• 한국인터넷방송통신학회논문지
• /
• 제19권6호
• /
• pp.109-116
• /
• 2019

본 논문은 얼굴 형상 인식을 위한 보다 안정적이며 조명 변화와 회전에 강인하게 얼굴 영역을 검출하며, 계산의 효율성과 검출 성능을 동시에 만족시키는 강인한 검출 알고리즘에 대해 제안한다. 제안한 알고리즘은 단일 카메라 환경에서 얼굴 형상을 입력정보로 사용하여 전처리 과정을 거쳐 얼굴 영역만을 분할한 후 자기 조직화 특징 지도(SOFM) 알고리즘을 이용하여 얼굴 형상을 인식하게 된다. 그러나 조명 변화에 민감하고 자유도가 큰 얼굴 영역을 정확히 인식하기란 쉽지 않으며 오차 범위도 크기 때문에 본 논문에서는 인식률을 높이기 위해 각각의 얼굴 형상에 대한 회전 정보를 데이터베이스화 한 후 주성분 분석을 적용하여 군집화 함으로서 인식오차를 줄였다. 또한 차원 축소로 인해 많은 계산량이 요구되지 않기 때문에 실시간 인식 시간도 줄일 수 있었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2006년도 춘계종합학술대회
• /
• pp.285-290
• /
• 2006

본 논문에서는 출입국자 관리의 효율성과 체계적인 출입국 관리를 위하여 여권 코드를 자동으로 인식하고 위조 여권을 판별할 수 있는 여권 인식 및 얼굴 인증 방법을 제안한다. 본 논문의 구성은 여권 인식과 얼굴 인증 부분으로 구성되며, 여권 인식 부분에서는 소벨 연산자, 수평 최소값 필터 등을 적용한 후, 8 방향 윤곽선 추적 알고리즘을 적용하여 코드의 문자열 영역을 추출하고 기울기를 보정한다. 추출된 문자열은 반복 이진화 방법을 적용하여 코드의 문자열 영역을 이진화 한다. 이진화된 문자열 영역에 대해 8 방향 윤곽선 추적 알고리즘을 적용하여 개별 코드를 추출한 후에 SOM(Self-Organizing Maps) 알고리즘을 적용하여 여권 코드를 인식한다. 얼굴 인증 부분에서는 여권 사진 영역의 특징을 이용하여 얼굴 후보 영역을 추출한 후, RGB와 YCbCr 색공간에서 피부색 정보를 이용하여 얼굴 영역을 추출한다. 추출된 얼굴 영역은 PCA(Principal Component Analysis) 알고리즘을 적용하여 특징 벡터를 구하고 여권 코드가 인식된 결과를 바탕으로 여권 소지자의 데이터 베이스에 있는 얼굴 영상의 특징벡터와의 거리 값을 계산하여 사진 위조 여부를 판별한다. 제안된 여권 인식 및 얼굴 인증 방법의 성능 평가를 위하여 원본 여권의 얼굴 부분을 위조한 여권과 기울어진 여권 영상을 대상으로 실험한 결과, 제안된 방법이 여권의 코드 인식 및 얼굴 인증에 있어서 우수한 성능이 있음을 확인하였다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2002년도 추계학술발표논문집
• /
• pp.149-154
• /
• 2002

운송 컨테이너의 식별자를 추출하고 인식하는 것은 컨테이너 식별자들의 크기나 위치가 정형화되어 있지 않고 외부의 잡음으로 인하여 식별자의 형태가 훼손되어 있기 때문에 어렵다. 본 논문에서는 이러한 특성을 고려하여 컨테이너 영상에 대해 Canny 에지 추출 기법을 이용하여 컨테이너의 식별자 영역을 추출하고 추출된 컨테이너 식별자 영역에서 히스토그램 방법과 윤곽선 추적 알고리즘을 결합하여 개별 식별자를 추출한다. 추출된 컨테이너 개별 식별자 인식은 ART1을 수정하여 지도 학습 방법과 결합한 개선된 자가생성 지도학습 알고리즘을 제안하여 적용한다. 실험결과에서는 제안된 컨테이너 식별자 추출 및 인식 방법이 다양한 컨테이너 영상에 대해 효율적인 것을 보인다.

• 한국전기전자재료학회논문지
• /
• 제17권9호
• /
• pp.1006-1012
• /
• 2004

In this paper, neural networks is studied to apply as a PD source classification in XLPE power cable specimen. Two learning schemes are used to classification; BP(Back propagation algorithm), SOM(self organized map - kohonen network). As a PD source, using treeing discharge sources in the specimen, three defected models are made. And these data making use of a computer-aided discharge analyser, statistical and other discharge parameters is calculated to discrimination between different models of discharge sources. And a]so these distribution characteristics are applied to classify PD sources by two scheme of the neural networks. In conclusion, recognition efficiency of BP is superior to SOM.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1997년도 하계학술대회 논문집 D
• /
• pp.1130-1132
• /
• 1997

This paper proposed an application of artificial neural networks to security assessment(SA) in power system. The SA is a important factor in power system operation, but conventional techniques have not achieved the desired speed and accuracy. Since the SA problem involves classification, pattern recognition, prediction, and fast solution, it is well suited for Kohonen neural network application. Self organizing feature map(SOFM) algorithm in this paper provides two dimensional multi maps. The evaluation of this map reveals the significant security features in power system. Multi maps of multi prototype states are proposed for enhancing the versatility of SOFM neural network to various operating state.

• International Journal of Internet, Broadcasting and Communication
• /
• 제13권1호
• /
• pp.210-218
• /
• 2021

CNN (Convolutional Neural Network), a type of deep learning algorithm, is a type of artificial neural network used to analyze visual images. In deep learning, it is classified as a deep neural network and is most commonly used for visual image analysis. Accordingly, an AI autonomous driving model was constructed through real-time image processing, and a crosswalk image of a road was used as an obstacle. In this paper, we proposed a low-cost model that can actually implement autonomous driving based on the CNN model. The most well-known deep neural network technique for autonomous driving is investigated and an end-to-end model is applied. In particular, it was shown that training and self-driving on a simulated road is possible through a practical approach to realizing lane detection and keeping.

• 한국컴퓨터정보학회논문지
• /
• 제10권6호
• /
• pp.93-102
• /
• 2005

본 논문은 퍼지 c-means 알고리즘의 퍼지 멤버십 등식을 신경망과 융합한 서명의 특징정보를 기반으로 하는 자율적인 자기조직화 신경망 모델 이용하여 서명 검증하는 방법을 제안하였다. 기존 온라인 서명인식 방법인 함수적 접근법과 매개변수적 접근법의 한계점을 개선하기 위해 자율적 클러스터 특징정보에 의해 서명 패턴 분류 접근법을 제안했다. 본 논문의 중요한 요소는 서명의 특징 정보를 36개의 전역적 특징 정보 정의와 12개의 지역적 특징 정보를 정의하였고, 이를 기반으로 FE-SONN에 학습하여 서명의 진위여부를 검증하는 검증시스템 구현에 있다. 총 713개의 서명을 가지고 실험하였으며, 원본 서명 155개와 시험용으로 위조 서명 180개와 본인이 작성한 진본 서명 378개를 테스트한 결과 97.67$\%$이상의 검증률을 얻을 수 있었다. 그러나 눈으로 식별이 불가능한 정교한 위조서명은 검증 시스템에서도 진위여부 판단에 어려움이 있다.

• 대한기계학회논문집A
• /
• 제41권7호
• /
• pp.655-663
• /
• 2017

ICT 기술의 발달로 로봇의 실내 활용이 증가하고 있다. 현재 이용되거나 향후 이용 범위가 증가할 수 있는 운반, 청소, 안내 로봇 등의 연구가 고도화 될 것이다. 실내 공간에서 이동 로봇 활용을 원활히 하기 위해 자기 위치 인식 문제는 가장 먼저 해결되어야 하는 중요한 연구이다. 추가적으로 이동 로봇의 위치가 인위적으로 이동되거나 예기치 못한 충돌로 인해 기존의 경로에서 이탈하였을 경우 등에서도 이동 로봇이 이런 상황을 인지하고 판단하여 목적지로 정확히 이동할 수 있는 강인한 시스템이 필요하다. 따라서 본 연구에서는 이동 로봇의 자기 위치 관련 여러 문제들을 해결하고자 실내에 설치되어 있는 다수의 CCTV 등 외부 영상 및 이를 절대 공간 좌표 변환한 정보와 더불어 이동 로봇의 엔코더 정보 등을 융합하여 강인한 위치 인식 시스템을 구현하였다. 추가로 이동 로봇 시스템에 경로 주행 알고리즘인 벡터 필드 히스토그램 기법을 적용하였고 실제 실험 수행 후 연구 결과를 확인하였다.

• Journal of Platform Technology
• /
• 제11권2호
• /
• pp.26-38
• /
• 2023

본 논문은 실내 환경에서 QR 코드를 이용하여 목적지 자율 주행이 가능한 운반 로봇에 관한 연구이다. 운반 로봇은 QR 코드 인식을 위한 카메라와 좌우 벽과의 거리를 감지하여 로봇이 이동 중 일정한 간격을 유지할 수 있도록 라이다 센서가 부착하여 설계 제작하였다. 운반 로봇의 위치 정보는 QR 코드 영상을 Lanczos resampling 보간법으로 확대한 후 Otsu Algorithm 으로 이진화하고, Zbar 라이브러리를 활용하여 검출 및 해석을 수행하였다. QR 코드 인식은 운반 로봇의 카메라 위치와 QR 코드 높이가 192cm 로 고정된 상태에서 QR 코드의 크기와 운반 로봇의 주행 속도를 변화시키면서 실험을 수행하였으며, QR 코드 크기가 9cm×9cm 일 때 99.7%, 운반 로봇의 주행 속도가 약 0.5m/s 이하 일 때 거의 100%의 인식률을 보여주었다. QR 코드 인식율을 바탕으로 목적지 자율주행을 위해 장애물이 없는 상태에서 목적지가 직진만 있는 경우와 목적지가 직진과 회전이 있는 경우에 대해 실험을 수행하였다. 목적지가 직진만 있는 경우에는 위치 보정이 거의 필요 없어 목적지에 빠르게 도달할 수 있었으나, 목적지에 회전이 포함된 경우에는 위치 보정이 필요하여 목적지에 도착하는 시간이 상대적으로 지연되었다. 실험 결과, 운반 로봇이 주행 중 약간의 위치 오차가 발생하였으나 비교적 정확하게 목적지에 도달함을 알 수 있었으며, QR 코드 기반 목적지 자율주행 운반 로봇의 적용 가능성을 확인하였다.

• 한국지능시스템학회논문지
• /
• 제25권2호
• /
• pp.186-190
• /
• 2015

지능형 자동차는 주변 환경에 대한 인식을 바탕으로 동작을 계획하고 움직인다. 따라서 정확한 환경 인식은 자율 주행 자동차의 필수 요소로 여겨진다. 차량의 주행 환경은 차량이나 보행자 같은 동적인 장애물이 다수 존재하여, 안전한 동작을 위해 이런 동적 장애물에 대한 인식이 정확하게 이루어져야 한다. 이를 위해 센서의 불확실성을 극복하는 일이 필수적이다. 본 논문에서는 레이더 센서를 이용하여 다수의 차량을 인식하고 추적하는 알고리즘을 제안한다. 제안된 추적 시스템은 몇 가지 특징을 갖는다. 레이더 센서가 차량을 계측할 때, 그 데이터가 양 모서리에서 주로 나타나는 특징을 혼합 밀도 네트워크로 표현하고, 이렇게 표현된 레이더 데이터의 확률적인 분포를 파티클 필터의 가중치 계산에 적용하여 추적 알고리즘을 수행하였다. 또한, 파티클 필터가 갖는 차원의 저주를 극복하고 시간의 흐름에 따라 그 숫자가 변화하는 다수 대상체의 상태를 예측하기 위해 가역 점프 마르코프 체인 몬테 카를로 (RJMCMC)를 통한 샘플링을 적용하였다. 제안된 알고리즘은 시뮬레이션을 통해 검증되었다.