• 한국전자통신학회논문지
• /
• 제8권10호
• /
• pp.1443-1449
• /
• 2013

전방 차량의 자동검출은 충돌회피, 자동운행제어 그리고 자동 헤드램프 조정 등의 고급 운전지원시스템의 통합 요소이다. 주야간 상관없이 전방 차량 자동 검출과 운행 상태를 인지하는데 있어 후미등은 중요한 역할한다. 그런데, 많은 운전자들이 차량의 후미등 상태를 알지 못하고 운행하는 경우가 많다. 따라서, 후미등에 이상이 있는 차량에 대하여 자동으로 후미등 이상 상태를 알려주는 시스템이 필요하다. 본 논문에서는 영상처리 및 인식기술을 기반으로 차량의 후미등 상태를 인식하는 방법을 제안한다. 톨게이트 등으로 진입하는 차량을 검출하기 위하여 배경추정기법, 옵티컬 플로우(optical flow) 그리고 Euclidean 척도를 이용한다. Lab 색좌표에서 집중 맵(saliency map)을 적용하여 차량에서 후미등 영역을 검출하고 상태를 판정한다. 고속도로 톨게이트 영상을 이용하여 후미등 상태인식 실험을 하고, 제안하는 방법이 운전자에게 후미등 상태 전달하는데 활용할 수 있음을 보인다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권2호
• /
• pp.189-202
• /
• 2004

본 논문에서는 영상 입력 장치로 입력되는 영상 내의 수많은 정보 중에서 지각적으로 중요하다고 여겨지는 현저한(salient) 영역만을 탐지해내는 새로운 방법을 제안한다. 제안하는 방법은 인간이 가지고 있는 시각적 주의 기능에 기본 바탕을 두고 있으며, 영상을 구성하고 있는 정보의 특징에 기반을 두고 있다. 가장 먼저 인간의 시각적 주의 기능에 영향을 미친다고 알려져 있는 몇 가지 특징들이 입력되는 영상의 모든 영역에 걸쳐 추출되어 각각의 특징에 해당되는 특징지도들로 형성된다. 이렇게 형성된 각각의 특징지도들을 구성하고 있는 특징 값들은 이들 각각의 국부적인 경쟁력 특성에 의하여 영상의 각 영역에서의 중요도를 나타내는 값으로 변환되어 중요도지도를 형성하게 된다. 이러한 중요도지도들은 모두 통합되어 하나의 현저함지도를 생성하게 된다. 현저함지도는 영상 내 각 장소의 현저함 정도를 미리 계산된 특징들의 공간적 중요도 측정치에 따른 스칼라 값으로 표시함으로써 영상 내에서 가장 현저한 영역을 찾을 수 있도록 가이드 한다. 제안하는 방법에 의해 시스템을 구성하여 실험한 결과, 인간이 중요하다고 여겨지는 주요 영역을 만족스럽게 탐지해 냄을 알 수 있었다.

• 전자공학회논문지
• /
• 제54권8호
• /
• pp.123-132
• /
• 2017

신호등은 운전자가 반드시 인지하고 조치를 취해야 할 교통 정보를 포함하고 있으며 이를 실시간으로 검출하여 운전자에게 알리는 것은 매우 중요하다. 그러나 신호등의 크기가 전체 영상에서 차지하는 비율이 낮고, 다른 객체에 의하여 가려지는 경우가 많아 실제 신호등 검출이 어려운 실정이다. 본 논문에서는 색상 기반 돌출맵과 형태학 정보를 이용한 신호등을 검출 방법을 제안한다. 돌출맵은 시각적 주의집중 영역을 검출하는데 사용되는데, 이를 개량한 색상 기반 돌출맵은 신호등의 색상과 형태를 검출 것에 적합함을 실험을 통하여 확인하였으며, 제안된 모델은 PC 환경에서 98.14%의 검출율과 83.52%의 재현율을 달성하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권3호
• /
• pp.1264-1286
• /
• 2018

In this paper, a novel background prior-based salient object detection framework is proposed to deal with images those are more complicated. We take the superpixels located in four borders into consideration and exploit a mechanism based on image boundary information to remove the foreground noises, which are used to form the background prior. Afterward, an initial foreground prior is obtained by selecting superpixels that are the most dissimilar to the background prior. To determine the regions of foreground and background based on the prior of them, a threshold is needed in this process. According to a fixed threshold, the remaining superpixels are iteratively assigned based on their proximity to the foreground or background prior. As the threshold changes, different foreground priors generate multiple different partitions that are assigned a likelihood of being foreground. Last, all segments are combined into a saliency map based on the idea of similarity voting. Experiments on five benchmark databases demonstrate the proposed method performs well when it compares with the state-of-the-art methods in terms of accuracy and robustness.

• 한국멀티미디어학회논문지
• /
• 제20권5호
• /
• pp.769-781
• /
• 2017

Deep learning networks like Convolutional Neural Networks (CNNs) show successful performances in many computer vision applications such as image classification, object detection, and so on. For implementation of deep learning networks in embedded system with limited processing power and memory, deep learning network may need to be simplified. However, simplified deep learning network cannot learn every possible scene. One realistic strategy for embedded deep learning network is to construct a simplified deep learning network model optimized for the scene images of the installation place. Then, automatic training will be necessitated for commercialization. In this paper, as an intermediate step toward automatic training under fisheye camera environments, we study more precise human localization in fisheye images, and propose an accurate human localization method, Automatic Ground-Truth Labelling Method (AGTLM). AGTLM first localizes candidate human object bounding boxes by utilizing GoogLeNet-LSTM approach, and after reassurance process by GoogLeNet-based CNN network, finally refines them more correctly and precisely(tightly) by applying saliency object detection technique. The performance improvement of the proposed human localization method, AGTLM with respect to accuracy and tightness is shown through several experiments.

• 한국컴퓨터정보학회논문지
• /
• 제19권1호
• /
• pp.9-21
• /
• 2014

본 논문에서는 일반 사용자가 카메라로 사진을 촬영할 경우에 시선을 집중시키면서 안정적인 구도의 영상을 얻을 수 있는 자동 구도 제시기법을 제안한다. 일반 사용자는 대부분 사진의 구도에 대한 배경지식이 없이 사진을 촬영하고, 촬영된 사진은 피사체의 위치가 적절하지 않아 전문가들이 촬영한 안정적인 구도의 사진과 대조된다. 따라서 비전문가 사용자들에게 촬영 후 영상을 처리하는 방법이 아닌 촬영 시 안정적인 구도를 자동으로 제시해주는 방법을 제공한다. 제안하는 방법은 Saliency Map, Image Segmentation, 윤곽선 검출 등을 통해 피사체를 분석하고 피사체를 안정적인 구도가 구성될 수 있는 위치에 황금분할 가이드라인과 함께 출력한다. 실험결과를 통해 피사체를 분석하고 윤곽선을 검출하여 사용자에게 자동으로 구도가 제시되는 것을 알 수 있다.

• 정보화연구
• /
• 제10권1호
• /
• pp.113-122
• /
• 2013

본 논문에서는 영상을 3분할 기법에 맞춰 재구성함으로써 자동으로 구도를 안정적이고 세련되게 보정하는 기법을 제안한다. Saliency Map과 Image Segmentation기술을 이용하여 사진에서 피사체의 관심영역(Region Of Interest, ROI)을 구하고, 그 영역을 기준으로 3분할 기법에 맞도록 사진을 Cropping하여 구도를 보정한다. 또한, 얼굴 인식(Face Detection)기법을 활용하여 사람의 얼굴을 ROI에 추가하고 ROI에 따른 다양한 시나리오에 의하여 구도를 보정함으로써, 좀 더 자연스러운 사진을 얻는다. 실험결과를 통해 보정된 구도의 사진이 원본사진과 비교하여 자연스럽게 보정이 되었는다는 것을 알 수 있다.

• 정보보호학회논문지
• /
• 제29권1호
• /
• pp.117-125
• /
• 2019

최근 다양한 분야에서 활용중인 딥러닝은 적대적 공격 가능성의 발견으로 위험성이 제기되고 있다. 본 논문에서는 딥러닝의 이미지 분류 모델에서 악의적 공격자가 생성한 적대적 샘플에 의해 분류 정확도가 낮아짐을 실험적으로 검증하였다. 대표적인 이미지 샘플인 MNIST데이터 셋을 사용하였으며, 텐서플로우와 파이토치라이브러리를 사용하여 만든 오토인코더 분류 모델과 CNN(Convolution neural network)분류 모델에 적대적 샘플을 주입하여 탐지 정확도를 측정한다. 적대적 샘플은 MNIST테스트 데이터 셋을 JSMA(Jacobian-based Saliency Map Attack)방법으로 생성한 방법과 FGSM(Fast Gradient Sign Method)방식으로 변형하여 생성하였으며, 분류 모델에 주입하여 측정하였을 때 최소 21.82%에서 최대 39.08%만큼 탐지 정확도가 낮아짐을 검증하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2016년도 하계학술대회
• /
• pp.33-34
• /
• 2016

본 논문에서는 HVS(human visual system)의 특성을 고려한 새로운 스케일러블 코딩방법을 제안한다. 제안된 방법은 먼저 영상 내에서 관심영역(saliency map)을 찾고 관심영역을 제외한 부분에 에지 보존 필터를 적용한다. 그 영상은 정해진 양자 파라미터 값으로 인코딩 되어 제안된 코딩 시스템의 베이스 층(base layer)이 된다. 기존 스케일러블 코딩 표준에서의 베이스 층과 다르게 본 논문의 베이스 층은 관심 있는 중요영역(foreground)을 보존하고 또한 배경(background)의 에지 성분도 보존한다. 기본 층이 전송되면 개선층(enhancement layer)은 원 영상과 복원된 베이스 층 영상간의 차분 영상에서 관심영역 순으로 보내진다. 실험은 HEVC 를 바탕으로 수행되었고 스케일러블 코딩 표준인 SHVC 와 관심영역에서 비교를 했을 때 제안된 알고리즘이 더 높은 PSNR 을 가지는 것을 확인하였다. 또한 전체적으로 지각적인 품질(perceptual quality) 또한 향상되었음을 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2011년도 춘계학술발표대회
• /
• pp.384-385
• /
• 2011

본 논문은 중요도 맵과 Mean Shift 알고리즘을 이용하여 모바일 폰 영상 내의 와인 라벨 검출 방법을 제안한다. Mean Shift 알고리즘은 비모수적 클러스터링 기술로 클러스터의 수에 대한 사전 지식이 없이도 클러스터링이 가능한 알고리즘인데 실행 시간이 많이 필요한 단점이 있다. 이러한 문제를 해결하기 위해서 입력 칼라 와인 영상에 Saliency Map을 먼저 적용하고 영상의 두드러진 영역을 찾는다. 다음으로 Mean Shift 알고리즘을 이용한 분할 결과에서 얻은 칼라 마스크를 따라 빈도가 가장 높은 칼라 영역을 찾고 와인 라벨 영역을 검출한다. 실험결과를 통하여 제안된 방법을 모바일 폰을 이용하여 획득된 다양한 와인 영상의 라벨 영역을 효율적으로 검출할 수 있음을 볼 수 있다.