[논문]미소 픽셀을 갖는 비행 객체 인식을 위한 데이터베이스 구축 및 관리시스템 연구

이호섭; 신희민; 심현철; 조성욱

doi:10.20910/jase.2022.16.5.70

[국내논문] 미소 픽셀을 갖는 비행 객체 인식을 위한 데이터베이스 구축 및 관리시스템 연구
Database Generation and Management System for Small-pixelized Airborne Target Recognition 원문보기

항공우주시스템공학회지 = Journal of aerospace system engineering, v.16 no.5, 2022년, pp.70 - 77

이호섭 (청주대학교 일반대학원 기계항공시스템공학과) , 신희민 (한국항공우주연구원 무인기연구부) , 심현철 (한국과학기술원 전기및전자공학부) , 조성욱 (청주대학교 항공학부 항공기계공학전공)

초록
AI-Helper

본 논문에서, 데이터베이스 생성 및 관리 시스템은 미소 픽셀 공중 표적 인식을 위해 제안된다. 제안된 시스템은 1)비행 테스트 비디오 프레임에 의한 직접 이미지 추출, 2) 자동 이미지 보관, 3) 이미지 데이터 레이블링 및 메타 데이터 주석, 4) 컬러 채널 변환, 5) HOG/LBP 기반 소화소 대상 증강 이미지 데이터 생성의 다섯가지 주요 기능으로 구성된다. 제안하는 프로그램은 파이썬 기반의 PyQt5와 OpenCV를 이용하여 구성하였고 공중 표적 인식을 위한 이미지 데이터셋은 제안한 시스템을 이용해 생성했으며 비행 실험으로 부터 수집된 영상을 입력영상으로 사용하였다.

Abstract ▼ AI-Helper

This paper proposes database generation and management system for small-pixelized airborne target recognition. The proposed system has five main features: 1) image extraction from in-flight test video frames, 2) automatic image archiving, 3) image data labeling and Meta data annotation, 4) virtual image data generation based on color channel convert conversion and seamless cloning and 5) HOG/LBP-based tiny-pixelized target augmented image data. The proposed framework is Python-based PyQt5 and has an interface that includes OpenCV. Using video files collected from flight tests, an image dataset for airborne target recognition on generates by using the proposed system and system input.

주제어

표/그림 (16)

그림 Fig. 2 Collected Images
표 Table 1 Annotation Tools and Explanation
표 Table 2 Development Environment
그림 Fig. 3 Flow Chart of System
그림 Fig. 4 System Interface
그림 Fig. 5 Image Data Storage Structure
그림 Fig. 6 Phase Change with Distance
그림 Fig. 7 Bounding Box Annotation
그림 Fig. 8 Reference Annotation
그림 Fig. 9 Convert Color and Background Extraction
그림 Fig. 10 Geometric Change of Angle of View
그림 Fig. 11 Seamless Cloning Image Augmentation
그림 Fig. 12 Zoom-in Background Extraction
그림 Fig. 13 Translated Images
그림 Fig. 14 Comparison of Small Objects between HOG and LBP
그림 Fig. 15 Comparison of feature between HOG and LBP

참고문헌 (21)

Maciej L. Pawelczyk, Marek Wojtyra, "Real World Object Detection Dataset for Quadcopter Unmanned Aerial Vehicle Detection," IEEE Access, vol. 8 pp. 174394-174409, Sep 2020.

상세보기
10 of the best open source anntation tools for computer vision 2022, https://humansintheloop.org/10-of-the-best-open-source-annotation-tools-for-computer-vision-2022/
Label Studio, https://labelstud.io/
Diffgram, https://github.com/diffgram/diffgram
LabelImg, https://github.com/tzutalin/labelImg
CVAT, https://github.com/openvinotoolkit/cvat
ImageTagger, https://github.com/bit-bots/imagetagger
LabelMe, http://labelme.csail.mit.edu/Release3.0/
VIA, https://www.robots.ox.ac.uk/~vgg/software/via/
Make Sense, https://www.makesense.ai/
COCO Annotator, https://madewithvuejs.com/coco-annotator
Dataturks, https://github.com/DataTurks
S. W. Lim and G. M. Park, "Developement of Python-based Annotation Tool Program for Constructing Object Recognition Deep-Learning Model," The Korean Institute of Broadcast and Media Engineers Conference, pp. 162-164, Nov. 2019
J. H. Sin, "Data Quality Verification Method for AI Learning," Journal of the Institute of Electronics and Information Engineers, vol. 48, no. 7, pp. 28-34, July 2021.
K. Y. Yi and D. H. Kyeong, K. S. Seo, "Deep Learning Based Drone Detection and Classification," The Transactions of the Korean Institute of Electrical Engineers, vol. 68, no. 2, pp. 359-363, 2019.
C. Y. Park, H. G. Kim, M. G. Kim and J. G. Paik, "Background Referenced Cutout Based Robust Image Augmentation Technique for Suffer Detection in Drone Images," Journal of the Institute of Electronics and Information Engineers, vol. 44, no. 2, pp. 446-448, Nov 2021.
Zhenni. Z, Zhenning. W, Lang. Q and Hui. Li, "Drone Detection Based on Multi-scale Feature Fusion", 2021 6th International Conference on UK-China Emerging Technologies (UCET), 2021, pp. 194-198, doi: 10.1109/UCET54125.2021.9674985.
Tijeni. D, Hedi. F and Zied. C, "Deep Learning-based approach for detection and classification of Micro/Mini drones," 2020 4th International Conference on Advanced Systems and Emergent Technologies (IC_ASET), 2020, pp. 332-337, doi: 10.1109/IC_ASET49463.2020.9318281
Bradski Gary, Kaehler Adrian. "Learning OpenCV: Computer vision with the OpenCV library", Reilly Media, Inc., 2008
N. Dalal, B. Triggs, "Histograms of oriented gradients for human detection,", 2005 IEEE Computer Society Conference on Copmputer Vision and Pattern Recognition (CVPR'05), 2005, pp.886-893 vol. 1, doi: 10.1109/CVPR.2005.177.
T. Ahonen, A. Hadid and M. Pietikainen, "Face Description with Local Binary Patterns: Application to Face Recognition," in IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 28, no. 12, pp. 2037-2041, Dec. 2006, doi: 10.1109/TPAMI.2006.244.

상세보기

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증