公开(公告)号：KR1020040050013A

公开(公告)日：2004-06-14

申请号：KR1020020077691

申请日：2002-12-09

Applicant: 재단법인서울대학교산학협력재단

Inventor： 최진영 ,  이동수

IPC: B23Q11/00

Abstract: PURPOSE: Methods for obtaining a model, an estimated value and a compensated value of a thermal transformation are provided to improve the processing accuracy by compensating the thermal transformation. CONSTITUTION: A temperature vector is obtained by measuring temperature information from a processing device(110). A backmix vector function to set a relation between an estimated value vector of a heating source and the temperature vector is calculated. The estimated value vector of the heating source is obtained by using the backmix vector function. Important estimated value variables of the heating source are divided from the estimated value vector of the heating source. Important temperature variables are divided from the temperature vector. A model formula of a thermal transformation to show the relation between the important temperature variables and an estimated value of a thermal transformation is set. Thereby, the optimized model of the thermal transformation is obtained. Moreover, the accuracy of the processing device is improved by effectively removing errors for the thermal transformation.

Abstract translation: 目的：提供用于获得热变形的模型，估计值和补偿值的方法，以通过补偿热变换来提高加工精度。 构成：通过从处理装置（110）测量温度信息来获得温度矢量。 计算用于设定加热源的估计值向量与温度矢量之间的关系的回混矢量函数。 通过使用回混向量函数获得加热源的估计值向量。 加热源的重要估计值变量与加热源的估计值向量相分离。 重要的温度变量与温度矢量分开。 设定热变换的模型公式，以显示重要温度变量与热变换的估计值之间的关系。 从而获得了热变换的优化模型。 此外，通过有效地消除热变换的误差来提高处理装置的精度。

公开(公告)号：KR101299238B1

公开(公告)日：2013-08-22

申请号：KR1020080036848

申请日：2008-04-21

Applicant: 한화테크윈 주식회사 ,  재단법인서울대학교산학협력재단

Inventor： 최정환 ,  백영민 ,  최진영

IPC: H04N7/18 ,  H04N5/262

Abstract: 본 발명은, 사람 또는 차 등 구체적인 사물에 대한 대표 모델을 설정하고, 입력 영상에서 탐지된 물체를 대표 모델과 비교하여 물체를 효율적으로 식별할 수 있는 감시 물체 식별 방법 및 그 감시 시스템에 관한 것이다. 본 발명은, (a) 입력 영상을 입력받는 단계; (b) 상기 입력 영상에서 움직이는 물체를 감시 대상으로 탐지하고, 상기 입력 영상에서 상기 감시 대상의 영역에 대한 검출 영상을 검출하는 단계; 및 (c) 상기 검출 영상을 힐버트 공간의 힐버트 영상으로 변환하고, 상기 힐버트 영상을 적어도 하나 이상의 대표 영상들과 비교하여 가장 유사한 대표 영상의 물체를 식별 물체로 선정하는 단계를 구비하는 감시 물체 식별 방법을 제공한다.

公开(公告)号：KR101257455B1

公开(公告)日：2013-04-23

申请号：KR1020080036849

申请日：2008-04-21

Applicant: 한화테크윈 주식회사 ,  재단법인서울대학교산학협력재단

Inventor： 이광무 ,  최진영

IPC: H04N7/18 ,  H04N5/262

Abstract: 본 발명은, 물체 추적 과정에서 발생한 정보를 이용하여 물체 추적의 성공 또는 실패를 검출할 수 있는 감시 물체 추적 방법 및 그 감시 시스템에 관한 것이다. 본 발명은, (a) 입력 영상을 입력받는 단계; 및 (b) 상기 입력 영상에서 추적의 대상이 되는 추적 물체의 현재 위치와 추정 위치로부터 추적 가중치를 구하고, 상기 추적 가중치로부터 상기 추적 물체에 대한 추적 성능을 판단하는 단계를 구비하는 감시 물체 추적 방법을 제공한다.

公开(公告)号：KR101247307B1

公开(公告)日：2013-03-25

申请号：KR1020080046291

申请日：2008-05-19

Applicant: 한화테크윈 주식회사 ,  재단법인서울대학교산학협력재단

Inventor： 나진희 ,  박명수 ,  최진영

IPC: G06F17/40 ,  G06F17/30

Abstract: 본 발명은 선형 부분공간기법을 사용하여 데이터 분류를 할 경우, 데이터 전처리 과정으로서 분류 성능을 저하하는 비경계 데이터들을 제거함으로써, 특징 추출 과정에서 분류에 적합한 특징이 선택되도록 하는 데이터 처리 방법을 제공하고자 하는 것이다.

公开(公告)号：KR100980603B1

公开(公告)日：2010-09-07

申请号：KR1020080008341

申请日：2008-01-28

Applicant: 재단법인서울대학교산학협력재단 ,  주식회사 나노텍

Inventor： 최진영 ,  송동성 ,  김표재 ,  장형진 ,  차동호

IPC: G05B23/02 ,  G05B19/418

CPC classification number: Y02P90/02

Abstract: 본 발명은 순차적 사슬형태로 구성된 단일클래스 분류기를 이용하여 각종 산업용 설비의 공정 이상을 검출하는 방법으로서, 공정 진행 설비 내부의 상태를 모니터링 하는 센서 데이터를 사용하여, 특징 추출 알고리즘으로 데이터의 차원을 줄여 핵심 정보만을 뽑아내고 그 중 이상 공정 진단에 있어 중요한 역할을 하는 데이터를 선택한 후, 선택된 몇 그룹의 데이터를 각각 단일클래스 분류기 구성 알고리즘으로 학습하여 각 그룹별로 분류기를 구성한 뒤에 공정 진행 순서에 따라 시간적인 전후 관계를 고려하여 순차적으로 배치하여 사슬 형태의 공정이상 검출기를 구성한다.
공정이상 검출, 단일클래스 분류기, 특징 추출

公开(公告)号：KR1020090120319A

公开(公告)日：2009-11-24

申请号：KR1020080046291

申请日：2008-05-19

Applicant: 한화테크윈 주식회사 ,  재단법인서울대학교산학협력재단

Inventor： 나진희 ,  박명수 ,  최진영

IPC: G06F17/40 ,  G06F17/30

CPC classification number: G06F17/16

Abstract: PURPOSE: A data processing method for data classification, a recording medium for the same, and a data processing method for executing the same are provided to remove the partial data which degrades the classification capacity by using classification information during data preprocessing. CONSTITUTION: A data deducting unit(110) distinguishes non-boundary data with boundary data and extracts the non-boundary data from a plurality of data. A transform matrix deducing unit(120) draws the transformation matrix by using the non-boundary data. The data deducting unit includes a probability deducing unit, a disorder deducing unit, and a non-boundary data deducing unit. The probability deducing unit draws the probability according to kinds about at least one data included in one area among a plurality of data. The disorder deducing unit draws the disorder degree by using the probability. The non-boundary data deducing unit draws the non-boundary data by using the disorder degree.

Abstract translation: 目的：提供用于数据分类的数据处理方法，用于其的记录介质和用于执行该数据处理方法的数据处理方法，以通过在数据预处理期间使用分类信息去除降级分类能力的部分数据。 构成：数据扣除单元（110）将非边界数据与边界数据进行区分，并从多个数据中提取非边界数据。 变换矩阵推导单元（120）通过使用非边界数据绘制变换矩阵。 数据扣除单元包括概率推导单元，无序推导单元和非边界数据推导单元。 概率推导单元根据多个数据中包含在一个区域中的至少一个数据的种类来绘制概率。 无序推导单位利用概率吸引无序度。 非边界数据推导单位利用无序程度绘制非边界数据。

公开(公告)号：KR1020090111208A

公开(公告)日：2009-10-26

申请号：KR1020080036849

申请日：2008-04-21

Applicant: 한화테크윈 주식회사 ,  재단법인서울대학교산학협력재단

Inventor： 이광무 ,  최진영

IPC: H04N7/18 ,  H04N5/262

CPC classification number: H04N7/18 ,  G08B13/19608

Abstract: PURPOSE: A monitoring object tracing method and a monitor system thereof for tracing an object within a monitor area are provided to trace the object by detecting success and fail of the object trace. CONSTITUTION: A monitoring object tracing is as follows. An input image about a monitoring region is input(S110). The current position and tracing weighted value of the trace object are searched(S120). The tracking function about the trace object is determined from the hunting weighted value. The trace object or the hunting failure message is outputted.

Abstract translation: 目的：提供用于跟踪监视区域内的对象的监视对象跟踪方法及其监视器系统，以通过检测对象跟踪的成功和失败来跟踪对象。 构成：监视对象跟踪如下。 输入关于监视区域的输入图像（S110）。 搜索跟踪对象的当前位置和跟踪加权值（S120）。 跟踪对象的跟踪功能是根据寻线加权值确定的。 输出跟踪对象或寻线失败消息。

公开(公告)号：KR1020090111207A

公开(公告)日：2009-10-26

申请号：KR1020080036848

申请日：2008-04-21

Applicant: 한화테크윈 주식회사 ,  재단법인서울대학교산학협력재단

Inventor： 최정환 ,  백영민 ,  최진영

IPC: H04N7/18 ,  H04N5/262

CPC classification number: H04N7/18 ,  G06F17/14 ,  G06K9/00771

Abstract: PURPOSE: A monitor distinguishing method and a monitoring system for detecting an object are provided to improve the performance of the monitoring system due to the quick search of the object. CONSTITUTION: A monitoring system for detecting an object is as follows. An input image about the monitoring region is input(S110). The detection image about the monitoring target area is detected the mobile object is detected with the monitoring object(S120). The detection image is converted to the Hilbert image(S130). The identification object is selected as an object of the target image.

Abstract translation: 目的：提供用于检测物体的监视器识别方法和监视系统，以便通过快速搜索对象来提高监视系统的性能。 构成：用于检测物体的监视系统如下。 输入关于监视区域的输入图像（S110）。 检测到关于监视对象区域的检测图像，利用监视对象检测移动体（S120）。 检测图像被转换为​​希尔伯特图像（S130）。 选择识别对象作为目标图像的对象。

公开(公告)号：KR100869554B1

公开(公告)日：2008-11-21

申请号：KR1020070018192

申请日：2007-02-23

Applicant: 재단법인서울대학교산학협력재단

Inventor： 강우성 ,  최진영

IPC: G06T7/40 ,  G06T7/00

Abstract: 본 발명은 영역 밀도 기반의 패턴 분류 방법에 관한 것으로, 특히 주어진 복수 개의 데이터에 대하여 각 종류별로 이차 계획법을 이용하여 특징 영역 거리 함수를 결정하여 특징 영역 거리 함수의 값을 이용하여 데이터의 영역을 결정하고, 최대 우도 추정 방식을 사용하여 영역 내의 데이터 밀도를 산출하고, 데이터 밀도와 사전확률의 곱을 비교하여 데이터를 종류별로 분류하고, 새로운 추가된 데이터가 기 분류된 영역에 포함되지 않으면 기존의 영역에서 구해진 지지벡터와 새로 추가된 데이터를 주어진 전체 데이터로 삼아 새로운 지지벡터를 구하고 지지벡터가 아닌 데이터는 모두 제거하는 패턴 분류 방법에 관한 것이다. 본 발명에 따르면 지지벡터 학습에 의해 얻어진 영역으로부터 밀도 정보를 사용함으로써, 다중 분류의 경우에 기존의 지지벡터 기계 및 신경망 분류기법보다 훨씬 빠르게 학습할 수 있으며, 기존의 확률밀도 추정 방식보다 적은 수의 데이터를 사용하여 판별함수를 표현할 수 있는 효과가 있다. 또한, 인식 성능을 높이기 위해 새롭게 주어진 데이터를 점진적으로 학습함으로써, 여러 번 재학습을 필요로 하는 얼굴 인식 시스템과 같은 응용에서 학습 계산량을 감소시키는 효과가 있다.
패턴인식, 분류, 지지벡터, support vector, 밀도, 이차계획법

公开(公告)号：KR1020080078292A

公开(公告)日：2008-08-27

申请号：KR1020070018192

申请日：2007-02-23

Applicant: 재단법인서울대학교산학협력재단

Inventor： 강우성 ,  최진영

IPC: G06T7/40 ,  G06T7/00

CPC classification number: G06K9/622 ,  G06K9/00268 ,  G06K9/00536 ,  G06K9/52

Abstract: An incremental pattern classification method based on domain density description is provided to determine a specific domain distance function, using support vector learning, to describe a domain of the data, and to obtain the domain density in the domain of the data for describing a discrimination function with small numbers of data. An incremental pattern classification method based on domain density description comprises the steps of: determining a specific domain distance function of showing the center of a domain and distance of data, using support vector learning based on each kind, and describing a domain of the data(S10); obtaining the domain density in the domain of the data, using a maximum likelihood estimating method(S20); multiplying/comparing each domain density description function by/with preliminary probability, and determining the kind of the data having the largest value(S30); and judging whether a newly generated data is obtained in a former step when the new data is added and re-learned(S40).

Abstract translation: 提供了基于域密度描述的增量模式分类方法，以确定特定的域距离函数，使用支持向量学习来描述数据的域，并获取用于描述鉴别功能的数据域中的域密度 数据量少。 基于域密度描述的增量模式分类方法包括以下步骤：使用基于每种类型的支持向量学习确定显示域的中心和数据距离的特定域距离函数，并描述数据的域（ S10）; 使用最大似然估计方法获得数据域中的域密度（S20）; 将每个域密度描述函数乘以/初步概率，并确定具有最大值的数据类型（S30）; 以及当添加并重新学习新数据时，判断在前一步骤中是否获得新生成的数据（S40）。