• 제목/요약/키워드: 시간적 특징

검색결과 2,978건 처리시간 0.032초

인간 로봇 상호작용을 위한 강인한 스켈레톤 특징점 추출기 설계 (Design of Robust Skeleton Feature Extractor for Human-Robot-Interaction)

  • 김문환;주영훈;박진배
    • 한국지능시스템학회:학술대회논문집
    • /
    • 한국퍼지및지능시스템학회 2006년도 추계학술대회 학술발표 논문집 제16권 제2호
    • /
    • pp.362-365
    • /
    • 2006
  • 본 논문에서는 인간 로봇 상호 작용을 위해 정확한 스켈레톤 특징점을 추출하는 강인한 추출기를 설계한다. 제안된 특징점 추출기는 인간의 움직임 정보로부터 얻어진 색상, 윤곽선, 시간차 정보 및 가상 신체 모델을 이용하여 정확한 특징점 위치를 찾아낸다. 또한 특징점 추출에 소요되는 탐색 시간을 줄이기 위해 격자박스를 이용한 원형 탐색 기법을 도입하였다. 최종적으로 기법의 우수성을 확인하기 위해 다양한 동작의 특징점 추출 실험을 수행하였다.

  • PDF

CCV와 GLCM을 이용한 계층적 내용기반 영상검색시스템의 구현 (Implementation of Hierarchical Content-based Image Retrieval System using CCV & GLCM)

  • 이경자;정성환
    • 한국멀티미디어학회:학술대회논문집
    • /
    • 한국멀티미디어학회 1998년도 춘계학술발표논문집
    • /
    • pp.28-33
    • /
    • 1998
  • 대량의 영상데이터베이스에서 질의영상에 대한 유사영상을 검색할 때의 유사도 계산을 위한 시간소모는 영상의 실시간 검색효율을 저하시키는 요인이 된다. 본 논문에서는 키영상(key image)을 이용하여 영상데이터베이스의 각 영상과 키영상의 유사도를 미리 계산해 둠으로써 질의영상과 데이터베이스 영상간의 유사도 계산시간을 단축시킨다. 그리고 검색효율을 높이기 위해 1차적으로 칼라특징으로 유사영상들을 분류한 후, 1차 분류된 영상들만을 대상으로 계층적으로 질감특징값으로 영상을 비교함으로써 검색효율을 상승시킨다. Oracle 데이터베이스 상에서 본 계층적 내용기반 영상검색시스템을 구현하였다.

  • PDF

MPEG 비디오 스트림에서의 대표 프레임 추출 및 멀티미디어 검색 기법 (Key Frame Detection and Multimedia Retrieval on MPEG Video)

  • 김영호;강대성
    • 융합신호처리학회 학술대회논문집
    • /
    • 한국신호처리시스템학회 2000년도 하계종합학술대회논문집
    • /
    • pp.297-300
    • /
    • 2000
  • 본 논문에서는 MPEG 비디오 스트림을 분석하여 DCT DC 계수를 추출하고 이들로 구성된 DC 이미지로부터 제안하는 robust feature를 이용하여 shot을 구하고 각 feature들의 통계적 특성을 이용하여 스트림의 특징에 따라 weight를 부가하여 구해진 characterizing value의 시간변화량을 구한다. 구해진 변화량의 local maxima와 local minima는 MPEG 비디오 스트림에서 각각 가장 특징적인 frame과 평균적인 frame을 나타낸다. 이 순간의 frame을 구함으로서 효과적이고 빠른 시간 내에 key frame을 추출한다. 추출되어진 key frame에 대하여 원영상을 복원한 후, 색인을 위하여 다수의 parameter를 구하고 사용자가 질의한 영상에 대해서 이들 파라메터를 구하여 key frame들과 가장 유사한 대표영상들을 검색한다.

  • PDF

움직임 기반 주의 정보 신경망을 이용한 행동 인식 방법 (Motion-based Attention Network for Action Recognition)

  • 장희창;송민수;김원준
    • 한국방송∙미디어공학회:학술대회논문집
    • /
    • 한국방송∙미디어공학회 2021년도 하계학술대회
    • /
    • pp.301-302
    • /
    • 2021
  • 본 논문에서는 움직임 정보와 시공간 주의 정보를 심층신경망을 이용하여 함께 활용한 행동 인식 방법을 제안한다. RGB 영상을 입력으로 사용하는 기존 방법과 달리 제안하는 방법은 움직임 정보를 입력으로 사용하여 시간적 특징 및 시공간 주의 정보를 추출하고, RGB 영상에서 추출한 공간적 특징에 시공간 주의 정보를 고려하게 하여 행동 인식 정확도를 향상시킨다. 실험 결과를 통해 행동 분류 정확도 및 연산 효율성이 기존 신경망보다 우수함을 보인다.

  • PDF

차량 검색을 위한 측면 에지 특징 추출 내용기반 검색 : CBIRS/EFI (Edge Feature Extract CBIRS for Car Retrieval : CBIRS/EFI)

  • 구건서
    • 한국컴퓨터정보학회논문지
    • /
    • 제15권11호
    • /
    • pp.75-82
    • /
    • 2010
  • 본 논문은 불확실한 객체의 영상 정보를 객체의 에지 특징정보를 이용하여 내용기반검색기법으로 CBIRS/EFI을 제안했다. 특히 객체의 부분 영상 정보의 경우 효율적으로 검색하기 위해 객체의 특징 정보 중 윤곽선 정보와 색체정보 추출하여 검색기법이다. 이를 실험하기 위해 지하 주차장의 차량 이미지를 캡처한후 객체의 특징 정보를 위한 차량의 측면 에지 특징 정보를 추출하였다. 검색하고자하는 원 영상과 특징 추출한 영상을 분석 결과와 최종 유사도 측정 결과에 의해 내용기반 검색을 적용하는 시스템으로, 기존 특징 추출 내용 기반 영상 검색 시스템인 FE-CBIRS 시스템에 비해 검색율의 정확성과 효율성을 향상 시키는 기능이 보완되었다. CBIRS/EF시스템의 성능평가는 차량의 색상 정보와 차량의 에지 추출 특징 정보를 적용하여 영역 특징정보를 검색하는 과정에서 색상 특징 검색 시간, 모양 특징 검색 시간과 검색 율을 비교 했다. 차량 에지 특징 추출률의 경우 91.84% 추출하였고, 차량 색상 검색 시간, 모양 특징 검색시간, 유사도 검색시간에서 CBIRS/EFI가 FE-CBIRS 보다 평균 검색시간이 평균 0.4~0.9초의 차이를 보고 있어 우수한 것으로 증명되었다.

Nearest Neighbor 클러스터링 방법을 이용한 비디오 스토리 분할 (Video Story Segmentation using Nearest Neighbor Clustering Method)

  • 이해만;최영우;정규식
    • 대한전자공학회:학술대회논문집
    • /
    • 대한전자공학회 2000년도 제13회 신호처리 합동 학술대회 논문집
    • /
    • pp.101-104
    • /
    • 2000
  • 비디오 데이터의 효율적인 검색, 요약 등에 활용하기 위해서 대용량의 비디오 데이터를 프레임(Frame), 샷(Shot),스토리(Story)의 계층적인 구조로 표현하는 방법들이 요구되고 있으며, 이에 따라 비디오를 샷, 스토리 단위로 분할하는 연구들이 수행되고 있다. 본 논문은 비디오가 샷 단위로 분할되어 있다고 가정한 후, 인접한 샷들을 결합하여 의미 있는 최소 단위인 스토리를 분할하는 방법을 제안한다. 제안하는 방법은 각 샷에서 추출된 대표 프레임들을 비교하기 위한 CCV(Color Coherence Vector) 영상 특징을 추출한다. CCV 특징의 시각적인 유사도의 초기임계값과 일정한 시간 안에 반복되는 프레임들을 찾기 위한 시간적인 유사도의 시간 임계값을 설정하여NN(Nearest Neighbor) 클러스터링 방법을 이용하여 클러스터링을 한다. 클러스터링된 정보와 같은 장면이 한번이상 반복되는 스토리의 특성을 이용해 비디오를 스토리로 분할한다. 영화 비디오 데이터를 이용한 실험을 통해 제안하는 방법의 유효성을 검증하였다.

  • PDF

다양한 지문의 효과적 분류를 위한 적응적 특징추출방법 (An Adaptive Feature Extraction Method for Effective Classification of Various Fingerprints)

  • 민준기;조성배
    • 한국정보과학회:학술대회논문집
    • /
    • 한국정보과학회 2006년도 한국컴퓨터종합학술대회 논문집 Vol.33 No.1 (B)
    • /
    • pp.262-264
    • /
    • 2006
  • 지문분류는 지문을 전역특징에 따라 미리 정의된 클래스로 분류하는 기술로, 대규모 지문식별시스템의 매칭시간을 감소시키는데 유용하다. 지문은 개인마다 고유하기 때문에 각 지문마다 전역특징이 다양하게 분포하여 기존의 특징추출방법으로는 분류에 한계가 있다. 본 논문에서는 이를 해결하기 위하여 적응적 특징추출방법을 제안하였다. 이는 융선 방향의 변화량을 계산하여 지문의 전역특징을 포함하는 특징영역을 탐색한 뒤, 특징영역의 블록 방향성 정보로부터 특징벡터를 추출한다. NIST4 지문 데이터에 대한 5클래스 분류실험 결과 제안하는 특징추출방법이 90.25%의 분류성능을 보여 기존 방법보다 효과적임을 확인하였다.

  • PDF

동영상 기반 감정인식을 위한 DNN 구조 (Deep Neural Network Architecture for Video - based Facial Expression Recognition)

  • 이민규;최준호;송병철
    • 한국방송∙미디어공학회:학술대회논문집
    • /
    • 한국방송∙미디어공학회 2019년도 하계학술대회
    • /
    • pp.35-37
    • /
    • 2019
  • 최근 딥 러닝의 급격한 발전과 함께 얼굴표정인식 기술이 상당한 진보를 이루었다. 그러나 기존 얼굴표정인식 기법들은 제한된 환경에서 취득한 인위적인 동영상에 대해 주로 개발되었기 때문에 실제 wild 한 환경에서 취득한 동영상에 대해 강인하게 동작하지 않을 수 있다. 이런 문제를 해결하기 위해 3D CNN, 2D CNN 그리고 RNN 의 새로운 결합으로 이루어진 Deep neural network 구조를 제안한다. 제안 네트워크는 주어진 동영상으로부터 두 가지 서로 다른 CNN 을 통해서 영상 내 공간적 정보뿐만 아니라 시간적 정보를 담고 있는 특징 벡터를 추출할 수 있다. 그 다음, RNN 이 시간 도메인 학습을 수행할 뿐만 아니라 상기 네트워크들에서 추출된 특징 벡터들을 융합한다. 상기 기술들이 유기적으로 연동하는 제안된 네트워크는 대표적인 wild 한 공인 데이터세트인 AFEW 로 실험한 결과 49.6%의 정확도로 종래 기법 대비 향상된 성능을 보인다.

  • PDF

현재성 문제와 지금의 지표성

  • 강수휘
    • 논리연구
    • /
    • 제9권1호
    • /
    • pp.173-204
    • /
    • 2006
  • 최근의 시간에 관한 철학적 논의에서 새로운 무시제 이론가들은 시제 문장들의 진리조건을 무시제 문장들을 통해 부여할 수 있다는 언어철학적 결과를 통해, 시제 사실들과 같은 것들을 받아들일 필요가 없다고 주장함으로써 A-이론을 비판해 왔다. 이 논문에서는 형이상학적 논변을 새롭게 제시함으로써, 언어 철학적인 논변과 달리 B-이론은 유지될 수 없으며, 오히려 A-이론이 시간에 대한 올바른 이론임을 논증하게 된다. 그리고 이러한 논의가 이루어지는 가운데 존속과 변화에 관한 흥미로운 문제들이 다루어지며, 시간 철학에서의 몇몇 개념에 관한 명료화 작업이 이루어진다. 나아가 이를 바탕으로 A-이론과도 B-이론과도 다른 새로운 대안적인 시간 이론이 제시되고, 이 이론이 지니는 특징들과 장점들이 이야기된다.

  • PDF

6축 관성 센서에서 구조적 특징을 이용한 식사 행동 검출 및 식사 시간 추론 (Eating Activity Detection and Meal Time Estimation Using Structure Features From 6-axis Inertial Sensor)

  • 김준호;최선탁;하정호;조위덕
    • 정보처리학회논문지:컴퓨터 및 통신 시스템
    • /
    • 제7권8호
    • /
    • pp.211-218
    • /
    • 2018
  • 본 연구에서는 6축 센서를 이용하여 식사 행동을 검출하고 식사 시간을 추론하는 알고리즘을 제안한다. 식사 행동을 음식을 집는 동작, 음식을 먹는 동작, 팔을 내려놓는 동작으로 분류하고, 각 동작 별로 자이로 신호의 특징점을 선정하고 특징점이 순서대로 나타날 경우 식사 행동을 검출한다. 제안한 알고리즘은 정확도 94.3%와 정밀도 84.1%를 달성하였다.