• 디지털융복합연구
• /
• 제11권12호
• /
• pp.459-465
• /
• 2013

본 논문은 영상 속 객체와 배경의 컬러 특징을 이용한 주요 객체의 자동 추출 방법에 관한 연구이다. 인간이 객체를 판단할 때에는 배경과 객체의 색상 차이를 이용하는데 이러한 요소를 객체 추출 방법에 적용시키기 위해서는 배경과 객체의 색차를 강조하여야 한다. 따라서 본 논문에서는 원 RGB 영상을 인간의 시각 시스템과 유사한 HSV 색 공간으로 변환하고 각기 다른 분포도의 메디안 필터를 적용한 두 개의 영상을 생성한 뒤 두 개의 메디안 필터가 적용된 영상들을 합산하였고 데이터 군집화 방법인 Mean Shift 알고리즘을 적용하여 색상 특징을 그룹화 하였다. 마지막으로 이진화 작업을 위하여 영상의 채널 수를 3 채널에서 1 채널로 정규화 한 뒤 영상 내 픽셀들의 평균값을 임계값으로 이용하는 이진화 방법으로 객체 지도 영상을 생성하였고 주요 객체를 추출하였다.

• 로봇학회논문지
• /
• 제1권1호
• /
• pp.25-35
• /
• 2006

Improving practicality of SLAM requires various sensors to be fused effectively in order to cope with uncertainty induced from both environment and sensors. In this case, combining sonar and vision sensors possesses numerous advantages of economical efficiency and complementary cooperation. Especially, it can remedy false data association and divergence problem of sonar sensors, and overcome low frequency SLAM update caused by computational burden and weakness in illumination changes of vision sensors. In this paper, we propose a SLAM method to join sonar sensors and stereo camera together. It consists of two schemes, extracting robust point and line features from sonar data and recognizing planar visual objects using multi-scale Harris corner detector and its SIFT descriptor from pre-constructed object database. And fusing sonar features and visual objects through EKF-SLAM can give correct data association via object recognition and high frequency update via sonar features. As a result, it can increase robustness and accuracy of SLAM in indoor environment. The performance of the proposed algorithm was verified by experiments in home -like environment.

• 인터넷정보학회논문지
• /
• 제19권6호
• /
• pp.91-99
• /
• 2018

스케치 기반 3차원 물체 검색은 다양한 3차원 물체를 사람이 손으로 그린 스케치를 질의(query)로 사용하여 물체를 편리하게 검색하는 방법이다. 본 논문에서는 스케치 기반 3차원 물체 검색을 위해 스케치 CNN(Convolutional Neural Network)과 Wasserstein CNN 모델에 Wasserstein Center 손실을 적용하여 물체의 검색 성공률을 향상시키는 새로운 방법을 제안한다. 제안된 Wasserstein Center 손실이란 각 물체의 클래스(category)의 중심을 학습하고, 동일한 클래스의 특징과 중심 간의 Wasserstein 거리가 작아지도록 만드는 방법이다. 이를 위하여 제안된 3차원 물체 검색은 다음의 단계로 수행된다. 첫 번째로, 3차원 물체의 특징은 3차원 물체를 여러 방향에서 촬영된 2차원 영상의 특징을 CNN을 이용하여 추출하고, 각 영상 특징의 Wasserstein 중심을 계산한다. 두 번째로, 스케치의 특징은 별도의 스케치 CNN을 이용하여 추출하였다. 마지막으로, 추출한 3차원 물체의 특징과 스케치의 특징을 본 논문에서 제안한 Wasserstein Center 손실을 이용하여 학습하고 스케치 기반의 3차원 물체 검색에 적용하였다. 본 논문에서 제안한 방법의 우수성을 입증하기 위하여 SHREC 13과 SHREC 14의 두 가지 벤치마크 데이터 집합을 이용하여 평가하였으며, 제안된 방법이 기존의 스케치 기반 검색방법들과 비교하여 모든 측정 기준에서 우수한 결과를 나타냄을 확인할 수 있었다.

• 전자공학회논문지
• /
• 제53권6호
• /
• pp.122-129
• /
• 2016

컴퓨터 비전(Computer vision) 분야에서 물체인식을 위한 많은 알고리즘이 연구되고 있다. 그중 특징점(feature) 기반의 SURF(Speeded Up Robust Features) 알고리즘은 다른 알고리즘에 비해 속도와 정확도 면에서 우수하다. 하지만 SURF 알고리즘은 대응점 검출 시 대응점 오정합으로 물체인식에 실패하는 단점이 있다. 본 논문은 물체 인식률을 향상하기 위하여 SURF와 RANSAC(Random Sample Consensus) 알고리즘을 기반으로 물체인식 시스템을 구현하고, 패턴인식 필터링을 제안하였다. 또한, 실험을 통하여 물체 인식률 향상 결과를 제시하였다.

• 한국통신학회논문지
• /
• 제17권3호
• /
• pp.197-205
• /
• 1992

본 논문은 신경회로망을 이용한 물체인식에 관한 연구로써, 인식은 물체의 경계점으로부터 추출된 국부 특징들로 구성되는 각 선형선소들간의 매칭에 의해 이루어진다. 그러나 추출된 특징들은 물체를 구성하는 선형선소들간의 유사성 때문에 특징 공간상에서 다른 모델과의 경계가 불분명하게 되므로 인식의 애매성이 발생하고, 특징의 유사성에 기인한 신경 회로망의 경계분리능력의 한계에 따라 인식률의 저하를 가져온다. 따라서, 본 논문에서는 인식의 애매성을 해소하고, 인식율의 향상을 도모할 수 있도록 2개의 신경회로망을 다단결합한 물체인식 시스템을 구성하였으며, 물체를 효과적으로 기술할 수 있는 국부 특징량을 사용하였다. 실험을 통하여 구성된 물체인식 시스템의 타당성을 확인하였으며, 중복 물체 및 변형된 물체에 적용하여 그 결과를 고찰하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권12호
• /
• pp.4795-4815
• /
• 2020

Drone detection can be considered as a specific sort of small object detection, which has always been a challenge because of its small size and few features. For improving the detection rate of drones, we design a Deeper SSD network, which uses large-scale input image and deeper convolutional network to obtain more features that benefit small object classification. At the same time, in order to improve object classification performance, we implemented the up-sampling modules to increase the number of features for the low-level feature map. In addition, in order to improve object location performance, we adopted the down-sampling modules so that the context information can be used by the high-level feature map directly. Our proposed Deeper SSD and its variants are successfully applied to the self-designed drone datasets. Our experiments demonstrate the effectiveness of the Deeper SSD and its variants, which are useful to small drone's detection and recognition. These proposed methods can also detect small and large objects simultaneously.

• 한국지능시스템학회논문지
• /
• 제19권6호
• /
• pp.760-765
• /
• 2009

객체 영상에서 색, 모양과 같은 특징은 객체의 특성을 명확하게 표현하지 못한다. 따라서 제한된 특징 정보는 객체 영상인식의 애매성을 야기한다. 최근에는 객체 인식에서의 애매성을 줄이기 위해 지식베이스에 기반한 영상의 인식에 관한 연구가 진행되고 있다. 그러나 영상은 수치적 정보로 표현되고 지식베이스는 개념적 정보로 표현되어 영상과 지식 베이스의 결합이 쉽지 않다. 본 논문에서는 영상과 지식베이스의 정보 표현의 차이를 줄이기 위해 온톨로지를 이용하여 지식베이스를 구성한다. 그리고 내부 객체 정보를 이용하여 객체 영상 인식 과정에서의 애매성을 줄이는 객체 영상 인식 방법을 제안한다. 또한, 과일 영역에서의 객체 영상 인식 실험을 통해 제안한 방법의 효용성을 확인한다.

• 한국멀티미디어학회논문지
• /
• 제21권12호
• /
• pp.1425-1430
• /
• 2018

In this paper, we propose a CNN based deep learning algorithm for semantic segmentation of images. In order to improve the accuracy of semantic segmentation, we combined pixel level object classification and image level object classification. The image level object classification is used to accurately detect the characteristics of an image, and the pixel level object classification is used to indicate which object area is included in each pixel. The proposed network structure consists of three parts in total. A part for extracting the features of the image, a part for outputting the final result in the resolution size of the original image, and a part for performing the image level object classification. Loss functions exist for image level and pixel level classification, respectively. Image-level object classification uses KL-Divergence and pixel level object classification uses cross-entropy. In addition, it combines the layer of the resolution of the network extracting the features and the network of the resolution to secure the position information of the lost feature and the information of the boundary of the object due to the pooling operation.

• 대한전자공학회논문지SP
• /
• 제49권3호
• /
• pp.18-29
• /
• 2012

실시간 물체 검출에 매우 효과적이라고 알려져 있는 Viola-Jones 알고리즘에서는 약분류기를 구성하기 위해 Haar 모양의 특징들을 사용한다. 이러한 Haar 모양 특징은 각각 양의 영역과 음의 영역에 해당하는 두 개 이상의 사각형의 조합으로 구성되며 양의 영역에 해당하는 화소값들의 합과 음의 영역에 해당하는 화소값들의 합의 차에 의하여 특징값을 계산한다. 본 논문에서 새롭게 제안하는 사각 특징은 두 개 이상의 사각 영역으로 구성되는 Haar 모양 특징과는 달리 단일한 사각 영역으로 구성되어 영역 내의 화소값들을 총합과 분산을 특징으로 사용한다. 이러한 사각 특징들을 기존의 Haar 모양 특징과 함께 사용하면 물체의 특징을 인접하는 밝은 영역과 어두운 영역의 조합으로만 선택했던 기존의 방법으로 인해 그동안 배제되어 온 새로운 특징을 선택할 수 있으며 그 결과 계산상의 손실 없이 물체 검출의 성능을 높일 수 있다.

• 한국통신학회논문지
• /
• 제38A권6호
• /
• pp.486-491
• /
• 2013

본 논문은 객체검출(object detection)에 사용되는 분류기의 학습을 위한 빠르고 효율적인 Haar-like feature 선택 알고리듬을 제안한다. 기존 AdaBoost를 이용한 Haar-like feature 선택 알고리듬은 학습 샘플들에 대한 피쳐의 에러만을 고려하여 형태적으로 유사하거나 중복되는 피쳐가 선택되는 경우가 많았다. 제안하는 알고리듬은 피쳐의 형태와 피쳐간의 거리로부터 피쳐의 유사도를 계산하고 이미 선택된 피쳐와 유사도가 큰 피쳐들을 피쳐 세트에서 제거하여 빠르고 효율적인 피쳐 선택이 이루어지도록 하였다. FERET 얼굴 데이터베이스를 사용하여 제안된 알고리듬을 사용하여 학습시킨 분류기와 기존 알고리듬을 사용한 분류기의 성능을 비교하였다. 실험 결과 제안한 피쳐 선택 방법을 사용하여 학습시킨 분류기가 기존 방법을 사용한 분류기보다 향상된 성능을 보였으며, 동일한 성능을 갖도록 학습시켰을 경우 분류기의 피쳐 수가 20% 감소하였다.