• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제5권6호
• /
• pp.1166-1191
• /
• 2011

This paper presents an adaptive active tracking system with sector based scanning for a single PTZ camera. Dividing sectors on an image reduces the search space to shorten selection time so that the system can cover many targets. Upon the selection of a target, the system estimates the target trajectory to predict the zooming location with a finite amount of time for camera movement. Advanced estimation techniques using probabilistic reason suffer from the unknown object dynamics and the inaccurate estimation compromises the zooming level to prevent tracking failure. The proposed system uses the simple piecewise estimation with a few frames to cope with fast moving objects and/or slow camera movements. The target is tracked in multiple steps and the zooming time for each step is determined by maximizing the zooming level within the expected variation of object velocity and detection. The number of zooming steps is adaptively determined according to target speed. In addition, the iterative estimation of a zooming location with camera movement time compensates for the target prediction error due to the difference between speeds of a target and a camera. The effectiveness of the proposed method is validated by simulations and real time experiments.

• 한국정보통신학회논문지
• /
• 제12권11호
• /
• pp.2050-2056
• /
• 2008

본 논문은 스테레오 라인 CCD와 광원을 이용한 2차원 평면에서 이동객체를 인식하고 이동경로를 추적하는 시스템 구현이다. 시스템 구현은 카메라 이미지를 직접 처리하는 대신 두개의 라인 CCD 센서와 입력된 라인 이미지의 밝기를 비교하여 2차원 거리를 측정한다. 알고리듬은 이동객체감지, 경로추적과 좌표변환 기법을 적용한다. 객체의 이동경로를 효과적으로 감지하기 위하여 측정된 거리의 신뢰성을 평가하는 알고리즘을 개발하였다. 시스템을 구현하여 실험한 결과 5mm 인식율과 100ms 주기 이상의 이동객체경로 추적이 가능하였다.

• 한국산학기술학회논문지
• /
• 제12권12호
• /
• pp.5873-5877
• /
• 2011

본 논문은 안전관리 지역 내에서 아이와 같은 객체의 움직임에 대한 분석 연구이다. 안전관리 지역 내의 객체의 이상상황을 감지하여, 만일 비정상적인 상황이 감지되면 사전에 정해진 업무를 수행하도록 설계되어진다. 인적자원을 통하여 안전관리가 필요한 지역에 대해서 지속적으로 이상상황에 대한 감지업무를 수행한다는 것은 불가능한 사항이므로 이러한 감지 시스템의 도입을 통하여 안정적으로 지역의 신뢰도를 높일 수 있다. 따라서 본 논문에서는 객체의 검지를 통하여 현재의 상황을 인식하여 그에 대한 대응을 위한 것이다. 본 논문에서 제안한 방안을 통하여 센서 기반 분석시스템을 이용하여 객체의 이동상황 및 이상상황 감지를 수행한다.

• 한국전자파학회논문지
• /
• 제18권4호
• /
• pp.455-463
• /
• 2007

본 논문에서는 마이크로파를 이용하여 자동차, 무인 시설 및 자동문 등에서 적용 가능한 물체 탐지 장치 방안을 제안하고 있다. 마이크로파 탐지 기술이 보편화되면서, 제한된 대역폭으로 동반되는 상호 간섭 및 혼신은 필연적으로 예상된다. 본 논문에서는 간섭과 혼신 환경에서 영향을 받지 않는 가무작위(假無作爲) 코드를 사용하여 송수신 신호의 코드 상관으로 물체를 탐지한다. 도플러 주파수가 없는 고정 물체의 거리 탐침을 위한 가짜의 도플러(doppler) 신호를 생성하기 위하여 송신 신호의 위상은 지속적으로 변이된다. 또한, 수신 신호가 일정하도록 송신 신호의 전력을 제어하여, 수신기의 포화(saturation)를 제거하고 거리 측정 오차가 감소시켰다. 제안장치는 $0.5{\sim}2.0\;m$의 거리에 있는 물체를 탐지하여, 1.0 m 이내의 물체 유 무를 음성으로 알려준다.

• 한국전자거래학회지
• /
• 제26권1호
• /
• pp.93-106
• /
• 2021

최근 도로균열 탐지에 대한 많은 연구에서 딥러닝 기반의 접근법을 활용하면서 과거 알고리즘 기반의 접근법을 활용한 연구들보다 높은 성능과 성과를 보이고 있다. 그러나 딥러닝 기반의 많은 연구가 여전히 균열의 유형을 분류하는 것에 집중되어 있다. 균열 유형의 분류는 현재 수작업에 의존하고 있는 균열탐지 프로세스를 획기적으로 개선해 줄 수 있다는 점에서 상당한 기대를 받고 있다. 그러나 실제 도로의 유지보수 작업에 있어서는 균열의 유형뿐만 아니라 균열의 심각도에 관한 판단이 필수적이지만, 아직까지 도로균열 탐지와 관련된 연구들이 균열의 심각도에 대한 자동화된 산출까지 진전되지 못하고 있다. 균열의 심각도를 산출하기 위해서는 균열의 유형과 이미지 속 균열의 부위가 함께 파악되어야 한다. 본 연구에서는 균열 유형과 균열 부위의 동시적 탐지를 효과적으로 자동화하기 위해 딥러닝 기반의 객체탐지 모델인 Mobilenet-SSD를 활용하는 방법을 다루고 있다. 균열탐지의 정확도를 개선하기 위해 U-Net을 활용해 입력 이미지를 자동 분할하고, 이를 객체탐지 기법과 결합하기 위한 여러 실험을 진행하여 그 결과를 정리하였다. 결과적으로 U-Net을 활용한 이미지 의 자동 마스킹을 통해 객체탐지의 성능을 mAP 값이 0.9315가 되도록 향상시킬 수 있었다. 본 연구의 결과를 참고하여 도로포장 관리시스템의 구현에 균열탐지 기능의 자동화가 더욱 진전될 수 있다고 기대된다.

• 한국정보통신학회논문지
• /
• 제26권12호
• /
• pp.1794-1799
• /
• 2022

최근 증가하고 있는 도로 위 적재 불량 화물차는 비정상적인 무게 중심으로 인해 물체 낙하, 도로 파손, 연쇄 추돌 등 교통안전에 위해가 되고 한번 사고가 발생하면 큰 피해가 유발할 수 있다. 하지만 이러한 비정상적인 무게 중심은 적재 불량 차량 인식을 위한 주행 중 축중 시스템으로는 검출이 불가능하다는 한계점이 있다. 본 논문에서는 이러한 사회 문제를 야기하는 적재 불량 차량을 관리하기 위한 객체 인식 기반 AI 모델을 구축하고자 한다. 또한 AI-Hub에 공개된 약 40만 장의 데이터셋을 비교 분석하여 전처리를 통해 적재 불량 차량 검지 AI 모델의 성능을 향상시키는 방법을 제시한다. 또한 객체 추적을 통해 실시간 검지를 수행하는 방법을 제안한다. 이를 통해, 원시 데이터를 활용한 학습 성능 대비 약 23% 향상된 적재 불량 차량의 검출 성능을 나타냄을 보였다. 본 연구 결과를 통해 공개 빅데이터를 보다 효율적으로 활용하여, 객체 인식 기반 적재 불량 차량 탐지 모델 개발에 적용할 수 있을 것으로 기대된다.

• 한국통신학회논문지
• /
• 제35권1C호
• /
• pp.24-32
• /
• 2010

본 논문에서는 버려지거나 없어진 객체를 검출하는 시스템에 대해 연구하였다. 전경과 배경을 분리한 다음, 정적인 영역에 대한 검출을 통하여 방치되거나 제거된 물체를 검출하였다. 정적인 영역에 대한 검출 방법을 제안하고 히스토그램의 비교를 통해 방치, 제거 정보를 추출하였다. 제안된 방법은 CCTV 카메라의 입력 영상에 대하여 PC 및 DSP 칩을 이용하여 실시간 처리를 하였으며 DSP칩을 활용하였기 때문에 수정이 용이하다. 제안된 시스템에 대한 성능을 검증하기 위해 저, 중, 고의 복잡도에 따라 실험하였으며, 신뢰성 있는 검증을 위해 각 10회의 반복 수행을 하였다. 실험 결과, 복잡도가 낮거나 보통인 경우는 높은 객체 변화 검출률을 보였으며 매우 혼잡한 경우에는 환경적인 요인의 이유로 검출률이 상대적으로 낮은 것을 확인할 수 있었다. 이 원인은 복잡도가 높아짐에 따라 검출률이 낮은 것은 이동하는 객체들로 인해 방치된 객체의 폐색이 반복되기 때문이었다. 향후 이러한 문제의 해결을 위해 매우 복잡한 환경에서의 폐색에 대한 추가적인 연구와 강건한 정적 영역의 판단 방법에 대해 연구할 것이다.

• 한국멀티미디어학회논문지
• /
• 제21권5호
• /
• pp.558-570
• /
• 2018

Recently, object detection is a critical function for any system that uses computer vision and is widely used in various fields such as video surveillance and self-driving cars. However, the conventional methods can not detect the objects clearly because of the dynamic background change in the beach. In this paper, we propose a new technique to detect humans correctly in the dynamic videos like shores. A new background modeling method that combines spatial GMM (Gaussian Mixture Model) and temporal GMM is proposed to make more correct background image. Also, the proposed method improve the accuracy of people detection by using SVM (Support Vector Machine) to classify people from the objects and KCF (Kernelized Correlation Filter) Tracker to track people continuously in the complicated environment. The experimental result shows that our method can work well for detection and tracking of objects in videos containing dynamic factors and situations.

• Journal of Multimedia Information System
• /
• 제6권4호
• /
• pp.235-238
• /
• 2019

In real world object detection is an active research topic for understanding different objects from images. There are different models presented in past and had significant results. In this paper we are presenting vehicle logo detection using previous object detection models such as You only look once (YOLO) and Faster Region-based CNN (F-RCNN). Both the front and rear view of the vehicles were used for training and testing the proposed method. Along with deep learning an image pre-processing algorithm called perspective transformation is proposed for all the test images. Using perspective transformation, the top view images were transformed into front view images. This algorithm has higher detection rate as compared to raw images. Furthermore, YOLO model has better result as compare to F-RCNN model.

• 로봇학회논문지
• /
• 제14권1호
• /
• pp.1-7
• /
• 2019

Recently, smart factories have attracted much attention as a result of the 4th Industrial Revolution. Existing factory automation technologies are generally designed for simple repetition without using vision sensors. Even small object assemblies are still dependent on manual work. To satisfy the needs for replacing the existing system with new technology such as bin picking and visual servoing, precision and real-time application should be core. Therefore in our work we focused on the core elements by using deep learning algorithm to detect and classify the target object for real-time and analyzing the object features. We chose YOLO CNN which is capable of real-time working and combining the two tasks as mentioned above though there are lots of good deep learning algorithms such as Mask R-CNN and Fast R-CNN. Then through the line and inside features extracted from target object, we can obtain final outline and estimate object posture.