• 방송공학회논문지
• /
• 제21권4호
• /
• pp.562-568
• /
• 2016

본 논문에서는 다양한 교통 표지판 중에서 운전자의 안전운행에 밀접하게 관계가 있는 속도 표지판을 인식하는 연구에 초점을 맞추고 있다. HOG (histogram of gradient)와 LBP (local binary patterns) 가 객체 인식을 위한 대표적 특징이지만, 이러한 특징들은 패턴을 생성할 때 목표 객체의 회전을 고려하지 않음으로써 객체의 회전에 약한 특성을 가지고 있다. 따라서 본 논문에서는 회전에 강인한 이진 패턴을 생성하기 위해 FRIBP (fast rotation-invariant binary patterns)를 제안하고 있다. 본 논문에서 제안하는 FRIBP 알고리즘은 히스토그램에서 불필요한 레이어를 삭제하고 비교연산과 시프트 연산을 제거하여 빠르게 원하는 특징을 추출할 수 있도록 설계되었다. 제안된 FRIBP 알고리즘은 GTSRB (German Traffic Sign Recognition Benchmark) 데이터에 적용되어, 다른 비교 알고리즘과 유사한 성능을 보여주었다. 또한, 12,630개의 테스트 데이터에 대해 기존의 방법들보다 약 0.47초가 향상된 인식 속도를 보여주었다.

• 정보과학회 논문지
• /
• 제44권7호
• /
• pp.692-702
• /
• 2017

LBP기반 특징점 기술자를 이용한 얼굴검출은 얼굴의 형태정보 및 눈, 코, 입과 같은 얼굴 요소들 간 공간정보를 표현할 수 없는 문제가 있다. 이러한 문제를 해결하기 위해 선행 연구들은 얼굴 영상을 다수개의 사각형 부분영역들로 분할하였다. 하지만, 연구마다 서로 다른 개수와 크기로 부분 영역을 분할하였기 때문에 실험에 사용하는 데이터베이스에 적합한 부분 영역의 분할 기준이 모호하며, 부분 영역의 수에 비례하여 LBP 히스토그램 차원이 증가되고, 부분 영역의 개수가 증가함에 따라 얼굴의 방향 회전에 대한 민감도가 크게 증가한다. 본 논문은 LBP기반 특징점 기술자의 방향 회전 문제와 특징점 차원의 수 문제를 해결할 수 있는 새로운 부분 영역 분할 방법을 제안한다. 실험 결과, 제안하는 방법은 방향 회전된 단일 얼굴 영상에서 99.0278%의 검출 정확도를 보였다.

• 한국통신학회논문지
• /
• 제21권4호
• /
• pp.855-868
• /
• 1996

In this paper, multiplhase only filter(MPOFs) are designed using simulated annealing algorithm. These filters have excellent recognition characteristics for similar patterns or rotated patterns and enhance optical efficiency as well as spatial-bandwidth product by deleting mirror image. As the result of computer simulation to certify recogntion characteristics of similar patterns, simulated annealing-MPOF(SA-MPOF) has superior discrimination and higher correlation peak values than cosine binary phase only filters(CBPOF) and simpulated annealing-BPOF (SA-BPOF). THe filter having training process for rotated patterns of arbitraty possible angle can overcome that phase only filter(POF) and CBPOF can't recognize rotated input patterns.

• 전자공학회논문지B
• /
• 제31B권11호
• /
• pp.116-123
• /
• 1994

본 논문에서는 직선특징을 포함한 2차원 패턴에 대하여 패턴의 이동, 회전, 크기변화에도 불변하게 인식할 수 있는 새로운 광/디지틀 패턴인식 방법을 제안하였다. 제시한 방법은 먼저 패턴의 직선특징을 Hough변환과 threshold과정을 통해서 추출한다. 두 번째로 추추된 특징에 본 논문에서 유도된 수식을 적용하여 불변성을 부여한다. 마지막으로 추출된 패턴의 불변특징을 신경회로망으로 학습시켜 패턴인식에 사용하였다. 제시한 방법의 유용성 확인을 위해 9개의 2차원 직선패턴으로 컴퓨터 모의실험을 수행하였으며, 결국 패턴의 이동, 회전, 크기변화에도 불변한 인식이 가능하였다.