAM 알고리즘을 단독으로 사용할 때보다, 제안한 방법을 사용하였을 경우 입술 특징점 검출 RMS(Root Mean Square) 에러가 4.21픽셀만큼 감소하였다.

다양한 카메라와 조명의 변화에 강건한 반자동 카메라 캘리브레이션 방법 (Robust Semi-auto Calibration Method for Various Cameras and Illumination Changes)

  • 신동원;호요성
    • 방송공학회논문지
    • /
    • 제21권1호
    • /
    • pp.36-42
    • /
    • 2016
  • 최근 다시점 카메라 시스템을 기반으로 한 3차원 영상 렌더링 방법을 통해 3차원 콘텐츠가 많이 제작되고 있다. 이러한 깊이 영상 기반 렌더링에서는 필연적으로 색상 카메라와 깊이 카메라 간의 시점 차이가 발생하기 때문에 두 카메라의 시점을 일치시키는 전처리 과정으로서 카메라 파라미터가 중요한 역할을 수행한다. 기존의 카메라 캘리브레이션 방법은 평면의 체스보드 패턴을 회전과 이동이 수행된 여러 자세로 촬영한 다음 획득된 영상에서 패턴 특징 점을 손으로 직접 선택해야하는 불편함이 따른다. 따라서 본 논문에서는 이 문제를 해소하기 위해 원형 샘플 화소 검사와 호모그래피 예측을 이용한 반자동 카메라 캘리브레이션을 제안한다. 제안하는 방법은 먼저 FAST 코너 검출 알고리즘을 이용하여 패턴 특징 점의 후보를 영상으로부터 추출한다. 다음으로 원형 샘플 화소를 검사하여 후보군의 크기를 줄이고 호모그래피 예측을 통해 손실된 패턴 특징 점을 보완하는 완전한 패턴 특징 점군을 획득한다. 마지막으로 쌍곡 포물면 근사를 통해 실수 단위의 정확성을 가지는 패턴 특징 점의 위치를 획득한다. 실험을 통해 각 단계에서 어떤 요인이 패턴 특징 점 검출에 영향을 미치는가에 대해 조사했고 제안하는 방법이 기존의 방법과 비교하여 카메라 파라미터의 정확성은 유지하고 수작업의 불편함을 해소할 수 있음을 확인했다.

Chemometric Approach to Fatty Acid Profiles in Soybean Cultivars by Principal Component Analysis (PCA)

  • Shin, Eui-Cheol;Hwang, Chung-Eun;Lee, Byong-Won;Kim, Hyun-Tae;Ko, Jong-Min;Baek, In-Youl;Lee, Yang-Bong;Choi, Jin-Sang;Cho, Eun-Ju;Seo, Weon-Taek;Cho, Kye-Man
    • Preventive Nutrition and Food Science
    • /
    • 제17권3호
    • /
    • pp.184-191
    • /
    • 2012
  • The purpose of this study was to investigate the fatty acid profiles in 18 soybean cultivars grown in Korea. A total of eleven fatty acids were identified in the sample set, which was comprised of myristic (C14:0), palmitic (C16:0), palmitoleic (C16:1, ${\omega}7$), stearic (C18:0), oleic (C18:1, ${\omega}9$), linoleic (C18:2, ${\omega}6$), linolenic (C18:3, ${\omega}3$), arachidic (C20:0), gondoic (C20:1, ${\omega}9$), behenic (C22:0), and lignoceric (C24:0) acids by gas-liquid chromatography with flame ionization detector (GC-FID). Based on their color, yellow-, black-, brown-, and green-colored cultivars were denoted. Correlation coefficients (r) between the nine major fatty acids identified (two trace fatty acids, myristic and palmitoleic, were not included in the study) were generated and revealed an inverse association between oleic and linoleic acids (r=-0.94, p<0.05), while stearic acid was positively correlated to arachidic acid (r=0.72, p<0.05). Principal component analysis (PCA) of the fatty acid data yielded four significant principal components (PCs; i.e., eigenvalues>1), which together account for 81.49% of the total variance in the data set; with PC1 contributing 28.16% of the total. Eigen analysis of the correlation matrix loadings of the four significant PCs revealed that PC1 was mainly contributed to by oleic, linoleic, and gondoic acids, PC2 by stearic, linolenic and arachidic acids, PC3 by behenic and lignoceric acids, and PC4 by palmitic acid. The score plots generated between PC1-PC2 and PC3-PC4 segregated soybean cultivars based on fatty acid composition.

의료 방사선 검출기로써 스마트폰 카메라의 특성에 관한 연구 (A Study on the Characteristics of Smartphone Camera as a Medical Radiation Detector)

  • 강한규;김호철
    • 전자공학회논문지
    • /
    • 제53권5호
    • /
    • pp.143-151
    • /
    • 2016
  • 본 연구의 목적은 별도의 방사선 외부 검출장치 없이 스마트폰 자체의 CMOS 반도체 소자만을 활용하여 의료용 방사선 발생장치에서 발생하는 방사선을 효율적으로 검출하기 위한 최적의 조건과 알고리즘을 개발하는 것이다. 본 연구를 통하여 스마트폰에 내장된 CMOS 반도체 소자에 X-선의 선량을 증가시켜가면서 CMOS 영상 센서에서 반응하는 픽셀의 개수 및 밝기 등을 측정하였다. 스마트폰의 전면 카메라가 후면 카메라보다 노이즈가 적고 X-선과 같은 방사선에 대한 반응 특성이 우수하였다. 섬광결정을 사용한 간접 검출방식에 보다 CMOS 자체에 X-선을 반응시키는 직접 검출방식이 더 적은 선량까지 정확하게 검출이 가능하였다. 또한 X-선에 대한 선량의존성은 역치값을 넘어가는 픽셀의 개수를 계산한 Pixel number에 비해 개별 반응한 픽셀의 밝기까지 이용한 Pixel intensity가 더욱 선형적으로 나타났다. 컬러모델에 의한 실험에서는 스마트폰의 컬러모델인 YUV 컬러모델의 값 중 픽셀의 밝기값의 정보를 가지고 있는 Y값을 활용하면 방사선 검출에 있어 효율적일 것으로 사료된다. 향후 이와 같은 방사선 검출을 위한 최적의 조건들과 효율적 검출 알고리즘들에 대한 추가적인 연구가 진행된다면 방사선 선량의 관리가 효율적이며 체계적으로 이루어 질 수 있기 때문에 국민보건건강에 일조 할 수 있을 것으로 사료된다.

Development of Agricultural Products Screening System through X-ray Density Analysis

  • Eunhyeok Baek;Young-Tae Kwak
    • 한국컴퓨터정보학회논문지
    • /
    • 제28권4호
    • /
    • pp.105-112
    • /
    • 2023
  • 농산물 선별 시스템은 작물의 형태를 보전하기 위하여 비파괴적인 선별이 주로 사용된다. 이러한 비파괴 선별 기술로는 가시광선, 근적외선, 엑스선, 감마선 등의 광학적 특성을 이용하고 있으며 본 논문에서는 엑스선을 이용한 선별을 이용한다. 엑스선 영상은 엑스선의 밀도에 따라 그레이 영상으로 생성되어 육안으로 시료의 결함을 감지하기가 어렵다. 미세한 결함을 발견하기 위해서는 영상을 확대하거나 픽셀의 범위를 수정하여 적정한 픽셀의 영역만을 표시하여 결함을 탐지해야 한다. 이런 작업은 비효율적이다. 따라서 본 논문은 엑스선의 광역적인 밀도와 지역적인 밀도에 대한 상대적인 밀도를 측정하여 색상화된 결함을 표시하는 새로운 방법을 제안한다. 하나의 픽셀에 대한 상대적인 밀도는 주위 픽셀과의 상대적인 차이를 나타내며, 이런 픽셀을 정상과 결함으로 나타내는 엑스선 영상의 색상화 방법도 제안한다. 실험에서는 육안으로 볼 수 없는 농작물의 병해충 또는 새싹 부분을 특정 색으로 색상화 하여 농산물 선별 시스템에 활용할 수 있게 하였다. 제안된 방법은 엑스선을 이용한 선별 시스템에 적용되어 농산물 선별 시스템뿐만 아니라 가공식품, 부품 제조와 같은 제조 공정에서 사용되어 불량품을 선별하는 방법에 적극적으로 이용될 수 있을 것이다.

식품 중 타르색소의 동시분석 및 계통분석을 위한 HPLC 분석조건 및 정제과정 확립 (Optimization of HPLC Method and Clean-up Process for Simultaneous and Systematic Analysis of Synthetic Color Additives in Foods)

  • 박성관;홍연;정용현;이창희;윤혜정;김소희;이종옥
    • 한국식품과학회지
    • /
    • 제33권1호
    • /
    • pp.33-39
    • /
    • 2001
  • 이온쌍고속액체크로마토그래피를 이용하여 현재 우리나라에서 식품에 사용이 허용된 타르색소 8종과 일본등 외국에서는 허용되어 있으나 우리나라에서 허용되어 있지 않은 11종 등 총 19종의 동시 및 계통분석법을 확립하였다. HPLC에 사용한 컬럼은 Symmetry $C_18$, 이동상은 0.01 M TBA-Br이 함유된 0.025 M 초산암모늄용액-아세토니트릴-메탄올(65 : 25 : 10)과 0.01 M TBA-Br이 함유된 0.025 M 초산암모늄용액-아세토니트릴-메탄올(40 : 50 : 10)를 구배용매조성법(gradient mode)으로 사용하였다. 자외선 검출기의 파장은 동시분석의 경우 254 nm, 계통분석은 황색계통 420 nm, 적색계통 520 nm 그리고 청색 및 녹색계통은 620 nm로 설정하였다. 이때 색소들의 검출한계는 적색계통이 $0.05\;{\mu}g/g$, 황색계통은 $0.03\;{\mu}g/g$, 청색 및 녹색계통은 $0.01\;{\mu}g/g$이었다. Sep-pak $C_18$을 이용한 색소의 정제 방법은 혼합색소표준용액의 pH를 $5{\sim}6$으로 조정하고 0.1% TBA-Br을 가하여 색소를 보유시킨 다음 0.1% 염산-메탄올로 색소를 용출하여 HPLC로 분석하였다. 19종의 타르색소를 동시분석하는데 35분이, 계통분석시에는 18분 정도가 소요되었고 두 경우 모두 양호한 분리를 보였다.

  • PDF