• 제어로봇시스템학회논문지
• /
• 제16권1호
• /
• pp.69-76
• /
• 2010

The segmentation of moving object in video sequence is a core technique of intelligent image processing system such as video surveillance, traffic monitoring and human tracking. A typical method to segment a moving region from the background is the background subtraction. The steps of background subtraction involve calculating a reference image, subtracting new frame from reference image and then thresholding the subtracted result. One of famous background modeling is Gaussian mixture model (GMM). Even though the method is known efficient and exact, GMM suffers from a problem that includes false pixels in ROI (region of interest), specifically shadow pixels. These false pixels cause fail of the post-processing tasks such as tracking and object recognition. This paper presents a method for removing false pixels included in ROT. First, we subdivide a ROI by using shape characteristics of detected objects. Then, a method is proposed to classify pixels from using histogram characteristic and comparing difference of energy that converts the color value of pixel into grayscale value, in order to estimate whether the pixels belong to moving object area or shadow area. The method is applied to real video sequence and the performance is verified.

• 전자공학회논문지CI
• /
• 제48권5호
• /
• pp.16-23
• /
• 2011

Gunnery로부터 발생하는 muzzle firing은 매우 높은 에너지를 방출하는 표적으로 볼 수 있다. 따라서, xx km 이상의 원거리 gunnery의 경우 일반 CCD 영상으로는 식별하기 어렵지만, IR(infrared) 영상에서는 충분히 식별될 수 있다. 본 논문에서는 원거리 IR 영상으로부터 muzzle firing으로 발생되는 profile을 획득하여 분류하는 기법을 제안한다. IR 센서(infrared sensor)의 특성, 거리, 대기 상태 등에 따라 muzzle firing으로 발생하는 에너지는 서로 다른 양으로써 IR영상에 표현된다. 따라서, 단순히 IR 영상의 픽셀값으로 gunnery 종류를 분류하는데는 명확한 한계가 있다. 제안하는 기법에서는 xxx Hz 이상의 고속 장비를 이용하여 muzzle firing이 이루어지는 구간내에서 시간에 따른 픽셀값의 profile을 획득하여 형태기반의 특징을 추출한 후, 피셔 공간(Fisher's space)로 투영시켜 GMM(Gaussian Mixture Model)을 이용하여 gunnery의 종류를 분류한다. 제안하는 기법을 이용하여 지상 및 공중에서 획득한 gunnery에 대하여 분류 실험을 수행한 결과 파라미터에 따라 최대 93%의 분류율을 확인하였다.

• 한국콘텐츠학회논문지
• /
• 제10권7호
• /
• pp.31-39
• /
• 2010

본 연구에 사용된 환경음은 9 가지 상황으로 구분하였으며 생활 속에서 인간의 이동에 따라 변화하는 실제 환경음과 동일한 테스트 데이터 셋을 이용하였다. 실제 환경에서 녹음된 데이터는 Pre-emphasis, Hamming window를 이용하여 전처리하고 MFCC (Mel-Frequency Cepstral Coefficients) 방식으로 특징을 추출한 후 GMM (Gaussian Mixture Model)을 이용하여 분류 실험을 행했다. 후처리가 없는 GMM은 프레임 별로 판정하므로 분류 결과를 보면 상황이 갑자기 변화하는 이상 결과가 나타난다. 이에 본 연구에서는 인접한 프레임 별 확률 값 혹은 분류 순위를 이용해서 갑작스런 상황 변화가 발생하지 않도록 하는 후처리 방식을 제안하였다. 실험 결과에 따르면 GMM 분류방식에 인접 프레임들의 사후확률 값을 이용하는 후처리방법을 적용한 경우 후처리를 적용하지 않은 경우에 비해 10% 이상 평균 인식률이 개선되는 것을 확인할 수 있었다.

• 한국게임학회 논문지
• /
• 제6권1호
• /
• pp.3-10
• /
• 2006

게임에서 레벨 디자인 (Level Design)과 캐릭터간의 밸런스는 게임의 흥미를 결정하는 매우 중요한 요소이며, 레벨 디자이너에 의해 결정 된다. 기존의 게임에서는 플레이어가 가장 큰 재미를 느낄 수 있는 캐릭터의 공격 패턴과 속성은 정적으로 정해졌으며 스크립트 형식으로 표현됐다. 이와 같이 정적으로 정해진 레벨에 따라 진행되면 플레이어가 쉽게 적응하게 되고, 플레이어의 학습능력에 따라 레벨 디자이너가 의도했던 밸런스가 깨질 수 있었다. 이런 문제점을 해결하기 위해 본 논문에서는 게임 도중에 플레이어의 대응 패턴을 GMM(Gaussian Mixture Model)으로 모델링하고 분석하여 레벨 디자이너가 의도했던 레벨과 재미를 느낄 수 있는 환경을 제공하는 방법을 제안한다. 제안한 방법을 실제 2D슈팅게임에 적용하여 플레이어의 패턴을 분석한 결과와 동적 레벨 디자인의 결과를 보인다.

• 한국산림과학회지
• /
• 제112권1호
• /
• pp.32-39
• /
• 2023

본 연구는 도시 내 정주지에 조경수로 식재된 단풍나무(Acer palmatum Thunb.) 20본을 대상으로 로그(Log)와 일반화적률법(Generalized Method of Moments, GMM)에 의해 수목 부위별 탄소저장량 추정식을 개발하였다. 수목 부위별 탄소 농도는 줄기 목질부가 49.8%로 가장 높게 나타났으며, 줄기 수피는 46.5%로 가장 낮은 값을 보였다. 수목 부위별 탄소저장량을 종속변수로 하고 흉고직경(DBH), 흉고직경 제곱과 수고(DBH²×H)를 독립변수로 하는 상대생장식의 결정계수 (R²)는 줄기, 뿌리, 지상부, 임목 전체의 경우 Log 식은 0.7494~0.9036, GMM 상대생장식은 0.7085~0.8847 등으로 두 방법 사이에 큰 차이가 없었다. 그러나 가지나 잎의 상대생장식은 R²=0.3027~0.6380으로 두 방법 모두 매우 낮게 나타났다. 본 연구는 정주지 수목의 탄소저장량 추정을 위한 상대생장식 개발에 있어서 표본목 수가 작거나 상대생장식의 잔차 이분산성이 문제가 되는 경우 GMM 방법의 상대생장식을 이용할 수 있음을 보여주고 있다.

• 환경영향평가
• /
• 제19권4호
• /
• pp.421-429
• /
• 2010

The reliability of the measurement of ambient trace species is an important issue, especially, in background area such as Gosan in Jeju Island. In a previous episodic study, it was suggested that the PM10 measurement result by the gravimetric method(GMM) was not in agreement with the result by the ${\beta}$-ray absorption method(BAM). In this study, a systematic comparison was carried out for the data between 2001 and 2008 at Gosan(GMM and BAM) and Jeju city (BAM) which is near to Gosan. It was found that at Gosan the PM10 concentration by BAM was higher than GMM and the correlation between them was low. The BAM results at Gosan and Jeju city showed similar trend implying the discrepancy at Gosan was not caused by instrumental problem of the BAM at Gosan. Based on the previous studies two probable reasons for the discrepancy are identified; (1) negative measurement error by the evaporation of volatile ambient species at the filter in GMM such as nitrate and ammonium and (2) positive error by the absorption of water vapor during measurement in BAM. There was no heater at the inlet of BAM at Gosan during the sampling period. Based on the size-segregated measurement data, it was identified that the evaporation error was minor, if any. The relationship between the two methods did not vary with the ambient relative humidity. Thus, at present, it is not clear why the discrepancy had been occurring and when using the PM10 data at Gosan, one should be aware the possible errors.

• Smart Structures and Systems
• /
• 제24권2호
• /
• pp.243-256
• /
• 2019

Determination of the most meaningful structural modes and gaining insight into how these modes evolve are important issues for long-term structural health monitoring of the long-span bridges. To address this issue, modal parameters identified throughout the life of the bridge need to be compared and linked with each other, which is the process of mode tracking. The modal frequencies for a long-span bridge are typically closely-spaced, sensitive to the environment (e.g., temperature, wind, traffic, etc.), which makes the automated tracking of modal parameters a difficult process, often requiring human intervention. Machine learning methods are well-suited for uncovering complex underlying relationships between processes and thus have the potential to realize accurate and automated modal tracking. In this study, Gaussian mixture model (GMM), a popular unsupervised machine learning method, is employed to automatically determine and update baseline modal properties from the identified unlabeled modal parameters. On this foundation, a new mode tracking method is proposed for automated mode tracking for long-span bridges. Firstly, a numerical example for a three-degree-of-freedom system is employed to validate the feasibility of using GMM to automatically determine the baseline modal properties. Subsequently, the field monitoring data of a long-span bridge are utilized to illustrate the practical usage of GMM for automated determination of the baseline list. Finally, the continuously monitoring bridge acceleration data during strong typhoon events are employed to validate the reliability of proposed method in tracking the changing modal parameters. Results show that the proposed method can automatically track the modal parameters in disastrous scenarios and provide valuable references for condition assessment of the bridge structure.

• 한국정보전자통신기술학회논문지
• /
• 제16권5호
• /
• pp.239-246
• /
• 2023

본 논문에서는 오디오 부호화기를 위한 스펙트럼 변화 파라미터와 Mel Frequency Cepstral Coefficients(MFCC) 파라미터를 이용하여 음성과 음악 신호를 분류하는 개루프 방식의 알고리즘을 제안한다. 반응성을 높이기 위해 단구간 특징 파라미터로 MFCC를 사용하고 정확도를 높이기 위해 장구간 특징 파라미터로 스펙트럼 변화를 사용하였다. 전체적인 음성/음악 신호 분류 결정은 단구간 분류와 장구간 분류를 결합하여 이루어진다. 패턴인식을 위해 Gaussian Mixed Model(GMM)을 사용하였고, Expectation Maximization(EM) 알고리즘을 사용하여 최적의 GMM 파라미터를 추출하였다. 제안된 장단구간 결합 음성/음악 신호 분류 방법은 다양한 오디오 음원에서 평균적으로 1.5% 분류 오류율을 보였고 단구간 단독 분류 방법 보다 0.9%, 장구간 단독 분류 방법보다 0.6%의 분류 오류율의 성능 개선을 이룰 수 있었다. 제안된 장단구간 결합 음성/음악 신호 분류 방법은 USAC 오디오 분류 방법보다 타악기 음악 신호에서 9.1% 분류 오류율, 음성신호에서 5.8% 분류 오류율의 성능 개선을 이룰 수 있었다.

• 산업기술연구
• /
• 제38권1호
• /
• pp.41-52
• /
• 2018

Recently, object detection is a critical function for any system that uses computer vision and is widely used in various fields such as video surveillance and self-driving cars. However, the conventional methods can not detect the objects clearly because of the dynamic background change in the beach. In this paper, we propose a new technique to detect humans correctly in the dynamic videos like shores. A new background modeling method that combines spatial GMM (Gaussian Mixture Model) and temporal GMM is proposed to make more correct background image. Also, the proposed method improve the accuracy of people detection by using SVM (Support Vector Machine) to classify people from the objects and KCF (Kernelized Correlation Filter) Tracker to track people continuously in the complicated environment. The experimental result shows that our method can work well for detection and tracking of objects in videos containing dynamic factors and situations.

• 대한의용생체공학회:의공학회지
• /
• 제33권2호
• /
• pp.65-71
• /
• 2012

In this paper, the Gaussian Mixture Model(GMM) which is very robust modeling for pattern classification is proposed to classify wrist motions using surface electromyograms(EMG). EMG is widely used to recognize wrist motions such as up, down, left, right, rest, and is obtained from two electrodes placed on the flexor carpi ulnaris and extensor carpi ulnaris of 15 subjects under no strain condition during wrist motions. Also, EMG-based feature is derived from extracted EMG signals in time domain for fast processing. The estimated features based in difference absolute mean value(DAMV) are used for motion classification through GMM. The performance of our approach is evaluated by recognition rates and it is found that the proposed GMM-based method yields better results than conventional schemes including k-Nearest Neighbor(k-NN), Quadratic Discriminant Analysis(QDA) and Linear Discriminant Analysis(LDA).