• 한국전자통신학회논문지
• /
• 제8권4호
• /
• pp.595-604
• /
• 2013

현재 수입차 차량의 등록대수가 해를 거듭할수록 증가하는 추세이다. 그에 맞춰 수입차와 같은 고급 차량을 정비하기 위한 차량 정비 업체의 환경 개선이 지속적으로 이루어지고 있다. 본 논문에서는 정비 차량의 고객 신뢰도를 제공하기 위한 스마트 차량 관리 시스템을 구현하기 위해 HSV 색상모델 기반의 키 프레임 추출 기법을 제안한다. 수리 차량의 입고 시 차량 번호판 인식 프로세스를 통해 차량의 번호판을 자동으로 인식 후, 이를 기준으로 차량의 수리 이력 확인 및 수리 요청을 처리한다. 차량 수리 동영상을 토대로 차량 수리 키 프레임을 추출하여 사용자의 스마트폰으로 제공하는 서비스를 구현한다. 아울러 제안하는 기법을 스마트 차량 관리 시스템에 적용함으로써 서비스의 우수성을 검증한다. 마지막으로 키 프레임 추출 기법의 성능을 향상시키기 위해 RGB 색상을 HSV 색상으로 변환하여 처리한다. 그 결과 제안된 방법의 키 프레임 추출을 위한 성능 평가에서 기존의 RGB 색상모델보다 HSV 색상모델이 재현율 측면에서 약 30% 더 우수함을 확인하였다.

• 한국융합학회논문지
• /
• 제10권5호
• /
• pp.1-8
• /
• 2019

본 논문에서는 피부색 추출과정에서 그림자나 조명에 의해 얼굴 표면이 손실되어 피부색 추출이 되지 않는 문제점을 해결하기 위하여 개선된 얼굴 피부색 추출 방법을 제안하였다. 기존의 HSV를 이용한 방법은 조명에 의해 얼굴표면이 밝게 비춰지는 경우에 피부색 추출과정에서 피부색 요소가 손실되기 때문에 얼굴표면에 손실 영역이 나타나게 된다. 이러한 문제점을 해결하기 위해 피부색을 추출한 뒤 손실된 피부 요소 중 HSV 색공간에서 피부색의 H 채널 값 범위에 있는 요소들을 판단하여 손실된 부분의 좌표와 원본 이미지 좌표의 결합을 통해 피부색이 손실되는 부분을 최소화 하는 방법을 제안하였다. 얼굴 검출 과정으로는 추출한 피부색 이미지에서 질감 특징정보를 나타내는 LBP Cascade Classifier를 이용하여 얼굴을 검출하였다. 실험결과 제안하는 방법이 기존의 RGB와 HSV 피부색 추출과 LBP Cascade Classifier 방법을 이용한 얼굴검출보다 검출률과 정확도는 각각 5.8%, 9.6% 향상된 결과를 보였다.

• 한국전자통신학회논문지
• /
• 제17권1호
• /
• pp.139-146
• /
• 2022

COVID-19 사태 장기화로 인한 실내활동 제약으로 등산객들이 증가함에 따라 산불화재, 실종자 등 산악 사고가 증가하고 있다. 구조요원의 손길이 닿지 않는 곳에 위험 상황이 발생한다면 쿼드콥터를 활용하여 인명 수색 시간을 감소할 수 있다. 이러한 점에 착안하여 본 논문에서는 쿼드콥터의 원활한 호버링을 수행 할 수 있도록 Multiwii를 사용하여 기체의 기울기 변화에 따라 x축(Roll), y축(Pitch), z축(Yaw)의 최적화된 PID 값을 설정하여 원활한 호버링을 할 수 있도록 하였다. 또한, 카메라는 라즈베리파이에 Open CV를 설치한 후 HSV 색공간을 사용하여 인상착의와 같은 색상을 필터링한 영상을 수신하고, 색추출이 어려운 환경에서는 열화상 카메라를 사용하여 열 감지 영상을 실시간으로 수신할 수 있도록 하였으며, 2~8m 높이에서 호버링이 가능하였으며 5m 높이에서 파란색 추출이 가능하였고, 10cm 이내의 거리에서 열 감지가 가능하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2011년도 추계학술발표대회
• /
• pp.347-350
• /
• 2011

This paper propose a statistical color model of background extraction base on Hue-Saturation-Value(HSV) color space, instead of the traditional RGB space, and shows that it provides a better use of the color information. HSV color space corresponds closely to the human perception of color and it has revealed more accuracy to distinguish shadows [3] [4]. The key feature of this segmentation method is based on processing hue component of color in HSV color space on image area. The HSV color model is used, its color components are efficiently analyzed and treated separately so that the proposed algorithm can adapt to different environmental illumination condition and shadows. Polar and linear statistical operations are used to calculate the background from the video frames. The experimental results show that the proposed background subtraction method can automatically segment video objects robustly and accurately in various illuminating and shadow environments.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.1220-1223
• /
• 2023

폐기물을 처리하는데 있어 배출과 수거에 대한 프로세스 자동화를 위해 폐기물 객체 유사도 판별이 요구된다. 이를 위해 본 연구에서는 폐기물 데이터셋에서 SIFT(Scale-Invariant Feature Transform)와 HSV(Hue, Saturation, Value)기반으로 두 이미지의 공통된 특징을 추출해 융합하고, 기계학습을 통해 이미지 객체 간의 유사도를 측정하는 모델을 제안한다. 실험을 위해 수집된 폐기물 데이터셋 81,072 장을 활용하여 이미지를 학습시키고, 전통적인 임계치 기반 유사도 측정과 본 논문에서 제시하는 유사도 측정을 비교하여 성능을 확인하였다. 임계치 기반 측정에서 SIFT 와 HSV 는 각각 0.82, 0.89(Acc)가 측정되었고, 본 논문에서 제시한 특징 추출 방법을 사용한 기계학습의 성능은 DT(Decision Tree)와 SVM(Support Vector Machine) 모두 0.93 (Acc)로 4%의 정확도가 향상되었다.

• 한국멀티미디어학회논문지
• /
• 제5권2호
• /
• pp.176-190
• /
• 2002

차량이 증가함에 따라 전방의 상황을 운전자에게 알려주기 위한 운전자 도움 시스템(Advanced Drivers Assistance System)과 같은 체계가 요구된다. 본 논문에서는 전방의 상황을 운전자에게 알려 주기 위한 기본과정으로 연속된 컬러 영상으로부터 영상처리만을 이용하여 전방의 차량과 차선을 검출하는 방법을 제안한다. 도로 전방의 상황은 차량이 많다고 하더라도 도로의 영역이 많은 부분을 차지하고 있으며, 차량이 있는 경우에 차량의 하단에 그림자와 같이 어두운 영역이 존재하는 점을 이용하여 전방의 차량을 검출한다. 그리고 차선은 그림자 영역의 반대 특징으로 횐색계열이라는 점을 이용하여 차선 정보를 추출한다. 이 방법은 도로가 혼잡하거나 도로상에 방향 표시가 있는 경우에도 좋은 결과를 보인다. 차량과 차선을 검출하는데는 HSV 컬러 모델에서 태도 성분과 명도 성분을 이용하여 후보점을 검출하고, 차량과 타선의 영역을 검출하며 에지 정보를 이용하여 차량의 영역을 결정한다. 그리고 검출된 차량 영역이 이전 프레임의 차량 영역과 같은 차량인지 알기 위해서는 HSV 성분과 위치 정보의 통계적 특징을 이용한다. 제안된 방식의 효과를 검증하기 위해 노트북 PC와 PC용 CCD 카메라로 도로에서의 영상을 촬영하고 차량 및 차선 검출 알고리즘을 적용한 처리 시간, 정확도 및 차량검지 결과를 보인다.

• 디지털융복합연구
• /
• 제11권12호
• /
• pp.459-465
• /
• 2013

본 논문은 영상 속 객체와 배경의 컬러 특징을 이용한 주요 객체의 자동 추출 방법에 관한 연구이다. 인간이 객체를 판단할 때에는 배경과 객체의 색상 차이를 이용하는데 이러한 요소를 객체 추출 방법에 적용시키기 위해서는 배경과 객체의 색차를 강조하여야 한다. 따라서 본 논문에서는 원 RGB 영상을 인간의 시각 시스템과 유사한 HSV 색 공간으로 변환하고 각기 다른 분포도의 메디안 필터를 적용한 두 개의 영상을 생성한 뒤 두 개의 메디안 필터가 적용된 영상들을 합산하였고 데이터 군집화 방법인 Mean Shift 알고리즘을 적용하여 색상 특징을 그룹화 하였다. 마지막으로 이진화 작업을 위하여 영상의 채널 수를 3 채널에서 1 채널로 정규화 한 뒤 영상 내 픽셀들의 평균값을 임계값으로 이용하는 이진화 방법으로 객체 지도 영상을 생성하였고 주요 객체를 추출하였다.

• 한국게임학회 논문지
• /
• 제11권2호
• /
• pp.161-166
• /
• 2011

본 논문에서는 동작인식 위한 정확한 배경 분할 및 특징점 추출 방법을 제안한다. 배경 분할 과정에서는 먼저, HSV 입력 이미지를 RGB 색상 공간에서 HSV 색상 공간으로 변환한 뒤, H와 S 값에 대한 두 개의 임계치를 사용하여 살색 영역을 분할, 프레임간의 차영상을 이용하여 움직임이 있는 영역을 추출한다. 차영상에서 발생하는 잔상 영역을 제거하기 위하여 헤시안 어파인 영역 검출기를 적용하고, 잡음이 제거된 차 영상과 살색 영역의 이진화 영상을 이용하여 사람의 동작이 나타나는 영역을 분할한다. 특징점 추출 과정은 전체 영상을 블록 단위로 나눠서 각 블록 안에서 분할된 영상에 포함되는 픽셀들의 중점을 구하여 특징점을 추출한다. 실험결과 복잡한 환경에서도 정확한 배경 분할과 사용자 동작을 대표하는 특징점 추출이 약 12 fps로 가능함을 알 수 있었다.

• 방송공학회논문지
• /
• 제18권3호
• /
• pp.372-379
• /
• 2013

본 논문에서는 LBP와 HSV 컬러 히스토그램을 이용한 내용 기반 영상 검색 방법을 제안한다. 영상 검색 시스템에서는 텍스트가 아닌 사용자가 원하는 특정한 객체를 포함하는 영상을 질의로 입력하여 원하는 영상을 검색한다. 대부분의 연구에서는 색상, 질감, 모양 등과 같은 전역 특징 값을 이용하여 영상을 검색한다. 이러한 전역 특징 값들은 하늘이나 바닥과 같은 배경이 큰 부분을 차지하는 영상에서는 특징 값의 대부분이 배경에서 추출되어 영상 검색의 성능 저하를 초래한다. 이러한 문제를 해결하기 위해, 컬러를 이용하여 영상의 배경을 고속으로 검출하고 배경의 영향을 줄여 관심 객체의 특징을 강조한다. 제안된 방법에서는 특징 값으로 HSV 컬러 히스토그램과 Local Binary Patterns을 사용한다. 또한, 색의 경계 부분의 패턴을 추출하기 위해 양자화 된 Hue 채널에서 Local Binary Patterns을 추출한다. 제안된 알고리즘의 성능 검증하기 위해, Corel 1000 database를 이용하여 실험한 결과 82% 이상의 높은 검색 정확도를 나타내었다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2001년도 추계학술발표논문집
• /
• pp.105-110
• /
• 2001

차량이 증가함에 따라서 첨단 교통 시스템(intelligent Transportation System: ITS)은 교통의 효율성, 신뢰성, 안정성 향상에 중점을 두게되었다. 첨단 교통 시스템의 일부분인 운전자 도움 시스템(Advanced Drivers Assistance System)은 운전을 하고 있는 상황에서 도움을 주기 위한 체계이고, 전방의 장애물 검지는 운전자 도움 시스템에서 전방의 상황을 운전자에게 알려주기 위한 중요한 요소이다. 본 논문에서는 HSV 컬러모델을 이용하여 연속된 컬러 영상으로부터 도로상의 차선과 방향 표시자에 구애받지 않고 전방의 차량을 검출하는 방법을 제안한다. HSV 컬러 모텔에서 차량을 검출하기 위해서는 태도(Saturation)와 명도(Value)성분의 관계를 이용하여 차량 영역을 구하고, HSV성분과 위치 특징을 이용하여 이전 프레임의 차량인지 검증한다. 도로 영상에서 차량이 있는 경우 차량의 아래 부분에 그림자 영역이 존재한다는 점을 이용한다. 제안된 방식의 효과를 검증하기 위해 노트북 PC와 PC용 CCD 카메라로 도로에서의 영상을 촬영하고 차량검출알고리즘을 적용한 처리 시간, 정확도, 차량검지 등의 결과를 보인다.