• Journal of the Korea Society of Computer and Information
• /
• v.12 no.2 s.46
• /
• pp.71-76
• /
• 2007

Object detection process which makes decision on the existence of meaningful objects in a given image is a crucial part of image recognition in computer vision system. Hausdorff distance metric has been used in object detection and shows good results in applications such as face recognition. It defines the dissimilarity between two sets of points and is used to find the object that is most similar to the given model. This paper proposes a Hausdorff distance based detection method that uses directional information of points to improve detection accuracy when the sets of points are derived from edge extraction as is in usual cases. In this method, elastic energy needed to make two directional points coincident is used as a measure of similarity.

• Journal of Broadcast Engineering
• /
• v.24 no.4
• /
• pp.580-591
• /
• 2019

This paper focuses on to improving object detection performance using the camera and LiDAR on autonomous vehicle platforms by fusing detected objects from individual sensors through a late fusion approach. In the case of object detection using camera sensor, YOLOv3 model was employed as a one-stage detection process. Furthermore, the distance estimation of the detected objects is based on the formulations of Perspective matrix. On the other hand, the object detection using LiDAR is based on K-means clustering method. The camera and LiDAR calibration was carried out by PnP-Ransac in order to calculate the rotation and translation matrix between two sensors. For Sensor fusion, intersection over union(IoU) on the image plane with respective to the distance and angle on world coordinate were estimated. Additionally, all the three attributes i.e; IoU, distance and angle were fused using logistic regression. The performance evaluation in the sensor fusion scenario has shown an effective 5% improvement in object detection performance compared to the usage of single sensor.

• The KIPS Transactions:PartB
• /
• v.13B no.4 s.107
• /
• pp.361-368
• /
• 2006

In this paper we present a snake-based scheme for efficiently detecting contours of objects with boundary concavities. The proposed method is composed of two steps. First, the object's boundary is detected using the proposed snake model. Second, snake points are optimized by inserting new points and deleting unnecessary points to better describe the object's boundary. The proposed algorithm can successfully extract objects with boundary concavities. Experimental results have shown that our algorithm produces more accurate segmentation results than the conventional algorithm.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.910-912
• /
• 2005

영상감시기술은 공공장소의 사랑 행동패턴 분석을 통한 범죄 예측, 실내 환경에서의 사람의 출입여부 확인, 다중 카메라에서의 특정 이동객체 추적 등 다양하게 이용되고 있다. 또한 유비쿼터스 환경에서 영상센서로 사용 될 수 있다. 영상감시기술에서는 입력된 영상을 여러 과정을 통하여 분석 하게 된다. 여러 과정 중 이동 객체의 정확한 분석을 위해서는 효과적인 이동객체 검출 방법이 필요하게 된다. 어떤 감시카메라는 객체가 감지되었을 때 감지된 영상을 자동으로 보정한다. 이와 같이 자동보정 카메라에 입력된 영상을 분석할 경우 보정된 정도에 따른 영상처리가 필요하게 된다. 이동객체 검출 단계는 배경영상 모델링, 이동객체 검출, 그림자 제거 단계로 나눌 수 있다. 이 같은 과정 중에 감지된 영상의 자동보정 정도를 측정하고 영상 분석시 측정값을 적용하게 된다. 보정 정도를 적용한 방법과 하지 않은 방법 중에 적용한 방법이 더욱 정확한 검출 정도를 나타냈으며, 검출된 이진 이미지의 개선을 위한 과정 중 Reconstruction의 형태학적 영상처리 방법을 적용하여 기존의 검출 방법보다 향상된 결과 영상을 획득할 수 있었다. 이렇게 검출된 이동객체의 분석을 통해 보다 향상된 분석을 할 수 있게 되며, 차후 유비쿼터스 환경에서의 영상 센서로 사용 될 수 있다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2012.07a
• /
• pp.66-67
• /
• 2012

본 논문에서는 고정된 카메라로 촬영한 동영상에서 수퍼픽셀(superpixel)을 이용하여 전경 객체 영역을 효과적으로 검출하는 기법을 제안한다. 기존의 픽셀 기반 전경 객체 검출 기법들은 단위 픽셀에 대한 전/배경 판단을 수행하므로 실제 전경 객체 영역에 대한 정확한 검출이 어려운 단점을 지닌다. 수퍼픽셀은 성질이 유사한 픽셀들의 집합을 의미하며 영상의 과도한 분할에 주로 사용되었다. 본 논문에서는 이러한 수퍼픽셀을 이용하여 동영상의 각 프레임을 과도 분할하고, 분할된 각각의 수퍼픽셀을 전경 객체와 배경의 판단 단위로 이용한다. 제안하는 알고리듬을 적용하여 실험한 결과 기존의 픽셀 단위 검출 기법에서 나타났던 오검출을 줄임과 동시에 전경 객체의 형태를 보다 충실하게 검출함을 확인 할 수 있다.

• Smart Media Journal
• /
• v.5 no.3
• /
• pp.93-98
• /
• 2016

The literal meaning of loitering is "to lingering aimlessly or as if aimless in or about a place". And most criminals show this kind of act before they actually commit crime. Therefore, detecting this kind of loitering can effectively prevent a variety of crime. In this paper, we propose a loitering-detection algorithm using the Raspberry Pi. Proposed algorithm uses an adaptive difference image to detect moving objects and morphology opening operation to enhance the accuracy of detection. The loitering- behavior is being detected by using the center of gravity of the object to see the changes of angle; and pixel movement distance to determine the height of the object. When the loitering-behavior is detected, it outputs the alarm to tell the users by using the Raspberry Pi.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2013.07a
• /
• pp.23-26
• /
• 2013

최근 모바일 장치의 영상 데이터 처리 능력 확대와 더불어 사용자가 요구하는 다양한 영상 데이터의 효율적인 인식 기술 연구가 요구되어지고 있다. 모바일 환경은 고성능 PC 환경과 달리 저사양의 CPU와 메모리를 탑재하고 있어, 영상에서 원하는 객체를 인식하기 위한 기존의 방법론으로는 사용자 요구를 실시간으로 충족하기 어려운 부분이 존재한다. 이에 모바일 환경에 맞는 객체 인식 방법론의 개발이 요구된다. 모바일 환경에서 실시간으로 객체 인식을 하기 위하여, 본 논문에서는 객체 코너 정보를 이용한 Harris corner detector[1]로부터 객체의 특징점을 추출하고, 이를 바탕으로 하여 영상내의 객체 정보 인식 방법을 제안한다. 제안하는 방법에 의해, 입력 영상에서 객체의 코너 정보를 빠르게 추출, 기존 특징점과의 비교를 통하여 영상 내부의 객체 인식을 진행한다. 일반적으로, 회전된 특징점 객체의 정보는 객체의 회전 정도에 따라 코너 픽셀 색상 정보의 변화가 발생하게 된다. 특징점의 색상값은 객체의 회전 정도에 영향을 받아 주변의 픽셀값과 혼합되는 특성이 존재한다. 본 논문에서는 회전 변경된 픽셀 색상값의 영향을 분석하여, 회전된 객체의 특징점 추출 및 객체 검출에 반영하도록 하여, 영상 내부의 회전된 객체 검출의 수행에 효과적으로 이용될 수 있도록 한다. 특징점의 코너 정보를 이용하여 객체를 인식하는 것은, 객체의 인식률은 다소 감소하더라도 모바일 환경에서 계산량의 감소를 통한 실시간 활용이 가능하도록 한다. 이러한 특성은 저성능 CPU와 메모리에서도 회전된 객체의 인식을 수행할 수 있게 하는데 상당히 효과적이다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2019.11a
• /
• pp.240-241
• /
• 2019

최근 객체 추적 분야에서의 딥러닝 활용도가 증가하고 있다. 대표적인 딥러닝 기반 객체 추적 시스템은 객체 검출 알고리즘과 추적 알고리즘의 연쇄된 형태로 구성된 형태이다. 따라서 추적 시스템의 성능은 객체 검출기의 성능에 매우 의전적이라는 한계점이 존재한다. 본 논문에서는 위와 같은 검출-추적의 직관적인 구조로 구성된 시스템에서 딥러닝 기반 검출기에 대한 의존성을 낮추고 또한 추적기의 동작 속도를 증가시키는 방법을 제안한다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.24 no.3
• /
• pp.378-383
• /
• 2020

Viola & Jones' object detection algorithm is a very good algorithm for the face component(FC) detection, but there are still problems such as duplicate detection, false detection and non-detection due to parameter setting. This paper proposes an improved FC detection algorithm that applies the variable parameter to reduce non-detection and the verification to reduce duplicate detection and false detection to the Viola & Jones' algorithm. The proposed algorithm reduces the non-detection by changing the parameter value of the Viola & Jones' algorithm until the potential valid FCs are detected, and eliminates the duplicate detection and the false detection by using the verification that evaluates size, position, and uniqueness of the detected FCs. Simulation results show that the proposed algorithm includes valid FCs in the detected objects and then detects only the valid FCs by removing invalid FCs from them.

• Journal of the Institute of Electronics and Information Engineers
• /
• v.51 no.5
• /
• pp.137-151
• /
• 2014

This paper proposes a method of detecting object of interest(OOI) in general natural images. OOI is subjectively estimated by human in images. The vision of human, in general, might focus on OOI. As the first step for automatic detection of OOI, candidate regions of OOI are detected by using a saliency map based on the human visual perception. A saliency map locates an approximate OOI, but there is a problem that they are not accurately segmented. In order to address this problem, in the second step, an exact object region is automatically detected by combining graph-based image segmentation and skeletonization. In this paper, we calculate the precision, recall and accuracy to compare the performance of the proposed method to existing methods. In experimental results, the proposed method has achieved better performance than existing methods by reducing the problems such as under detection and over detection.