Maity, Sayan;Abdel-Mottaleb, Mohamed;Asfour, Shihab S.
Journal of Information Processing Systems
/
제16권1호
/
pp.6-29
/
2020
Biometrics identification using multiple modalities has attracted the attention of many researchers as it produces more robust and trustworthy results than single modality biometrics. In this paper, we present a novel multimodal recognition system that trains a deep learning network to automatically learn features after extracting multiple biometric modalities from a single data source, i.e., facial video clips. Utilizing different modalities, i.e., left ear, left profile face, frontal face, right profile face, and right ear, present in the facial video clips, we train supervised denoising auto-encoders to automatically extract robust and non-redundant features. The automatically learned features are then used to train modality specific sparse classifiers to perform the multimodal recognition. Moreover, the proposed technique has proven robust when some of the above modalities were missing during the testing. The proposed system has three main components that are responsible for detection, which consists of modality specific detectors to automatically detect images of different modalities present in facial video clips; feature selection, which uses supervised denoising sparse auto-encoders network to capture discriminative representations that are robust to the illumination and pose variations; and classification, which consists of a set of modality specific sparse representation classifiers for unimodal recognition, followed by score level fusion of the recognition results of the available modalities. Experiments conducted on the constrained facial video dataset (WVU) and the unconstrained facial video dataset (HONDA/UCSD), resulted in a 99.17% and 97.14% Rank-1 recognition rates, respectively. The multimodal recognition accuracy demonstrates the superiority and robustness of the proposed approach irrespective of the illumination, non-planar movement, and pose variations present in the video clips even in the situation of missing modalities.
Due to the rapid advancement of auto-refractor technology, most optometry shops provide refraction services. Despite their speed and convenience, the measurement values provided by auto-refractors include a significant degree of error due to psychological and physical factors. Therefore, there is a need for repetitive testing to obtain a smaller mean error value. However, even repetitive testing itself might not be sufficient to ensure accurate measurements. Therefore, research on a method of measurement that can complement auto-refractor measurements and provide confirmation of refraction results needs to be conducted. The customized optometry model described herein can satisfy the above requirements. With existing technologies, using human eye measurement devices to obtain relevant individual optical feature parameters is no longer difficult, and these parameters allow us to construct an optometry model for individual eyeballs. They also allow us to compute visual images produced from the optometry model using the CODE V macro programming language before recognizing the diffraction effects visual images with the neural network algorithm to obtain the accurate refractive diopter. This study attempts to combine the optometry model with the back-propagation neural network and achieve a double check recognition effect by complementing the auto-refractor. Results show that the accuracy achieved was above 98% and that this application could significantly enhance the service quality of refraction.
This paper presents an automatic conversion of machining data from the orthographic views of press mold by feature recognition rule. The system includes following 6 modules : separation of views, function support, dimension text recognition, feature recognition, dimension text check and feature processing modules. The characteristic of this system is that with minimum user intervention, it recognizes basic features such as holes, slots, pockets and clamping parts and thus automatically converts CAD drawing details of press mold into machining data using 2D CAD system instead of using an expensive 3D Modeler. The system is developed by using IBM-PC in the environment of AutoCAD R12, AutoLISP and MetaWare High C. Performance of the system is verified as a good interfacing of CAD and CAM when applied to a lot of sample drawings.
This paper describes an integrated CAD and CAPP system for prismatic parts of injection mold which generates a complete process plan automatically from CAD data of a part without human intervention. This system employs Auto CAD as a CAD model and GS-CAPP as an automatic process planning system for injection mold. The proposed CAD/CAPP system consists of three modules such as CAD data conversion module, manufacturing feature recognition module, and CAD/CAPP interface module. CAD data conversion module transforms design data of AutoCAD into three dimensional part data. Manufacturing feature recognition module extracts specific manufacturing features of a part using feature recognition rule base. Each feature can be recognized by combining geometry, position and size of the feature. CAD/CAPP interface module links manufacturing feature codes and other head data to automatic process planning system. The CAD/CAPP system can improve the efficiency of process planning activities and reduce the time required for process planning. This system can provide a basis for the development of part feature based design by analyzing manufacturing features.
Recently, self-driving research has been actively studied in various institutions. Accurate recognition is important because information about surrounding objects is needed for safe autonomous driving. This study mainly deals with the signal processing of LiDAR among sensors for object recognition. LiDAR is a sensor that is widely used for high recognition accuracy. First, we clustered and tracked objects by predicting relative position and speed of objects. The characteristic points of all objects were extracted using point cloud data of each objects through proposed algorithm. The Classification between vehicle and pedestrians is estimated using number of characteristic points and distances among characteristic points. The algorithm for classifying cars and pedestrians was implemented and verified using test vehicle equipped with LiDAR sensors. The accuracy of proposed object classification algorithm was about 97%. The classification accuracy was improved by about 13.5% compared with deep learning based algorithm.
홍채 인식은 흥채 근육의 무의 패턴을 이용하여 동일인 여부를 판별하는 연구 분야이다. 이러한 홍채 인식에서 홍채 영상의 품질은 홍채 인식의 성능에 많은 영향을 준다. 이는 흥채 영상이 흐려지면, 홍채 패턴이 변형되어지므로, FRR(False Rejection Error)이 증가되기 때문이다. 홍채 영상을 흐려지게 만드는 주된 요인 가운데 하나가 카메라 렌즈의 초점(focus)이다. 기존의 흥채 인식 카메라는 고정 초점(fixed focusing) 방식과 가변 초점(auto-focusing) 방식이 있다. 고정 초점 방식은 초점 렌즈가 고정되어 있기 때문에 사용자가 직접 자신의 눈을 DOF(Depth of Field) 영역 안에 위치시켜야하고, DOF 영역이 매우 작은 한계가 있다. 가변 초점 방식은 사용자와 카메라 사이의 거리를 측정하여 초점이 잘 맞는 위치로 초점렌즈를 움직여서 선명한 영상을 취득한다. 하지만 부가적인 하드웨어 장비가 필요하기 때문에 카메라의 부피가 늘어나고 비용도 증가되므로 개인 인증을 위해 홍채인식을 하는 핸드폰과 같은 모바일 장비에서 사용되는데 어려움이 따른다. 따라서 본 논문은 이러한 기존의 홍채인식 카메라의 문제점들을 극복하기 위해 부가적인 하드웨어 장비 없이 고정 초점 방식 카메라에서 취득한 홍채 영상을 복원함으로써 소프트웨어적으로 DOF영역을 증가시키는 방법을 제안한다. 기존의 영상 복원 알고리즘은 반복적(iterative) 방법에 의해 최상의 복원 계수(parameter)를 검출하여 영상을 복원하였으나, 본 논문은 초점값을 이용하여 영상의 흐려짐의 정도를 판단하고, 흐려짐의 정도에 따라 미리 정의한 복원 계수를 선택함으로써 빠른 시간 안에 홍채 영상을 복원하는 방법을 제안한다. 실험 결과, Panasonic에서 만든 BM-ET100 카메라의 작동범위(Operation Range)를 48-53cm에서 46-56cm로 증가시킬 수 있었다.
본 연구에서는 CAD 시스템의 테이터구조로 부터 특성을 추출하여 CAPP 시스템 의 입력으로 사용되는 형상특징을 자동적으로 인식하고 형상특징의 관련정보를 생성하 는 형상특징인식시스템을 개발하는데 있다. X.Y.Z 축에 수직인 평면들로 구성되는 비회전형상부품을 대상으로 하여, 주로 밀링작업과 연관이 있는 관통슬롯, 막힌슬롯, 관통스텝, 막힌스텝, 포켓의 5가지 형상특징을 자동적으로 인식하는데 특히 X.Y.Z축에 수직인 평면들로 구성되고 내부에 볼록 부위가 업는 형상 특징을 대상으로 한다. CAD시스템은 AutoCAD를 사용하여 퍼스널 컴퓨터에서 시스템을 개발한다.
차량 인식 기술은 운전자에게 차량 충돌과 같은 위험요소를 사전에 인식시키거나 차량을 자동으로 제어하는 기술로 각광 받고 있다. 본 논문에서는 입력 영상에서 차량이 나타날 수 있는 관심 영역을 설정한 다음 미리 학습된 검출기를 통한 Haar-like와 Adaboost 알고리즘으로 차량 후보 영역을 검출하고 중복된 영역을 제거하기 위인식 기술해 클러스터링 기법을 적용하고, 칼만필터로 프레임 영상에서 차량을 추적 하고, 다시 중복된 영역에 대해 클러스터링 기법을 적용하는 방법을 제안하였다.
본 논문에서는 주행 중에 보행자의 인식 및 추적을 위해서 차량에서 촬영된 영상정보를 이용하여 주변의 보행자를 찾고, 사고 위험성이 있는 보행자를 인식하기 위해서 보행자 파악 및 보행자와의 거리를 측정하기 위한 연구를 하고자 한다. 본 논문에서는 차량에 정착된 카메라를 통한 보행자 인식 기술에 대해 연구 하였다. 제안한 방법은 보행자 인식 단계에서 Cascasde HOG, Haar-like 알고리즘을 적용하였고, 추적 단계에서 칼만 필터와 클러스터링 기법을 결합하여 실시간으로 보행자를 인식 및 추적하였다.
본 논문에서는 고차 상관 특정 정보와 주성분 분석을 결합하여 차원을 낮추면서도 객체 인식을 유지하고, 고유 공간 구성 시간을 현저하게 줄이는 알고리즘에 대해 기술한다. 제안된 방법은 기존의 기하학적 정보를 이용하거나 스테레오 영상을 이용하는 방법에 비해 많은 계산량이 요구되지 않기 때문에 실시간 시스템 구축에 매우 적합하다는 것이 실험을 통하여 증명되었다. 또한 인식률을 향상시키기 위해 단순히 기존의 방법인 point to point 방식인 단순 거리 계산은 오차가 많기 때문에 본 논문에서는 개선된 Class to Class방식인 K-Nearest Neighbor을 이용하여 몇 개의 연속적인 입력영상을 인식의 단위로 이용하여 인식 오차를 줄일 수 있었다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.