-
公开(公告)号：KR1020160093341A
公开(公告)日：2016-08-08
申请号：KR1020150014208
申请日：2015-01-29
Applicant: 계명대학교 산학협력단
Abstract: 상기한목적을달성하기위한본 발명의특징에따른인공위성영상과랜덤포레스트분류기결합을이용한자동하천검출시스템은, 위성영상중 미리정해진복수의밴드의영상을입력받는입력모듈; 상기입력받은영상을 TOA(Top Of Atmosphere) 반사도및 WI(Water Index) 영상으로변환하는변환모듈; 상기변환된영상에서하천영역에대한특징벡터를추출하는특징추출모듈; 상기추출된특징벡터를이용해복수의랜덤포레스트분류기를학습하는학습모듈; 입력받은테스트영상을 TOA 반사도및 WI 영상으로변환하고, 특징벡터를추출해상기학습된복수의랜덤포레스트분류기에적용하여결과값을획득하는테스트모듈; 및상기획득된결과값을결합하여임계값을초과하면하천영역으로검출하는검출모듈을포함하는것을그 구성상의특징으로한다. 또한, 상기한목적을달성하기위한본 발명의특징에따른인공위성영상과랜덤포레스트분류기결합을이용한자동하천검출방법은, (1) 위성영상중 미리정해진복수의밴드의영상을입력받는단계; (2) 상기입력받은영상을 TOA(Top Of Atmosphere) 반사도및 WI(Water Index) 영상으로변환하는단계; (3) 상기변환된영상에서하천영역에대한특징벡터를추출하는단계; (4) 상기추출된특징벡터를이용해복수의랜덤포레스트분류기를학습하는단계; (5) 입력받은테스트영상을 TOA 반사도및 WI 영상으로변환하고, 특징벡터를추출해상기학습된복수의랜덤포레스트분류기에적용하여결과값을획득하는단계; 및 (6) 상기획득된결과값을결합하여임계값을초과하면하천영역으로검출하는단계를포함하는것을그 구성상의특징으로한다. 본발명에서제안하고있는인공위성영상과랜덤포레스트분류기결합을이용한자동하천검출시스템및 방법에따르면, 위성영상의다중스펙트럴이미지로부터 TOA(Top Of Atmosphere) 반사도및 WI(Water Index)를특징벡터로추출하고, 휴리스틱임계값이나자율학습방법대신 TOA 반사도및 WI를이용해복수의타입의랜덤포레스트분류기를학습하며, 학습된분류기를이용해테스트영상으로부터하천영역을검출함으로써, 보다정확하게자동으로하천을분류할수 있다.
Abstract translation: 根据本发明的实现目的的特征，提供了一种自动河流检测方法，以及使用卫星图像和随机森林分类器的组合的自动河流检测系统。 自动河流检测系统包括：输入模块; 转换模块; 特征提取模块; 学习模块; 测试模块; 和检测模块。 因此，自动河流检测系统使用学习分类器检测测试图像中的河流区域，从而可以更准确，自动地分类河流。
-
22.发明授权
公开(公告)号：KR101574176B1
公开(公告)日：2015-12-03
申请号：KR1020140033216
申请日：2014-03-21
Applicant: 계명대학교 산학협력단
IPC: G06T7/00
Abstract: 본발명은화재영역선정방법및 화재진압방법에관한것으로서, 보다구체적으로는 (1) 카메라영상정보로부터추출된초기화재감지영역을복수개의블록으로분할하는단계; (2) 상기각각의블록에대하여, 미리정해진시간동안시간별로화재불꽃유무를판별하여화재불꽃검출-미검출빈도값을도출하고, 상기화재불꽃검출-미검출빈도값을이용하여화재불꽃블록을선정하는단계; 및 (3) 상기화재불꽃블록의집합을후보화재영역으로선정하는단계를포함하는것을그 구성상의특징으로한다. 본발명에서제안하고있는화재감지영역에대한시공간적변화량측정을통하여불꽃오감지영역이제거된화재영역선정방법및 이를이용한물대포발사목표점또는발사순서선정및 화재진압방법에따르면, 카메라영상정보로부터추출된초기화재감지영역을복수개의블록으로분할하는단계, 각각의블록에대하여미리정해진시간동안시간별로화재불꽃유무를판별하여화재불꽃검출-미검출빈도값을도출하고, 화재불꽃검출-미검출빈도값을이용하여화재불꽃블록을선정하는단계및 화재불꽃블록의집합을후보화재영역으로선정하는단계를포함함으로써, 화재감지영역에대한시간적변화량정보를이용하여불꽃오감지영역을제거할수 있다. 또한, 본발명에따르면, 초기화재감지영역과시간적변화량측정을통하여선정된후보화재영역사이에겹침비율(Overlapping Ratio, OR)을측정하여겹침비율이미리정해진값 이하인경우에는오감지부분이있는것으로판단하여후보화재영역을최종화재영역으로선정하고, 미리정해진값 이하인경우에는오감지부분을무시할수 있는것으로판단하여초기화재감지영역을최종화재영역으로선정함으로써, 공간적겹침비율정보를이용하여더욱정확한화재영역선정이가능하다. 뿐만아니라본 발명에따르면, 최종화재영역의중심점을물대포발사목표점으로선정하고, 최종화재영역수가복수개인경우에는최종화재영역의크기를비교하여크기순서대로물대포발사순서를선정함으로써, 효율적인화재진압을가능하게한다.
-
23.发明授权밝기맵 기반의 중심대칭 국부이진 패턴과 랜덤 포레스트를 이용한 열 영상에서의 사람 검출 방법 有权基于LUMINANCE SALIENCY MAP和随机图像在CSI LBP中检测人类的方法
公开(公告)号：KR101437999B1
公开(公告)日：2014-09-04
申请号：KR1020120118166
申请日：2012-10-24
Applicant: 계명대학교 산학협력단
Abstract: 본 발명은 밝기맵 기반의 CS-LBP와 랜덤 포레스트를 이용한 열 영상에서의 사람 검출 방법에 관한 것으로서, 보다 구체적으로는, (1) 입력된 열 영상으로부터 핫스팟(hotspot) 영역을 설정하는 단계, (2) 핫스팟 영역으로부터 밝기맵(luminance saliency map; LSM)을 생성하는 단계, (3) 생성된 밝기맵으로부터 CS-LBP 특징을 추출하는 단계, 및 (4) 추출된 CS-LBP 특징에 대하여 랜덤 포레스트(random forest) 학습을 수행하여 사람 객체를 검출하는 단계를 포함하는 그 구성상의 특징으로 한다.
본 발명에서 제안하고 있는 밝기맵 기반의 중심대칭 국부이진 패턴과 랜덤 포레스트를 이용한 열 영상에서의 사람 검출 방법에 따르면, 입력된 열 영상으로부터 핫스팟(hotspot) 영역을 설정하여, 이로부터 밝기맵(luminance saliency map; LSM)을 생성하고, 생성된 밝기맵으로부터 중심대칭-국부이진 패턴(Center Symmetric Local Binary Pattern; 이하 'CS-LBP'라 함) 특징을 추출하여, 추출된 CS-LBP 특징에 대하여 랜덤 포레스트(random forest) 학습을 수행하여 사람 객체를 검출함으로써, 건물이나 자동차 불빛 등과의 혼동으로 인한 오검출을 줄이면서, 모든 신체부위의 영역을 사용하지 않고, 열에너지가 높은 신체부위 영역만을 대상으로 하는바, 신속하고 정확하게 사람을 검출할 수 있다.-
公开(公告)号：KR101414670B1
公开(公告)日：2014-07-04
申请号：KR1020130000093
申请日：2013-01-02
Applicant: 계명대학교 산학협력단
IPC: G06T7/20
CPC classification number: G06T7/277 , G06K9/6269 , G06T3/40 , G06T2207/10048 , G06T2207/30232
Abstract: The present invention relates to a method for tracking an object on a thermal image using an online random forest and a particle filter. The method for tracking the object according to the present invention includes the steps of: initializing a target model; generating a plurality of candidate particles with a random distribution; generating an observation model including local intensity distribution (LID) and an oriented center symmetric local binary pattern (OCS-LBP); determining a particle weight; updating the state of the target object; updating the random forest; and re-sampling the remaining particles except the particles with high weights.
Abstract translation: 本发明涉及使用在线随机森林和粒子滤波器跟踪热图像上的物体的方法。 根据本发明的跟踪对象的方法包括以下步骤：初始化目标模型; 产生具有随机分布的多个候选粒子; 生成包括局部强度分布（LID）和定向中心对称局部二值模式（OCS-LBP）的观测模型; 确定颗粒重量; 更新目标对象的状态; 更新随机森林; 并重新取样高重量颗粒以外的剩余颗粒。
-
25.发明授权
公开(公告)号：KR101366341B1
公开(公告)日：2014-02-24
申请号：KR1020120015070
申请日：2012-02-15
Applicant: 계명대학교 산학협력단
Abstract: 본 발명은 비모수적 확률 모델과 스무딩 함수를 이용한 혈관 내 초음파 영상에서 내강 경계면 자동 분할 방법에 관한 것으로서, 보다 구체적으로는 (1) 혈관 내 초음파 영상 장치를 이용하여 획득된 혈관 내 초음파 영상을 극좌표 영상으로 변환하는 단계, (2) 상기 변환된 극좌표 영상에서 도뇨관(catheter) 영역을 제거하는 단계, (3) 상기 도뇨관 영역을 제거한 상기 극좌표 영상 전체로부터 내강 경계면의 위치를 찾기 위한 초기 관심 점을 추출하는 단계, (4) 추출된 상기 초기 관심 점을 필터링하여 내강 경계면 관심 점을 추출하는 단계, 및 (5) 추출된 불연속적인 상기 내강 경계면 관심 점으로부터 연속적인 곡선 형태의 내강 경계면을 검출하는 단계를 포함하는 것을 그 구성상의 특징으로 한다.
본 발명에서 제안하고 있는 비모수적 확률 모델과 스무딩 함수를 이용한 혈관 내 초음파 영상에서 내강 경계면 자동 분할 방법에 따르면, 혈관 내 초음파 영상을 극좌표로 변환한 후 웨이블릿 변환을 적용하여 초기 관심 점을 추출하고, 비모수적 확률 모델과 스무딩 함수를 이용하여 추출된 관심 점 중에서 잡음과 칼슘에 의해 발생되는 점을 제거하면서 내강 경계면에 해당하는 관심 점만을 추출하여 내강 경계면을 분할함으로써 분할 정확도를 향상시켜 내강 경계면을 정확하게 검출할 수 있다.-
Patent Agency Ranking
公开(公告)号：KR1020110099904A
公开(公告)日：2011-09-09
申请号：KR1020100018920
申请日：2010-03-03
Applicant: (주)위니텍 , 계명대학교 산학협력단
IPC: H04N7/18 , G06T7/00 , G08B13/196
CPC classification number: G08B13/19608 , G06T7/231 , G06T7/246 , G06T7/269 , G08B13/19654
Abstract: 본 발명은 실시간 동영상에 기초한 이동 객체 감지 방법 및 이를 이용한 방파제 감시 시스템에 관한 것으로서, 본 발명에 따른 이동 객체 감지 방법은, 감시 지역 내에 설치된 촬영 장치로부터 실시간으로 촬영되는 동영상을 수신하는 단계; 상기 촬영 장치의 떨림으로 인해 발생하는 상기 동영상의 에고 모션(ego-motion)을 보정하는 단계; 보정된 동영상의 프레임별 각 화소의 휘도 값의 차이에 기초하여, 보정된 동영상으로부터 이동 객체 영역을 추출하는 단계; 보정된 동영상의 설정된 수의 프레임(frame) 단위로 상기 이동 객체 영역의 모션 변화를 추적함으로써, 상기 이동 객체 영역의 이동 방향을 결정하는 단계; 및 상기 이동 객체 영역에 포함된 화소들 중에서 이동 방향의 최전방에 위치한 어느 하나의 화소의 X좌표값 또는 Y좌표값에 기초하여, 상기 이동 객체 영역의 이동 위치를 인식하는 단계를 포함한다. 본 발명에 따르면, 감시 지역 내에 들어온 객체의 이동 방향 및 이동 위치와, 파랑주의보의 발령 여부에 따라, 방파제 주변에 설치된 스피커를 통하여 경고 방송이 선택적으로 출력되고, 원격지의 관리자에게 경고 문자 및 동영상이 선택적으로 전송되므로, 해일에 의한 인명 사고가 감소될 수 있다.
-
公开(公告)号：KR1020080021182A
公开(公告)日：2008-03-07
申请号：KR1020060081851
申请日：2006-08-28
Applicant: 계명대학교 산학협력단 , 정광호 , 고병철 , 남재열
IPC: G06T7/00 , H04N21/232
CPC classification number: G06T7/529 , G06F17/30244 , G06T5/50 , G06T7/11 , H04N1/40087
Abstract: A bio-image processing system and a method thereof are provided to improve the amount of calculation and a processing speed. A gray level converting unit(102) converts bio-image data into gray level image data. A size leveling unit(104) divides the gray level image into blocks of a certain size. A threshold processing unit(108) calculates an average value of the blocks, compares a pixel value of pixels of each block with the average value, and converts it into binary data to generate binary image data. A patterning unit(110) divides the binary image data into sections of a certain size and substitutes the binary image data of each size with characters to convert the binary image data into a character string. A run length coding unit(112) performs compression/coding on the character string.
Abstract translation: 提供生物图像处理系统及其方法以提高计算量和处理速度。 灰度转换单元（102）将生物图像数据转换为灰度级图像数据。 尺寸调平单元（104）将灰度级图像划分成一定尺寸的块。 阈值处理单元（108）计算块的平均值，将每个块的像素的像素值与平均值进行比较，并将其转换为二进制数据以生成二进制图像数据。 图案形成单元（110）将二进制图像数据划分成一定尺寸的区域，并用字符代替每个尺寸的二进制图像数据将二进制图像数据转换为字符串。 游程长度编码单元（112）对字符串执行压缩/编码。
-
-
-
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。
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.032 seconds)
