• 반도체디스플레이기술학회지
• /
• 제16권4호
• /
• pp.97-102
• /
• 2017

Object detection and tracking have become one of the most active research areas in the past few years, and play an important role in computer vision applications over our daily life. Many tracking techniques are proposed, and Camshift is an effective algorithm for real time dynamic object tracking, which uses only color features, so that the algorithm is sensitive to illumination and some other environmental elements. This paper presents and implements an effective moving object detection and tracking to reduce the influence of illumination interference, which improve the performance of tracking under similar color background. The implemented prototype system recognizes object using invariant features, and reduces the dimension of feature descriptor to rectify the problems. The experimental result shows that that the system is superior to the existing methods in processing time, and maintains better problem ratios in various environments.

• 한국전기전자재료학회논문지
• /
• 제37권3호
• /
• pp.261-273
• /
• 2024

This paper is an experimental study on the improvement of smoke and flame detection from different materials with YOLO. For the study, images of fires occurring in various materials were collected through an open dataset, and experiments were conducted by changing the main factors affecting the performance of the fire object detection model, such as the bounding box, polygon, and data augmentation of the collected image open dataset during data preprocessing. To evaluate the model performance, we calculated the values of precision, recall, F1Score, mAP, and FPS for each condition, and compared the performance of each model based on these values. We also analyzed the changes in model performance due to the data preprocessing method to derive the conditions that have the greatest impact on improving the performance of the fire object detection model. The experimental results showed that for the fire object detection model using the YOLOv5s6.0 model, data augmentation that can change the color of the flame, such as saturation, brightness, and exposure, is most effective in improving the performance of the fire object detection model. The real-time fire object detection model developed in this study can be applied to equipment such as existing CCTV, and it is believed that it can contribute to minimizing fire damage by enabling early detection of fires occurring in various materials.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2009년도 추계학술대회
• /
• pp.574-578
• /
• 2009

정지 영상이나 비디오 영상 시퀀스에서 배경 영상으로부터 움직이는 관심 물체를 구별하기 위한 실시간 물체 검출은 물체의 위치 추적과 인식에 있어 필수적인 단계이다. 물체 분할 후에 그림자 영역이 움직이는 물체 영역에 포함되어지기 때문에 그림자는 물체의 일부분 혹은 움직이는 물체로 오분류될 수 있다. 이러한 이유로 그림자 제거 알고리즘은 움직이는 물체 검출 및 추적 시스템의 결과에 중요한 역할을 한다. 이 문제점들을 해결하기 위해 본 논문에서는 움직이는 물체의 특징과 색상공간에서 그림자의 특징에 기반을 둔 정확한 물체 검출과 그림자 제거 알고리즘을 제안한다. 실험결과는 제안 알고리즘이 실험 영상에서 물체 검출과 그림자 제거에 대해 효과적인 것을 알 수가 있다.

• 한국멀티미디어학회논문지
• /
• 제25권3호
• /
• pp.546-557
• /
• 2022

Recently, the demand to interpret image data with artificial intelligence in various fields is rapidly increasing. Object recognition and detection techniques using deep learning are mainly used, and video integration analysis to determine unstructured object recognition is a particularly important problem. In the case of natural disasters or social disasters, there is a limit to the object recognition structure alone because it has an unstructured shape. In this paper, we propose intelligent video integration analysis system that can recognize unstructured objects based on video turning point and object detection. We also introduce a method to apply and evaluate object recognition using virtual augmented images from 2D to 3D through GAN.

• 대한전자공학회논문지SP
• /
• 제47권1호
• /
• pp.9-16
• /
• 2010

이동 객체 검출은 입력 영상에서 배경과 다른 전경 객체를 찾는 것을 말하는 것으로 지능 영상 감시, HCI, 객체 기반 영상 압축 등의 여러 영상 처리 응용 분야에서 필요한 과정이다. 기존의 이동 객체 검출 알고리즘은 상당한 계산량을 요구하여 다채널 영상 감시 응용, 또는 임베디드 시스템에서의 단일 채널의 실시간 응용에 사용하는 데 애로가 많다. 보다 정확한 이동 객체 검출을 위하여 필요한 과정인 전경 마스크 정정은 보통 열림, 닫힘 등의 모폴로지 연산을 통해 수행된다. 모폴로지 연산은 계산량이 적지 않고 게다가 프로세싱 방법이 달라 이동 객체 검출의 다음 단계인 연결 요소 레이블링 루틴과 동시에 처리되기 어렵다. 본 논문에서는 먼저 모폴로지 연산과는 달리 연결 요소 레이블링 루틴에서 사용되는 주변 픽셀 점검 과정을 활용한 전경 마스크 정정 알고리즘인 "주변 전경 픽셀 전파"을 고안하고, 이를 활용하여 전경 마스크 정정과 연결 요소 레이블링이 동시에 수행될 수 있는 이동 객체 검출 방법을 제안한다. 실험을 통해, 제안된 이동 객체 검출 방법이 기존의 모폴로지 연산을 사용한 방법 보다 정확하게 이동 객체를 검출하였으며, 대상 실험 영상 프레임 및 비디오에 대해서는 최소 4배 이상 신속하게 처리됨을 확인하였다.

• 해양환경안전학회지
• /
• 제28권4호
• /
• pp.499-506
• /
• 2022

자율운항선박이 상용화되어 연안을 항해하기 위해서는 해상의 장애물을 탐지할 수 있어야 한다. 연안에서 가장 많이 볼 수 있는 장애물 중의 하나는 양식장의 부표이다. 이에 본 연구에서는 YOLO 알고리즘을 이용하여 해상의 부표를 탐지하고, 카메라 영상의 기하학적 해석을 통해 선박으로부터 떨어진 부표의 거리와 방위를 계산하여 장애물을 시각화하는 해상물체탐지시스템을 개발하였다. 1,224장의 양식장 부표 사진으로 해양물체탐지모델을 훈련시킨 결과, 모델의 Precision은 89.0 %, Recall은 95.0 % 그리고 F1-score는 92.0 %이었다. 얻어진 영상좌표를 이용하여 카메라로부터 떨어진 물체의 거리와 방위를 계산하기 위해 카메라 캘리브레이션을 실시하고 해상물체탐지시스템의 성능을 검증하기 위해 Experiment A, B를 설계하였다. 해상물체탐지시스템의 성능을 검증한 결과 해상물체탐지시스템이 레이더보다 근거리 탐지 능력이 뛰어나서 레이더와 더불어 항행보조장비로 사용이 가능할 것으로 판단된다.

• Journal of Multimedia Information System
• /
• 제6권4호
• /
• pp.203-208
• /
• 2019

Fast operation of a CNN based object detection is important in many application areas. It is an efficient approach to reduce the size of an input image. However, it is difficult to find an area that includes a target object with minimal computation. This paper proposes a ROI detection method that is fast and robust to noise. The proposed method is not affected by a flicker line noise that is a kind of aliasing between camera and LED light. Fast operation is achieved by using down-sampling efficiently. The accuracy of the proposed ROI detection method is 92.5% and the operation time for a frame with a resolution of 640 × 360 is 0.388msec.

• 대한임베디드공학회논문지
• /
• 제19권2호
• /
• pp.91-99
• /
• 2024

Collision avoidance system is important to improve the robustness and functional safety of autonomous vehicles. This paper proposes an object-level distance estimation method to develop a collision avoidance system, and it is applied to golfcarts utilized in country club environments. To improve the detection accuracy, we continually trained an object detection model based on pseudo labels generated by a pre-trained detector. Moreover, we propose object-aware depth estimation (OADE) method which trains a depth model focusing on object regions. In the OADE algorithm, we generated dense depth information for object regions by utilizing detection results and sparse LiDAR points, and it is referred to as object-aware LiDAR projection (OALP). By using the OALP maps, a depth estimation model was trained by backpropagating more gradients of the loss on object regions. Experiments were conducted on our custom dataset, which was collected for the travel distance of 22 km on 54 holes in three country clubs under various weather conditions. The precision and recall rate were respectively improved from 70.5% and 49.1% to 95.3% and 92.1% after the continual learning with pseudo labels. Moreover, the OADE algorithm reduces the absolute relative error from 4.76% to 4.27% for estimating distances to obstacles.

• Journal of information and communication convergence engineering
• /
• 제12권3호
• /
• pp.193-197
• /
• 2014

Edges are a robust feature for object detection. In this paper, we present an edge-based background modeling method for the detection of moving objects. The edges in the image frames were mapped using robust Canny edge detector. Two edge maps were created and combined to calculate the ultimate moving-edge map. By selecting all the edge pixels of the current frame above the defined threshold of the ultimate moving edges, a temporary background-edge map was created. If the frequencies of the temporary background edge pixels for several frames were above the threshold, then those edge pixels were treated as background edge pixels. We conducted a performance comparison with previous works. The existing edge-based moving-object detection algorithms pose some difficulty due to the changes in background motion, object shape, illumination variation, and noises. The result of the performance evaluation shows that the proposed algorithm can detect moving objects efficiently in real-world scenarios.

• 전자통신동향분석
• /
• 제33권4호
• /
• pp.33-42
• /
• 2018

Object classification and detection are fundamental technologies in computer vision and its applications. Recently, a deep-learning based approach has shown significant improvement in terms of object classification and detection. This report reviews the progress of deep-learning based object classification and detection in views of the ImageNet Large Scale Visual Recognition Challenge (ILSVRC), and analyzes recent trends of object classification and detection technology and its applications.