최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.16 no.6, 2012년, pp.1148 - 1152
In this paper, we propose an intelligent surveillance system using fuzzy contrast and HOG method. This surveillance system is mainly for the intruder detection. In order to enhance the brightness difference, we apply fuzzy contrast and also apply subtraction method to before/after the surveillance. ...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
침입자 검출에 사용되는 영상 특징 집합은 어떻게 구분 되는가? | 침입이 탐지된 것을 확인한 후, 침입자를 실시간으로 감지하기 위해서 HOG 알고리즘을 적용하여 움직이는 침입자를 실시간으로 추적한다. 침입자 검출에 사용되는 영상 특징 집합은 이미지 특정 영역에 대해 조밀하고 중첩되게 인코딩된 HOG와 모션 HOG로 구분된다. 고정 HOG는 개별 영상에서 계산되어 외형 채널을 형성한다. | |
본 연구에서 침입자 판별 과 실시간 추적에 실패한 경우가 있는 이유는? | HOG 기법을 이용하여 실시간 추적을 하였을 경우에는 침입자의 실시간 추적 성공률이 20번의 실험 중에 15번으로 나타났다. 침입자 판별 과 실시간 추적에 실패한 경우는 SVM의 학습 패턴수의 제한으로 인하여 특징들을 보다 세밀하게 분류할 수 없었기 때문이다. | |
침입자 검출하기 위해 어떤 과정을 거지는가? | 고정 HOG와 모션 HOG는 모두 방향 정보 히스토그램을 기반으로 한다[3]. 검출의 첫 번째 단계는 조명 효과의 영향을 줄이기 위해 전체 영상을 정규화 한다. 실제적으로 감마 압축을 사용하며 이는 각 컬러 채널의 제곱근 또는 로그로 계산한다. 이 압축은 조명 변화 효과를 줄이는데 도움을 준다. 두 번째 단계는 영상의 Gradient를 계산한다. 이는 조명 변화에 대한 컨투어, 실루엣 그리고 무늬 정보를 통해 사람의 팔다리와 같은 유용한 특징을 추출한다. 세 번째 단계는 자세나 외형의 작은 변화에 둔감한 로컬 영상 내용을 인코딩한다. 적용된 방법은 SHIFT와 유사한 방법으로 Gradient의 방향 정보를 정합한다. 영상 윈도우는 셀이라 불리는 작은 영역으로 분배된다. 각각의 셀은 모든 픽셀을 통해 로컬 1-D Histogram Gradient 또는 에지 Oriented를 누적하여 HOG를 생성한다. 네 번째 단계는 Contrast 정규화를 통해 조명, 그림자 그리고 에지 Contrast에 보다 강인한 특징을 추출한다. 주변 셀들의 집합을 블록이라 부르고 이들 불록의 로컬 Histogram 에너지를 누적하여 정규화한다. 마지막 단계는 윈도우 분류기에 사용하기 위해 결합된 특징에서 탐색 윈도우를 덮는 격자 블록의 밀도가 높고 중복된 모든 불록으로부터 HOG 디스크럽터를 수집한다[4, 5]. |
류재호, 최경열, 조재현, 송두헌, 김광백, "퍼지 이진화를 이용한 침입자 감시 시스템에 관한 연구," 해양정보통신학회 춘계종합학술대회논문집, pp.201-204, 2010.
김광백, 김영주, "퍼지 소속 함수를 이용한 개선된 이진화 방법," 한국컴퓨터정보학회논문지, 10권, 1호, pp.67-72, 2005.
서용호, 박세준, 양태준, "사람 및 얼굴검출에 기반한 이동로봇의 강인한 객체추적 기술 구현," 한국정보기술학회눈문지, 8권 12호, pp.21-28, 2010.
A. Kandel, G. Langholz, Fuzzy Control Systems, CRC Press, Inc., 1994.
D. Comaniciu and V. Ramesh, "Mean shift and optimal prediction for efficient object tracking," Proceedings of IEEE Int. Conf. Image Processing, Vol. 3. pp.70-73, Sept., 2000.
C. Schuldt, "Recognizing human actions: a local SVM approach," Proceedings of the 17th International Conference on Pattern Recognition, pp.23-26, Aug., 2004.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.