최근 동영상에서의 객체추적을 위해 주파수변환을 적용하는 연구가 발표되고 있다. 동영상에서 객체는 형상이 조금씩 변할 수 있다. ASEF, MOSSE와 같은 주파수변환을 통한 객체 추적 기법은 객체의 형상이 변하는 것에 대응하기 위해 추적에 사용되는 검출필터를 갱신하는 기능을 포함하고 있다. 그러나 객체의 형상이 변하는 객체 추적을 위한 이러한 주파수변환 기반 객체 추적방법들은 추적 대상 객체가 다른 물체에 의해 대부분이 일시적으로 가려진 후 형상이 변한 후에 인근의 다른 위치에 나타나는 경우, 추적에 실패하는 경우가 종종 발생한다. 본 논문에서는 추적 대상 객체가 다른 물체에 의해 가려지는 상황에 따라 필터갱신을 적응적으로 수행하고 이동경로와 주변정보를 활용함으로써 추적 대상객체가 가려지는 상황에서도 추적 실패를 줄일 수 있는 객체 탐색 기법을 제안한다.
국토를 효율적으로 관리하고 도시문제를 과학적으로 해결하기 위해 최근 스마트시티, 디지털트윈 등 3차원 공간정보 관련 기술이 급격하게 발전하고 있다. 이러한 3차원 공간정보 구축은 주로 영상정보를 이용하여 객체를 3차원 입체화하고 실감형 영상인 텍스처링 영상을 추출하여 객체벽면에 영상을 부여하는 방식으로 수행된다. 하지만 객체 주변의 다양한 요인으로 인해 텍스처링 영상에서는 필연적으로 폐색영역이 발생한다. 이에 본 연구에서는 최근 기술인 딥러닝 기술 중에서 ResNet 알고리즘을 이용하여 건물 폐색을 유발하는 가로수에 대한 데이터셋을 만들고 이에 대한 해결방안을 제시하고자 한다. 연구결과 ResNet 알고리즘의 공간정보 적용 가능성을 판단하고 이를 적용한 레이블링 생성 SW 개발하여 실제 가로수를 대상으로 데이터셋을 구축하였다. 구축된 데이터셋을 텍스처링 영상에 적용하여 정확도와 재현율로 검출능력을 분석하였다. 분석결과를 위해 딥러닝 분야에서 많이 사용되고 있는 정밀도와 재현율을 이용한 F값을 적용하였으며 가로수 단일 객체가 포함된 건물의 측면부 영상과 경사 영상에 대해서는 높은 F값을 도출하여 우수한 성과를 확인하였으나, 같은 해상도를 가진 건물 전면부 영상에서는 그림자 등의 요인으로 F값이 낮음을 확인하였다.
본 논문에서는 자연영상에 존재하는 문자들을 효율적으로 검출하기 위한 새로운 접근 방법을 제안한다. 빛 또는 조명의 영향에 의해 획득된 영상 내에 존재하는 반사성분은 문자 또는 관심객체들의 경계가 모호해 지거나 관심객체와 배경이 서로 혼합되었을 경우, 문자추출 및 인식을 함에 있어서 오류를 포함시킬 수 있다. 따라서 영상 내에 존재하는 반사성분을 제거하기 위해 먼저, 영상으로부터 Red컬러 성분에 해당하는 히스토그램에서 두개의 피크 점을 검출한다. 검출된 두 개의 피크 점들 간의 분포를 사용하여 노말 또는 편광 영상에 해당하는지를 판별한다. 노말 영상의 경우 부가적인 처리를 거치지 않고 문자영역을 검출하며 편광 영상인 경우 조명성분을 제거하기 위해 호모모픽 필터링 방법을 적용하여 반사성분에 해당하는 영역을 제거한다. 그리고 문자영역을 검출하기 위해 색 병합과 세일런스 맵을 이용하여 각각의 문자 후보영역을 결정한다. 마지막으로 두 후보영역을 이용하여 최종 문자영역을 검출한다.
서로 다른 색상의 조명환경에서 촬영된 영상으로부터 동일 객체를 자동으로 검출하기 위하여 객체의 색상 비교가 요구된다. 본 논문에서는 서로 다른 조명 영상들에서 비교 대상 객체들의 색상을 비교 분석하기 위하여, 조명 차이 요소를 제거하고, 입력영상을 목표 조명영상으로 변환하기 위한 색 보정 기법을 제안한다. 제안 색상 보정 기법은 촬영전에 색상 팔렛트를 이용하여 조명색상 정보를 분석하여 각 조명간 RGB 색상 요소별 차이를 전처리 단계에서 계산한다. 각 조명환경에서 촬영한 영상에 대해, 미리 계산된 조명간 차이값을 입력되는 각 영상화소값에 반영함으로써 영상의 색상을 보정한다. 실험에서, 서로 다른 색상의 조명 조건에서 촬영된 두 영상에 대하여 하나의 영상을 기준 영상으로 선정하고, 다른 하나의 영상에 제안 보정처리를 수행한다. 보정 전후 영상과 기준 영상과의 가시적인 비교 방법과 히스토그램 비교에 의하여 제안 보정 기법의 성능을 평가한다.
본 논문에서는 단일 프레임 영상에 존재하는 객체를 Active Contour 기반의 영역 분할 과정을 거쳐 분할하였다. Active Contour는 영상에서 객체의 윤곽 형태를 검출해내는 것으로 다중 객체 분할을 위해 각 객체의 윤곽 형태를 검출해 낼 수 있도록 다중 탐색 시작점을 갖도록 하였다. 생성된 객체 별 윤곽 정보를 기반으로 이진화하여 초기 객체 영역을 생성하였다. 초기 객체 영역 내부의 홀 영역과 픽셀 값의 변화로 인한 내부 분할을 hole filling을 수행하여 보정함으로써 최종 객체 영역을 생성하였다. 제안한 기법은 기존 영역 기반 분할의 문제점인 잡음이나 경계선 부근에서 객체 분할이 정확히 이루어지지 않는 부분을 보완하였다. 제안 방법을 비교하기 위해 실제 영상에 기존에 제안된 객체 분할 방법과 제안한 방법을 각각 적용하여 비교하였다.
비디오 감시를 위한 움직이는 객체의 검출은 매우 중요하다. 많은 환경에서 움직임은 관심 있는 움직임과 관심없는 움직임으로 나눌 수 있다. 관심 있는 움직임을 갖는 연구는 이미 많은 논의가 있어 왔다. 이 논문에서, 우리는 최신의 MPEG-4 EPZS 알고리즘을 이용한 움직임 벡터로부터 많은 움직임을 갖는 블록 영상을 구한 뒤, 시간에 대한 가중치를 부여한 차 영상과의 결합에 의한 복합적인 환경에서의 현저한 움직임 검출 방법을 제안한다. 우리의 방법은 기존의 배경 차 방법과 비교하여 눈에 띄게 좋은 결과영상을 얻을 수 있었다. 제안된 검출 방법은 다른 움직임의 간섭이 있는 복잡한 환경에서의 객체검출에 매우 효과적이다.
카메라 영상을 이용한 3차원 객체 추적 기술은 증강현실 응용 분야를 위한 핵심 기술이다. 영상 분류, 객체 검출, 영상 분할과 같은 컴퓨터 비전 작업에서 CNN(Convolutional Neural Network)의 인상적인 성공에 자극 받아, 3D 객체 추적을 위한 최근의 연구는 딥러닝(deep learning)을 활용하는 데 초점을 맞추고 있다. 본 논문은 이러한 딥러닝을 활용한 3차원 객체 추적 방법들을 살펴본다. 딥러닝을 활용한 3차원 객체 추적을 위한 주요 방법들을 설명하고, 향후 연구 방향에 대해 논의한다.
본 논문은 감시 시스템의 객체 추적 시, 정확한 객체 추출을 위해 블록 기반으로 객체를 추적하는 방법을 제안한다. 객체 움직임 추적은 주어진 환경에 따라 변수가 많고, 변수를 대처하는 알고리즘을 많이 추가 할 경우 실시간 추적에 어려움이 발생한다. 특히 배경이 조명이나 바람 등의 환경적 요인에 의해 변화되는 문제는 객체를 추적하는데 가장 큰 문제점이다. 특히 사람이나 멧돼지의 경우 움직임에 의한 객체 구성 요소의 흔들림에 의해 고정 블록의 연산에 의해 움직임 객체를 추적할 때 정확한 객체의 윤곽선을 검출하기 힘들다. 따라서 연속되는 프레임에서 전체 화면의 차영상을 이용하여 움직임 관심 영역을 설정하고, 관심 영역에 해당하는 블록들을 분석하였다. 이를 기반으로 움직임 객체의 최외곽 사각형의 객체 영역을 추출하여 기존 고정 블록 방법에 의한 객체 추적보다 좀 더 정확하게 객체를 추출하고 추적할 수 있다.
객체인식은 지능적이고 다양화된 범죄 예방을 위한 영상 감시 시스템에서 중요한 기술 중 하나이다. 사람의 신체 정보인 키는 그 대상이 가지고 있는 신체적인 특징 중 하나로 신원을 확인하는데 중요한 정보가 될 수 있다. 본 논문에서는 CCTV 영상으로부터 보행자를 검출하고 검출된 객체인 보행자의 키를 추정하는 방법을 제안하였다. 이를 위하여 GMM(Gaussian Mixture Model) 방식을 이용하여 움직이는 객체를 분리하고, 분리된 후보 객체들의 가로세로 비율, 크기 등의 조건을 이용하여 보행자를 검출하였다. 제안한 방법을 CCTV 영상에 적용하고 동일 보행자에 대하여 근거리, 중거리, 원거리의 위치에서 키를 추정하고 정확성을 평가하였다. 실험결과 근거리에서 97%, 중거리에서 98%, 원거리에서 97% 이상의 정확도로 키 추정이 가능함을 보였다. 또한 영상내의 보행자는 위치에 따라 크기가 다르지만 실험을 통하여 제안하는 방법이 보행자의 위치에 관계없이 키를 추정하는데 효과적임을 확인하였다.
You only look once v5 (YOLOv5)는 객체 검출 과정에 우수한 성능을 보이고 있는 딥러닝 모델 중 하나다. 그러므로 본 연구의 목적은 양전차방출단층촬영 팬텀 영상에서 다양한 하이퍼 파라미터에 따른 YOLOv5 모델의 성능을 평가했다. 데이터 세트는 500장의 QIN PET segmentation challenge로부터 제공되는 오픈 소스를 사용하였으며, LabelImg 소프트웨어를 사용하여 경계박스를 설정했다. 학습의 적용된 하이퍼파라미터는 최적화 함수 SDG, Adam, AdamW, 활성화 함수 SiLu, LeakyRelu, Mish, Hardwish와 YOLOv5 모델 크기에 따라 nano, small, large, xlarge다. 학습성능을 평가하기 위한 정량적 분석방법으로 Intersection of union (IOU)를 사용하였다. 결과적으로, AdmaW의 최적화 함수, Hardwish의 활성화 함수, nano 크기에서 우수한 객체 검출성능을 보였다. 결론적으로 핵의학 영상에서의 객체 검출 성능에 대한 YOLOV5 모델의 유용성을 확인하였다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.