• 대한전자공학회논문지SP
• /
• 제38권4호
• /
• pp.422-433
• /
• 2001

본 논문에서는 영상의 그래디언트 (gradient)를 구하여 그래디언트 값의 분포를 마치 3차원 지형과 같은 개념으로 간주하고 여기에 물이 흐르는 개념을 적용한 에지 (edge) 검출 방법을 제안하였다 영상에서 그래디언트 값이 큰 부분은 배경과 객체간의 에지라 볼 수 있으며, 이 에지에 물이 고이게 하기 위해서는 반전된 그래디언트 영상을 사용한다. 반전된 그래디언트 영상에서 물의 흐름을 기반으로 한 enhancing 작업과 국부적응 임계값 적용을 실시하여 잡음을 줄인 에지 영상을 찾는 방법을 제안한다. 합성영상과 실제영상에 대한실험을 통해 제안한 방법의 효율성을 검증하였다.

• 대한전자공학회논문지SP
• /
• 제38권4호
• /
• pp.325-334
• /
• 2001

본 논문에서는 웨이블릿 변환을 멀티스케일 매치 필터의 관점에서 해석하고, 이를 위하여 마르코프 랜덤 필드에 묻혀있는 가우시안 형태의 작은 물체를 검출하는 이론적 근거를 제시하며, 이의 응용으로 맘모그램에 존재하는 마이크로캘시피케이션을 검출하는 알고리즘을 제안한다. 검출하고자 하는 물체가 가우시안 형태이고 그 스케일이 웨이블릿 변환에 의해 계산된 것과 일치하며, 그 주변의 잡영이 마르코프 프로세스이면, LoG(Laplacian of Gaussian) 웨이블릿은 멀티스케일 매치 필터로 작용하며, 적절한 디테일 이미지를 단순히 이진화함으로써 최적의 검출기를 구현할 수 있다. 그런데, 마이크로캘시피케이션은 정확한 가우시안 형태를 갖지 않고, 게다가 맘모그램의 배경이미지도 마르코프 프로세스라는 가정에서 벗어난다. 이러한 불일치를 해결하기 위하여, 본 논문에서는 멀티스케일 웨이블릿 계수에서 추출한 특징벡터를 Hotelling observer에 입력하여 처리함으로써 이를 보상하고자 하였다.

• 스마트미디어저널
• /
• 제4권4호
• /
• pp.9-17
• /
• 2015

최근 지능형 범죄가 늘면서 첨단 보안 기술에 대한 요구가 점차 늘어나고 있다. 현재까지 보고된 위, 변장 영상 검출방법은 실용화를 위하여 정확도 개선이 요구된다. 본 논문에서는 사람의 얼굴에 대하여 동공의 반사도를 이용하여 위조 영상을 판별하고 아다부스트를 이용하여 만든 얼굴 부분별 검출기를 사용한 얼굴 변장 영상을 판별한다. 제안된 시스템은 다중 스케일 가버 특징 벡터를 기반으로 눈의 위치를 찾은 후 템플릿 매칭을 통해서 정확히 찾아진 눈 위치의 동공을 조사하여 최대값과 최소값을 구하여 위조 여부를 판별하고 부분별 검출기를 사용하여 눈과 코의 검출 여부를 판단하여 각각 선글라스와 마스크의 착용 여부를 판단하고 선글라스&마스크 검출기를 사용하여 얼굴이 검출되지 않았을 경우를 대비하였다. 실험을 통하여 본 논문에서 제안한 방법이 더욱 신뢰성 높은 위, 변장판별시스템임을 확인하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권12호
• /
• pp.5643-5656
• /
• 2016

The detection accuracy of steganalysis depends on many factors, including the embedding algorithm, the payload size, the steganalysis feature space and the properties of the cover source. In practice, the cover source mismatch (CSM) problem has been recognized as the single most important factor negatively affecting the performance. To address this problem, we propose a new framework for blind, universal steganalysis which uses traditional steganalyst features. Firstly, cover images with the same statistical properties are searched from a reference image database as aided samples. The test image and its aided samples form a whole test set. Then, by assuming that most of the aided samples are innocent, we conduct outlier detection on the test set to judge the test image as cover or stego. In this way, the framework has removed the need for training. Hence, it does not suffer from cover source mismatch. Because it performs anomaly detection rather than classification, this method is totally unsupervised. The results in our study show that this framework works superior than one-class support vector machine and the outlier detector without considering the image retrieval process.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2016년도 춘계학술대회
• /
• pp.830-833
• /
• 2016

자동차 번호판 인식은 대중적인 감시 기술 중의 한 종류로서, 주어진 비디오나 영상 내 광학문자 인식을 수반한다. 고속도로나 국도 상에 과속 단속 시스템, 재형 건물이나 유통센서 및 주차장 등에서 주차 정산 시스템, 고속도로 톨 게이트에서 hi-pass 에러 및 불법 도주 차량 잔속 시스템, 전국 주요 도로 불법 주 정차 단속 시스템, 공공기관, 기업 출퇴근 시간 확인 및 외부 차양 안내 시스템 등의 지능형 교통 시스템(ITS)이나 국도 상에 범위 차량 검거 시스템, 사건 발생 시 주요 도로상에 설치된 CCTV를 통해 용의 차량 이동 추적 시스템, 이동식 범죄 차량 조회, 버스에 탑재된 버스 전용차선 위반 단속들의 지능형 방범 시스템 등에 활용하고 있다. 번호판 인식은 자동차 번호판 국부화, 번호판의 크기, 차원, 명암대비, 밝기를 조정하는 정규화, 개별문자를 얻어내는 문자 분할, 문자를 인식하는 광학 문자 인식, 번호판의 형태, 크기, 위치 들이 연도별, 지역별로 차이가 있는 번호판들의 데이터베이스를 비교하여 구문 분석을 하는 절차를 거친다. 본 논문에서는 EmguCV를 이용하여 구현한 번호판 감지를 수행하여 위치를 찾아내고, 오픈 소스 광학 문자 인식 엔진으로 잘 알려져 있는 테서렉트 OCR을 이용하여 번호판의 문자를 인식하는 자동 인식 프로그램을 구현하고 기술하였다.

• 로봇학회논문지
• /
• 제1권1호
• /
• pp.25-35
• /
• 2006

Improving practicality of SLAM requires various sensors to be fused effectively in order to cope with uncertainty induced from both environment and sensors. In this case, combining sonar and vision sensors possesses numerous advantages of economical efficiency and complementary cooperation. Especially, it can remedy false data association and divergence problem of sonar sensors, and overcome low frequency SLAM update caused by computational burden and weakness in illumination changes of vision sensors. In this paper, we propose a SLAM method to join sonar sensors and stereo camera together. It consists of two schemes, extracting robust point and line features from sonar data and recognizing planar visual objects using multi-scale Harris corner detector and its SIFT descriptor from pre-constructed object database. And fusing sonar features and visual objects through EKF-SLAM can give correct data association via object recognition and high frequency update via sonar features. As a result, it can increase robustness and accuracy of SLAM in indoor environment. The performance of the proposed algorithm was verified by experiments in home -like environment.

• 한국멀티미디어학회논문지
• /
• 제11권4호
• /
• pp.454-461
• /
• 2008

본 논문에서는 이동변위를 기반으로 하는 휴대기기의 새로운 입력 방법을 제안한다. 이를 위하여 휴대기기에 장착되어 있는 카메라를 이용하여 영상을 연속적으로 획득하고, 획득된 영상간의 변위를 실시간으로 계산함으로써 휴대기기의 이동 변위를 추정하였다. 제안하는 알고리즘은 획득된 영상간의 변위를 실시간으로 계산하기 위하여 계산량이 적은 SUSAN 코너 검출기를 사용하여 두 영상에서 특징점 들을 추출하였다. 다음으로 추출된 특징점 사이의 매칭작업을 수행하기 위하여 투 패스 알고리즘을 적용한 보로노이 평면을 생성하고, 두 영상의 거리 값인 SAD (Sum of absolute difference)를 계산함으로써 두 영상간의 변위를 계산하였다. 실험결과에서는 총 1500장의 영상을 이용하여 변위 추정알고리즘의 성능을 평가하였다. 그 결과 최대 90% 이상 매칭 성공률을 보였으며, 연산 속도는 5 ms 이내였다.

• Smart Structures and Systems
• /
• 제24권6호
• /
• pp.745-757
• /
• 2019

Road surface deteriorations such as potholes have caused motorists heavy monetary damages every year. However, effective road condition monitoring has been a continuing challenge to road owners. Depth cameras have a small field of view and can be easily affected by vehicle bouncing. Traditional image processing methods based on algorithms such as segmentation cannot adapt to varying environmental and camera scenarios. In recent years, novel object detection methods based on deep learning algorithms have produced good results in detecting typical objects, such as faces, vehicles, structures and more, even in scenarios with changing object distances, camera angles, lighting conditions, etc. Therefore, in this study, a Deep Learning Pothole Detector (DLPD) based on the deep region-based convolutional neural network is proposed for autonomous detection of potholes from images. About 900 images with potholes and road surface conditions are collected and divided into training and testing data. Parameters of the network in the DLPD are calibrated based on sensitivity tests. Then, the calibrated DLPD is trained by the training data and applied to the 215 testing images to evaluate its performance. It is demonstrated that potholes can be automatically detected with high average precision over 93%. Potholes can be differentiated from manholes by training and applying a manhole-pothole classifier which is constructed using the convolutional neural network layers in DLPD. Repeated detection of the same potholes can be prevented through feature matching of the newly detected pothole with previously detected potholes within a small region.

• The Korean Journal of Physiology and Pharmacology
• /
• 제23권2호
• /
• pp.131-139
• /
• 2019

Manually reviewing electroencephalograms (EEGs) is labor-intensive and demands automated seizure detection systems. To construct an efficient and robust event detector for experimental seizures from continuous EEG monitoring, we combined spectral analysis and deep neural networks. A deep neural network was trained to discriminate periodograms of 5-sec EEG segments from annotated convulsive seizures and the pre- and post-EEG segments. To use the entire EEG for training, a second network was trained with non-seizure EEGs that were misclassified as seizures by the first network. By sequentially applying the dual deep neural networks and simple pre- and post-processing, our autodetector identified all seizure events in 4,272 h of test EEG traces, with only 6 false positive events, corresponding to 100% sensitivity and 98% positive predictive value. Moreover, with pre-processing to reduce the computational burden, scanning and classifying 8,977 h of training and test EEG datasets took only 2.28 h with a personal computer. These results demonstrate that combining a basic feature extractor with dual deep neural networks and rule-based pre- and post-processing can detect convulsive seizures with great accuracy and low computational burden, highlighting the feasibility of our automated seizure detection algorithm.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권5호
• /
• pp.1671-1686
• /
• 2022

Face manipulation tools represented by Deepfake have threatened the security of people's biological identity information. Particularly, manipulation tools with deep learning technology have brought great challenges to Deepfake detection. There are many solutions for Deepfake detection based on traditional machine learning and advanced deep learning. However, those solutions of detectors almost have problems of poor performance when evaluated on different quality datasets. In this paper, for the sake of making high-quality Deepfake datasets, we provide a preprocessing method based on the image pixel matrix feature to eliminate similar images and the residual channel attention network (RCAN) to resize the scale of images. Significantly, we also describe a Deepfake detector named Cascaded-Hop which is based on the PixelHop++ system and the successive subspace learning (SSL) model. By feeding the preprocessed datasets, Cascaded-Hop achieves a good classification result on different manipulation types and multiple quality datasets. According to the experiment on FaceForensics++ and Celeb-DF, the AUC (area under curve) results of our proposed methods are comparable to the state-of-the-art models.