본 논문에서는 영상 센서를 이용한 강인한 차량 검출 및 차간거리 추정 알고리즘을 제안한다. 제안된 차량 검출 알고리즘은 차량의 가장 큰 특징인 차량 하단의 그림자부분과 차량의 뒷바퀴 부분을 추출하기 위해 Haar-like 특징들과 차량 뒷부분의 방향성 에지특징을 동시에 활용하기 때문에 더욱 강인한 차량 검출 효과가 있다. 차량의 그림자에 해당하는 Haar-like 특징에 추가적인 방향성 에지특징은 차량이 아닌 부분을 잘못 검출하는 오검출률(false-positive error)을 현격히 줄이는 효과가 있고, 차량 추적기법을 통해 전체적인 수행 속도를 크게 개선한다. 그리고 차간거리 추정 알고리즘에서는 먼저 영상에 나타난 차량의 위치를 통해 추정하는 방법과 차량의 폭을 이용한 두 방법의 장단점을 분석한 후, 차량의 위치를 이용하는 방법이 가지고 있는 문제점과 차량의 폭을 이용한 방법의 단점을 극복하면서, 차간거리의 정확도를 높일 수 있는 개선된 방법을 제안한다. 제안된 차량 검출 및 차간거리 추정 알고리즘의 효용성을 입증하기 위해 다양한 실험영상들을 통해 그 효과를 입증한다.

이미지 기반 3차원 장면은 비전 시스템, 게임, 가상현실 체험 등의 분야에서 쉽게 찾아볼 수 있다. 본 논문은 단일 영상으로부터 자동으로 3차원 가상 장면을 생성하기 위한 방법을 제안한다. 제안된 방법은 어린이용 도서의 팝업 이미지의 생성과 유사하다. 특히, 단일 외부 영상으로부터 장면의 3차원 기하학적 구조를 평가하기 위한 과분할 영상을 얻기 위해 텐서 보팅을 적용하였다. 텐서 보팅은 이미지의 균질 영역을 더욱더 부드러운 영역에 가깝게 만들며 영역 중심의 토큰은 매우 큰 saliency 값을 갖게 된다. 그리고 각 분할된 영역을 지면, 하늘, 수직성분 등의 대략적인 카테고리로 분류하고 라벨을 부여한다. 이 라벨은 간단한 가정 하에서 이미지를 팝업 모델로 변환시키기 위한 "잘라내기"와 "접기" 로 이용된다. 실험결과 제안된 방법은 복잡한 자연 영상에서도 성공적으로 영역 분할을 수행하였으며 분할된 영역 정보를 기반으로 구조 정보를 추론하여 3차원 팝업 영상으로 모델링하였다.

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.

본 논문에서는 검출된 운전자의 얼굴영역에서 눈의 형태를 인식하여 졸음 상태를 감지하는 기법을 개발하고 감지 결과에 따라 위험 상태를 알려주는 경보 시스템을 구현하고자 한다. 먼저 얼굴 검출에는 Haar 변환 기법을 이용하고 실험실환경, 차량환경 및 적외선 영상을 획득하여 다양한 조명 환경에서도 강인하도록 전처리 및 후처리 과정을 적용한다. 눈 검출에는 보통 한국인이라는 가정하에 눈의 위치 및 크기의 비례 구조 특성 등을 이용하여 후보 영역을 제한하고 트리구조에 대한 실험 결과로 고속 알고리즘을 구현하였다. 또한 졸음 상태를 인식하기 위해서는 눈의 개폐 형태를 검출할 수 있는 Hough 변환을 이용한 기법과 눈의 계폐에 따른 눈의 형태 비율을 이용한 기법을 새로이 제안하며, 눈이 감겨있는 시간을 측정하여 졸음 여부를 판단한다. 1단계 졸음 상태로 판단될 경우 통합 모니터링 인터페이스에서 운전자에게 경고음을 울리며 2단계 졸음 상태로 판단될 경우에는 CAN(Controller Area Network)을 통하여 안전벨트를 진동하게 함으로써 운전자에게 경고를 하는 시스템을 구현한다. 본 논문에서 제안하는 기법은 기존의 기법들과 비교하여 실험실 환경에서 평균 83.64% 이상의 검출률을 달성 하였으며, 실제 차량환경에서도 실험 결과를 통하여 평균적으로 우수한 결과를 보였다.

본 논문은 HEVC 인코딩 속도 향상을 위한 고속 CU (Coding Unit) 결정 방법을 제안한다. 본 논문에서는 계산 복잡도 감소와 속도향상을 위하여 CU, PU (Prediction Unit), 그리고 TU (Transform Unit) 의 결정을 두 단계로 나누어 실시한다. 첫번째 단계에서는 LCU (Largest Coding Unit)내 각 CU의 깊이를 결정하며, 이때 $2N{\times}2N$ PU의 선택 비율이 높다는 통계적 특성을 고려하여 $2N{\times}2N$ PU만을 사용한다. 두 번째 단계에서는 첫 번째 단계에서 결정된 CU의 깊이 정보를 이용하여, 해당 깊이에서 정확한 PU와 TU를 결정한다. 또한, 두 번째 과정에서는 보다 효율적인 복잡도 감소 효과를 얻기 위하여 제안하는 스킵을 이용한 CU 조기 종료 알고리듬 이용한다. 제안하는 방법은 모든 깊이에서, 모든 종류의 PU와 TU의 결정을 통한 부호화 과정을 거치지 않기 때문에 계산 복잡도 감소 효과를 얻을 수 있으며, 기존의 HEVC 레퍼런스 소프트웨어인 HM3.3 대비 약 2% 정도의 비트율이 증가하면서, 약 50% 의 복잡도 감소 효과를 얻을 수있었다.

본 논문에서는 마르코프 네트워크로 모델링된 다관절체(Articulated body) 사람을 양안 영상(stereo image)을 통해 획득 되어진 디스패리티 맵(disparity map)을 이용해 효과적으로 추적하는 방법을 제안한다. 기존의 색상 정보만을 사용하여 에너지함수의 우도(likelihood)를 계산하는 방법은 조명 및 그림자의 영향과 배경 색상의 임의성 때문에 강건하지 못 하다. 본 논문에서는 색상 정보에 더불어 디스패리티 정보를 활용하여 우도를 계산하는 방법을 제안한다. 원통형 모양의 사람의 신체 요소(body part)는 2차원 영상으로 사영될 때 직사각형으로 사영되므로 이 직사각형의 디스패리티의 분포가 불연속 하지 않다는 특성을 이용한다. 또한 본 논문에서는 디스패리티 맵을 사용한 조건적 메시지 생성 방법을 제안해 신뢰 전파에서 불필요한 메시지 업데이트 수행을 줄이는 방법을 보여준다. 메시지 업데이트는 신뢰 전파 알고리즘의 전체 수행 시간에 80% 이상을 차지하므로, 조건적 메시지 생성 방법은 기존 대비 9~45%의 속도 향상을 보였다. 또한 사람의 연속적인 움직임 특성을 이용한 다이나믹 모델을 제안해 추적 속도를 향상하였다. 자세한 내용은 4장에 설명되어 있다. 실험 결과 제안하는 디스패리티 정보를 활용한 신뢰 전파를 사용해 다관절체를 추적하는 방법은 기존 대비 강건한 추적 결과와 함께 빠른 속도로 추적할 수 있었다.

본 논문에서는 복잡한 환경에서 버려진 물체를 감시하기 위해 코너 검출기를 이용하여 버려진 물체 주변의 특징점을 검출하고, 이를 이용하여 가려진 경우에도 위치 정보를 추정할 수 있는 방법을 제안한다. 기존의 방법은 버려진 물체가 검출된 이후 가림 현상이 발생하면, 버려진 물체의 위치 정보를 손실하기 때문에 지속적인 감시가 불가능하다. 본 논문에서는 이러한 문제점을 개선하기 위해 해리스 코너 검출자를 이용하여 버려진 물체 주변의 특징점들을 추출하고, 특징점들과 버려진 물체의 중심을 연결하는 서포터를 이용하여 물체의 상대적인 위치를 추정한다. 따라서 버려진 물체가 다른 객체에 의해 가려지더라도 주변 코너를 이용하여 상대적인 위치를 추정할 수 있다. 제안된 방법은 지능형 감시시스템에 적용되어 버려진 물체 검출 및 감시에 활용될 수 있으며 이를 통해 버려진 가방이나 물건 등으로 위장한 물체를 이용한 폭탄테러를 미연에 방지할 수 있다.

지역적인 영상의 색변환이란 영상에서 특정 색을 포함하는 영역을 추정하고 이를 원하는 색으로 변환시키는 것이다. 기존방법에서는 색차만을 이용해서 바꾸고자 하는 색을 포함하는 영역을 추정하고 이를 변환하였다. 따라서 변환되는 색 주변에서 원하지 않는 색결점(color artifact)이 나타나게 되었다. 제안한 방법에서는 이러한 색결점을 줄이기 위해 컬러 카테고리 맵과 수정된 color influence map을 결합한 지역적인 색변환 방법을 제안하였다. 컬러 카테고리 맵은 모든 색을 사람의 인지를 기반으로 11가지의 컬러 카테고리로 나눈 것으로서, 컬러 정보만을 이용해서 먼저 바꾸고자하는 색을 포함한 입력 영상의 지역 영역을 대략적으로 추정한다. 다음으로, 수정된 color influence map을 이용하여 인접한 영역의 색을 고려한 색변환 정도를 계산한다. 기존의 방법처럼 단순히 동일한 가중치를 주는 색차보다는 밝기와 색도에 서로 다른 가중치를 주어 수정된 color influence map을 계산하였다. 마지막으로 각각의 컬러 카테고리 맵과 수정된 color influence map에 가중치를 결합하여 지역적인 영상의 색변환을 수행하였다. 실험을 통해 제안한 방법과 기존의 색변환 방법의 결과 영상을 비교해 보았으며, 제안한 방법에서 색결점이 적게 나타나는 것을 확인할 수 있다.

고정 비트율을 사용하는 resolution-constrained quantization 방식은 입력 데이터 분포에 따라 보로노이 셀의 크기가 달라지므로 이상 신호왜곡 (distortion outliers)을 발생시킨다. 본 논문에서는 generalized Lloyd algorithm (GLA)과 cell-size constrained vector quantization (CCVQ) 방식을 결합하여 이상 신호왜곡을 줄이는 벡터 양자화 방식을 제안한다. 즉, 왜곡에 대한 문턱 값에 따라서 데이터 분포를 내부와 외부영역으로 나누고, 각각 CCVQ와 GLA 방식을 사용하여 학습하도록 한다. 데이터 분포가 높은 내부영역에 CCVQ 방식을 사용하게 됨에 따라 GLA를 사용하는 외부영역에서 사용이 가능한 셀의 개수가 늘어나게 되며, 이로 인해 이상 신호왜곡을 줄일 수 있었다. 또한, 실제 코딩 환경에서는 일반적으로 training과 test 데이터의 분포가 다르게 나타나는 소스 불일치 (source mismatch) 문제가 발생하게 된다. 제안하는 방식은 source mismatch 문제로 인해 일어나는 신호왜곡과 이상 신호왜곡에 대해서도 성능 개선을 가능하게 하였다.

본 논문에서는 다양한 잡음환경에서 효과적인 잡음 제거 (NS, noise suppression)를 위한 새로운 음성향상 (speech enhancement) 알고리즘을 제안한다. 제안된 방법에서는 음성향상 알고리즘에서 잡음전력 갱신을 위한 음성검출 (VAD, voice activity detection)의 피쳐 (feature) 파라미터로서 오염된 음성신호를 기반으로 주파수 밴드 별로 도출되는 기존의 지역 음성부재확률 (LSAP, local speech absecne probability) 대신 오염된 음성신호의 Teager energy (TE)를 적용한 LSAP를 적용한다. 또한 적용된 TE operator의 성능을 개선하기 위하여 프레임 단위로 도출되는 전역 음성부재확률 (GSAP, global SAP)을 TE의 가중치 파라미터로서 적용한다. 제안된 알고리즘은 기존의 방법과 객관적인 실험을 통해 비교 평가한 결과 다양한 배경잡음 환경에서 향상된 성능을 보였다.

본 논문에서는 잡음환경에서 음성 향상 (speech enhancement)을 위한 새로운 잡음전력 추정 방법을 제안한다. 음성 향상 알고리즘에 널리 적용되고 있는 IMCRA (improved minima controlled recursive averaging) 기법은 오염된 음성신호로부터 추정된 최소 전력 스펙트럼에 기반하여 잡음전력을 추정하는 기존의 방법을 개선하기 위해 간단한 음성 검출 알고리즘을 이용하여 대략적으로 음성 성분이 제거된 전력 스펙트럼에서 최소값을 추정함으로써 음성구간에서 발생할 수 있는 음성왜곡 문제점을 개선하였다. 하지만 비정상 잡음이나 신호 대 잡음 비 (SNR signal-to-noise ratio)가 낮은 환경에서는 음성 검출 성능이 저하되어 음성구간에서 음성왜곡이 발생되는 기존의 문제점이 여전히 발생된다. 따라서 제안된 방법에서는 향상된 잡음전력 추정을 위하여 기존의 IMCRA에서 추정된 최소 전력 스펙트럼에 대하여 스펙트럼 최소값 추적 (SMT, spectral minima tracking) 기법을 적용하고 IMCRA에 의한 최소값과 SMT에 의해 추정된 최소값을 서브밴드 (subband)에 따라 가중치를 적용하여 결합한다. 제안된 알고리즘은 기존의 방법과 주관적 및 객관적 음질평가 테스트를 통해 비교 평가한 결과 다양한 배경잡음 환경에서 향상된 성능을 보였다.

본 논문은 고품질을 갖는 음성재생 속도제어를 위한 새로운 방법을 다루었다. 제안 방법은 재생 속도에 따른 음성 신호의 활성화 영역을 검출하는 가변적 임계필터링 솔루션을 제공하였다. 임계필터링을 위한 임계값은 주어진 배속에 따라 재생되는 음성 신호 내의 각 프레임의 통계(평균과 표준편차)에 의해 가변적으로 결정되며 프레임 내의 활성화 블록구간 만을 축출하는데 사용된다. 또한 높은 재생 속도에 따른 피치 손상과 같은 품질 저하를 최소화하기 위하여, 임계필터링은 유, 무성음 구분 없이 상대적은 낮은 활성도를 갖는 블록들을 우선적으로 제거한다. 실험 결과, 제안 방식은 기존의 피치 축출을 사용하는 SOLA(Synchonized OverLap Add) 방식보다 높은 품질 갖는 재생속도 제어 솔루션을 제공함을 알 수가 있었다.