• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2018년도 춘계학술대회
• /
• pp.477-480
• /
• 2018

Viola와 Jones의 객체 검출 알고리즘은 대표적인 얼굴 검출 알고리즘이다. 알고리즘은 얼굴 표현을 위해 하르-유사 특징들을 사용하고 분류를 위해 약분류기들의 선형 조합인 강분류기들로 구성된 cascade-Adaboost 알고리즘을 사용하고 있다. 이 알고리즘은 구현을 위해 몇 개의 변수 설정을 요구하고 설정된 값들이 알고리즘 성능에 영향을 준다. 본 논문은 알고리즘에 설정되는 변수에 따른 얼굴 검출 성능을 분석한다.

• Journal of Multimedia Information System
• /
• 제4권2호
• /
• pp.79-82
• /
• 2017

Smoke and fire have different shapes and colours. This article suggests a fully connected system which is used two features using Adaboost algorithm for constructing a strong classifier as linear combination. We calculate the local histogram feature by gradient and bin, local binary pattern value, and projection vectors for each cell. According to the histogram magnitude, this paper applied adapted weighting value to improve the recognition rate. To preserve the local region and shape feature which has edge intensity, this paper processed the normalization sequence. For the extracted features, this paper Adaboost algorithm which makes strong classification to classify the objects. Our smoke detection system based on the proposed approach leads to higher detection accuracy than other system.

• 한국컴퓨터정보학회논문지
• /
• 제15권2호
• /
• pp.55-64
• /
• 2010

본 논문은 수행시간이 빠르면서 효율성이 높은 새로운 Free Rectangle 특징을 사용한 Adaboost 알고리즘 기반 얼굴 검출 방법을 제안한다. 제안하는 Free Rectangle 특징은 동일한 면적의 분리가 가능한 두 개의 사각형으로 구성된 마스크로부터 정의된다. Haar-like 특징은 다양성을 높이기 위해 일반적으로 두 개 이상의 사각 영역으로 구성한 복잡한 마스크 구조를 갖는다. 하지만, 제안하는 특징 마스크는 두 사각형이 특징 윈도우 안에 놓이는 위치와 크기에 따라 효율성이 좋은 다양한 특징을 얻을 수 있다. 또한 제안하는 특징은 일반 Haar-like 특징과 달리 마스크 형태에 상관없이 두 사각 영역의 화소 합의 차만 계산함으로 수행 시간을 크게 줄일 수 있다. 실세계 영상에서 제안하는 Adaboost 알고리즘 기반 얼굴 검출 기법은 빠른 검출 속도와 높은 검출 결과를 보여 학습 데이터만을 바꿔 다른 물체 검출에도 쉽게 적용이 가능하다.

• 한국전자통신학회논문지
• /
• 제10권2호
• /
• pp.239-246
• /
• 2015

영상기반 객체 검출은 지능형 CCTV 시스템을 구현하는데 있어 기본적인 기술이다. 객체 검출을 위하여 다양한 특징점과 알고리즘이 개발되었으나, 성능에 비례하여 계산량이 많다. 본 논문에서는 GPU와 CPU를 활용하여 객체 검출 알고리즘의 성능을 비교하였다. 일반적으로 보행자 검출에 널리 사용되고 있는 Adaboost 알고리즘과 SVM 알고리즘을 각각 CPU와 GPU에 맞도록 구현하고 동일 영상에 대하여 검출 처리 속도를 비교하였다. Adaboost 알고리즘과 SVM 알고리즘에 대하여 처리 속도를 비교한 결과 GPU가 CPU에 비하여 약 4 배 정도 빠른 처리를 할 수 있음을 확인하였다.

• 방송공학회논문지
• /
• 제20권3호
• /
• pp.421-429
• /
• 2015

이 논문은 적외선 영상을 이용하여 보행자를 검출하고 추적하는 방법에 관한 것이다. 영상기반 보행 검출 및 추적 처리 속도를 개선하기 위하여 병렬처리언어인 CUDA(Computer Unified Device Architecture)를 활용한다. 보행자 검출은 하르 유사 특징을 기반으로 Adaboost 알고리즘을 적용한다. Adaboost 분류는 적외선 영상으로 제작한 데이터셋을 이용하여 훈련한다. Adaboost 분류기로 보행자를 검출한 후, HSV 히스토그램을 특징점으로 파티클 필터를 이용하여 보행자를 추적하는 방법을 제안한다. 제안하는 검출 및 추적 방법을 Linux 환경에서 소프트웨어를 개발할 수 있는 NVIDIA의 Jetson TK1 개발보드 상에 구현하였다. 이 논문에서는 보행자 검출 및 추적을 CUDA 개발환경인 GPU를 이용하여 병렬처리한 결과를 나타내었다. GPU를 이용한 보행자 검출과 추적 처리 속도가 CPU 처리속도에 비하여 약 6 배 빠른 것을 확인할 수 있다.

• 한국자동차공학회논문집
• /
• 제24권2호
• /
• pp.214-224
• /
• 2016

This paper proposes an algorithm to effectively detect the traffic lights and recognize the traffic signals using a monocular camera mounted on the front windshield glass of a vehicle in day time. The algorithm consists of three main parts. The first part is to generate the candidates of a traffic light. After conversion of RGB color model into HSI and YCbCr color spaces, the regions considered as a traffic light are detected. For these regions, edge processing is applied to extract the borders of the traffic light. The second part is to divide the candidates into traffic lights and non-traffic lights using Haar-like features and Adaboost algorithm. The third part is to recognize the signals of the traffic light using a template matching. Experimental results show that the proposed algorithm successfully detects the traffic lights and recognizes the traffic signals in real time in a variety of environments.

• 한국전자통신학회논문지
• /
• 제8권8호
• /
• pp.1179-1186
• /
• 2013

본 논문에서는 터널 내에서 차량의 운행 상태를 모니터링하기 위하여 차량 검출 및 추적 알고리즘을 제안한다. 제안하는 알고리즘은 세 단계로 이루어진다. 첫 단계는 배경추정으로서 비교적 간단한 Running Gaussian Average (RGA)를 사용한다. 두 번째 단계는 차량검출 단계이며, Adaboost 알고리즘을 적용한다. 상대적으로 먼거리의 차량에 대한 오검출을 줄이기 위하여 차량의 높이별 부분 특징을 이용하여 차량을 검출한다. 물체의 부분 특징들이 임계값 이상이면 차량으로 분류한다. 마지막 단계는 차량추적 단계이며, Kalman 필터를 적용하여 이동하는 물체를 추적한다. 컴퓨터 시뮬레이션을 통하여 제안하는 알고리즘이 터널 내에서 차량 검출 및 추적에 유용한 것을 확인하였다.

• 대한의용생체공학회:의공학회지
• /
• 제31권6호
• /
• pp.481-486
• /
• 2010

In this paper, we suggest an advanced algorithm, to recognize pedestrian/non-pedestrian using differential haar-like feature, which applies Adaboost algorithm to make a strong classification from weak classifications. First, we extract two feature vectors: horizontal haar-like feature and vertical haar-like feature. For the next, we calculate the proposed feature vector using differential haar-like method. And then, a strong classification needs to be obtained from weak classifications for composite recognition method using the differential area of horizontal and vertical haar-like. In the proposed method, we use one feature vector and one strong classification for the first stage of recognition. Based on our experiment, the proposed algorithm shows higher recognition rate compared to the traditional method for the pedestrian and non-pedestrian.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2011년도 춘계학술대회
• /
• pp.816-819
• /
• 2011

터널 내에서의 사고 유발 요소는 CCTV 카메라를 이용하여 검출하여 조기에 대응함으로써 차량의 정체뿐만 아니라 인적 물적 피해를 최소화하기 위하여 영상인식시스템이 도입되고 있다. 본 논문에서는 터널 내에서 여러 차량을 추적하는 알고리즘을 제안한다. 제안하는 알고리즘은 Adaboost 알고리즘을 이용하여 차량을 검출하고 검출된 차량(객체)에 대하여 템플릿 매칭 기법을 이용하여 차량을 추적한다. 컴퓨터 시뮬레이션을 통하여 제안하는 알고리즘이 여러 차량을 추적하는데 유용한 것을 확인 하였다.

• 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.