• 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.

• Journal of the Optical Society of Korea
• /
• 제17권4호
• /
• pp.328-335
• /
• 2013

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.

• 한국경영과학회:학술대회논문집
• /
• 대한산업공학회/한국경영과학회 1994년도 춘계공동학술대회논문집; 창원대학교; 08월 09일 Apr. 1994
• /
• pp.703-712
• /
• 1994

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.

• 한국정밀공학회지
• /
• 제8권1호
• /
• pp.105-115
• /
• 1991

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.

• 자동차안전학회지
• /
• 제12권4호
• /
• pp.23-30
• /
• 2020

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.

• 대한전자공학회논문지SP
• /
• 제43권2호
• /
• pp.30-39
• /
• 2006

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.

• 대한기계학회논문집
• /
• 제16권1호
• /
• pp.31-40
• /
• 1992

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.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2015년도 제52차 하계학술대회논문집 23권2호
• /
• pp.254-257
• /
• 2015

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.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2015년도 제52차 하계학술대회논문집 23권2호
• /
• pp.258-261
• /
• 2015

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.

• 한국정보통신학회논문지
• /
• 제15권7호
• /
• pp.1439-1446
• /
• 2011

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.