• 전기학회논문지
• /
• 제65권3호
• /
• pp.477-486
• /
• 2016

This paper presents the area classification, identification, and tracking for multiple moving objects with the similar colors. To do this, first, we use the GMM(Gaussian Mixture Model)-based background modeling method to detect the moving objects. Second, we propose the use of the binary and morphology of image in order to eliminate the shadow and noise in case of detection of the moving object. Third, we recognize ROI(region of interest) of the moving object through labeling method. And, we propose the area classification method to remove the background from the detected moving objects and the novel method for identifying the classified moving area. Also, we propose the method for tracking the identified moving object using Kalman filter. To the end, we propose the effective tracking method when detecting the multiple objects with the similar colors. Finally, we demonstrate the feasibility and applicability of the proposed algorithms through some experiments.

• 한국인터넷방송통신학회논문지
• /
• 제9권4호
• /
• pp.69-74
• /
• 2009

공공장소에서의 유기물은 의도적 공공테러를 목적으로 폭발물이나 화학물질 등을 포함할 수 있기 때문에 일단 가능한 위험물로 반드시 다루어져야 한다. 공항이나 기차역과 같은 대형 공공장소에서는 전체 영역을 감시하는 모든 모니터를 점검할 보안 인력을 유지하는데 있어서 비용적 측면의 한계가 있게 마련이다. 이것이 비전 기술에 기반한 위험 유기물의 자동 검사 시스템을 개발하여야 하는 기본적 동기이다. 이 연구에서는 잘 알려진 DBE 기법을 적용하여 배경 이미지를 안정적으로 추출하는 것을 보이며, HOG 알고리즘을 적용하여 물체 분류에 있어서 사람과 물건을 구분하는 기능을 구현하였다. 제안된 시스템의 유효성을 보이기 위하여 감시 지역의 한 실내 환경에 대해 금지구역 침범을 탐지하고 유기물에 대한 경보를 발생하는 실험을 수행하였다.

• 스마트미디어저널
• /
• 제5권3호
• /
• pp.93-98
• /
• 2016

배회란 "어떤 곳을 중심으로 어슬렁거리며 이리저리 돌아다닌다." 라는 사전적인 의미를 가지고 있으며 대부분의 범죄가 발생하기 전에 이루어지는 행동이다. 따라서 배회행위를 검출함으로써 다양한 범죄를 사전에 예방할 수 있다. 본 논문에서는 Raspberry Pi를 이용한 배회행위 검출 알고리즘을 제안한다. 제안한 알고리즘은 적응형 차영상을 이용해 움직이는 객체를 검출하였고, 객체검출의 정확성을 높이기 위해 모폴로지 열림 연산을 사용한다. 객체가 검출되면 객체의 무게중심점을 이용하여 무게중심점의 각도 변화와 객체의 높이에 반비례하는 픽셀 이동 거리를 이용하여 배회행위를 검출한다. 배회행위로 검출되면 Raspberry Pi를 이용하여 경고음을 출력하여 사용자에게 알려준다.

• 한국멀티미디어학회논문지
• /
• 제19권8호
• /
• pp.1345-1360
• /
• 2016

In this paper, we propose a new real-time human detection under omni-directional cameras for visual surveillance purpose, based on CNN with unified detection and AGMM. Compared to CNN-based state-of-the-art object detection methods. YOLO model-based object detection method boasts of very fast object detection, but with less accuracy. The proposed method adapts the unified detecting CNN of YOLO model so as to be intensified by the additional foreground contextual information obtained from pre-stage AGMM. Increased computational time incurred by additional AGMM processing is compensated by speed-up gain obtained from utilizing 2-D input data consisting of grey-level image data and foreground context information instead of 3-D color input data. Through various experiments, it is shown that the proposed method performs better with respect to accuracy and more robust to environment changes than YOLO model-based human detection method, but with the similar processing speeds to that of YOLO model-based one. Thus, it can be successfully employed for embedded surveillance application.

• 한국산업융합학회 논문집
• /
• 제24권5호
• /
• pp.555-562
• /
• 2021

In this paper, we propose a sorting method for extracting accurate license plate information, which is currently used in Korea, after detecting objects using YOLO. We propose sorting methods for the five types of vehicle license plates managed by the Ministry of Land, Infrastructure and Transport by classifying the plates with the number of lines, Korean characters, and numbers. The results of experiments with 5 license plates show that the proposed algorithm identifies all license plate types and information by focusing on the object with high reliability score in the result label file presented by YOLO and deleting unnecessary object information. The proposed method will be applicable to all systems that recognize license plates.

• International Journal of Advanced Culture Technology
• /
• 제10권4호
• /
• pp.536-546
• /
• 2022

A society will lose a lot of something in this field when the forest fire broke out. If a forest fire can be detected in advance, damage caused by the spread of forest fires can be prevented early. So, we studied how to detect forest fires using CCTV currently installed. In this paper, we present a deep learning-based model through efficient image data construction for monitoring forest fire smoke, which is unstructured data, based on the deep learning model YOLOv5. Through this study, we conducted a study to accurately detect forest fire smoke, one of the amorphous objects of various forms, in YOLOv5. In this paper, we introduce a method of self-learning by producing insufficient data on its own to increase accuracy for unstructured object recognition. The method presented in this paper constructs a dataset with a fixed labelling position for images containing objects that can be extracted from the original image, through the original image and a model that learned from it. In addition, by training the deep learning model, the performance(mAP) was improved, and the errors occurred by detecting objects other than the learning object were reduced, compared to the model in which only the original image was learned.

• 드라이브 ㆍ 컨트롤
• /
• 제19권3호
• /
• pp.9-15
• /
• 2022

This paper proposes a method for constructing and verifying datasets used in deep learning technology, to prevent safety accidents in automated construction machinery or autonomous vehicles. Although open datasets for developing image recognition technologies are challenging to meet requirements desired by users, this study proposes the interface of virtual simulators to facilitate the creation of training datasets desired by users. The pixel-level training image dataset was verified by creating scenarios, including various road types and objects in a virtual environment. Detecting an object from an image may interfere with the accurate path determination due to occlusion areas covered by another object. Thus, we construct a database, for developing an occlusion area detection algorithm in a virtual environment. Additionally, we present the possibility of its use as a deep learning dataset to calculate a grid map, that enables path search considering occlusion areas. Custom datasets are built using the RDBMS system.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.109-111
• /
• 2021

최근 라이트 필드 카메라를 통한 컴퓨터 비전 연구가 활발히 진행되고 있다. 라이트 필드 카메라에서는 공간정보를 가지고 있기 때문에, depth map estimation, super resolution, 3D object detection 과 같은 분야에서 다양한 연구가 진행되고 있다. 본 논문에서는 라이트필드 카메라를 통해 취득되는 7×7 배열의 이미지를 통해 blur 영상에서 객체를 검출하기 위한 방법을 제안한다. 기존의 카메라에서 취약한 blur 영상을 라이트 필드 카메라를 통하여 검출한다. 제안하는 방법은 SSD 알고리즘을 사용하여 실제 라이트 필드 카메라에서 취득한 blur 영상을 사용하여 성능평가를 수행한다

• 정보처리학회논문지B
• /
• 제8B권5호
• /
• pp.539-548
• /
• 2001

본 연구에서는 배경과 구분되는 이동물체를 추적하기 위한 방법으로 부분 외곽선 정보를 이용한 이동물체 추적 알고리즘을 제안하였다. 이동물체의 추적은 이동물체의 외곽선을 검출한 다음 외곽선 정보를 이동물체의 특징으로 정하여 추적하는 알고리즘을 사용하였다. 먼저 이동물체 외곽선 정보를 이용하여 연속한 동영상 입력에 대하여 속 BMA(Block Matching Algorithm)을 이용하여 움직임 벡터를 추출하고 움직임 벡테를 기초로 이동물체를 추출한다. 다음은 이동물체 초기 특징 벡테 생성단계로서 이동물체에 대한 외곽선을 추출한다. 이동물체의 외곽선 영역 중 상하좌우의 외곽선 일부분을 특징벡터로 정한다. 다음은 추적단계로 이전 프레임에서 얻은 특징벡터를 이용하여 현재 프레임에서 이동물체의 추적을 수행하였다. 제안된 알고리즘에 대하여 실제영상을 가지고 이동물체추적 모의 실험을 수행한 결과 기존 능동 윤곽선 추적알고리즘은 물체 외곽선 전체를 추적하기 때문에 물체의 외곽선 길이에 따라 처리시간이 변화하지만 제안된 알고리즘은 이동물체의 외곽선 영역을 특징정보로 하여 추적하기 때문에 추적연산이 간단하였다. 제안된 이동물체 추적알고리즘 중 이동벡터를 추출하는 BMA 연산은 기존 알고리즘 보다 연산량이 약 39%감소였으며, 상하 좌우 외곽선 정보를 이용하여 이동물체를 추적한 결과 추적오차는 특징벡터의 크기가 [$10{\times}5$]일 때 검색오차가 2화소 이하로 양호하게 나타났다. 또한 기본 능동 윤ㅅ곽선 축적알고리즘은 물체 외곽선 크기에 따른 처리시간이 변화하지만 제안된 알고리즘은 특징벡터의 크기가 일정하기 때문에 동일한 처리시간이 필요하였다.

• 한국산학기술학회논문지
• /
• 제19권3호
• /
• pp.693-698
• /
• 2018

본 논문은 최근 물체탐지 분야에서 실시간 물체 탐지 알고리즘으로 주목을 받고 있는 YOLOv2(You Only Look Once) 알고리즘을 이용하여 밀집 영역에 주차되어 있는 자동차 탐지 방법을 제안한다. YOLO의 컨볼루션 네트워크는 전체 이미지에서 한 번의 평가를 통해서 직접적으로 경계박스들을 예측하고 각 클래스의 확률을 계산하고 물체 탐지 과정이 단일 네트워크이기 때문에 탐지 성능이 최적화 되며 빠르다는 장점을 가지고 있다. 기존의 슬라이딩 윈도우 접근법과 R-CNN 계열의 탐지 방법은 region proposal 방법을 사용하여 이미지 안에 가능성이 많은 경계박스를 생성하고 각 요소들을 따로 학습하기 때문에 최적화 및 실시간 적용에 어려움을 가지고 있다. 제안하는 연구는 YOLOv2 알고리즘을 적용하여 기존의 알고리즘이 가지고 있는 물체 탐지의 실시간 처리 문제점을 해결하여 실시간으로 지상에 있는 자동차를 탐지하는 방법을 제안한다. 제안하는 연구 방법의 실험을 위하여 오픈소스로 제공되는 Darknet을 사용하였으며 GTX-1080ti 4개를 탑재한 Deep learning 서버를 이용하여 실험하였다. 실험결과 YOLO를 활용한 자동차 탐지 방법은 기존의 알고리즘 보다 물체탐지에 대한 오버헤드를 감소 할 수 있었으며 실시간으로 지상에 존재하는 자동차를 탐지할 수 있었다.