• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제16권6호
• /
• pp.654-662
• /
• 2010

본 논문은 2단계 연속(cascade) 방법을 이용한 향상된 보행자/비보행자 인식 알고리즘을 제안한다. 인식을 위한 분류기로는 약한 분류기를 강한 분류기로 만드는 아다부스트 알고리즘을 적용하였다. 먼저 두 가지 특징벡터를 추출 한다: (i) 기존의 기울기 히스토그램(HOG) 특성과 (ii) 한 점이 가지는 곡률특성 네 가지를 이용한 곡률-HOG를 제안하고 이용하였다. 그 다음 훈련 영상을 통하여 두 가지의 특징 벡터에 대해 약한 분류기로부터 강한 분류기를 얻었으며, 인식은 입력 영상으로부터 하나의 특징을 선택하여 이미 만들어진 강한 분류기를 통하여 1차적인 인식과 오인식을 실시하며, 오인식된 영상에 대해 2차적인 특징을 투입하여 이에 해당하는 강한 분류기를 통하여 2단계 아다부스트 알고리즘을 적용하여 최종적인 인식결과를 얻는다. 두 가지의 서로 다른 특성 벡터를 이용하여 연속 방법에 의한 2단계 아다부스트 알고리즘을 적용한 결과 기존의 실험 방법보다 더 정확한 인식 결과를 얻을 수 있었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제36권7호
• /
• pp.548-559
• /
• 2009

Viola와 Jones가 제안한 에이다부스트 얼굴 검출기는 속도와 정확도면에서 매우 훌륭한 성능을 보이고 있는 얼굴 검출기이다. 하지만 에이다부스트 얼굴 검출기에도 여전히 오검출이 발생하며, 이를 줄이기 위해서는 더욱 많은 계산이 필요하다. 에이다부스트 얼굴 검출기는 흑백 영상만을 사용하므로, 색상정보를 사용하면 더 적은 연산으로 오검출율을 낮출 수 있다. 본 논문은 얼굴 색상 정보를 이용하여 대상 영상에서 부 윈도우를 효율적으로 검색하고, 에이다부스트 얼굴 검출기의 첫 단계에 계산속도가 매우 빠른 얼굴 색상을 이용한 얼굴/비얼굴 분류기를 채용하여 더 빠른 얼굴 검출 속도와 더 낮은 오검출율을 달성할 수 있는 단계별 얼굴 검출 모텔을 제안하였다. 얼굴색상 필터링을 위해 정의된 얼굴색상 소속함수를 이용하여 얼굴색상 필터 영상과 그 누적영상을 계산한다. 누적 영상에 의해 빠른 속도로 임의의 부 윈도우의 밀도를 계산할 수 있다. 제안된 검색 방법은 이 색상 밀도에 기반하여 얼굴일 가능성이 없는 부 윈도우들을 생략하게 된다. 그리고 부 윈도우의 밀도를 이용한 얼굴/비얼굴 분류기는 단계별 얼굴 검출기의 앞단에서 얼굴이 아닌 부 윈도우를 빠르게 거절한다. 제안된 얼굴 검출 모델은 적은 계산으로 오검출율을 낮출 수 있었으며, 실시간 얼굴 검출 속도를 비약적으로 향상시킬 수 있었다.

• 한국정보통신학회논문지
• /
• 제22권10호
• /
• pp.1334-1339
• /
• 2018

Viola & Jones의 얼굴 검출 알고리즘은 대표적인 얼굴 검출 알고리즘으로 매우 우수한 얼굴 검출 성능을 보인다. 그러나 많은 얼굴을 포함하는 영상들을 대상으로 한 Viola & Jones 알고리즘은 얼굴의 다양성으로 미검출 얼굴들, 가짜 얼굴들과 중복 검출된 얼굴들 같은 잘못 검출된 얼굴들을 발생시킨다. 본 논문은 Viola & Jones 알고리즘에서 생성된 잘못 검출된 얼굴들을 제거하는 얼굴 검증 알고리즘을 이용한 개선된 얼굴 검출 알고리즘을 제안한다. 제안된 얼굴 검증 알고리즘은 검출된 얼굴들에 대한 크기, 지정된 영역의 피부색, 눈과 입에서 발생된 에지, 중복 검출을 평가하여 얼굴이 유효한지를 확인한다. Viola & Jones 알고리즘에 의해 검출된 658개의 얼굴 영상들을 대상으로 한 얼굴 검증 실험에서 제안된 얼굴 검증 알고리즘은 실제 사람들에 의해 생성된 모든 얼굴 영상들을 검증하는 것을 보여준다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권10호
• /
• pp.713-722
• /
• 2013

본 논문에서는 깊이정보를 이용하여 케스케이드 방식에 기반한 실시간 손 영역 검출 방법을 제안한다. 실험 환경 조명 조건의 변화로부터 빠르고 안정적으로 손 영역을 검출하기 위해 깊이정보만을 이용한 특징을 제안하며, 부스팅과 케스케이드 방법을 이용한 분류기를 통해 손 영역 검출 방법을 제안한다. 먼저, 깊이정보만을 이용한 특징을 추출하기 위해 입력영상의 중심 깊이 값과 분할된 블록의 평균 깊이 값의 차이를 계산하고, 모든 크기의 손 영역 검출을 위해 중심 깊이 값과 2차 선형 모델을 이용하여 손 영역의 크기를 예측한다. 그리고 손 영역으로부터의 특징 추출을 통한 학습 및 인식을 위해 케스케이드 방식을 적용한다. 본 논문에서 제안한 분류기는 정확도를 유지하고 속도를 향상시키기 위하여 각 스테이지를 한 개의 약분류기로 구성하고 검출율을 만족하면서 오류율이 가장 낮은 임계값을 구하여 과적합 학습을 수행한다. 학습된 분류기를 이용하여 손 영역을 분류하고, 병합단계를 통해 최종 손 영역을 검출한다. 마지막으로 성능 검증을 위해 기존의 다양한 아다부스트와 정량적, 정성적 비교 분석을 통해 제안하는 손 영역 검출 알고리즘의 효율성을 입증한다.

• 제어로봇시스템학회논문지
• /
• 제15권5호
• /
• pp.457-464
• /
• 2009

The weak classifier of AdaBoost algorithm is a central classification element that uses a single criterion separating positive and negative learning candidates. Finding the best criterion to separate two feature distributions influences learning capacity of the algorithm. A common way to classify the distributions is to use the mean value of the features. However, positive and negative distributions of Haar-like feature as an image descriptor are hard to classify by a single threshold. The poor classification ability of the single threshold also increases the number of boosting operations, and finally results in a poor classifier. This paper proposes a weak classifier that uses multiple criterions by adding a probabilistic criterion of the positive candidate distribution with the conventional mean classifier: the positive distribution has low variation and the values are closer to the mean while the negative distribution has large variation and values are widely spread. The difference in the variance for the positive and negative distributions is used as an additional criterion. In the learning procedure, we use a new classifier that provides a better classifier between them by selective switching between the mean and standard deviation. We call this new type of combined classifier the "Mixed Weak Classifier". The proposed weak classifier is more robust than the mean classifier alone and decreases the number of boosting operations to be converged.