• 전자공학회논문지
• /
• 제51권1호
• /
• pp.161-171
• /
• 2014

허프변환은 이미지 영역에서 패러미터 영역으로의 변환을 통해 주어진 이미지에서 모델 인스턴스를 추출해내는 방식으로 허프변환된 결과는 패러미터 영역 좌표에 해당하는 Cell 카운터들의 히스토그램 형태가 된다. 다음 단계로 임계값을 정한 후 이를 상회하는 카운터 값에 해당하는 패러미터 값을 통해 모델 인스턴스를 추출하게 되는데 일반적으로 그 임계값은 최고 Cell 카운터 값의 일정 부분에 해당하는 값을 주로 선택하게 된다. 임계점이 너무 낮을 경우 잘못된 모델 인스턴스를 추출할 가능성이 있으며(false positives) 반대로 너무 높은 임계점을 선택할 경우 존재하는 모델 인스턴스를 추출해내지 못하는 오류(false negatives)를 초래하게 된다. 본 논문에서는 일반화된 허프변환(Generalized Hough Transform) 적용 시 패러미터 영역에서의 Cell 카운터 값의 임계점 선택을 위한 방법으로 확률적인 접근방식을 제시하며 이를 위해 Cell 카운터 분포에 해당하는 조건부 확률을 도출하여 과학적인 임계점 선택이 가능함을 입증한다.

• 전기전자학회논문지
• /
• 제24권1호
• /
• pp.254-259
• /
• 2020

본 논문은 사전에 학습된 기억으로 공감각 현상을 지각할 수 있는 의도적인 공감각으로 영상에서 음악으로 변환하는 시스템을 구현하였다. 영상에서 변환정보로 색상(Color), 질감(Texture), 모양(Shape)을 사용하여 음악의 멜로디(Melody), 하모니(Harmony), 리듬(Rhythm) 정보로 변환하였다. 정적인 영상에서 단조로운 음이 반복되는 것을 최소화하고 영상에 있는 정보를 표현하기 위해 색상의 분포도에 따라 확률적으로 멜로디를 선택하여 출력함으로써 자연스럽게 음을 구성할 수 있도록 하였고, 영상에서 질감은 통계적 질감 특징 추출방식인 GLCM(Gray-Level Co-occurrence Matrix)의 7가지 특징으로 하모니의 장조와 단조를 표현하였다. 마지막으로 모양은 영상의 외곽선을 추출한 후 주파수 성분 분석인 허프 변환(Hough Transform)을 이용해 선 성분을 검출하여 각도의 분포에 따라 리듬을 선택하는 방식으로 음악을 생성하였다.

• 한국멀티미디어학회논문지
• /
• 제3권5호
• /
• pp.445-453
• /
• 2000

본 논문에 서 는 그룹화 블록 스네이크를 이용한 도로 영상 차선추출 알고리즘을 제안하였다. 제안한 알고리즘에서는 먼저 영상을 $8\times{8}$ 블록으로 나눈 후 전체 영상을 확률적 접근 방식에 의해 잡음을 포함한 블록들을 제거하였으며, 차선과 겹치는 배경 영상과의 분리를 위해 허프 변환을 사용하였다. 도로 영상에 포함된 차선추출을 위해 전영역 탐색 방법보다는 블록을 그룹화한 후 탐색하는 방법을 사용하였다. 제안한 방법은 기존의 화소 단위의 스네이크에 비해 계산량의 감소와 화소 단위의 잡음을 제거하는 장점을 가진다.

• 정보과학회 논문지
• /
• 제42권7호
• /
• pp.868-877
• /
• 2015

영상에서 바코드 영역을 검출하는 다양한 방식들이 연구되어 왔다. 기존 방식들은 주파수 성분 특징을 이용하거나, Hough transform (HT)을 이용하여 바코드 영역을 검출한다. 하지만 이 방식들은 바코드의 기울기와 노이즈에 영향을 받는다. 또한 여러 개의 바코드가 있는 경우 정확히 검출하지 못한다. 본 논문에서는 바코드의 기울기와 노이즈에 강인하고, 복수 개의 바코드를 검출할 수 있는 방식을 제안한다. 우리는 전처리 단계로 Probabilistic Hough transform (PHT)를 이용하여 바코드 기울기, 노이즈, 그리고 개수에 상관없이 바코드가 존재할 가능성이 높은 영역을 추출한 후, 주파수 성분 분석을 통해 바코드를 찾아낸다. 구현된 시스템의 성능분석을 통해 다양한 환경에서 바코드 추출이 가능함을 확인했다.

• 전기전자학회논문지
• /
• 제24권1호
• /
• pp.147-153
• /
• 2020

기존의 차선 검출 방법들은 곡률과 날씨 변화가 큰 도로 환경에서 검출률이 낮다. 확률적 허프 변환을 이용한 방법은 에지와 직선의 각도를 이용해서 차선을 검출함으로 곡선과 악천후일 때 검출률이 낮다. 슬라이딩 윈도우 방법은 윈도우로 이미지를 분할해서 검출하기 때문에 곡선 형태의 차선도 검출하지만 어파인 변환을 사용하기 때문에 도로의 경사율에 영향을 받는다. 본 논문에서는 다양한 외부 환경에서도 차선을 강인하게 검출하고 장애물을 회피하기 위한 딥러닝 기반의 주행 보조 시스템을 제안한다. VGG-16기반의 SegNet으로 입력 영상을 의미론적으로 분할해서 차선을 검출한다. 검출한 차선과의 이격거리를 계산하고 안전범위를 산출해서 차량이 차선의 중앙을 주행하도록 제어한다. 또한, 전방의 미확인 물체와 충돌이 예상되면 운전자에게 경보를 주고 Adaptive-MPC로 차량을 제어해서 충돌을 회피하는 알고리즘도 제안한다. CARLA로 시뮬레이션한 결과 제안한 알고리즘은 곡률이 큰 차선과 다양한 환경에서도 강인하게 차선을 검출하고 전방의 안전범위를 계산하여 충돌을 회피하는 것을 볼 수 있다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제14권6호
• /
• pp.619-623
• /
• 2008

차선검출시스템은 지능형 차량 시스템의 중요한 요소이다. 차선검출 시, 주변 환경과 날씨의 변화 때문에 차선검출은 다양한 어려움에 직면하게 된다. 본 논문에서는 차선검출 및 추적을 위해 다양한 환경에서도 안정적으로 동작하는 간단하면서 효율적인 방법을 제안한다. 제안된 방법에서는 차선을 추적하고 차선의 기울기를 수정하기 위해 확률적 허프 변환(Probabilistic Hough Transform, PHT)과 최소자승법(Least-square method, LSM)를 이용한다. 일반적으로 차량의 내부에 설치된 카메라로부터 획득된 영상은 영상의 하단부분에서 차선이 비교적 뚜렷이 나타나고, 주변의 간섭을 적게 받는다는 가정 하에 제안된 방법에서는 차선검출 및 추적의 효율성을 증대시키기 위해 영상의 하단부분에 관심의 대상이 되는 두 개의 영역을 설정한다. 제안된 방법의 효율성을 입증하기 위해 정지영상과 비디오영상을 사용하여 실험하였고, 실험결과 제안된 방법이 강건하고, 신뢰성있는 결과를 얻었음을 보였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2018년도 춘계학술대회
• /
• pp.705-708
• /
• 2018

현재 보안을 위해 상용화된 생체 인식 중 홍채 인식 기술은 개인마다 일치할 확률이 매우 적다. 그러나 현재 상용화된 홍채 인식 기술은 인식력은 뛰어나나 인식하기 위해 사용자의 능동적 협조가 필요하다는 단점을 가지고 있다. 이에 따라 최근 추세는 이러한 불편을 해결하기 위해 비강압적인 방식을 통해 사용자들의 홍채를 검출하는 방향으로 흐르고 있으며, 본 과제의 목적은 고성능 적외선 카메라를 사용하여 3m 거리 이내에서 비자발적 방식으로 확보한 영상에서홍채를 통해 사람을 식별하는 모듈을 개발하는 것이다. 고성능 적외선 카메라를 사용해 확보한 영상에서 이미지를 가져오고, 이 이미지를 식별하여 사람의 얼굴 및 눈의 위치를 가져온 뒤, 식별된 사람의 얼굴 및 눈의 위치를 허프 변환을 통해 홍채의 이미지를 잘라내어 데이터베이스에 저장된 홍채 패턴과 대조하여 사람을 식별하고자 한다.

• 한국통신학회논문지
• /
• 제39C권10호
• /
• pp.948-956
• /
• 2014

오늘날 지능형 영상 검지기 시스템(Intelligent Vehicle Detection System)이 추구하는 방향은 기존 시스템의 교통 소통 정보 습득을 넘어서 교통정체, 사고 등과 같은 부정적인 요인을 줄이는 것이다. 본 논문에서는 도로 교통법규 위반 상황 중에서 가장 치명적인 사고를 유발 할 수 있는 불법 유턴 차량을 검지하는 알고리즘을 제안한다. 영상의 옵티컬 플로우 벡터(Optical Flow Vector)를 구하고 이 벡터가 불법 유턴 경로 상에 나타난다면 불법 유턴차량에 의해 생긴 벡터일 확률이 높을 것이라는 점에 착안하여 연구를 진행했다. 옵티컬 플로우 벡터를 구하기 전에 연산량 절감을 위하여 코너(corner)와 같은 특징점을 선지정한 후 그 점들에 대해서만 추적하는 피라미드 루카스-카나데(pyramid Lucas-Kanade) 알고리즘을 사용했다. 이 알고리즘은 연산량이 매우 높기 때문에 먼저 컬러 정보와 진보된 확률적 허프 변환(progressive probabilistic hough transform)으로 중앙선을 검출하고 그 주위 영역에만 적용시켰다. 그리고 검출된 벡터들 중 불법 유턴 경로위의 벡터들을 선별하고 이 벡터들이 불법 유턴 차량에 의해 생긴 벡터들인지 확인하기 위해 신뢰도를 검증하여 불법 유턴 차량을 검지하였다. 최종적으로 알고리즘의 성능을 평가하기 위해 알고리즘별 처리시간을 측정하였으며 본 논문에서 제안한 알고리즘이 효율적임을 증명하였다.