http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 조현종(Hyunjong Cho) (검색결과 7 건)
- 무료
- 기관 내 무료
- 유료
-
조현종(Hyunjong Cho),강민구(Minkoo Kang),문승빈(Seungbin Moon) 대한전기학회 2008 정보 및 제어 심포지엄 논문집 Vol.2008 No.1
얼굴인식 분야에서 PCA(Principal Component Analysis) 기반 알고리즘은 비교적 간단한 구조와 높은 인식률로 인해 많이 사용되고 있지만 조명이나 얼굴 포즈 변화에 민감하다는 단정이 있다[1]. 이런 단점을 해결하기 위한 노력으로 PCA를 다른 얼굴인식 알고리즘과 결합함으로서 조명과 포즈 변화에 강인한 얼굴인식을 위한 연구가 현재 활발히 진행되고 있다. 본 논문은 PCA기만 얼굴인식에서 조명이 다양하게 변할 때 이에 따른 인식률의 변화와, 인식이 실패했을 경우에 인식 대상이 유사도 상위 후보군에 들어가는지를 조사함으로서 PCA기반 알고리즘의 신뢰도를 확인 하고자 한다. 이를 위해 Yale Face Database B와 Extended Yale Face Database B를 이용하여 실험한 결과 약 93%의 인식 성공률을 확인했으며, 7%의 인식 실패한 영상의 경우 그 인식하고자 했던 얼굴이 유사도를 기준으로 정렬된 학습 영상에서 상위 후보군에 속한다는 실험 결과를 얻음으로서 PCA기반 얼굴 인식 알고리즘의 신뢰성을 확인할 수 있었다.
-
조명 변화 환경에서 PCA 기반 얼굴인식 알고리즘의 신뢰도에 대한 연구
조현종(Hyunjong Cho),강민구(Minkoo Kang),문승빈(Seungbin Moon) 대한전자공학회 2009 電子工學會論文誌-CI (Computer and Information) Vol.46 No.2
본 논문은 PCA기반 얼굴인식 알고리즘에서 조명 변화에 따른 인식율의 변화 및 Cumulative Match Characteristic을 이용한 누적 식별 값 측정을 통해 알고리즘의 신뢰도를 확인하였다. 이를 위해 본 논문에서는 한 사람당 하나의 학습 영상만을 사용하는 경우뿐만 아니라 조명 조건이 다른 다중 학습 영상을 사용하여 실험하였고, 입력 영상 또한 다양한 조명 조건의 영상을 사용함으로서 학습 영상의 선택과 입력 영상의 조명 변화에 따른 알고리즘의 신뢰도에 관해 연구하였다. 실험 결과, 한사람 당 하나의 정면조명조건 학습 영상을 사용한 방식에 비하여 다중 학습 영상 사용 시 인식율은 떨어졌다. 그러나 학습 영상의 개수와 입력 영상의 조명 변화 범위에 관계없이 상위 유사도군에 들어가는 비율은 높은 양상을 보임으로서 조명 변화 환경에서 PCA 알고리즘의 인식 결과에 대한 신뢰도를 확인 할 수 있었다. This paper studies on the recognition rate change with respect to illumination variance and the confidence level of PCA(Principal Component Analysis) based face recognition by measuring the cumulative match score of CMC(Cumulative Match Characteristic). We studied on the confidence level of the algorithm under illumination changes and selection of training images not only by testing multiple training images per person with illumination variance and single training image and but also by changing the illumination conditions of testing images. The experiment shows that the recognition rate drops for multiple training image case compared to single training image case. We, however, confirmed the confidence level of the algorithm under illumination variance by the fact that the training image which corresponds to the identity of testing image belongs to upper similarity lists regardless of illumination changes and the number of training images.
-
한동일(Dongil Han),조현종(Hyunjong Cho),최종호(Jongho Choi),조재일(Jae-Il Cho) 大韓電子工學會 2010 電子工學會論文誌-SP (Signal processing) Vol.47 No.2
본 논문에서는 로봇 시각 처리 활용을 위한 실시간 얼굴 검출 하드웨어 구조를 제안한다. 제안한 구조는 조명 변화에 강인하고 초당 60 프레임 이상의 속도로 처리된다. 조명 변화에 강인한 얼굴 특성 추출을 위해 MCT(Modified Census Transform) 변환을 이용하였다. 그리고 AdaBoost 알고리즘은 얼굴 특징 데이터의 학습 및 생성을 하며, 이 생성된 학습 데이터를 이용해 얼굴 검출을 하게 된다. 본 논문에서는 메모리 인터페이스부, 이미지 크기 조정부, MCT 생성부, 후보 얼굴 검출부, 신뢰도 비교부, 좌표 재조정부, 데이터 그룹화부, 검출 결과 표시부로 구성된 얼굴 검출 하드웨어 구조 및 Xilinx사의 Virtex5 LX330 FPGA를 이용한 하드웨어 구현 검증 결과에 대해 설명한다. 카메라로 부터 입력받은 이미지를 이용해 검증한 결과로 초당 최대 149프레임의 속도로 한 프레임 당 최대 32개 얼굴을 검출함을 확인하였다. This paper propose the structure of real-time face detection hardware architecture for robot vision processing applications. The proposed architecture is robust against illumination changes and operates at no less than 60 frames per second. It uses Modified Census Transform to obtain face characteristics robust against illumination changes. And the AdaBoost algorithm is adopted to learn and generate the characteristics of the face data, and finally detected the face using this data. This paper describes the face detection hardware structure composed of Memory Interface, Image Scaler, MCT Generator, Candidate Detector, Confidence Comparator, Position Resizer, Data Grouper, and Detected Result Display, and verification Result of Hardware Implementation with using Virtex5 LX330 FPGA of Xilinx. Verification result with using the images from a camera showed that maximum 32 faces per one frame can be detected at the speed of maximum 149 frame per second.
-
-
공압식 브레이크 적용 상용 트럭을 이용한 AEB 제어 알고리즘 검증
편범준(Beomjoon Pyun),조하나(Hana Cho),조현종(Hyunjong Cho),전광기(KwangKi Jeon) 한국자동차공학회 2021 한국자동차공학회 부문종합 학술대회 Vol.2021 No.6
최근 상용차 사고 발생을 줄이기 위해 미국, 유럽, 일본, 호주 등의 주요 해외시장에서 상용차용 Lane Departure Warning System(LDWS), Lane Keeping Assistance system(LKAS), Forward Collision Warning System(FCWS), Autonomous Emergency Braking(AEB) 등에 대해 신차 안전도평가(NCAP) 및 의무 장착 법규화가 강화되고 있다. 또한 미국 고속도로안전보험협회(IIHS)에서 조사한 ‘ADAS 종류에 따른 사고율 감소’ 자료에 따르면, AEB를 장착함에 따라 사고율이 40%까지 감소하는 것으로 ADAS 중 가장 큰 사고예방효과가 있는 것으로 조사되었다. 그러므로 본 논문에서는 공압식 브레이크를 적용한 상용 트럭에 AEB 시스템을 적용하기 위해, AEB 제어 알고리즘을 설계하여 실차 시험을 통해 검증한 결과를 소개한다. 본 논문에서는 AEB 제어 알고리즘을 설계하기 위해 실차 시험 환경을 조성하고, AEB 제어 알고리즘을 튜닝하고, 다양한 시나리오를 통해 검증한 결과를 제시한다. 이를 위해 먼저 제어의 대상이 되는 차량에 제어 알고리즘을 튜닝하고 검증할 수 있는 환경을 그림 1의 왼쪽 사진과 같이 구성하였다. 제어의 대상이 되는 차량은 상용차 5톤 트럭이며, 본 차량에 센서부, 제어기부, 액츄에이터부의 closed-loop control 환경을 구현하였다. 여기서 센서부는 전방 카메라와 레이더의 퓨전 정보를 기반으로 상대운동을 측정하여 CAN 통신을 통해 제어기부에 전달하는 역할을 한다. 제어기부는 MicroAutoBox(범용제어기) 내에 AEB 제어 알고리즘을 탑재하였으며, 센서정보, Vehicle CAN, Brake Pressure 등을 기반으로 판단을 하여 braking 명령을 액츄에이터부에 전달하는 역할을 한다. RT3100은 GPS 기반으로 센싱하는 장비이며 reference 장비에 해당한다. 액츄에이터부는 제어기부에서 받은 명령을 통하여 실제로 braking을 동작시키는 하위제어기에 해당한다. 이러한 closed-loop control 환경을 구성하여 실차 시험을 진행하였는데, 그림 1의 오른쪽 사진과 같이 크게 2가지 종류의 시나리오(C2C(Car-to-Car), C2P(Car-to-Pedestrian))에 따라 AEB 제어 알고리즘의 성능을 튜닝 및 검증하였다. AEB 제어 알고리즘을 개발하기 위해서는 차량, 센서, 액츄에이터의 성능을 고려하여 그에 적합한 튜닝을 시행하여야 한다. 본 AEB 제어 알고리즘의 튜닝에서는 최소 상대거리를 성능지표로 삼았고, 이를 최소화시키기 위해 각 시나리오 별로 튜닝 파라미터를 바꾸며 반복시험을 하였다. 그림 2의 그래프 결과들은 시행한 시나리오 중 가장 좋지 않은 결과인 CCRm(Car to Car Rear-end Moving) 60kph 시나리오의 결과이다. 우측 그래프의 Rel. Sx(상대거리) 값을 보면, 파란색은 센서부에서 받은 값이고, 붉은색은 reference값으로 RT3100에서 받은 값이다. 이 값들을 비교해보면 파란색 그래프가 step 형태로 떨어짐을 확인할 수 있는데, 센서부에서 오는 값은 차후에 개선될 예정이며 이에 따라 AEB 제어 알고리즘의 성능 개선도 예상해 볼 수 있다. 결론적으로 AEB 제어 알고리즘은 그림 2의 표와 같이 전방의 차량 및 보행자와 충돌하지 않으며 10m 이하의 상대거리를 남겨놓고 제동함을 검증하였다. 〈그림 본문 참조〉
-
-
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
