• 한국ITS학회 논문지
• /
• 제18권6호
• /
• pp.191-201
• /
• 2019

본 연구에서는 다양한 외부 조건 하에서 촬영된 영상을 대상으로 신속하고 정확하게 교통 객체를 검출하는 교통 객체 검출 통합 프레임워크를 개발하였다. 제안된 프레임워크는 딥러닝 기술 기반의 직접 객체 인식 기술과 다중 객체 추적 기술, 그리고 동영상 전처리 기술로 구성되며, 영상의 안정성, 기상, 촬영 각도 등의 다양한 외부 조건에서 촬영된 영상을 대상으로 승용차, 버스, 트럭, 및 미니밴과 같은 교통 객체를 인식하고, 이를 실시간으로 추적하여 교통량 데이터를 계수한다. 제안된 방법의 성능 검증을 위해 다양한 외부 조건에서 촬영된 영상 8개를 대상으로 제안된 방법의 성능 검증을 수행한 결과, 우천 및 강설을 제외한 모든 조건에서 98% 이상의 높은 정확도를 보이는 것으로 나타났다.

• 전기학회논문지
• /
• 제64권7호
• /
• pp.1040-1046
• /
• 2015

This paper introduces GP(Genetic Programming) based color detection model for an object detection of humanoid robot vision. Existing color detection methods have used linear/nonlinear transformation of RGB color-model. However, most of cases have difficulties to classify colors satisfactory because of interference of among color channels and susceptibility for illumination variation. Especially, they are outstanding in degraded images from robot vision. To solve these problems, we propose illumination robust and non-parametric multi-colors detection model using evolution of GP. The proposed method is compared to the existing color-models for various environments in robot vision for real humanoid Nao.

• 한국통신학회논문지
• /
• 제37권2C호
• /
• pp.181-187
• /
• 2012

밀리미터파 영상시스템은 의복을 투과하는 성질이 뛰어나서 의복 속에 숨겨둔 은닉 물체를 탐지하는 분야에 활용된다. 더불어 수동형 밀리미터파 영상 시스템은 능동형 시스템과 달리 실내외의 개방된 공간에서 움직이는 대상자들의 탐지가 가능하다. 그러나 수동형 밀리미터파 영상은 일반적으로 회절의 제한과 낮은 신호 레벨로 해상도가 낮으며 잡음의 영향이 크다. 그러므로 영상을 효과적으로 처리하기 위한 신호의 모델링과 통계적 분석이 요구된다. 본 논문에서 은닉 물체 검출을 수행하는 밀리미터파 영상 분할 알고리즘을 C++로 구현하여 실시간으로 처리한다. 영상의 분석을 위하여 밀리미터파 영상의 히스토그램을 혼합 가우시안 모델로 추정하고 은닉 물체를 다단계 영상 분할 방법으로 추출한다. 다단계 분할은 배경에서 몸체를 분리하는 전역분할과 은닉물체를 몸체에서 분리하는 국소분할로 이루어진다. 각 분할단계는 $k$-means, EM 추정, 판정단계로 구성되어 있다. 실험에서 실외에서 획득한 수동형 밀리미터파 영상을 분석하여 은닉 물체를 실시간으로 검출할 수 있음을 확인한다.

• 한국컴퓨터정보학회논문지
• /
• 제25권2호
• /
• pp.49-58
• /
• 2020

본 연구는 온라인 다중 객체 추적 환경에서 모든 객체의 상태(예. 위치 및 크기) 및 identifications (IDs)를 추적하는 문제를 다룬다. 프레임들 간 검출 결과들을 연관하여 객체들의 궤도를 점진적으로 완성하는 tracking-by-detection 접근법을 기반으로 온라인 다중 객체 추적 문제를 해결하고자 한다. 정확한 온라인 연관을 수행하기 위해 이산 푸리에 변환과 부분 최소 제곱법(partial least square, PLS) 분석을 기반으로 하는 새로운 온라인 외형 학습 방법을 제안한다. 즉, 먼저 주파수 도메인에서 추적에 용이한 객체 특징량을 추출하기 위해 추적 객체에 대한 이미지를 푸리에 이미지로 변환한다. 나아가 객체간의 주파수 특징을 보다 잘 구별할 수 있도록 PLS기반 부분 공간을 학습한다. 제안된 외형 학습을 최신 신뢰도 기반 연관 기법과 결합하였고, 다중 객체 추적평가 분야에서 국제적으로 공인된 MOT 벤치마크 챌린지 데이터 셋에서 최신 다중 객체 추적 알고리즘과 비교평가를 수행하였다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2005년도 Proceedings of ISRS 2005
• /
• pp.233-235
• /
• 2005

This paper presents an unsupervised change detection methodology designed for the detection of landslide areas. The proposed methodology consists of two analytical steps: one for multi-temporal segmentation and the other for automatic selection of thresholding values. By considering the conditions of landslide occurrences and the spectral behavior of multi-temporal remote sensing images, some specific procedures are included in the analytical steps mentioned above. The effectiveness and applicability of the methodology proposed here were illustrated by a case study of the Gangneung area, Korea. The case study demonstrated that the proposed methodology could detect about $83\%$ of landslide occurrences.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2009년도 정보 및 제어 심포지움 논문집
• /
• pp.31-33
• /
• 2009

Face detection using AdaBoost algorithm is capable of processing images rapidly while having high detection rates. It seemed to be the fastest and the most robust and it is still today. Many improvements or extensions of this method have been proposed. However, previous approaches only deal with upright faces. They suffer from limited discriminant capability for rotated faces as these methods apply the same features for both upright and rotated faces. To solve this problem, it is necessary that we rotate input images or make independently trained detectors. However, this can be slow and can require a lot of training data, since each classifier requires the computation of many different image features. This paper proposes a robust algorithm for finding rotated faces within an image. It reduces the computational and sample complexity, by finding common features that can be shared across the classes. And it will be able to apply with multi-class object detection.

• 방송공학회논문지
• /
• 제24권3호
• /
• pp.495-505
• /
• 2019

딥 러닝의 대표 알고리즘에는 영상 인식에 주로 사용되는 CNN(Convolutional Neural Networks), 음성인식 및 자연어 처리에 주로 사용되는 RNN(Recurrent Neural Networks) 등이 있다. 이 중 CNN은 데이터로부터 자동으로 특징을 학습하는 알고리즘으로 특징 맵을 생성하는 필터까지 학습할 수 있어 영상 인식 분야에서 우수한 성능을 보이면서 주류를 이루게 되었다. 이후, 객체 탐지 분야에서는 CNN의 성능을 향상하고자 R-CNN 등 다양한 알고리즘이 등장하였으며, 최근에는 검출 속도 향상을 위해 YOLO(You Only Look Once), SSD(Single Shot Multi-box Detector) 등의 알고리즘이 제안되고 있다. 하지만 이러한 딥러닝 기반 탐지 네트워크는 정지 영상에서 탐지의 성공 여부를 결정하기 때문에 동영상에서의 안정적인 객체 추적 및 탐지를 위해서는 별도의 추적 기능이 필요하다. 따라서 본 논문에서는 동영상에서의 객체 추적 및 탐지 성능 향상을 위해 딥 러닝 기반 탐지 네트워크에 칼만 필터를 결합한 방법을 제안한다. 탐지 네트워크는 실시간 처리가 가능한 YOLO v2를 이용하였으며, 실험 결과 제안한 방법은 기존 YOLO v2 네트워크에 비교하여 7.7%의 IoU 성능 향상 결과를 보였고 FHD 영상에서 20 fps의 처리 속도를 보였다.

• 한국측량학회지
• /
• 제33권4호
• /
• pp.297-304
• /
• 2015

원격탐사 자료를 활용한 변화탐지 기법은 재난/재해, 국토모니터링 등의 다양한 분야에서 활용가능하다. 그러나, 고해상도 위성영상을 활용하여 무감독 변화탐지를 수행할 경우에는, 기복변위 등에 의한 기하학적인 오차와 영상의 노이즈 정보에 의하여 미변화지역들이 변화지역으로 오탐지될 수 있는 문제점을 지닌다. 따라서 본 연구에서는 대표적인 변화탐지 기법인 IR-MAD 기법을 활용하여 고해상도 위성영상에 대한 객체 기반의 변화탐지를 수행하였다. 특히, 교차융합기법으로 부가적인 자료를 생성하여 객체 기반의 변화탐지 정확도를 향상시키고자 하였다. KOMPSAT-2 위성영상을 활용한 실험을 수행한 결과, 화소기반의 IR-MAD 기법과 비교하여 객체 기반의 IR-MAD 기법이 높은 변화탐지 정확도를 보이는 것을 확인하였다. 또한, 교차융합영상을 활용하였을 경우가 원 다시기 영상만을 사용하였을 때보다 높은 변화탐지 정확도를 보였다. 이를 통해, 객체 기반의 IR-MAD 기법이 고해상도 위성영상을 활용한 국토의 변화탐지를 효과적으로 수행할 수 있음을 실험적으로 증명하였다.

• 한국정보통신학회논문지
• /
• 제26권8호
• /
• pp.1121-1129
• /
• 2022

RGB 이미지를 활용하는 다양한 객체 인식 분야에서 조도가 어둡거나 특정 물체에 의해 가려진 환경에서의 RGB 이미지는 객체 인식 성능 저하를 일으킨다. IR 이미지는 가시광선이 아닌 적외선 파동을 감지하기 때문에 이러한 환경에서 강인한 객체 인식 성능을 가질 수 있고, RGB-IR 이미지 쌍을 가지고 각자의 강점을 결합 하는 것을 통해 객체 인식 성능을 향상시킬 수 있다. 본 논문에서는 RGB-IR 이미지 쌍의 강점만을 결합하여 객체 인식 성능을 향상시키는 다중 스펙트럼 융합 모델인 high-frequency interchange network (HINet)을 제안한다. HINet은 RGB-IR 이미지 간 주요 정보를 교환하기 위해 두 가지 객체 인식 모델을 mutual high-frequency transfer (MHT)를 이용하여 연결하였다. MHT에서는 RGB-IR 이미지 쌍 각각을 discrete cosine transform (DCT) 스펙트럼 도메인으로 변환하여 고주파 정보를 추출한다. 추출된 고주파 정보는 서로의 네트워크에 전달되어 객체 인식성능 향상을 위해 활용되어 진다. 실험 결과는 제안하는 네트워크의 우수성을 보이며 다중 스펙트럼 객체 인식 성능을 향상시키는 것을 확인할 수 있다.

• ETRI Journal
• /
• 제36권6호
• /
• pp.913-923
• /
• 2014

This paper proposes a global mapping algorithm for multiple robots from an omnidirectional-vision simultaneous localization and mapping (SLAM) approach based on an object extraction method using Lucas-Kanade optical flow motion detection and images obtained through fisheye lenses mounted on robots. The multi-robot mapping algorithm draws a global map by using map data obtained from all of the individual robots. Global mapping takes a long time to process because it exchanges map data from individual robots while searching all areas. An omnidirectional image sensor has many advantages for object detection and mapping because it can measure all information around a robot simultaneously. The process calculations of the correction algorithm are improved over existing methods by correcting only the object's feature points. The proposed algorithm has two steps: first, a local map is created based on an omnidirectional-vision SLAM approach for individual robots. Second, a global map is generated by merging individual maps from multiple robots. The reliability of the proposed mapping algorithm is verified through a comparison of maps based on the proposed algorithm and real maps.