• 한국정보과학회논문지:시스템및이론
• /
• 제30권11호
• /
• pp.610-620
• /
• 2003

다양한 그림자는 비젼 기반 차량 검출에서 오류를 발생시키는 주요 원인이다. 본 논문에서는 노면 표시 기반 방법과 배경 빼기 및 에지(BS & Edge) 방법이라는 두 가지 방안을 차량 검출과 그림자 제거를 위해 제안하였다. 노변의 지형 지물들로 인해서 발생하는 그림자의 영향이 크게 증가하는 상황에서의 실험을 통해서 96% 이상의 차량 검출 정확도를 나타냄을 확인하였다. 전술한 두 가지 방법을 기반으로 하여, 차량 추적, 차량 계수, 차종 분류, 그리고 속도 측정을 수행하여 각 차로의 부하를 나타내는 데 사용되는 차량 흐름과 관련된 여러 가지 교통 파라미터를 추출하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제11권11호
• /
• pp.5436-5458
• /
• 2017

Automatic Video Surveillance System (AVSS) has become important to computer vision researchers as crime has increased in the twenty-first century. As a new branch of AVSS, baggage detection has a wide area of security applications. Some of them are, detecting baggage in baggage restricted super shop, detecting unclaimed baggage in public space etc. However, in this paper, a detection & classification framework of baggage is proposed. Initially, background subtraction is performed instead of sliding window approach to speed up the system and HSI model is used to deal with different illumination conditions. Then, a model is introduced to overcome shadow effect. Then, occlusion of objects is detected using proposed mirroring algorithm to track individual objects. Extraction of rotational signal descriptor (SP-RSD-HOG) with support plane from Region of Interest (ROI) add rotation invariance nature in HOG. Finally, dynamic human body parameter setting approach enables the system to detect & classify single or multiple pieces of carried baggage even if some portions of human are absent. In baggage detection, a strong classifier is generated by boosting similarity measure based multi layer Support Vector Machine (SVM)s into HOG based SVM. This boosting technique has been used to deal with various texture patterns of baggage. Experimental results have discovered the system satisfactorily accurate and faster comparative to other alternatives.

• 한국통신학회논문지
• /
• 제24권6B호
• /
• pp.1191-1202
• /
• 1999

본 논문에서는 간단히 한국통신학회본 논문에서는 웨이브렛 영역에서의 질감 유사성을 특징으로 사용함으로써 프레임간의 급격한 밝기변화에 강건한 특성을 가지는 툴게이트 과금을 위한 차량검지 및 차종분류 알고리듬을 제안하였다. 질감의 유사성을 나타내는 특징으로는 웨이브렛 변환된 입력영상과 배경영상 간의 국부상관계수를 이용하였다. 기존의 차량검지에서 사용되었던 특징인 차영상에 대한 분산과 비교하여 제안된 특징의 유용성을 정상적으로 분석하였으며, 실제 테스트 영상에 대하여 차량과 그림자가 관측되거나 관측되지 않는 도로와의 구분 용이성 정도를 측정함으로써 제안된 특징의 우수성을 보인다. 현장 테스트에 대한 실험 결과는 제안된 차량검지 및 차종분류 알고리듬이 센서의 특성과 그림자의 발생에 의한 프레임 간의 급격한 밝기 변화와 같은 상황하에서도 매우 안정적이며 우수한 성능을 보이는 것을 확인할 수 있다.

• 대한원격탐사학회지
• /
• 제36권6_2호
• /
• pp.1567-1577
• /
• 2020

시가화 지역 토지피복분류는 도시계획 및 관리에 활용된다. 따라서, 시가화 지역에 대한 분류 정확도 향상 연구는 중요하다고 할 수 있다. 본 연구에서는 고해상도 위성영상인 KOMPSAT-3A을 기계학습 중 Support Vector Machine(SVM)과 Artificial Neural Network(ANN)을 기반으로 시가화지역 분류를 진행하였다. 훈련 데이터 구축과정에서 25 m 격자를 기반으로 훈련 지역을 구분하여 영상을 학습하였으며, 학습된 모델을 활용하여 테스트 지역을 분류하였다. 검증과정에서 250개의 GTP를 활용하여 오차 행렬을 통한 결과를 제시하였다. SVM 4가지 기법과 ANN 2가지 기법 중 SVM Polynomial Model이 가장 높은 정확도인 86%를 나타냈다. Ground Truth Points(GTP)를 활용하여 두 개의 모델을 비교하는 과정에서, SVM 모델은 전체적으로 ANN 모델보다 효과적으로 KOMPSAT-3A 영상을 분류하였다. 건물, 도로, 식생, 나대지 4가지 클래스 분류 중 건물이 가장 낮은 분류정확도를 보여주었으며, 이는 고층건물에 따른 건물 그림자에 의한 오분류가 주요 원인으로 나타났다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권11호
• /
• pp.1534-1542
• /
• 2004

본 논문에서는 교통 영상에서 실시간 교통 정보를 산출하는 새로운 기법을 소개한다. 각 차선의 검지 영역은 통계적 특징과 형상적 특징을 이용하여 도로, 차량, 그리고 그림자 영역으로 분류한다. 한 프레임에서의 오류는 연속된 프레임에서의 차량 영역의 상관적 특징을 이용하여 시공간 영상에서 교정된다. 국부 검지 영역만을 처리하므로 전용의 병렬 처리기 없이도 초당 30 프레임 이상의 실시간 처리가 가능하며 기상조건, 그림자, 교통량의 변화에도 강건한 성능을 보장할 수 있다.

• 한국전자파학회논문지
• /
• 제22권11호
• /
• pp.1063-1069
• /
• 2011

레이더 영상이나 광학 영상, 적외선 영상 등을 이용하여 표적을 식별하는 기술을 NCTR(Non-Cooperative Target Recognition) 또는 ATR(Automatic Target Recognition)이라 한다. 그 중에서 SAR(Synthetic Aperture Radar) 영상을 이용하여 자동으로 지상 표적을 식별하는 것을 SAR ATR이라고 한다. 일반적으로 SAR ATR은 탐지, 변별 및 식별 단계로 구성된다. 본 논문에서는 ISAR(Inverse Synthetic Aperture Radar) 영상 식별을 위해 개발된 극사상식별기(polar mapping classifier)를 수정하여 SAR 표적 식별에 이용하였으며, 전처리 과정을 통해 클러터 화소의 영향을 줄이고 표적의 그림자 화소들 표적 식별에 이용하여 식별 성능을 향상시켰다.

• 대한안전경영과학회지
• /
• 제18권2호
• /
• pp.9-17
• /
• 2016

In addition to improving economic growth and development of advanced production technology brings many benefits to our society, but if the growth of this still has the shadow of accidents exists. In particular, the construction site has seen a significantly higher accident rate figures despite efforts on disaster prevention. Among the various methods of reducing the need for disaster safety education industry it has become very stressed its importance through many studies. When a disaster causes significant share of the construction industry due to the lack of educational causes, including technical causes, managerial causes, classification and educational causes of this ateumyeo safety awareness and knowledge account for large proportion. In the health and safety education, centered on the subjects of education supervisors will be able to reduce the real and effective industrial disaster education should be run.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2004년도 춘계종합학술대회
• /
• pp.587-590
• /
• 2004

본 논문에서는 HMM(Hidden Markov Model)방법에 기초하여 전경과 배경영역 뿐만아니라 그림자 까지도 분할 할 수 있는 교통모니터링 방법을 제안하였다. 움직이는 물체의 그림자는 시각적 추적을 방해하기 때문에 이러한 문제점을 해결하기 위한 방법으로 각 화소나 영역을 3개의 카테고리 즉, 그림자, 전경, 배경물체로 분할하였다 교통 모니터링 영상의 경우, 실험결과를 통해 제안된 방법의 효율성을 입증 할 수 있었다.

• 대한공간정보학회지
• /
• 제22권1호
• /
• pp.71-79
• /
• 2014

많은 연구들은 저해상도 위성영상을 이용하여 불투수면을 생성하며, 광역적인 객체 단위의 불투수면을 생성하는 데에 효율적인 성과를 이루지 못하고 있는 실정이다. 본 논문에서는 RapidEye 위성영상을 활용한 객체 기반의 불투수면 생성 기법을 제안하였으며, 이를 실험지역에 적용하고자 하였다. 분광반사율로 변환된 RapidEye 위성영상을 활용하여 추가적인 밴드를 생성하였으며, 훈련자료를 이용하여 그림자 및 수계 클래스를 추출하였다. 해당 클래스를 제외한 나머지 클래스들은 환경부의 중분류 토지피복지도와 분광혼합분석 모델을 활용하여 피복단위의 불투수 비율 영상을 생성하였다. 참조자료와의 정량적 비교평가를 통하여 본 연구에서 적용한 불투수면 생성 방법의 효용성을 검증하였다.

• 대한원격탐사학회지
• /
• 제38권6_4호
• /
• pp.1911-1923
• /
• 2022

The availability of high-resolution satellite images provides precise information without direct observation of the research target. Korea Multi-Purpose Satellite (KOMPSAT), also known as the Arirang satellite, has been developed and utilized for earth observation. The machine learning model was continuously proven as a good classifier in classifying remotely sensed images. This study aimed to compare the performance of the support vector machine (SVM) model in classifying the land cover of the Delaware River port area on high and medium-resolution images. Three optical images, which are KOMPSAT-2, KOMPSAT-3A, and Sentinel-2B, were classified into six land cover classes, including water, road, vegetation, building, vacant, and shadow. The KOMPSAT images are provided by Korea Aerospace Research Institute (KARI), and the Sentinel-2B image was provided by the European Space Agency (ESA). The training samples were manually digitized for each land cover class and considered the reference image. The predicted images were compared to the actual data to obtain the accuracy assessment using a confusion matrix analysis. In addition, the time-consuming training and classifying were recorded to evaluate the model performance. The results showed that the KOMPSAT-3A image has the highest overall accuracy and followed by KOMPSAT-2 and Sentinel-2B results. On the contrary, the model took a long time to classify the higher-resolution image compared to the lower resolution. For that reason, we can conclude that the SVM model performed better in the higher resolution image with the consequence of the longer time-consuming training and classifying data. Thus, this finding might provide consideration for related researchers when selecting satellite imagery for effective and accurate image classification.