• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.11a
• /
• pp.497-500
• /
• 2003

본 논문은 계층적 분류기를 제안하여 실시간으로 얼굴 영역을 검출하고, PT(pan-tilt) 카메라를 통해 동적으로 얼굴을 추적할 수 있는 강인한 추적 알고리즘을 구현하고자 한다. 제안된 알고리즘은 분류기 학습, 실시간 얼굴 영역 검출, 추적의 세 단계로 구성된다. 분류기 학습은 AdaBoost 알고리즘을 이용하여, 독특한 얼굴 특징을 추출하는 계층적 분류기를 생성한다. 계층적 분류기는 높은 정확도를 가진 분류기들이 단계적으로 결합됨으로써 우수한 검출 성능으로 수행된다. 실시간 얼굴 영역 검출은 생성된 계층적 분류기를 통해, 빠르고 효율적으로 얼굴 영역을 찾아낸다. 추적은 PT 카메라를 통해 동적으로 검출 영역을 확장시키며, 이전 단계에서 추출된 얼굴 영역의 위치 정보를 이용하여 수행한다. 제안된 알고리즘은 계산의 효율성과 검출 성능을 동시에 증가시키며, 얼굴 검출 수행은 2초당 약 15프레임을 실시간으로 처리한다.

• Journal of the Korea Society of Computer and Information
• /
• v.15 no.2
• /
• pp.47-53
• /
• 2010

This paper proposed Residual Image detection and Color Info using the face detection technique. The proposed technique was fast processing speed and high rate of face detection on the video. In addition, this technique is to detection error rate reduced through the calibration tasks for tilted face image. The first process is to extract target image from the transmitted video images. Next, extracted image processed by window rotated algorithm for detection of tilted face image. Feature extraction for face detection was used for AdaBoost algorithm.

• Proceedings of the Acoustical Society of Korea Conference
• /
• 1994.06c
• /
• pp.129-132
• /
• 1994

본 논문에서는 윈도우즈용 음성인식 software "voice access"를 개발하여 연구한 실시간 음성검출 알고리즘에 관해 소개한다. 이 음성검출 알고리즘은 200 sample 단위의 프레임 에너지, 프레임 영교차율, 음성의 길이를 음성검출의 파라메타로 사용한다. 각 파라메타의 문턱값은 신호의 평균값, 잡음의 표준편차, 미디안 표준편차와 한국어의 음성적 특성을 고려하여 설정하였으며 주변의 환경에 적응해 가며 문턱값을 조정하므로 주변 잡음환경의 변화에 대해서도 강인한 음성검출 결과를 보여준다. 또한 실시간으로 음성을 검출하므로 실용성이 높다. 음성의 검출은 일반사운드 카드를 통해 16-bit의 8KHz로 샘플링된 신호를 사용한다. 음성검출을 위한 분석은 200 sample 씩 하고 100 sample 씩 overlap 하면서 수행한다. 음성검출을 위한 모든 분석은 특별한 DSP의 도움없이 486D 이상에서 실시간으로 구현했다.시간으로 구현했다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.814-816
• /
• 2004

본 논문에서는 웨이블릿을 이용한 알고리즘으로 얼굴을 검출하고 검출된 얼굴을 움직이는 Pan-Tilt 카메라상에서 추적하는 방법을 제안하고자 한다. 우리는 얼굴 검출을 위해 다섯 종류의 간단한 웨이블릿을 사용하여 특징을 추출하였고 AdaBoost(Adaptive Boosting) 알고리즘을 이용한 계층적 분류기를 통하여 추출된 특징들 중에서 얼굴을 검출하는데 강인한 특징들만을 모았다. 이렇게 만들어진 특징집합들을 이용하여 입력받은 영상에서 초당 20프레임의 실시간으로 얼굴을 검출하였고 영상에서 얼굴 위치와 Pan-Tilt 카메라 위치를 계산하여 실시간으로 움직임을 추적하는데 성공하였다.

• Journal of Institute of Control, Robotics and Systems
• /
• v.5 no.1
• /
• pp.16-24
• /
• 1999

본 논문은 불확정 시스템의 견실한 이상검출기법의 적용을 위한 실시간 이상검출기법에 대하여 다루며 대상 시스템은 산업용보일러 시스템이다. 본 논문에서 기술된 이상검출기법은 Kwon (1994) 등에 의하여 이미 제시된바 있는 견실한 이상검출기법의 오프라인 배치 처리 알고리즘을 실시간 적용을 위해 확장된 것이며 모델링 오차에 의한 불확실성, 비선형 시스템을 특정 동작점에서 선형화 하는 과정에서 발생하는 선형화 오차, 잡음 등을 고려하였고, 보일러 시스템을 대상으로 한 모의 실험을 통해 본 알고리즘의 우수성을 보였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.11a
• /
• pp.917-920
• /
• 2014

본 논문에서는 SWO 방식의 물체 검출기를 개선하여 비디오 환경에 적합하며 실시간 처리가 가능한 Tracking 방식의 PSO 물체 검출기를 제안한다. PSO 방식 스캔은 각각의 입자들이 전역 최적 값으로 수렴하기 때문에 다중 검출에는 적지 않은데, 본 논문에서는 다중 물체를 검출하고 관리할 수 있도록 Tracking 개념을 적용하였다. 제안하는 방법을 적용하면 검출기의 오검출률을 줄이고 안정적인 검출 결과를 얻을 수 있으며 속도가 향상되어 실시간 처리가 가능하다. 논문에서 제안한 알고리즘을 적용해 본 결과 기존의 Viola-Jones 얼굴 검출기와 비교하여 검출률은 동일하면서 속도가 최대 21배 향상되었음을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.04a
• /
• pp.1020-1023
• /
• 2017

Viola와 Jones가 제안한 AdaBoost(Adaptive Boosting) 알고리즘은 기존의 물체 검출기에 비해 속도와 정확도 면에서 우수하여 실시간 물체 검출기로써 좋은 성능을 보인다. 하지만 여전히 많은 계산량 때문에 성능이 낮은 임베디드 환경에서는 실시간 검출에 대한 아쉬움이 있다. 본 논문에서는 계산량을 줄이기 위해 모션 검출을 통해 배경 영역을 제거하고 얼굴 영역을 추정한다. 제거된 배경 영역은 AdaBoost 알고리즘의 검출 과정에서 제외되며 추정된 얼굴 영역에 대해서만 검출을 하게 된다. 모션검출은 ${\Sigma}-{\Delta}$(Sigma-Delta) 배경 추정에 기반한 알고리즘을 사용한다.

• Journal of IKEEE
• /
• v.19 no.2
• /
• pp.155-159
• /
• 2015

In this paper, we propose a method for pedestrian detection in real time video and reducing the calculation time of the HOG features for pedestrian detection. When the pedestrian is detected in real-time image, the next frame is detected by using a previously detected region information. In addition, we used a PSO to detect a pedestrian may appear in a region other than a pedestrian is detected quickly. the performance was measured for MIT, INRIA dataset, showed a performance increase of about 82% than the conventional method.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10b
• /
• pp.751-753
• /
• 2004

본 논문에서 색상을 기반으로 한 알고리즘으로 얼굴을 검출하고 검출된 얼굴을 움직이는 Pan-Tilt 카메라 상에서 추적하는 방법을 제안하고자 한다. 얼굴 검출 알고리즘은 얼굴색의 특징인 피부색상을 이용하여 후보영역을 검출하고 후보 영역에서 얼굴형태의 특징인 타원 형태를 이용하여 최종적으로 얼굴을 검출하였다. 얼굴 추적은 영상에서 검출된 얼굴의 크기 및 위치 정보와 Pan-Tilt 카메라의 위치정보를 이용하여 항상 얼굴이 카메라의 중심에 위치하도록 하였다. 우리는 실제 실험에서 초당 10프레임 이상의 실시간 얼굴 검출 및 추적에 성공하였다.

• Journal of Advanced Navigation Technology
• /
• v.12 no.3
• /
• pp.280-285
• /
• 2008

The traditional face detection method is to use difference picture method are used to detect movement. However, most do not consider this mathematical approach using real-time or real-time implementation of the algorithm is complicated, not easy. This paper, the first to detect real-time facial image is converted YCbCr and RGB video input. Next, you convert the difference between video images of two adjacent to obtain and then to conduct Glassfire Labeling. Labeling value compared to the threshold behavior Area recognizes and converts video extracts. Actions to convert video to conduct face detection, and detection of facial characteristics required for the extraction and use of AdaBoost algorithm.