• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.712-714
• /
• 2004

본 논문에서는 다양한 변화에서 얼굴을 효과적으로 검출할 수 있는 방법론을 제안한다. 우리는 복잡한 배경에서 보다 효과적으로 얼굴 영역을 검출하기 위해 영역 분할 알고리즘인 JSEG를 이용하여 영역을 분할을 하게 된다. 그리고 조명 변화에 따른 간섭이 비교적 작은 YCrCb 칼라 모델을 이용하여 분할된 영역에서 후보 얼굴 영역을 찾는다. 마지막으로 보다 정확한 결과를 위하여 검출된 얼굴 후보 영역에서 눈과 눈썹을 검출하고 눈과 눈썹의 기하학적 정보를 이용해서 최종 얼굴 영역을 결정한다. 영역 분할을 이용함으로써 복잡한 배경과 다양한 조명 변화를 지닌 환경에서 다양한 얼굴 영상들을 실험한 결과 높은 정확도를 보여주었다.

• Journal of the Korea Computer Graphics Society
• /
• v.3 no.1
• /
• pp.37-47
• /
• 1997

This paper presents the algorithms for generating ambient traffic in driving simulation. Each ambient car is modeled as an autonomous agent that obeys the traffic rules by sensing the traffic lights, road signs, lanes, and other cars around. The algorithm is localized to the area where the car driven by the participant is currently located. Therefore the complexity of the algorithm does not depend on the size of the road network, allowing a huge environment to be simulated with no extra overhead. To avoid monotony, we produce artificial fluctuations in the behavior by employing various forms of probability distribution functions. The resulting behavior of the ambient cars is quite realistic. Experiments indicate that it is hard to tell whether an ambient car is computer-controlled or human-controlled.

• Journal of KIISE:Computing Practices and Letters
• /
• v.15 no.6
• /
• pp.459-463
• /
• 2009

Background modeling and motion detection is the one of the most significant real time video processing technique. Until now, many researches are conducted into the topic but it still needs much time for robustness. It is more important when other algorithms are used together such as object tracking, classification or behavior understanding. In this paper, we propose efficient multi-modal background modeling methods which can be understood as simplified learning method of Gaussian mixture model. We present its validity using numerical methods and experimentally show detecting performance.

• Journal of Convergence for Information Technology
• /
• v.11 no.11
• /
• pp.38-43
• /
• 2021

As the number of augmented reality games using augmented reality technology increases, the demands of users are also increasing. Game technologies used in augmented reality games are mainly games using MARKER, MARKERLESS, GPS, etc. Games using this technology can augment the background and other objects. To solve this problem, we want to help develop augmented reality games by analyzing objects in the background, which is an important element of augmented reality. To analyze the background in the augmented reality game, the background object was analyzed by applying a deep learning model using TensorFlow Lite in the UNITY engine. Using this result, we obtained the result that augmented objects can be placed in the game according to the types of objects analyzed in the background. By utilizing this research, it will be possible to develop advanced augmented reality games by augmenting objects that fit the background.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.9 no.2
• /
• pp.149-154
• /
• 2014

Detection performance of fire detection in the outdoor depends on weather conditions, the shadow by the movement of the sun, or illumination changes. In this paper, a smoke detection in conjunction with a robust background estimate algorithm to environment change in the outdoor in daytime is proposed. Gaussian Mixture Model (GMM) is applied as background estimation, and also, statistical characteristics of smoke is applied to detect the smoke for separated candidate region. Through the experiments with input videos obtained from a various weather conditions, the proposed algorithms were useful to detect smoke in the outdoor.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2009.11a
• /
• pp.273-276
• /
• 2009

본 논문에서는 Dynamic Space Time Warping(DSTW) 알고리즘을 이용하여 손동작을 다양한 배경에서도 정확하게 인식할 수 있는 방법을 제안한다. DSTW 알고리즘을 이용한 기존의 손동작 인식 방법은 질의영상의 매 프레임 마다 검출된 다수의 손 후보영역을 사용하여 모델영상과 시간 축 상으로 비교하는 방법이다. 그러나 기존의 DSTW 알고리즘을 이용한 손동작 인식 방법은 손을 포함하지 않은 후보영역들(배경, 팔꿈치 등)에 의해 오인식될 수 있는 경로를 생성하며, 그 결과로 사용자가 의도하지 않은 손동작으로 인식될 수 있다. 이러한 단점을 해결하기 위해서, 본 논문에서는 손 후보영역의 불변 모멘트를 이용하여 질감 정보를 추출한 후 후보영역들 사이의 유사도를 비교하였다. 제안한 방법은 유사도를 모델과 질의의 매칭비용에 가중치로 적용하였고, 다양한 실험 결과 제안한 방법이 기존의 방법에 비해 사용자의 손동작을 정확하게 인식하는 것을 확인하였다.

• Proceedings of the KIEE Conference
• /
• 2007.10a
• /
• pp.457-458
• /
• 2007

우리는 동영상에서 낮은 연산량으로 강인하게 움직이는 물체를 탐지하는 방법을 제안한다. 동영상에서 움직이는 물체를 탐지하기 위한 많은 방법들이 제안되었는데, 각각의 방법은 접근 방법에 따라 탐지 성능과 처리속도에 trade-off가 존재한다. 최근 폭넓게 사용되고 있는 가우시안 혼합모델을 이용한 배경모델생성 법의 경우 탐지성능은 우수하나 연산량이 많고, 차영상(Temporal difference)을 이용한 방법은 연산량은 적으나 노이즈에 민감하게 반응한다. 또한 알고리즘 특성상 탐지된 물체에 Hole과 Ghost가 발생하는 문제가 있다. 우리는 이러한 단점들을 극복하기 위해 이 두 가지 알고리즘을 효율적으로 결합하여 움직이는 물체를 탐지하였다. 실험은 사람, 차, 오토바이와 같이 실외환경에서 흔히 움직이는 물체로 탐지되는 요소들이 다양한 환경에서 실시하였으며, 실험한 결과 배경영역에서 발생하는 노이즈는 효과적으로 제거하면서 움직이는 물체를 탐지하였다.

• Proceedings of the KIEE Conference
• /
• 2003.07d
• /
• pp.2696-2698
• /
• 2003

전력선 통신 채널(powerline communication channel)은 원래 전력을 전송하기 위한 선로로서 무선 채널 및 그 밖의 다른 통신 채널들과 같이 부가적 가우시안 잡음 환경 등의 표준 모델로 잘 표현되지 않는 특성이 있다. 그리고 1MHz-30MHz 대역에서의 전력선 채널의 잡음은 배경잡음, 연속 신호(continuous wave) 협대역 및 광대역 잡음, 그리고 임펄스 잡음으로 분류될 수 있으며, 특히 고속 데이터 전송 시스템에서는 임펄스 잡음에 의한 영향이 큰 것으로 알려져 있다. 본 논문에서는 아파트형 주거지에서 실측한 주파수 영역 및 시간영역의 잡음 데이터를 제시하고, 이러한 데이터를 바탕으로 연속 신호 잡음을 포함한 배경잡음과 임펄스 잡음의 모델 및 통계적 특성을 제시한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.04a
• /
• pp.173-176
• /
• 2009

본 논문에서는 감시시스템이 갖추어진 환경 내에서 발생할 수 있는 특이 행동을 효율적으로 감지하기 위한 기법을 제시한다. 최근 대형 범죄 및 방화 사건 등의 방지목적으로 DVR 의 단순 녹화를 벗어나 지능형 감시시스템을 도입하려는 연구가 활발히 진행되고 있다. 그러나 이러한 시스템들은 아직 초기 연구 단계에 있으며 영상내의 관심물체 추출을 위한 전경과 배경의 분리 및 추적 단계에 그치고 있다. 이에 본 논문에서는 가우시안 혼합 모델을 통하여 전경과 배경을 분리하고, 관심영역에 한해서 Optical Flow 기법을 이용하여 폭력상황과 같은 특이 행동의 감지 여부를 판단 할 수 있는 방법에 대해 실험을 통해 평가하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.26-27
• /
• 2021

본 논문에서는 딥러닝 영상기술을 활용해 파프리카 잎에서 나타나는 병해를 분류하는 연구를 진행하였다. 비파괴 방법으로 파프리카 잎 뒷면을 촬영하면 잎을 잡는 손이 파프리카 잎을 가리는 영역이 부분적으로 나타나고, 이는 학습을 방해하는 요소가 된다. 이를 해결하기 위해 잎의 영역을 먼저 찾고 그 외의 배경영역을 없애고, 병해를 진단할 수 있도록 모델을 설계하였다. 잎의 영역을 찾아내는 모델은 86.7%의 IoU(Intersection over Union)의 값을 얻었고, 병해를 진단하는 분류 정확도는 86.4%을 얻었다.