http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
열 영상에서 핫 스팟 영역을 이용한 휴먼 보행자 검출 기법
김덕연(DeokYeon Kim),고병철(ByoungChul Ko),남재열(JaeYeal Nam) 한국정보과학회 2012 한국정보과학회 학술발표논문집 Vol.39 No.1B
본 논문에서는 열 영상카메라를 통해 입력 받은 영상을 CS-LBP(Center-symmetric LBP)와 랜덤 포레스트(Random forest)를 이용하여 보행자 휴먼 객체를 검출하는 방법을 제안한다. 우선 불필요한 후보영역을 줄이기 위해 열 영상의 표준편차, 밝기 평균, 밝기 최대값을 이용하여 이진화하고, 신체부위 중 가장 발열이 강한 얼굴부위를 핫스팟 영역으로 설정한다. 그 후, 핫스팟 영역에서 CS-LBP특징을 추출하여 결정 트리의 앙상블인 랜덤 포레스트 분류기를 이용하여 최종적인 보행자 휴먼 객체를 검증한다. CSLBP와 랜덤 포레스트 분류기를 통해 실시간 보행자 객체의 검출이 가능하고, 높은 검출 성능을 나타내었다.
HOOF와 Random Forest 이용한 휴먼 행동 인식
홍준혁(JuneHyoek Hong),고병철(ByoungChul Ko),남재열(JaeYeal Nam) 한국정보과학회 2012 한국정보과학회 학술발표논문집 Vol.39 No.1B
본 논문에서는 CCD 카메라에 입력된 동영상에서 Random Forest를 이용하여 휴먼 행동을 인식하는 알고리즘을 제안한다. 행동 인식을 위한 특징 벡터 추출을 위해 가장 최근의 N개의 비디오 프레임들을 하나의 액션 볼륨으로 생성하고, 액션 볼륨 내에서 객체 트랙킹 된 영역을 서브 볼륨으로 생성한다. 이후 서브불륨을 N x N개의 블록으로 나누고 각 블록에서 HOOF (Histogram of oriented optical flow)를 특징 벡터로 추출한다. 각 휴먼의 행동인식을 위해 사용된 Random Forest 분류기는 걷기, 뛰기, 발차기, 주먹질, 앉기, 쓰러지기, 넘어지기 7개의 행동을 나타내는 클래스로 분류하도록 학습되었으며 Random Forest에 의한 분류결과에 따라 어떤 행동을 취하는지 최종 판단한다.
정광호 ( Kwangho Cheong ),고병철 ( Byoungchul Ko ),남재열 ( Jaeyeal Nam ) 한국정보처리학회 2006 한국정보처리학회 학술대회논문집 Vol.13 No.2
본 논문은 컬러비디오의 분석을 통한 화재감지 알고리즘을 제안한다. 불꽃은 고유한 색상과 변화량이 높은 특성을 갖고 있다. 특히 불꽃의 색상은 주로 R 채널의 명암과 채도에 민감하기 때문에 가중치에 따라 그 범위를 한정하고, 그 영역의 웨이블릿 에너지 변화량에 따라 화재를 감지하게 된다. 화재가 아닌 영역과의 오차를 줄이기 위해서 색상과 웨이블릿 변화량이 큰 영역에 대한 변화비율이 임계값 이상인 영역을 최종 화재로 판단한다.
인간 시각과 MPEG-7 시각 기술자를 이용한 관심영역 기반의 의료 영상 검색
서미숙 ( Misuk Seo ),고병철 ( Byoungchul Ko ),남재열 ( Jaeyeal Nam ) 한국정보처리학회 2006 한국정보처리학회 학술대회논문집 Vol.13 No.1
본 논문에서는 MPEG-7의 특징 기술자를 이용하고, 초기 중요도 가중치를 고려한 관심영역(ROI: Region-Of-Interest) 기반의 의료 영상 검색 시스템을 제안한다. 의료 영상에서 의미 없는 배경 부분을 제거하고, 영역 추출 처리 시간을 줄이는 관심 윈도우(AW: Attention Window)를 생성하여 관심 영역 세그먼테이션을 수행한다. 또한 인간 시각에 부합하는 검색 성능의 향상을 위해 특징 벡터 거리 계산에서 영역의 초기 가중치를 설정하였다. 실험에서 구현된 시스템은 의료 영상을 효과적으로 찾아내며, 조합된 특징과 가중치를 이용한 유사도 측정으로 검색 성능이 향상됨을 보여준다.
주석 코드 배열을 이용한 효과적인 의료영상 자동주석 알고리즘
박기희(KiHee Park),김자원(JaWon Gim),김성훈(SeongHoon Kim),고병철(ByoungChul Ko),남재열(JaeYeal Nam) 한국정보과학회 2009 한국정보과학회 학술발표논문집 Vol.36 No.1C
본 논문은 효과적인 의료 영상 검색을 위한 전단계로 의료 영상 중 X-ray 영상에 대해 텍스트 기반의 자동 주석 생성 알고리즘을 제안한다. X-ray 영상은 일반 자연 영상과는 달리 영상 내에 중요한 의미를 가지고 있는 관심 영역과 어두운 단색의 배경으로 구성된 특징을 가지고 있다. 따라서 일반적인 자연 영상과는 다른 의료 영상에 적합한 시각 기술자를 사용하여 특징을 추출하고 분류하는 방법이 요구된다. 본 논문에서는, 효과적인 의료 영상 분류를 위하여 시각적인 특징을 추출하였다. 먼저 영상의 중요영역에서 해리스 코너 검출기를 이용한 색 구조 기술자(H-CSD)로 색 특징을 추출하고, 질감 특징에 경계선 히스토그램 기술자(EHD)를 사용하였다. 추출된 두 개의 특징 벡터들은 각각 다중 클래스 Support Vector Machine에 적용되어 미리 정의된 카테고리 중 하나로 영상이 분류된다. 마지막으로, 영상은 카테고리들의 계층적인 관계와 우선 순위에 기반하여 주석 코드 배열(Annotation Code Array)을 가지며 이를 이용하여 최적의 키워드들을 생성하게 된다.
다양한 사람 방향을 고려한 파트 영역 기반 사람 영역 검출
손정은(JungEun Son),정지훈(JiHun Jung),고병철(ByoungChul Ko),남재열(JaeYeal Nam) 한국정보과학회 2013 정보과학회 컴퓨팅의 실제 논문지 Vol.19 No.11
본 논문에서는 파트 영역 기법과 랜덤 포레스트 분류기를 이용하여 정지 영상에서 사람 크기의 변화, 배경의 복잡도, 부분적 가려짐 등에 강건한 사람 객체 검출 알고리즘을 제안한다. 먼저 목표 사람 객체를 포함하는 윈도우에서 N개의 파트 후보 영역을 임의의 크기와 위치에 생성한다. 이후 랜덤 포레스트 분류기를 이용하여 사람 검출에 사용할 상위M개의 파트 영역을 사람의 3가지 방향(정면, 측면, 뒷면)마다 결정한다. 테스트 영상에 대해 탐색 윈도우를 설정하고, 각 방향마다 M개의 로컬 영역을 학습된 랜덤 포레스트 분류기에 적용한다. 각 방향 별 파트 영역의 확률 값을 추정하고, 추정된 확률 값을 결합하여 최고값을 갖는 방향을 선택한다. 성능 평가를 위해 Dalal[1] 등과 Bourdev[3] 등에서 제안한 사람 검출 알고리즘과 성능 비교 실험을 하였고, 그 결과 성능 면에서 우수할 뿐 아니라, 프로그램 실행시간을 상당부분 단축시켰음을 실험 결과를 통해 확인하였다. In this paper we developed a novel method for detecting multi-view humans in still images that is robust to variation of human size, cluttered background, and partial occlusion using part region and random forest classifier. To select the appropriate location and size for a part region, we generate a random set of rectangular part region. Then, we use the random forest classifier to determine M part regions in three viewpoints (front, profile, back). Given a test image, the selected part features are extracted from a search window and each M part feature is applied to its corresponding classifier. The total probability of search window is obtained based on the arithmetic average of each distribution for all part classifiers and we select the view of human as the maximum probability between three views. The experimental results showed that our algorithm improved the human detection performance compared with two related methods, Dalal [1] and Bourdev [3], and proposed method reduced the processing time remarkably.