• Journal of the Korean Institute of Intelligent Systems
• /
• v.23 no.2
• /
• pp.166-171
• /
• 2013

The method proposed in this paper can improve the performance of the Boosting algorithm in machine learning. The proposed Boundary AdaBoost algorithm can make up for the weak points of Normal binary classifier using threshold boundary concepts. The new proposed boundary can be located near the threshold of the binary classifier. The proposed algorithm improves classification in areas where Normal binary classifier is weak. Thus, the optimal boundary final classifier can decrease error rates classified with more reasonable features. Finally, this paper derives the new algorithm's optimal solution, and it demonstrates how classifier accuracy can be improved using the proposed Boundary AdaBoost in a simulation experiment of pedestrian detection using 10-fold cross validation.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2017.05a
• /
• pp.229-232
• /
• 2017

기존의 이동방향 인식 시스템은 개인의 스마트폰 내부에 있는 센서 중 자이로/가속도 센서를 이용하여 측정하였다. 자이로/가속도 센서는 외부의 영향을 거의 받지 않아 정확도가 높다고 볼 수 있지만, 스마트폰의 위치에 따라 정확도가 변한다. 따라서, 기존의 이동방향 인식 시스템은 개인의 이동방향을 감지하기에는 적합하나 다수의 보행자에 대한 이동방향을 시스템에서 인식하기에는 부적합하다. 본 논문에서는 다수의 보행자에 대한 이동방향을 인식하기 위해 압전센서 어레이를 이용하여 특정 구역의 바닥에 설치하고 보행자와 압전센서 사이의 접촉형태와 개수를 파악하고, 시간을 측정하여 보행자의 이동방향을 계산한다.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• v.12 no.2
• /
• pp.143-148
• /
• 2012

This paper proposes a new method to improve performance of AdaBoost by using a distance weight function to increase the accuracy of its machine learning processes. The proposed distance weight algorithm improves classification in areas where the original binary classifier is weak. This paper derives the new algorithm's optimal solution, and it demonstrates how classifier accuracy can be improved using the proposed Distance Sensitive AdaBoost in a simulation experiment of pedestrian detection.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.11a
• /
• pp.921-923
• /
• 2014

보행자 검출과정은 특징추출, 추출된 특징을 기반으로 한 학습과정, 그리고 학습된 데이터를 기반으로 한 분류과정으로 나눌 수 있다. 이들 중 연산시간이 가장 오래 걸리는 특징추출과정이다. 기존의 HOG 특징 추출은 하나의 학습 샘플 이미지에 대하여 많은 픽셀 연산이 필요하기 때문에 많은 시간이 소요되었다. 본 논문에서는 실시간 스트리밍 환경에서 이전 프레임의 HOG 특징 검출정보를 분석하여 다음 프레임에서 보행자가 존재 할 가능성이 높은 부분에 대해서만 특징을 추출한다. 이 방법으로 기존의 연구와 비교하여 인식성능에는 거의 영향을 주지 않고 인식 속도를 향상할 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.10a
• /
• pp.1365-1368
• /
• 2015

컴퓨터 비전 분야의 활용영역과 시장성이 증대하면서 가장 많이 사용되는 객체인식 및 탐지 기술과 관련된 연구는 꾸준히 진행되고 있다. 최근에는 ADAS(Advanced Driver Assistance Systems)와 특징적인 객체를 인식 추적할 수 있는 지능형 감시시스템에서의 가장 핵심적인 기술로 자리 잡고 있다. 본 연구에서는 보행자 탐지에 사용하는 특징들 중에서 조명변화에 강건한 HOG와 Cascade-Adaboost를 기반으로 보행자 탐지 모델을 후보영역을 검출하고 검출된 영역에서 컬러정보를 추출하여 의사결정 트리에 적용시켜 최종 보행자를 탐지하는 시스템을 제안한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2019.06a
• /
• pp.1-4
• /
• 2019

최근에 딥러닝 기술을 적용한 보행자 검출 연구가 활발히 진행되고 있다. 연구자들은 딥러닝 네트워크를 이용하여 보행자 오검출율을 낮추는 방법에 대해 지속적으로 연구하여 성능을 꾸준히 상승시켰다. 그러나 대부분의 연구는 다중 스케일 보행자가 분포되는 저해상도 영상에서 보행자를 제대로 검출하지 못하는 어려움이 존재한다. 따라서 본 연구에서는 기존의 Faster R-CNN구조를 기반으로 하여 새로운 다중 특징 융합 레이어와 다중 스케일 앵커 박스를 적용하여 보행자 오검출율을 줄이는 MS-FRCNN(Multi-scaleFaster R-CNN)구조를 제안한다. 제안된 방식의 성능 검증을 위해 Caltech 데이터세트를 이용하여 실험한 결과, 제안된 MS-FRCNN방식이 기존의 다른 보행자 검출 방식보다 다중 스케일 보행자 검출에서 medium 조건하에 5%, all 조건하에 3.9% 나아짐을 알 수 있었다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2019.06a
• /
• pp.246-248
• /
• 2019

최근 딥 러닝을 이용한 방법들이 이미지 분류에서 뛰어난 성능을 보임에 따라, 컴퓨터 비전의 중요한 문제 중 하나인 이미지 검색에도 이를 활용하고 있다. 특히, 이미지 검색에 사용할 수 있는 이미지 기술자 (Image descriptor)를 깊은 신경망 구조의 일부분인 Fully-connected layer에서 추출하여 사용하는 방법들이 제시되고 있고, 이를 위해 알맞은 목적함수를 설계하여 깊은 신경망을 학습하는 것이 중요해지고 있다. 딥 러닝을 통해 얻은 이미지 기술자는 실수형 데이터로서, 한 장의 이미지를 수치화하여 표현하는 데 많은 메모리를 소모하게 된다. 이를 보완하기 위해 이미지 기술자를 작은 용량의 이진코드로 mapping 하는 해싱 (hashing) 이라는 과정이 필수적이나 이에 따른 한계점이 발생한다. 본 연구에서는 실수형 데이터가 갖는 거리 계산에서의 이점과 이진코드의 장점을 동시에 살릴 수 있는 Product Quantization 방식의 이미지 검색 방법을 이용하여 한계점을 극복하였다. 우리는 제안한 방법을 얼굴 이미지 데이터 셋에 실험하였고 기존 방식보다 뛰어난 성능을 보이는 것을 확인할 수 있었다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2018.06a
• /
• pp.79-81
• /
• 2018

최근 딥 러닝의 발전과 함께 보행자 검출 기술의 성능이 발전하면서 다양한 분야에서 응용되고 있다. 영상 내 보행자의 위치나 움직임을 파악함으로써 위험 지역이나 보안 지역에 접근하는 보행자를 찾아낼 수 있다. 일반적인 딥 러닝 기반의 물체 검출기는 멀리 있는 보행자와 같은 작은 물체를 검출 하는 데에 적합하지 않다. 또, 검출을 수행하기 위해서 큰 계산량을 필요로 하기 때문에, 동영상의 매 프레임 마다 수행하기 부적합 하다는 단점이 있다. 본 논문에서는 작은 물체도 잘 검출할 수 있도록 기존 YOLO 네트워크의 구조를 변경하고, 보행자 데이터를 이용하여 추가로 학습함으로써 보행자를 검출하는 성능을 증가시켰다. 그리고 검출한 보행자들에 대해 추적 기법을 이용함으로써, 동영상의 매 프레임 마다 검출을 수행하는 것을 피할 수 있도록 하였다. 실제로 DukeMTMC Dataset을 이용하여 실험을 해본 결과, YOLO 네트워크의 구조를 변경하고 추가 학습을 함으로써 검출 정확도가 개선되는 것을 확인할 수 있었다. 또, 추적 기법을 이용했을 때, 성능이 크게 떨어지지 않으면서 검출 속도를 개선할 수 있는 것을 확인할 수 있었다.

• Journal of Integrative Natural Science
• /
• v.15 no.2
• /
• pp.73-81
• /
• 2022

본 연구는 다중이용시설 이용자들의 쾌적함과 안전 그리고 시설내부 에너지 사용량의 최적 절감을 위하여 이용자수를 분석예측한 정보에 따른 공기질품질제어시스템 운영을 통해 국민 중심의 안전하고 쾌적한 서비스를 제공할 필요로 수행되었다. 이를 위하여 실내유동인구수를 카운팅하는 로컬시스템을 제작하고 수집된 유동인구 카운팅 정보를 시계열 모델링을 기반으로 분석예측하는 연구를 진행하였다. 개발된 시스템 성능평가 결과 유동인구 카운팅시스템은 95% 이상 정확도를 보여주었고, 예측시스템은 83~95% 정확도를 확보하였다. 본 연구결과 개발된 시스템은 다중이용시설에 즉시 적용가능하며 향후 남녀노소 인식을 진행하고 이를 예측한 정보에 의한 보다 다양한 서비스 개발을 추진할 계획이다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2011.04a
• /
• pp.374-375
• /
• 2011

보행자 탐지를 위해 많은 알고리즘들이 제안되었고 그 중 HOG 알고리즘은 가장 좋은 성능을 보이는 알고리즘으로 알려져 있다. 하지만 HOG(Histogram of Oriented Gradients) 알고리즘은 연산량이 많아 계산 속도가 느려 실시간 시스템에 적용하기는 힘들다. 본 논문은 HOG 알고리즘으로 얻어진 특징 벡터를 이용해 보행자를 인식하는 방법의 속도 개선에 대하여 연구하였다. 기존 HOG 알고리즘에서 계산량이 많은 곳이 어느 부분인지 분석하고, 그 중 기울기와 방향을 계산하는 부분의 근사화를 통해 계산 속도를 높이는 방법을 제안한다.