-
公开(公告)号：KR1020210000072A
公开(公告)日：2021-01-04
申请号：KR1020190074864
申请日：2019-06-24
Applicant: 계명대학교 산학협력단
IPC: G06N20/20
Abstract: 본발명은저사양실시간동작을위한경량다층랜덤포레스트분류기에관한것으로서, 보다구체적으로는경량다층랜덤포레스트(Lightweight multilayer random forest; LMRF) 분류기로서, 각계층(layer)이랜덤포레스트(Random forest; RF)로구성된다층구조(layer-by-layer structure)의비-신경망타입의심층모델이며, 각계층이미리정해진개수이하의트리로구성된것을그 구성상의특징으로한다. 또한, 본발명은저사양실시간동작을위한경량다층랜덤포레스트분류기를이용한분류방법에관한것으로서, 보다구체적으로는경량다층랜덤포레스트(Lightweight multilayer random forest; LMRF) 분류기를이용한분류방법으로서, (A) 각계층(layer)이랜덤포레스트(Random forest; RF)로구성된다층구조(layer-by-layer structure)의비-신경망타입의심층모델이며, 각계층이미리정해진개수이하의트리로구성된 LMRF 분류기를생성하는단계; 및 (B) 상기생성된 LMRF 분류기를이용해분류를하는단계를포함하는것을그 구성상의특징으로한다. 본발명에서제안하고있는저사양실시간동작을위한경량다층랜덤포레스트분류기및 이를이용한분류방법에따르면, 각계층(layer)이랜덤포레스트(Random forest; RF)로구성된다층구조(layer-by-layer structure)의비-신경망타입의심층모델을구성하고, 각계층을미리정해진개수이하의트리로구성함으로써, 기존의 DNN 모델에비하여적은수의하이퍼파라미터로도 DNN과비슷한성능을제공하며, 동일한조건에서사용시 처리시간이 DNN보다더 빠르므로, 실시간처리를위한분야에적용할수 있다.
-
-
公开(公告)号：KR101788211B1
公开(公告)日：2017-10-20
申请号：KR1020160095060
申请日：2016-07-26
Applicant: 계명대학교 산학협력단 , 이래오토모티브시스템 주식회사
Abstract: 본발명은운전자상태모니터링을위한얼굴특징점검출방법및 장치에관한것으로서, 보다구체적으로는외부의조명환경변화및 운전자의얼굴가려짐에유연한운전자얼굴특징점검출방법으로서, (3) 카메라를통해입력된영상으로부터전처리과정을통해검출된운전자의코 위치를이용하여, 얼굴특징점(landmarks) 검출을위한초기 mean shape 모델의위치가설정되고, 상기설정된초기 mean shape 모델에서얼굴특징점들이설정되는단계, (4) 상기단계 (3)을통해설정된각각의얼굴특징점들에대하여, 미리학습된 Weighted Random Forest Regressor(이하, Weighted RF Regressor)에의해각각의단계에서각각의얼굴특징점들이이동되어야할 오프셋이계산되고, 상기계산된오프셋을바탕으로각각의단계에서각각의얼굴특징점들의위치가갱신되어최종적인얼굴특징점들의위치가예측되는단계, (5) 상기단계 (4)를통해예측된얼굴특징점들간의사이각및 거리비를바탕으로최적의얼굴모델이검출되는단계, 및 (6) 상기단계 (4)를통해예측된최종적인얼굴특징점들의위치와상기단계 (5)를통해검출된최적의얼굴모델이결합되어, 최종얼굴특징점들이검출되는단계를포함하는것을그 구성상의특징으로한다. 본발명에서제안하고있는운전자상태모니터링을위한얼굴특징점검출방법및 장치에따르면, Cascade 방법기반으로 BRF 분류기와 Haar-like 특징및 OCS-LBP 특징을이용하여, 입력영상으로부터얼굴영역및 코의위치를검출함으로써, 외부조명변화에영향을덜 받으며보다정확하게운전자의얼굴영역및 코의위치를검출할수 있다. 또한, 본발명에서는, 단계적포즈회귀(Cascade Pose Regression) 방법을통해예측된최종얼굴특징점들의위치와, 예측된최종얼굴특징점들간의공간적관계성을이용하여검출한최적의얼굴모델을결합해서최종얼굴특징점들을검출함으로써, 안경, 선글라스및 머리카락등으로인한얼굴가려짐에영향을덜 받으며보다정확하게운전자의얼굴특징점들을검출할수 있다.
Abstract translation: 本发明涉及一种用于驾驶员状态监视的面部特征点检测方法和装置，并且更具体地euroneun柔性驾驶员面部特征点检测在所述外部和所述驱动器的照明环境变化的行李覆盖面通过摄像头的方法，和（3）的图像输入 使用由从，形状模型的面部特征点的初始平均位置的预处理过程检测到的操作者的鼻部位置（地标）检测被设置，并且步骤脸特征点在初始平均形状模型设定，该组，（4） 对于每个通过上述步骤（3）中设置的面部特征点的，偏移为每个面部特征中的每个步骤由加权随机森林回归（下文中，加权RF回归）预先学习移动被计算，并且 根据计算出的偏移量，在每个步骤更新每个面部特征点的位置，并预测最终面部特征点的位置;（5） 步骤4个在基于所述角度和由检测的预测之间的距离比之间的最佳脸部模型的面部特征，和6位和由上述步骤预测的最终面部特征的步骤（4） 并且通过组合通过面部特征检测单元5检测到的最佳面部模型来检测最终面部特征点。 根据用于本发明中提出的驾驶员状态监视的面部特征点检测方法及装置，级联方法基于使用BRF分类器和类Haar特征和OCS-LBP特征，面部区域的从输入图像的位置和鼻子 可以更精确地检测操作者的脸部区域和鼻子的位置，而不受外部照明变化的影响。 在本发明中，一步一步通过结合最好的面部模型的使用通过所述端面的预测端面特征点的最终面部特征位置和预测之间的空间关系被检测构成回归（级联姿回归）方法 通过检测特征点，由于眼镜，太阳镜和头发而受到剪裁的影响较小，并且更准确地检测操作者的面部特征点。
-
公开(公告)号：KR1020160065703A
公开(公告)日：2016-06-09
申请号：KR1020140170078
申请日：2014-12-01
Applicant: 계명대학교 산학협력단
Abstract: 본발명은야간환경에서의운전자보조시스템을위한위험보행자검출방법에관한것으로서, 보다구체적으로는 (1) 상기카메라로부터촬영되는열 영상에대하여, 스케일링비율및 보행자탐색영역(searching area)을설정하고, 보행자윈도우를검출하는단계; (2) 차량의진행방향을고려하여기준선(reference line)을설정하는단계; (3) 상기검출된보행자윈도우와기준선을이용해, 위험요소벡터를추출하는단계; 및 (4) 상기추출된위험요소벡터를이용해위험도스코어를산출하며, 상기산출된위험도스코어가임계값이상이면위험보행자로판단하는단계를포함하는것을그 구성상의특징으로한다. 또한, 본발명은야간환경에서의운전자보조시스템을위한위험보행자검출시스템에관한것으로서, 보다구체적으로는차량에설치되어열 영상을획득하는카메라; 및상기획득된열 영상으로부터위험보행자를판단하는분석장치를포함하며, 상기분석장치는, 상기카메라로부터촬영되는열 영상에대하여, 스케일링비율및 보행자탐색영역(searching area)을설정하고, 보행자윈도우를검출하는보행자검출모듈; 차량의진행방향을고려하여기준선(reference line)을설정하는기준선설정모듈; 상기검출된보행자윈도우와기준선을이용해, 위험요소벡터를추출하는벡터추출모듈; 및상기추출된위험요소벡터를이용해위험도스코어를산출하며, 상기산출된위험도스코어가임계값이상이면위험보행자로판단하는판단모듈을포함하는것을또 다른구성상의특징으로한다. 본발명에서제안하고있는야간환경에서의운전자보조시스템을위한위험보행자검출방법및 시스템에따르면, 스케일링비율및 보행자탐색영역을설정하고보행자윈도우를검출함으로써, 처리시간을단축하고신속하게보행자를검출할수 있으며, 차량의진행방향을고려하여기준선을설정하고위험보행자를판단함으로써, 보다정확하게보행자의위험성을결정할수 있다. 또한, 본발명에따르면, 겹침위험도(Overlapping ratio), 움직임방향위험도(Movement direction ratio) 및움직임크기위험도(Movement speed ratio)를고려하여위험보행자를판단함으로써, 보행자의다양한특징을고려하여위험요소를가진보행자인지여부를정확하게판단할수 있다.
Abstract translation: 本发明涉及一种用于在夜间检测驾驶员辅助系统的风险行人的方法。 更具体地说，用于检测夜间驾驶员辅助系统的风险行人的方法包括以下步骤：（1）在从相机拍摄的热图像上设置比例和行人搜索区域，并且检测行人窗; （2）考虑车辆的行驶方向，设定参考线; （3）通过使用检测到的行人窗和参考线提取风险因子矢量; 以及（4）通过使用所提取的风险因子矢量来测量风险程度的得分，并且当所述风险程度的测量得分大于或等于阈值时，将行人确定为风险行人。
-
-
-
Search Results
14
records
(took 0.019 seconds)
