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 : 차형태(Hyungtai Cha) (검색결과 15 건)
- 무료
- 기관 내 무료
- 유료
-
-
박성진(Sungjin Park),차형태(Hyungtai Cha) 한국정보과학회 2005 한국정보과학회 학술발표논문집 Vol.32 No.2
얼굴인식 기술은 타 생체 인식 기술에 비해 경제성과 사용자 편리성이 높은 이유로 최근 몇 년간 영상 이해 분야의 가장 성공적인 응용의 하나로 주목받고 있다. 그러나 얼굴인식은 타 생체인식에 비해 정확도가 떨어지는 문제가 있으며 이것은 배경, 조명 또는 포즈등과 같은 요인으로 인해 얼굴인식을 위한 전처리 작업인 얼굴영역 검출이 어렵기 때문이다. 본 논문에서는 얼굴영역 검출을 하기 위해서 나타나는 문제점들인 배경, 조명등의 환경적인 요인을 8x8 블록영상과 블록들의 연결성을 이용하여 제거한 후 얼굴만을 검출한다. 제안된 알고리즘은 복잡한 배경 및 원거리에서 촬영된 입력영상에서도 매우 안정적으로 적용됨을 실험을 통해 확인하였다.
-
A Novel Method for Emotion Recognition based on the EEG Signal using Gradients
한의환,차형태,Han, EuiHwan,Cha, HyungTai The Institute of Electronics and Information Engin 2017 전자공학회논문지 Vol.26 No.10
There are several algorithms to classify emotion, such as Support-vector-machine (SVM), Bayesian decision rule, etc. However, many researchers have insisted that these methods have minor problems. Therefore, in this paper, we propose a novel method for emotion recognition based on Electroencephalogram (EEG) signal using the Gradient method which was proposed by Han. We also utilize a database for emotion analysis using physiological signals (DEAP) to obtain objective data. And we acquire four channel brainwaves, including Fz (${\alpha}$), Fp2 (${\beta}$), F3 (${\alpha}$), F4 (${\alpha}$) which are selected in previous study. We use 4 features which are power spectral density (PSD) of the above channels. According to performance evaluation (4-fold cross validation), we could get 85% accuracy in valence axis and 87.5% in arousal. It is 5-7% higher than existing method's. 감정을 분류하는 대표적인 알고리즘에는 Support-vector-machine (SVM), Bayesian decision rule 등이 있다. 하지만 기존의 연구자들은 위와 같은 방법에는 문제점이 있다고 지적하였다. 이를 보완하기 위해 다른 연구자는 경사도를 이용하여 새로운 패턴인식 알고리즘을 제안하였다. 본 논문에서는 이 알고리즘을 통해 새로운 EEG 기반의 감정 인식 알고리즘을 제안하고 기존의 연구와 비교한다. 본 논문에서는 신뢰도 높은 자료를 얻기 위해 여러 논문에서 사용된 DEAP (a database for emotion analysis using physiological signals)를 사용하였다. 또한, 객관적인 검증을 위해 기존의 연구에서 사용된 4개의 뇌파 채널(Fz, Fp2, F3, F4)의 PSD (Power Spectral Density)를 특징으로 사용하여 감정의 2개 척도 (Arousal, Valence)를 분류하였다. 본 논문에서 실시한 교차검증 (4-fold)에 의하면 Valence 축에서 85%, Arousal 축에서 87.5의 정확도를 얻을 수 있었다.
-
-
-
한상일(Sangil Han),차형태(Hyungtai Cha) 한국지능시스템학회 2007 한국지능시스템학회논문지 Vol.17 No.1
2채널 방식을 이용하는 입체 음향 구현 방법은 멀티채널 방식에 비해 비용의 감소 효과 및 설치가 쉽다는 장점이 있으나 크로스토크(crosstalk)를 제거하는 것이 어려운 문제이다. 크로스토크를 제거하기 위해서는 머리의 위치를 정확하게 추정하는 것이 필수적이다. 따라서 본 논문에서는 2채널 방식에서 3차원 입체 음향을 구현하기 위해 얼굴의 방향을 추정하기 위한 알고리즘을 제시한다. 제안하는 알고리즘은 Haar-like 특징을 이용하여 얼굴을 검출하고 전처리 작업과 수학적 형태학을 이용한 두 눈의 위치를 검출하는 알고리즘을 이용, 얼굴이 향하고 있는 방위각을 검출한다. 본 논문에서 제안하는 알고리즘은 기존의 제안되어진 방법들에 비해 적용 범위가 더 넓으며, 얼굴 방위각이 매우 안정적으로 검출됨을 실험을 통해 알 수 있었다. The method of 3D sound realization using 2 speakers provides two advantages: cheap and easy to build. In the case, crosstalk between 2 speakers has to be eliminated. To calculate and remove the effect of the crosstalk, it is essential to find a rotation angle of human head correctly. In the paper, we suggest an algorithm to find the head angle of 2 channel system. We first detect a face area of the given image using Haar-like feature. After that, the eye detection using pre-processor and morphology method. Finally, we calculate the face rotation angle with the face and the eye location. As a result of the experiment on various face images, the proposed method improves the efficiency much better than the conventional methods.
-
A Novel Method for Emotion Recognition based on the EEG Signal using Gradients
EuiHwan Han(한의환),HyungTai Cha(차형태) 대한전자공학회 2017 전자공학회논문지 Vol.54 No.7
감정을 분류하는 대표적인 알고리즘에는 Support-vector-machine (SVM), Bayesian decision rule 등이 있다. 하지만 기존의 연구자들은 위와 같은 방법에는 문제점이 있다고 지적하였다. 이를 보완하기 위해 다른 연구자는 경사도를 이용하여 새로운 패턴인식 알고리즘을 제안하였다. 본 논문에서는 이 알고리즘을 통해 새로운 EEG 기반의 감정 인식 알고리즘을 제안하고 기존의 연구와 비교한다. 본 논문에서는 신뢰도 높은 자료를 얻기 위해 여러 논문에서 사용된 DEAP (a database for emotion analysis using physiological signals)를 사용하였다. 또한, 객관적인 검증을 위해 기존의 연구에서 사용된 4개의 뇌파 채널(Fz, Fp2, F3, F4)의 PSD (Power Spectral Density)를 특징으로 사용하여 감정의 2개 척도 (Arousal, Valence)를 분류하였다 본 논문에서 실시한 교차검증 (4-fold)에 의하면 Valence 축에서 85%, Arousal 축에서 87.5의 정확도를 얻을 수 있었다. There are several algorithms to classify emotion, such as Support-vector-machine (SVM), Bayesian decision rule, etc. However, many researchers have insisted that these methods have minor problems. Therefore, in this paper, we propose a novel method for emotion recognition based on Electroencephalogram (EEG) signal using the Gradient method which was proposed by Han. We also utilize a database for emotion analysis using physiological signals (DEAP) to obtain objective data. And we acquire four channel brainwaves, including Fz (α), Fp2 (β), F3 (α), F4 (α) which are selected in previous study. We use 4 features which are power spectral density (PSD) of the above channels. According to performance evaluation (4-fold cross validation), we could get 85% accuracy in valence axis and 87.5% in arousal. It is 5-7% higher than existing method’s.
-
가우시안 혼합모델과 경사도 방법을 이용한 효과적인 감정분류에 대한 연구
한의환(EuiHwan Han),차형태(HyungTai Cha) 대한전자공학회 2018 전자공학회논문지 Vol.55 No.7
AI(Artificial Intelligence), Robotics 등의 분야에서 EEG(electroencephalogram)를 이용한 감정분류에 관한 연구들이 활발히 진행되고 있다. 대표적인 감정분류 알고리즘에는 SVM(Support Vector Machine), 베이지안 결정방법, 경사도 방법 등이 있다. 하지만 기존에 연구자에 의하면, 사람의 감정의 경우 동일한 감정 일지라도 개인의 차이에 의해서 산발적인 데이터 분포가 발생할 수 있다고 주장하였다. 이를 보완하기 위해 본 논문에서는 기존에 있던 경사도 방법을 이용한 감정분류기에 가우시안 혼합 모델 방법을 적용해 더욱 효과적인 감정분류기를 제안한다. 본 논문에서는 객관적인 비교검증을 위해, 기존의 연구에서 사용한 DEAP (database for emotion analysis using physiological signals) 데이터를 이용하였다. 사용된 특징은 4개의 채널(Fz, Fp2, F3, F4)에서 추출한 EEG 신호의 PSD(Power Spectral Density)를 이용하며, 감정의 2가지 특성(Arousal, Valence)을 분류하였다. 본 논문에서 제안하는 방법을 통해 기존 대비 약 4∼5% 정도 높은 정확도를 가지는 감정분류기를 얻을 수 있었다. In AI(Artificial intelligence), Robotics fields, many researchers have shown an increased interest in emotion recognition. There were many classification methods including SVM(Support Vector Machine), Bayessian decision rule, gradient method, etc. However, other researcher have insisted that emotion data could have sporadic(unbiased) distribution even though it is same emotion (because of individual difference). Therefore, we apply Gaussian mixture model to existing classifier(using gradient method) to propose more effective emotional classifier. In this paper, we utilize DEAP(database for emotion analysis using physiological signals) dataset to objective verification. Selected features were PSD(Power Spectral Density) of 4 EEG channels which were located in Fz, Fp2, F3, F4. And we classify 2 emotional elements including arousal and valence. According to our performance evaluation, our classifier has 4∼5% higher accuracy than existing one.
-
김수현(Soohyun Kim),한영준(Youngjoon Han),차형태(Hyungtai Cha),한헌수(Hernsoo Hahn) 한국지능시스템학회 2004 한국지능시스템학회논문지 Vol.14 No.7
얼굴인식기술이 인증 및 보안을 위한 도구로 활용되고 있지만 입력영상의 상태, 즉 조명환경에 따라 적용할 수 있는 범위가 제약적일 수밖에 없다. 본 논문에서는 이러한 제약을 최소화하기 위해 측면과 후면조명 등의 불규칙한 조명환경에서 획득한 입력영상에서 얼굴의 특징을 구분하여 얼굴영상임을 확인하는 방법을 제안한다. 제안된 방법은 에지차영상을 얼굴특징이 두드러지도록 전처리한 후, X와 Y축의 프로파일을 이용하여 얼굴영역을 예측하고 영역 내의 밝기분포를 이용하여 눈, 코, 입 등의 얼굴특징이 놓일 수 있는 수평영역을 분리한다. 수평영역들은 눈, 코, 입을 포함할 수 있는 영역의 그룹으로 나누어지고 각 그룹에서 코와 입, 그리고 눈의 순서로 특징들을 검출한다. 얼굴여부는 검출된 특징들의 구조적인 관계를 검증하여 확인한다. 제안된 알고리즘은 배경색상이나 조명의 방향과 색상 등으로 인해 얼굴의 형태와 특징이 결여된 입력영상에서도 매우 안정적으로 적용됨을 실험을 통해 확인하였다. A face recognition has been used for verifying and authorizing valid users, but its applications have been restricted according to lighting conditions. In order to minimizing the restricted conditions, this paper proposes a new algorithm of detecting the face from the input image obtained under the irregular lighting condition. First, the proposed algorithm extracts an edge difference image from the input image where a skin color and a face contour are disappeared due to the background color or the lighting direction. In the next step, it extracts a face region using the histogram of the edge difference image and the intensity information. Using the intensity information, the face region is divided into the horizontal regions with feasible facial features. The each of horizontal regions is classified as three groups with the facial features(including eye, nose, and mouth) and the facial features are extracted using empirical properties of the facial features. Only when the facial features satisfy their topological rules, the face region is considered as a face. It has been proved by the experiments that the proposed algorithm can detect faces even when the large portion of face contour is lost due to the inadequate lighting condition or the image background color is similar to the skin color.
-
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
