고유 얼굴 분포에 기반한 퍼지 이론을 이용한 얼굴 인식

김재협(Jae Hyup Kim),문영식(Young Shik Moon) 한국정보과학회 2004 한국정보과학회 학술발표논문집 Vol.31 No.1B

본 논문에서는, 고유 얼굴 분포를 기반으로 하여 퍼지 이론을 이용한 얼굴 인식 기법을 제안한다. 고유 얼굴의 가중치값들에 대해 각각의 분포를 이용한 소속도 함수가 계산되며, 소속도 함수를 통해 계산된 소속도는 신경망을 통해 학습 된다.

에지 정보와 얼굴 컬러 정보를 이용한 얼굴 검출 기법

김재협 ( Jae Hyup Kim ),문영식 ( Young Shik Moon ) 한국정보처리학회 2007 한국정보처리학회 학술대회논문집 Vol.14 No.1

본 논문에서는 저화질 영상에서의 실시간 얼굴 검출 기법에 대하여 제안한다. 제안하는 알고리즘은 입력 영상에 대하여 서로 다른 해상도의 영상을 구성하여 에지 정보를 이용하여 후보 얼굴 영역을 검출하며, 검출된 후보 영역들과 평균 얼굴을 이용한 템플릿과의 유사도를 측정하여 얼굴 영역의 위치를 결정한다. 검출된 얼굴 영역을 이용하여 얼굴의 피부 색상을 검출하며 이를 이용하여 초기 얼굴 윤곽을 결정한다. 초기 얼굴 윤곽으로부터 윤곽선의 반지름 분포와 얼굴 모델의 윤곽선 분포를 통해 최종 얼굴 영역을 검출한다.

적외선 영상에서 변위추정 및 SURF 특징을 이용한 표적 탐지 분류 기법

김재협(Jae-Hyup Kim),최봉준(Bong-Joon Choi),천승우(Seung-Woo Chun),이종민(Jong-Min Lee),문영식(Young-Shik Moon) 한국컴퓨터정보학회 2014 韓國컴퓨터情報學會論文誌 Vol.19 No.11

본 논문에서는 적외선 영상에서 영상 변위를 이용하여 기동 표적 영역을 탐지하고, SURF(Speeded Up Robust Features) 특징점에 대한 BAS(Beam Angle Statistics)를 이용하여 분류하는 시스템에 대하여 설명한다. 영상 기반기술 분야에서 대표적인 대응점 정합 알고리즘인 SURF 기법은 SIFT(Scale Invariant Feature Transform) 기법에 비해 정합 속도가 매우 빠르고 비슷한 정합 성능을 보이기 때문에 널리 사용되고 있다. SURF를 이용한 대부분의 객체 인식의 경우 특징점 추출과 정합의 과정을 수행하지만, 제안하는 기법은 표적의 기동 특성을 반영하여 영상의 변위 추정을 통하여 표적의 영역을 탐지하고 SURF 특징점 들의 기하구조를 판단함으로써 표적 분류를 수행한다. 제안하는 기법은 무인 표적 탐지/인지 시스템의 초기모델 구축을 위하여 연구가 진행되었으며, 모의 표적을 이용한 가상 영상과 적외선 실 영상을 이용하여 실험한 결과 약 73~85%의 분류 성능을 확인하였다. In this paper, we propose the target detection method using image displacement, and classification method using SURF(Speeded Up Robust Features) feature points and BAS(Beam Angle Statistics) in infrared images. The SURF method that is a typical correspondence matching method in the area of image processing has been widely used, because it is significantly faster than the SIFT(Scale Invariant Feature Transform) method, and produces a similar performance. In addition, in most SURF based object recognition method, it consists of feature point extraction and matching process. In proposed method, it detects the target area using the displacement, and target classification is performed by using the geometry of SURF feature points. The proposed method was applied to the unmanned target detection/recognition system. The experimental results in virtual images and real images, we have approximately 73~85% of the classification performance.

Object Classification Method Using Dynamic Random Forests and Genetic Optimization

김재협(Jae Hyup Kim),김헌기(Hun Ki Kim),장경현(Kyung Hyun Jang),이종민(Jong Min Lee),문영식(Young Shik Moon) 한국컴퓨터정보학회 2016 韓國컴퓨터情報學會論文誌 Vol.21 No.5

In this paper, we proposed the object classification method using genetic and dynamic random forest consisting of optimal combination of unit tree. The random forest can ensure good generalization performance in combination of large amount of trees by assigning the randomization to the training samples and feature selection, etc. allocated to the decision tree as an ensemble classification model which combines with the unit decision tree based on the bagging. However, the random forest is composed of unit trees randomly, so it can show the excellent classification performance only when the sufficient amounts of trees are combined. There is no quantitative measurement method for the number of trees, and there is no choice but to repeat random tree structure continuously. The proposed algorithm is composed of random forest with a combination of optimal tree while maintaining the generalization performance of random forest. To achieve this, the problem of improving the classification performance was assigned to the optimization problem which found the optimal tree combination. For this end, the genetic algorithm methodology was applied. As a result of experiment, we had found out that the proposed algorithm could improve about 3~5% of classification performance in specific cases like common database and self infrared database compare with the existing random forest. In addition, we had shown that the optimal tree combination was decided at 55~60% level from the maximum trees.

최근 행정판례(行政判例)의 흐름과 극복하여야 할 과제

김재협 ( Jae Hyup Kim ) 법조협회 2001 法曹 Vol.50 No.6

아이다부스트(Adaboost)와 원형기반함수를 이용한 다중표적 분류 기법

김재협(Jae Hyup Kim),장경현(Kyung Hyun Jang),이준행(Jun Haeng Lee),문영식(Young Shik Moon) 大韓電子工學會 2010 電子工學會論文誌-CI (Computer and Information) Vol.47 No.3

최근 기계학습 분야에서 커널머신을 이용한 대표적 분류기로 Adaboost가 주목받고 있다. Adaboost는 통계적 학습이론에 기반하여 뛰어난 일반화 성능을 보여주며, 다양한 패턴인식 문제에 적용되고 있다. 그러나, Adaboost는 이진 분류기이므로 다중 표적 분류 문제에 곧바로 적용할 수 없다. 일반적으로 다중 분류 문제를 해결하는 기법으로 One-Vs-All 기법과 Pair-Wise 기법이 대표적이다. 이러한 두 기법은 다중 분류 문제를 여러 개의 이진 분류 문제로 분할하고, 이들을 다시 종합하여 최종 결정을 내리는 출력코딩이라는 일반적인 기법으로 실제 시스템 구성에 적합할만한 분류 성능을 보여주지 못하는 경우가 대부분이다. 본 논문에서는 이진 분류기인 Adaboost의 다중 분류 확장 방안으로 원형 기반 함수를 약한 분류기로 이용하는 Adaboost 기반 다중표적 분류 기법을 제안한다. Adaboost is well known for a representative learner as one of the kernel methods. Adaboost which is based on the statistical learning theory shows good generalization performance and has been applied to various pattern recognition problems. However, Adaboost is basically to deal with a two-class classification problem, so we cannot solve directly a multi-class problem with Adaboost. One-Vs-All and Pair-Wise have been applied to solve the multi-class classification problem, which is one of the multi-class problems. The two methods above are ones of the output coding methods, a general approach for solving multi-class problem with multiple binary classifiers, which decomposes a complex multi-class problem into a set of binary problems and then reconstructs the outputs of binary classifiers for each binary problem. However, two methods cannot show good performance. In this paper, we propose the method to solve a multi-target classification problem by using radial basis function of Adaboost weak classifier.

적외선 영상의 탐지 정보를 이용한 표적 geolocation 기법

김재협(Jae-Hyup Kim),정준호(Jun-Ho Jeong),서정재(Jeong-Jae Seo),이종민(Jong-Min Lee),문영식(Young-Shik Moon) 한국컴퓨터정보학회 2015 韓國컴퓨터情報學會論文誌 Vol.20 No.3

본 논문에서는 적외선 영상에서 탐지된 표적의 픽셀정보를 이용하여 실제 환경에서의 표적의 위치를 추정하는 geolocation 기법에 대하여 제안한다. 제안하는 기법은 지대지 전장 환경에서 공중 정찰을 통한 적대 표적의 위치를 파악하는 시스템에 적용이 가능하다. 적대 표적의 geolocation에 영향을 주는 요소는, 시스템의 광학적 왜곡, 지형적 왜곡, 정찰 모듈의 GPS(Global Positioning System) 및 IMU(Inertial Measurement Unit) 왜곡을 들 수 있다. 본 논문에서는 광학적 왜곡과 지형적 왜곡에 적응적인 geolocation 을 위하여 광학 정보의 다항식 최적화와 지구곡률을 고려한 시선거리 계산 기법을 적용하였으며, 3차원 모의 환경에서 실험한 결과 시스템 요구사항 내에서 geolocation의 정확도를 만족함을 확인하였다. In this paper, we proposed the geolocation method using target detection information in infrared images. Our method was applied to geolocation system of hostile targets in ground-to-ground field. The major distortion that has bad effect of geolocation was composed of optic, topography, GPS(Global Positioning System) and IMU(Inertial Measurement Unit) of reconnaissance unit. We proposed enhanced geolocation method to cope with optic and topography distortion using polynomial fitting and slant-range calculation model to overcome earth curvature problem, and the result showed that the performance of our method was good for system requirements.

적외선 영상에서의 시계열 특징 추출을 이용한 Gunnery 분류 기법 연구

김재협(Jae-Hyup Kim),조태욱(Tae-Wook Cho),천승우(Seung-Woo Chun),이종민(Jong-Min Lee),문영식(Young-Shik Moon) 한국컴퓨터정보학회 2014 韓國컴퓨터情報學會論文誌 Vol.19 No.10

Gunnery 표적으로부터 발생하는 영상특징은 장비의 위치를 탐지하고 종류를 판별하는 주요 정보로 활용될 수 있다. 본 논문에서는 Gunnery 영상에서 표적 영역의 밝기값을 획득하여 특징을 추출하고 분류하는 기법을 제안한다. 제안하는 기법에서는 38~40개의 신호 기반 특징과 2개의 모델 기반 특징을 추출하여 분석하고 분류모델에 적용한다. 다중 클래스 분류를 위하여 트리(tree) 기반의 분류 모델을 설계하였으며, 시스템에서 요구하는 Gunnery의 종류와 특성에 따라 유사도를 정의하여 트리 구조를 설계하였다. 트리 구성 단계에서는 각 레벨마다 SVM(Support Vector Machine)을 이용하여 분류 하였으며 시스템에서 요구하는 분류 성능을 만족함을 확인하였다. Gunnery has been used to detect and classify artilleries. In this paper, we used electro-optical data to get the information of muzzle flash from the artilleries. Feature based approach was applied; we first defined features and sub-features. The number of sub-features was 38~40 generic sub-features, and 2 model-based sub-features. To classify multiclass data, we introduced tree structure with clustering the classes according to the similarity of them. SVM was used for each non-leaf nodes in the tree, as a sub-classifier. From the data, we extracted features and sub-features and classified them by the tree structure SVM classifier. The results showed that the performance of our classifier was good for our muzzle flash classification problem.

적외선 영상에서의 과분할 영역기반 표적 분류기법

김재협(Jae Hyup Kim),전갑송(Gab Song Jun),문영식(Young Shik Moon) 대한전자공학회 2010 대한전자공학회 학술대회 Vol.2010 No.6

Profile 형태 특징과 GMM을 이용한 Gunnery 분류 기법

김재협(Jae Hyup Kim),박규희(Gyu Hee Park),정준호(Jun Ho Jeong),문영식(Young-Shik Moon) 大韓電子工學會 2011 電子工學會論文誌-CI (Computer and Information) Vol.48 No.5

Gunnery로부터 발생하는 muzzle firing은 매우 높은 에너지를 방출하는 표적으로 볼 수 있다. 따라서, xx km 이상의 원거리 gunnery의 경우 일반 CCD 영상으로는 식별하기 어렵지만, IR(infrared) 영상에서는 충분히 식별될 수 있다. 본 논문에서는 원거리 IR 영상으로부터 muzzle firing으로 발생되는 profile을 획득하여 분류하는 기법을 제안한다. IR 센서(infrared sensor)의 특성, 거리, 대기 상태 등에 따라 muzzle firing으로 발생하는 에너지는 서로 다른 양으로써 IR영상에 표현된다. 따라서, 단순히 IR 영상의 픽셀값으로 gunnery 종류를 분류하는데는 명확한 한계가 있다. 제안하는 기법에서는 xxx Hz 이상의 고속 장비를 이용하여 muzzle firing이 이루어지는 구간내에서 시간에 따른 픽셀값의 profile을 획득하여 형태기반의 특징을 추출한 후, 피셔 공간(Fisher's space)로 투영시켜 GMM(Gaussian Mixture Model)을 이용하여 gunnery의 종류를 분류한다. 제안하는 기법을 이용하여 지상 및 공중에서 획득한 gunnery에 대하여 분류 실험을 수행한 결과 파라미터에 따라 최대 93%의 분류율을 확인하였다. Muzzle flash based on gunnery is the target that has huge energy. So, gunnery target in a long range over xx km is distinguishable in the IR(infrared) images, on the other hand, is not distinguishable in the CCD images. In this paper, we propose the classification method of gunnery targets in a infrared images and in a long range. The energy from gunnery have an effect on varous pixel values in infrared images as a property of infrared image sensor, distance, and atmosphere, etc. For this reason, it is difficult to classify gunnery targets using pixel values in infrared images. In proposed method, we take the profile of pixel values using high performance infrared sensor, and classify gunnery targets using modeling GMM and shape of profile. we experiment on the proposed method with infrared images in the ground and aviation. In experimental result, the proposed method provides about 93% classification rate.