• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제11권11호
• /
• pp.5491-5505
• /
• 2017

Use of the Gaussian inverse Wishart PHD (GIW-PHD) filter has demonstrated promise as an approach to track an unknown number of extended targets. However, the partitioning approaches used in the GIW-PHD filter, such as distance partition with sub-partition (DP-SP), prediction partition (PP) and expectation maximization partition (EMP), fails to provided accurate partition results when targets are spaced closely together and performing maneuvers. In order to improve the performance of a GIW-PHD filter, this paper presents a cooperation partitioning (CP) algorithm to solve the partitioning issue when targets are spaced closely together. In the GIW-PHD filter, the DP-SP is insensitive to target maneuvers but sensitive to the differences in target sizes, while EMP is the opposite. The proposed CP algorithm is a fusion approach of DP-SP and EMP, which employs EMP as a sub-partition approach after DP. Therefore, the CP algorithm will be sensitive to neither target maneuvers nor differences in target sizes. The simulation results show that the use of the proposed CP algorithm will improve the performance of the GIW-PHD filter when targets are spaced closely together.

• 대한의용생체공학회:의공학회지
• /
• 제9권1호
• /
• pp.101-108
• /
• 1988

In this paper the power spectrum of background EEG is estimated by the LMS PHD based on least mean square. At the power spectrum estimatiom, the stocastic process of background EEG is assumed to consist of the nonharmonic sinusoid and the white noise. In the LMS PHD the model parameters are obtained by the least mean square at optimal order which is obtained from the fact that the eigenvalue's fluctuation of autocorrelation matrix of the normal back-ground EEG is smaller at some order than at other order when the power spectrum of background EEG is esitmated by PHD. The optimal order of this model is the 6-th order when the eigenvalue's fluctuation of autocorrelation matrix of background EEG is considered. The estimation results are with compared the results from the Maximum Entropy Spectral Estimation and Pisarenko Harmonic Decomposition. From the comparison results. The LMS PHD is possible to estimate the power spectrum of background EEG.

• 전자공학회논문지
• /
• 제52권12호
• /
• pp.150-157
• /
• 2015

보행자 인식은 차량자율주행 및 사고방지를 위해 중요한 요소기술로서 많이 연구되고 있다. 이 기술들은 크게 카메라기반과 LIDAR 기반, 두 가지로 구별할 수 있다. 카메라 기반 방법과 대비되어 LIDAR 기반 방법은 화각이 넓고 조도환경에 영향을 받지 않는다는 강점이 있다. 하지만 LIDAR 기반 방법은 먼 물체를 인식하기엔 센서 해상도가 낮고, 복잡한 환경에서는 분할 오류나 폐색 등의 원인으로 인식률이 낮아진다는 문제점이 있다. 본 논문에서는 3차원 LIDAR 기반 보행자 탐지 알고리즘의 낮은 인식률을 개선시키기 위해 다중객체추적 기법의 하나인 GM-PHD 필터를 이용한 두 가지 성능 향상 방법을 제안한다. 첫 번째 방법은 GM-PHD 필터를 이용해 이전 프레임의 포인트를 현재 프레임의 물체에 자동으로 누적하여 물체 해상도 및 보행자 분류 성능을 향상시킨다. 두 번째 방법은 인식 성능이 낮은 상황에 맞춰 개선된 GM-PHD 필터를 분류된 다중객체에 적용하여 탐지 성능을 더욱 강화시킨다. 직접 취득한 도로 주행 데이터에 두 방법을 적용하여 제안한 방법이 기존의 보행자 탐지 알고리즘 성능을 대폭 향상시키는 것을 정량적으로 증명하였다.

• 한국통신학회논문지
• /
• 제37권4C호
• /
• pp.307-312
• /
• 2012

본 논문에서는 ISO/IEEE 11073 개인건강기기(Personal Health Device: PHD) 표준을 임베디드시스템 상에 구현할 경우, 요구되는 시스템 재원을 파악하고자, ISO/IEEE 11073 개인건강기기 표준의 구현에 대한 복잡도 분석(Complexity Analysis)을 수행하였다. 다양한 개인용 건강기기 중 체중계, 혈압계, 그리고 혈당계의 구현된 프로그램을 기반으로 모의코드를 작성하였다. 그리고 난 후 프로그램 메모리 공간 및 데이터 메모리 공간 두 개의 다른 관점에서 복잡도 분석모델을 하였다. 개인건강기기는 그 특성상 재원 또는 성능의 제약이 있어 본 연구의 결과는 상기 표준의 구현에 요구되는 추가적인 시스템 재원을 추정하는데 유용하게 활용될 수 있다.

• 제어로봇시스템학회논문지
• /
• 제22권9호
• /
• pp.773-777
• /
• 2016

In this paper, a novel multi-object tracking method to track an unknown number of objects is proposed. To handle multiple object states and uncertain observations efficiently, a probability hypothesis density (PHD) filter is adopted and modified. The PHD filter is capable of reducing false positives, managing object appearances and disappearances, and estimating the multiple object trajectories in a unified framework. Although the PHD filter is robust in cluttered environments, it is vulnerable to false negatives. For this reason, we propose to exploit local observations in an RFS of the observation model. Each local observation is generated by using an online trained object detector. The main purpose of the local observation is to deal with false negatives in the PHD filtering procedure. The experimental results demonstrated that the proposed method robustly tracked multiple objects under practical situations.

• 한국정보통신학회논문지
• /
• 제20권9호
• /
• pp.1657-1665
• /
• 2016

CNN(Convolutional Neural Network)을 사용한 심화 학습이 다양한 분야에서 진행되고 있으며 관련 연구들은 이미지 인식의 많은 분야에서 높은 성능을 보이고 있다. 본 논문에서는 한글 인식을 위해 대규모 한글 데이터베이스를 학습할 수 있는 CNN 구조의 간소화된 GoogLeNet을 사용한다. 본 논문에 사용된 데이터베이스는 대규모 한글 데이터베이스인 PHD08로 총 2,350개의 한글 문자에 대해 각 2,187개의 샘플을 가져 총 5,139,450개의 데이터로 구성되어 있다. 간소화된 GoogLeNet은 학습의 결과로 학습 종료 시점에서 PHD08에 대해 99% 이상의 Top-1 테스트 정확도를 보였으며 실험의 객관성을 높이기 위해 PHD08에 존재하지 않는 한글 폰트로 이루어진 한글 데이터를 제작하여 상용 OCR 프로그램들과 분류 성능을 비교하였다. 상용 OCR 프로그램들은 66.95%에서 83.17%의 분류 성공률을 보인 반면, 제안하는 간소화된 GoogLeNet은 평균 89.14%의 분류 성공률을 보여 상용 OCR 프로그램들보다 높은 분류 성공률을 보였다.

• 한국통신학회논문지
• /
• 제38C권5호
• /
• pp.464-470
• /
• 2013

현재 헬스케어에 대한 관심이 높아지면서 건강정보측정기기에 필수적으로 적용되어야 할 표준에 대한 연구가 활발히 진행되고 있다. 이러한 표준화 및 시험/인증은 IEEE 11073 PHD, Health Level Seven 그리고 Continua Health Alliance를 통해 진행되고 있으며, 앞으로 더 많은 연구와 실험이 계속될 것이라고 생각된다. 본 논문에서는 원격 건강 정보의 교환을 위한 표준인 IEEE 11073 PHD와 Bluetooth의 건강정보측정기기를 위한 프로파일인 Bluetooth Health Device Profile(HDP)을 소개하고, HDP가 적용된 스마트 디바이스와 건강정보측정기기 간 개인의 건강 정보를 교환하는 실험을 진행하였다. 실험을 통해 HDP를 이용하여 IEEE 11073 PHD 표준 프로토콜의 송수신으로 스마트 디바이스와 건강정보측정기기 간에 상호연결 및 운용이 가능함을 확인할 수 있었고, 향후 이를 지원하는 기기를 통해 다양한 원격 의료 서비스가 구현될 수 있을 것이라 기대한다.

• ETRI Journal
• /
• 제38권5호
• /
• pp.1019-1029
• /
• 2016

The probability hypothesis density (PHD) filter is an effective means to track multiple targets in that it avoids explicit data associations between the measurements and targets. However, the target birth intensity as a prior is assumed to be known before tracking in a traditional target-tracking algorithm; otherwise, the performance of a conventional PHD filter will decline sharply. Aiming at this problem, a novel target birth intensity scheme and an improved measurement-driven scheme are incorporated into the PHD filter. The target birth intensity estimation scheme, composed of both PHD pre-filter technology and a target velocity extent method, is introduced to recursively estimate the target birth intensity by using the latest measurements at each time step. Second, based on the improved measurement-driven scheme, the measurement set at each time step is divided into the survival target measurement set, birth target measurement set, and clutter set, and meanwhile, the survival and birth target measurement sets are used to update the survival and birth targets, respectively. Lastly, a Gaussian mixture implementation of the PHD filter is presented under a linear Gaussian model assumption. The results of numerical experiments demonstrate that the proposed approach can achieve a better performance in tracking systems with an unknown newborn target intensity.

• 전기전자학회논문지
• /
• 제19권3호
• /
• pp.447-454
• /
• 2015

본 논문은 ISO/IEEE 11073 개인건강기기 표준에서 정의된 PM-store 개념을 적용하여 주기적으로 발생하는 대용량 측정 데이터의 전송 프로토콜을 구현할 경우, 개인건강기기의 중앙처리장치(CPU)에서 수행해야 하는 명령사이클(instruction cycles)의 수를 기반으로 한 복잡도 분석에 대한 연구이다. PM-store의 구성에 따라 중앙처리 장치가 처리해야 할 명령 사이클의 수에 대한 분석모델을 제시하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2016년도 춘계학술대회
• /
• pp.97-100
• /
• 2016

CNN(Convolutinal Neural Network)을 사용하여 다양한 분야에 대한 심화 학습이 진행되고 있으며 이미지 인식 분야에서 특히 높은 성능을 보이고 있다. 본 논문에서는 5,000,000개 이상의 대규모 한글 문자 데이터베이스를 사용하여 한글을 Convolutional Neural Network에 학습 시킨 후 테스트 정확도를 확인한다. 실험에 사용된 CNN 구조는 AlexNet에 기반하여 새로 만들어진 KCR(Korean Character Recognition)-AlexNet 이며 학습 결과 98% 이상의 테스트 정확도를 보였다. 실험에 사용된 데이터베이스는 대규모 한글 데이터 데이터베이스인 PHD08로 총 2,350개의 한글 문자에 대해 각 문자마다 2,187개의 샘플을 가져 총 5,139,450 개의 데이터가 존재한다. 본 연구를 통해 KCR-AlexNet이 한글 데이터베이스인 PHD08을 학습하는데 우수한 구조임을 보인다.