• 한국멀티미디어학회논문지
• /
• 제9권10호
• /
• pp.1266-1275
• /
• 2006

본 논문은 AdaBoost(Adaptive Boosting)알고리즘을 이용한 실시간 얼굴 검출 및 추적에 패한 기법을 제안한다. 얼굴 검출은 8종류의 간단한 웨이블릿 특징 모형을 이용한다. 각각의 특징들은 $20{\times}20$의 훈련 영상에서 다양한 크기와 위치로 배치되어 초기의 특징 집합을 구성한다. 초기의 특징 집합과 훈련 영상은 AdaBoost알고리즘의 입력으로 사용된다. AdaBoost알고리즘의 기본원리는 약한 분류기를 선형적으로 결합하여 최종적으로는 계층적 구조를 갖는 강한 분류기론 생성하는 것이다. 본 논문에서는 AdaBoost알고리즘에서 훈련 영상과 초기의 특징 집합 간에 이루어지는 반복적 계산량을 줄이기 위해 SAT(Summed-Area Table) 기법을 이용하였다. 얼굴 추적은 Pan-Tilt카메라를 통해 동적으로 가시 영역을 확장해 가면서 검출된 영역의 위치와 크기정보를 이용하여 실시간으로 이루어진다. 검출된 얼굴 영역의 중심을 전체 영상의 중심으로 이동하는 방법을 사용하였다. 실험결과 92.5%의 얼굴 검출율과 평균 12프레임의 얼굴 추적속도를 얻었다.

• 반도체디스플레이기술학회지
• /
• 제17권4호
• /
• pp.105-108
• /
• 2018

Face Detection is an essential first step of the face recognition, and this is significant effects on face feature extraction and the effects of face recognition. Face detection has extensive research value and significance. In this paper, we present and analysis the principle, merits and demerits of the classic AdaBoost face detection and ASM algorithm based on point distribution model, which ASM solves the problems of face detection based on AdaBoost. First, the implemented scheme uses AdaBoost algorithm to detect original face from input images or video stream. Then, it uses ASM algorithm converges, which fit face region detected by AdaBoost to detect faces more accurately. Finally, it cuts out the specified size of the facial region on the basis of the positioning coordinates of eyes. The experimental result shows that the method can detect face rapidly and precisely, with a strong robustness.

• 한국항행학회논문지
• /
• 제17권2호
• /
• pp.247-254
• /
• 2013

본 논문에서는 키넥트 센서를 이용한 AdaBoost 기반 제스처 인식에 관한 알고리즘을 제안한다. 최근 스마트 TV에 대한 보급으로 관련 산업이 주목받고 있다. 기존 리모컨을 이용하여 TV를 컨트롤 하던 시대에서 벗어나 제스처를 이용하여 TV를 컨트롤 할 수 있는 새로운 접근을 제안한다. AdaBoost 학습 모델에 신체 정규화 된 시간 간격 특징 벡터의 집합을 특징 패턴으로 하여, 속도가 다른 동작들을 인식할 수 있도록 하였다. 또한 속도가 다른 다양한 제스처를 인식하기 위해 다중 AdaBoost 알고리즘을 적용하였다. 제안된 알고리즘을 실제 동영상 플레이어와 연결하여 적용하였고, 실험 후 좌표 변화를 이용한 알고리즘에 비해 정확도가 향상되었음을 확인하였다.

• 한국지능시스템학회논문지
• /
• 제23권6호
• /
• pp.545-550
• /
• 2013

패턴 인식 분야에 있어서 데이터 분류는 해당 데이터에서 유용한 정보를 추출하기 위해서 반드시 수행해야 하는 과정 중 하나이다. AdaBoost 알고리즘은 Boosting 알고리즘을 실제 데이터 분석에 이용할 수 있도록 개량한 것으로, Random guessing이나 Random forest와 같이 정확한 결과를 도출할 확률이 50%보다 조금 높은 약한 분류기와 가중치 값의 조합을 통해 높은 분류 성능을 가지는 강한 분류기를 생성하는 방법을 뜻한다. 본 논문에서는 AdaBoost 알고리즘을 이용하여 비강수에코 중 강수에코와 그 특성이 유사하여 기상 예보를 수행하는 데 방해가 되는 채프에코를 식별하는 알고리즘의 구현에 대한 연구를 수행하였다. 기상 현상 관측을 위해 사용하는 레이더 데이터를 정적 클러스터링과 동적 클러스터링 과정을 통해서 유사도를 기반으로 한 클러스터를 생성한 후, 이를 예보관의 채프에코 판별 결과에 따라 채프에코와 비채프에코로 나누어 학습 데이터를 구성한 후 AdaBoost 알고리즘에 적용하여 분류기를 구현하였다. 제안한 AdaBoost 알고리즘의 성능을 검증하기 위하여 실제 채프에코가 발생한 레이더 데이터를 적용하였으며, 실험 결과를 통해서 제안한 알고리즘이 효과적으로 채프에코를 분류할 수 있음을 확인하였다.

• 전자공학회논문지CI
• /
• 제48권1호
• /
• pp.44-50
• /
• 2011

본 논문은 다중 클래스 데이터의 효율적 분류를 위한 새로운 아다부스트 알고리즘을 제안한다. 기존의 아다부스트 알고리즘은 기본적으로 이진 분류기이므로 다중 클래스 데이터 분류의 적용에는 매우 제한적이었다. 이를 극복하기 위하여 제안된 알고리즘은 여러 개의 이진 분류기 대신 하나의 다중 분류기를 약 분류기로 사용함으로써 학습시간을 단축시키고 안정적인 정확도를 얻을 수 있는 장점이 있다. 제안하는 알고리즘의 성능을 평가하기 위하여 Caltech 영상 데이터베이스에서 4가지클래스의 영상 데이터를 총 800개 수집하여 영상 분류 실험을 진행하였다. 실험의 결과 제안된 다중 클래스 아다부스트 알고리즘은 Adaboost.M2 알고리즘에 비해 분류정확도는 대등한 결과를 얻었지만, 학습시간을 학습단계에 따라 83.1%까지 감소시킬 수 있었다.

• 한국멀티미디어학회논문지
• /
• 제15권5호
• /
• pp.606-614
• /
• 2012

AdaBoost 알고리즘을 이용한 얼굴 검출 방법은 가장 빠르고 신뢰성 있는 얼굴 검출 알고리즘의 하나로 이를 향상하거나 확장한 많은 알고리즘들이 제안되었다. 그러나 이전의 접근들은 대부분 정면 얼굴만을 다루고 있고 AdaBoot 알고리즘을 정면과 기울어진 얼굴에 동일한 특징으로 적용함으로써 기울어진 얼굴에 대한 분별 성능이 제한적이었다. 또한 회전된 얼굴을 검출하기 위하여 입력된 영상을 회전하여 정면 얼굴 검출 방법을 적용하거나 회전된 각도에 따라 다른 검출기를 적용하는 기존 기법들은 연산량이 많고 검출률이 저하되는 문제를 가지고 있다. 본 논문에서는 이러한 문제를 극복하기 위해 JointBoost를 이용한 기울어진 얼굴 검출 방법을 제안한다. JointBoost를 통해 클래스간의 공유된 feature들를 찾음으로써 연산량과 샘플 복잡도를 감소시켰다. 실험 결과를 통해 제안된 방법의 검출률이 동일한 반복 횟수를 가지는 학습에서 기존의 AdaBoost 기법에 비해 2% 이상 우수함을 보인다. 또한 제안된 방법은 얼굴의 존재를 검출할 뿐만 아니라 기울어진 방향에 대한 정보도 제공할 수 있다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제29권4호
• /
• pp.270-277
• /
• 2002

문서 여과 문제 (text filtering)는 어떤 문서가 특정한 주제에 속하는지의 여부를 판별하는 문제이다. 인터넷과 웹이 널리 퍼지고 이메일로 전송되는 문서의 양이 폭발적으로 증가함에 따라 문서 여과의 중요성도 따라서 증가하고 있는 추세이다. 이 논문에서는 새로운 학습 방법인 에이다부스트 학습 방법을 문서 여과 문제에 적용하여 기존의 방법들보다 우수한 분류 결과를 나타내는 문서 여과 시스템을 생성하고자 한다. 에이다 부스트는 간단한 가설의 집합을 생성하고 묶는 기법인데, 이 때 각각의 가설들은 문서가 특정 단어를 포함하고 있는지 검사하여 이에 따라 문서의 적합성을 판별한다. 먼저 최종 여과 시스템을 구성하는 각 가설의 출력이 1 또는 -1이 되는 이진 가설을 사용하는 기존의 에이다부스트 알고리즘에서 출발하여 좀 더 최근에 제안된 확신 정도 (실수값)를 출력하는 가설을 이용하는 에이다부스트 알고리즘을 적용함으로써 오류 감소 속도와 최종 오류율을 개선하고자 하였다. 또 각 데이타에 대한 초기 가중치를 연속 포아송 분포에 따라 임의로 부여하여 여러 번의 부스팅을 수행한 후 그 결과를 결합하는 방법을 사용함으로써 적은 학습 데이타로 인해 발생하는 과도학습의 문제를 완화하고자 하였다. 실험 데이터로는 TREC-8 필터링 트랙 데이타셋을 사용하였다. 이 데이타셋은 1992년도부터 1994년도 사이의 파이낸셜 타임스 기사로 이루어져 있다. 실험 결과, 실수값을 출력하는 가설을 사용했을 때 이진값을 갖는 가설을 사용했을 때 보다 좋은 결과를 보였고 임의 가중치를 사용하여 여러번 부스팅을 하는 방법이 더욱 향상된 성능을 나타내었다. 다른 TREC 참가자들과의 비교결과도 제시한다.

• 한국정보통신학회논문지
• /
• 제22권3호
• /
• pp.471-479
• /
• 2018

최근 안드로이드, iOS 등의 셋톱박스 기반의 스마트 TV에 대한 보급에 따라 제스처로 TV를 컨트롤 할 수 있는 새로운 접근을 제안한다. 본 논문에서는 모노 카메라 센서를 이용한 AdaBoost 기반 제스처 인식에 관한 알고리즘을 제안한다. 우선, 신체 좌표 추출을 위해 가우시안 배경 제거 및 Camshift 기반 자세 추적 및 추정 알고리즘을 사용한다. AdaBoost 학습 모델을 신체 정규화된 광역 및 지역 특징 벡터의 집합을 특징 패턴으로 하여, 속도가 다른 동작들을 인식할 수 있도록 하였다. 또한 속도가 다른 다양한 제스처를 인식하기 위해 다중 AdaBoost 알고리즘을 적용하였다. CART 알고리즘을 이용하여 성공적인 중요 특징 벡터를 확인하고 중요도가 낮은 특징벡터를 제거하는 방식을 적용하면서 분류 성공률이 높은 최적의 특징 벡터를 탐색하였다. 그 결과 24개의 주성분 특징 벡터를 찾았으며, 기존 알고리즘에 비해 낮은 오분류율(3.73%)과 높은 인식률(95.17%)을 지닌 특징 벡터 및 분류기를 설계하였다.

• 한국멀티미디어학회논문지
• /
• 제15권6호
• /
• pp.722-730
• /
• 2012

최근 생체 인식 분야나, HCI 분야 등에서 사람의 눈 영상 정보를 이용하여 홍채 인식을 하거나 시선위치 정보를 이용하는 연구가 활발히 진행 되고 있다. 특히 사용자의 편의성을 위한 원거리 카메라 기반시스템이 늘어나면서 눈 영상 촬영에 단순히 동공 중심 영역만 촬영 되는 것이 아니라, 눈썹, 이마, 피부영역 등 부정확한 검출을 일으킬 수 있는 요소가 포함되어 촬영되고 이러한 불필요한 요소들은 동공 중심영역의 검출 성능을 저하시킨다. 또한 앞서 얘기한 이용분야들은 실시간 환경에서 실행되는 시스템들로 정확한 검출 성능뿐만 아니라 빠른 실행시간도 요구 한다. 본 논문에서는 정확하고 빠른 눈동자 영역 검출을 위하여 기존에 가장 많이 사용하는 AdaBoost 눈 검출 알고리즘, 적응적 템플릿 정합+AdaBoost 알고리즘, CAMShift+AdBoost 알고리즘, rapid eye 검출 알고리즘에 대하여 분석하고, 조명변화와 콘택트 렌즈 및 안경 착용자와 미 착용자등 다양한 경우에 대해서 앞서 말한 알고리즘들을 적용하여 각 알고리즘 별로 정확도와 실행시간을 비교 분석하도록 한다.

• 한국ITS학회 논문지
• /
• 제13권1호
• /
• pp.53-60
• /
• 2014

차량과 같이 넓은 범위를 이동하는 환경에서 무선 인터넷 서비스를 사용할 때, 불필요하게 발생하는 핸드오버는 서비스 품질 저하의 주된 요인이다. 본 논문에서는 차량이 일정한 이동패턴을 갖고 있을 때, 핸드오버 빈도를 줄일 수 있는 방안을 제시한다. 차량의 이동 패턴을 Discrete-Time Markov Chain (DTMC)으로 모델링하고, AdaBoost 기법을 이용하여, 각 셀 내의 체류시간과 평균 신호의 세기를 저장하고 분석하여 핸드오버 시, 적합한 목적지 셀을 정하도록 한다. 제안한 방안의 검증을 위해, 서울 시내버스 노선들을 기반으로 성능 평가를 수행하였으며, 결과로 기존의 핸드오버 기법보다 핸드오버의 빈도를 줄이며, 평균 처리율 (throughput)은 비슷한 레벨로 유지할 수 있었다.