• 전자공학회논문지
• /
• 제51권11호
• /
• pp.66-72
• /
• 2014

Histogram of oriented gradient (HOG) 특징은 영상 기반 보행자 인식에서 널리 사용되고 있다. HOG 특징을 이용한 보행자 인식의 인식률을 높이는데 가장 중요한 역할을 하는 것은 보간 기술이다. HOG 특징 연산에 보간 기술을 적용하기 위해서는 각 픽셀의 기울기 방향에 가장 근접한 두 개의 기울기 방향 bin과 가중치를 계산해야 한다. 따라서 본 논문에서는 HOG 특징 연산에 적용하기 위한 효율적인 기울기 방향 bin 및 가중치 연산 회로를 제안한다. 제안하는 회로는 탄젠트 함수와 나눗셈 연산을 피하기 위해 미리 계산된 값을 테이블로 지정하여 사용하였으며, 탄젠트 함수와 가중치 값의 특성을 이용함으로써 회로 내 테이블의 크기를 최소화하였다. 또한 처리 속도 향상을 위해 파이프라인 구조를 적용하였으며, 효율적인 coarse 및 fine 탐색 방법을 적용하여 각 픽셀에 대한 기울기 방향 bin과 가중치를 두 클락 사이클 내에 계산한다. 본 논문에서 제안하는 회로는 $1^{\circ}$ 단위로 기울기 방향을 계산하여 기울기 방향 bin과 가중치를 모두 결정하기 때문에 HOG 특징을 위한 보간 기술에 적용되어 높은 인식률을 제공하기 위해 사용될 수 있다.

• 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.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2008년도 학술대회 1부
• /
• pp.504-509
• /
• 2008

Support Vector Machine (SVM) is one of powerful learning machine and has been applied to varying task with generally acceptable performance. The success of SVM for classification tasks in one domain is affected by features which represent the instance of specific class. Given the representative and discriminative features, SVM learning will give good generalization and consequently we can obtain good classifier. In this paper, we will assess the problem of feature choices for human detection tasks and measure the performance of each feature. Here we will consider HOG-family feature. As a natural extension of SVM, we combine SVM with Principal Component Analysis (PCA) to reduce dimension of features while retaining most of discriminative feature vectors.

• 한국군사과학기술학회지
• /
• 제20권1호
• /
• pp.33-39
• /
• 2017

In this paper, an effective feature which is capable of classifying targets among the detections obtained from 2D range-bearing maps generated in active sonar environments is proposed. Most conventional approaches for target classification with the 2D maps have considered magnitude of peak and statistical features of the area surrounding the peak. To improve the classification performance, HOG(Histogram of Gradient) feature, which is popular for their robustness in the image textures analysis is applied. In order to classify the target signal, SVM(Support Vector Machine) method with reduced HOG feature by the PCA(Principal Component Analysis) algorithm is incorporated. The various simulations are conducted with the real clutter signal data and the synthesized target signal data. According to the simulated results, the proposed method considering HOG feature is claimed to be effective when classifying the active sonar target compared to the conventional methods.

• 대한원격탐사학회지
• /
• 제30권4호
• /
• pp.537-546
• /
• 2014

본 논문은 비 접근 지역에 존재하는 관심물체의 위치를 고해상도 광학 위성영상을 이용하여 찾아내기 위한 방법을 제안한다. 관심물체는 정확하게 규정된 크기와 모양을 갖는 것이 아니라, 개념적으로 유사한 패턴을 가진 물체들의 집합이다. 본 논문에서는 유사 객체 검색에서 Histogram of Gradients (HOG) feature를 이용하여 입력 영상의 관심물체의 특징을 추출하고, 추출된 특징 데이터를 이용하여 다른 영상들의 관심물체를 탐색하는 Support Vector Machine (SVM) 학습 및 분류기를 개발하였다. 제안한 방법은 관심물체를 자동으로 찾아줌으로써, 넓은 영역에서 수동으로 관심물체를 탐색하는데 소요되는 시간과 노력을 줄일 수 있는 효과가 있음을 확인하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2014년도 추계학술대회
• /
• pp.164-166
• /
• 2014

본 논문에서는 HOG 기반 보행자 검출 및 추적에서, HOG feature의 슬라이딩 윈도우의 수와 피라미드 층 수가 알고리즘의 수행속도와 직접적인 관계가 있다는 것을 확인한다. 그리고 이 결과를 바탕으로 윈도우의 수와 피라마드 층 수를 줄이는 방법을 제안하여 전체적인 보행자 검출 및 추적 속도를 증가시키고자 한다. 구체적으로, 제안하는 알고리즘은 검출 단계에서 색상의 선명도를 이용하여 관심 영역을 프레임 내에 지정함으로써 슬라이딩 윈도우의 수를 줄이고, 부가적으로 피라미드 층 수 또한 줄어들어서 보행자 검출 속도를 향상시킨다. 그리고 추적 단계에서는 보행자로 검출된 윈도우의 색상 정보를 이용하여 검출된 보행자를 빠르고 정확하게 추적하는 하는 방법을 제시한다.

• 전기학회논문지
• /
• 제64권7호
• /
• pp.1064-1073
• /
• 2015

In this study, we introduce the pedestrian detection system by using the feature of HOG-PCA and RBFNNs pattern classifier. HOG(Histogram of Oriented Gradient) feature is extracted from input image to identify and recognize a object. And a dimension is reduced for improving performance as well as processing speed by using PCA which is a typical dimensional reduction algorithm. So, the feature of HOG-PCA through the dimensional reduction by using PCA leads to the improvement of the detection rate. FCM clustering algorithm is used instead of gaussian function to apply the characteristic of input data as well and connection weight is used by polynomial expression such as constant, linear, quadratic and modified quadratic. Finally, INRIA person database known as one of the benchmark dataset used for pedestrian detection is applied for the performance evaluation of the proposed classifier. The experimental result of the proposed classifier are compared with those studied by Dalal.

• 한국융합학회논문지
• /
• 제10권3호
• /
• pp.39-47
• /
• 2019

본 논문에서는 실시간으로 보행자를 추적할 때 배경 제거를 이용하여 변형된 HOG(Histogram of Oriented Gradients) 특징 추출을 제안하였다. 기존의 HOG 특징 추출은 연산량이 많아 추적 속도가 느린 문제가 있다. 배경 제거를 통해 연산량 감소와 추적률을 향상시키기 위해 연구하였다. 불필요한 영역에서의 특징 추출을 감소시키기 위해 HSV 색공간에서 S 채널과 V 채널을 이용하여 영역 제거를 진행하였다. 영상의 평균 S 채널과 V 채널로 배경 제거 후 입력 영상이 전체적으로 어두워 객체 추적에 실패하는 경우가 있다. 이러한 경우를 방지하기 위해 히스토그램 평활화를 하였다. 제거된 영역에서 추출되는 HOG 특징이 감소되고, 객체에서는 명확한 HOG 특징이 추출되어 객체 추적 속도와 추적률이 향상되었다. 본 실험에서는 다수의 보행자나 한명의 보행자가 존재하는 영상, 배경이 복잡한 영상, 흔들림이 심한 영상을 가지고 실험하였다. 제안하는 방법은 기존의 HOG-SVM 방법과 비교하여 처리 속도는 약 41.84% 향상되었으며 오 추적률은 약 52.29% 감소되어 개선된 추적률을 보였다.

• 전기학회논문지
• /
• 제66권7호
• /
• pp.1117-1122
• /
• 2017

Pedestrian detection is a very important and valuable part of artificial intelligence and computer vision. It can be used in various areas for example automatic drive, video analysis and others. Many works have been done for the pedestrian detection. The accuracy of pedestrian detection on multiple pedestrian image has reached high level. It is not easily get more progress now. This paper proposes a new structure based on the idea of HOG and convolutional filters to do the pedestrian detection in single pedestrian image. It can be a method to increase the accuracy depend on the high accuracy in single pedestrian detection. In this paper, we use Multiblock HOG and magnitude of the pixel as the feature and use convolutional filter to do the to extract the feature. And then use NEWFM to be the classifier for training and testing. We use single pedestrian image of the INRIA data set as the data set. The result shows that the Convolutional Multiblock HOG we proposed get better performance which is 0.015 miss rate at 10-4 false positive than the other detection methods for example HOGLBP which is 0.03 miss rate and ChnFtrs which is 0.075 miss rate.

• International Journal of Contents
• /
• 제9권3호
• /
• pp.1-9
• /
• 2013

In this paper, we propose a fast and accurate system for detecting pedestrians from a static image. Histogram of Oriented Gradients (HOG) is a well-known feature for pedestrian detection systems but extracting HOG is expensive due to its high dimensional vector. It will cause long processing time and large memory consumption in case of making a pedestrian detection system on high resolution image or video. In order to deal with this problem, we use Principal Components Analysis (PCA) technique to reduce the dimensionality of HOG. The output of PCA will be input for a linear SVM classifier for learning and testing. The experiment results showed that our proposed method reduces processing time but still maintains the similar detection rate. We got twenty five times faster than original HOG feature.