-
公开(公告)号：KR1020160132731A
公开(公告)日：2016-11-21
申请号：KR1020150065661
申请日：2015-05-11
Applicant: 계명대학교 산학협력단
IPC: G08B13/196
Abstract: 본발명은열 영상에서온라인랜덤펀 학습을이용하여보행자를추적하는장치및 방법에관한것으로서, 보다구체적으로는카메라로부터입력된열 영상에서, 보행자의모양변화나가려짐이발생하거나비슷한보행자가존재하여도배경및 다른보행자와구분하여보행자를추적하는, 열영상에서온라인랜덤펀 학습을이용하여보행자를추적하는장치및 방법에관한것이다. 본발명에서제안하고있는열 영상에서온라인랜덤펀 학습을이용하여보행자를추적하는장치및 방법에따르면, 열영상카메라로부터입력된영상에서 Haar-like 특징기반랜덤포레스트와 OCS-LBP 특징기반랜덤포레스트를이용하여보행자를검출하고, 검출된보행자를 OCS-LBP 특징및 LID 특징을기반으로한 온라인랜덤펀 학습과파티클필터를이용하여, 다수의보행자를실시간으로추적할수 있다. 또한, 본발명에따르면, 파티클필터를통해보행자의후속위치분포를반복적으로추정하여, 보행자의추적을보다쉽게할 수있고, 또한, 파티클가중치판단을위해관측우도를측정하는데, 일반적인거리측정장치를대신해서온라인랜덤펀 학습을사용하여, 추적성공률을높일수 있다. 뿐만아니라, 본발명에따르면, 부스티드랜덤펀을이용하여초기펀에대해온라인학습을수행하고, 다음으로, 추적자모델을위한랜덤펀이, 후속프레임에서선택된펀의보행자가관측되는위치분포를기반으로재학습되도록함으로써, 필요한샘플량을줄여학습에시간이많이걸리는점을해결할수 있다. 또한, 본발명에따르면, 검출된보행자와추적자간의거리, 추적자의모델을이용한검출된보행자의확률및 겹침율을조합하여산정한값을기반으로한 연관성검사를통해, 보행자의식별성을유지함으로써, 추적성공률을높일수 있다. 뿐만아니라, 본발명에따르면, 보행자검출을기반으로연관성검사알고리즘과온라인랜덤펀 학습을적용함으로써, 보행자의겹침이있거나움직이는카메라환경뿐만아니라새롭게나타나는보행자에대해서도추적성능이우수하다.
-
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。
-
公开(公告)号：KR101512658B1
公开(公告)日：2015-04-16
申请号：KR1020140002511
申请日：2014-01-08
Applicant: 계명대학교 산학협력단
CPC classification number: G08B17/125 , G06T3/0087 , G06T17/10 , G08B29/186
Abstract: 본발명은스테레오카메라와퍼지로직을이용한화재불꽃감지방법에관한것으로서, 보다구체적으로는스테레오카메라와퍼지로직을이용한화재불꽃감지방법으로서, (1) 화재불꽃후보영역검출처리부가스테레오카메라로부터입력받은영상에서화재불꽃후보영역을검출하는단계; (2) 멤버십함수처리부가상기검출된화재불꽃후보영역에대해서 3가지의시공간적특징의멤버십함수를생성하는단계; (3) 최종화재불꽃영역검출처리부가상기생성된멤버십함수를이용한확률값을추정하고, 최종적인화재불꽃영역을검출하는단계; 및 (4) 3차원모델링생성처리부가상기검출된최종적인화재불꽃영역에대한특징점을추출하고, 추출된특징점에대한변위값 측정을통해최종적인화재불꽃에대한 3차원모델링을생성하여구현하는단계를포함하는것을그 구성상의특징으로한다. 본발명에서제안하고있는스테레오카메라와퍼지로직을이용한화재불꽃감지장치및 방법에따르면, 스테레오카메라로부터촬영된영상에서화재불꽃후보영역을검출하고, 화재불꽃후보영역의모양시그네쳐, 크기변화량, 모션방향의 3가지특징에대한멤버십함수를퍼지로직에적용한후 역퍼지화과정을통해최종화재불꽃을검출하고, 변위값 측정을통해 3차원모델링및 카메라와화재간의거리를예측할수 있도록할 수있다. 또한, 본발명에따르면, 스테레오카메라와화재간의거리및 3차원모델링으로화재의크기를예측하고, 화재경고수준을판단할수 있도록함으로써, 예측된화재크기의결과를이용한감시지역에대한화재경고수준을정확히판단하고, 신속한화재진압의대응으로화재예방은물론, 화재로인한인명과재산의피해를최소화할수 있도록할 수있다.
Abstract translation: 本发明涉及使用立体相机和模糊逻辑来检测火焰的方法。 根据本发明的使用立体相机和模糊逻辑来检测火焰的方法包括以下步骤：从从立体摄像机输入的图像中检测火焰候选区域; 生成关于检测到的火焰候选区域具有三个空间和时间属性的隶属函数; 使用所生成的隶属函数估计概率值并检测最终的火焰区域; 并针对最终的火焰产生和实施3D建模。 根据本发明，在监视区域中准确地确定火灾报警水平，并且通过快速熄灭火焰来防止火灾。
-
公开(公告)号：KR101482970B1
公开(公告)日：2015-01-16
申请号：KR1020140014470
申请日：2014-02-07
Applicant: 계명대학교 산학협력단
CPC classification number: G06K9/00335 , G06K9/6214 , G06K9/6219 , G06K9/6227
Abstract: 본 발명은 행동 포즈렛과 2단계 분류 모델을 이용한 정지 영상에서의 사람 행동 인식 방법에 관한 것으로서, 보다 구체적으로는 행동 포즈렛과 2단계 분류 모델을 이용한 정지 영상에서의 사람 행동 인식 방법으로서, (1) 포즈렛 검출부가 입력된 학습 정지 영상으로부터 특징 벡터로 이루어진 포즈렛(Poselet)들을 추출하여 획득하는 단계; (2) 행동 인식 학습부가 상기 단계 (1)에서 획득한 각 포즈렛에 대해 해당 포즈렛의 위치를 찾기 위해 1단계 랜덤 포레스트 분류기를 이용하여 훈련되도록 하고, 공간적 포즈렛 활성화 벡터(Spatial Poselet Activation Vector; 이하 'SPAV'라 칭함)를 생성하는 단계; (3) 행동 인식 학습부가 2단계 랜덤 포레스트 분류기를 이용하여 상기 단계 (2)에서 생성한 SPAV들을 하나의 벡터로 연결한 CSPAV(Concatenated SPAV)를 생성하고, 그 CSPAV를 2단계 랜덤 포레스트 분류기로 훈련하는 단계; 및 (4) 사람 영역이 포함된 테스트 입력 정지 영상이 입력되면, 행동 인식 판단부가 상기 단계 (1) 내지 단계 (3)의 과정을 통해 CSPAV를 추출한 후 2단계 랜덤 포레스트 분류기에 매칭하여 가장 큰 스코어 값을 가지는 행동 클래스를 최종 예측된 행동 클래스로 선택 결정하는 단계를 포함하는 것을 그 구성상의 특징으로 한다.
본 발명에서 제안하고 있는 행동 포즈렛과 2단계 분류 모델을 이용한 정지 영상에서의 사람 행동 인식 시스템 및 방법에 따르면, OCS-LBP 특징을 이용하여 포즈렛을 학습하고, 입력 영상으로부터 포즈렛을 탐색하고 확률 값을 누적하여 생성한 CSPAV를 랜덤 포레스트에 학습시켜 인식하도록 하는 2단계 분류 모델을 사용한 포즈렛 기반의 행동 인식이 가능하도록 할 수 있다.
또한, 본 발명에 따르면, 이진 분류 기능의 1단계 랜덤 포레스트 분류기와 다중 클래스 분류 기능의 2단계 랜덤 포레스트 분류기를 훈련된 검출기로 적용함으로써, 입력되는 테스트 정지 영상의 행동 인식의 선택 결정 시에 계산 량을 줄이고, 정확도가 향상될 수 있도록 할 수 있다.Abstract translation: 本发明涉及一种使用动作姿势和两步分类模型在静止图像中进行人体动作识别的方法，更具体地，涉及使用动作姿势的静止图像中的人体动作识别的系统和方法， 一个两步分类模型。 根据本发明的一个实施例，使用动作提示的静止图像中的人体动作识别方法可以在确定输入的测试静止图像的动作识别的选择时减少计算量，并且通过应用步骤1随机森林来提高准确度 二分类功能的分类器和作为训练检测器的多类分类函数的步骤2随机森林分类器。
-
公开(公告)号：KR1020140082385A
公开(公告)日：2014-07-02
申请号：KR1020120152295
申请日：2012-12-24
Applicant: 계명대학교 산학협력단
CPC classification number: G06F19/32 , G06F17/30277 , G06K9/4676 , G06K9/6201 , G06K9/6223 , G06K2009/485
Abstract: The present invention relates to a medical image search method based on image clustering. The method includes: (a) a step of dividing each of a plurality of inputted medical images into sub areas and extracting an oriented center symmetric local binary patterns (OCS-LBP) feature value by patch unit; (b) a step of clustering the feature value into a code book and converting each image divided by patch unit into a bag-of-feature (BoF) through the code book; (c) a step of generating the BoF feature as a feature vector and learning and classifying the feature vector through a random forest learning classifier; (d) a step of repeating (a) through (c) when a query image is inputted and measuring the similarities with the medical image through a small number of specific classes among the classified classes; and (e) a step of outputting a search output image in accordance to the measured similarity. The present invention provides the medical image search method suggesting a new OCS-LBP feature suitable for a medical image to efficiently search for the medical image, applying BoF to efficiently reduce a feature dimension, and show a high performance search result by measuring a similarity distance through the random forest classifier to improve the search speed and performance instead of matching the query image with the entire image.
Abstract translation: 本发明涉及一种基于图像聚类的医学图像搜索方法。 该方法包括：（a）将多个输入的医学图像中的每一个划分为子区域并通过补丁单元提取取向的中心对称局部二进制模式（OCS-LBP）特征值的步骤; （b）将特征值聚类到码本中并将通过拼图单元划分的每个图像通过码本转换为特征特征（BoF）的步骤; （c）生成BoF特征作为特征向量的步骤，并通过随机森林学习分类器学习和分类特征向量; （d）当输入查询图像时重复（a）到（c）的步骤，并且通过分类的类别中的少数特定类别来测量与医学图像的相似性; 和（e）根据测量的相似度输出搜索输出图像的步骤。 本发明提供了一种医学图像搜索方法，其提出了适合于医学图像的新的OCS-LBP特征，以有效地搜索医学图像，应用BoF以有效地减少特征维度，并且通过测量相似距离来显示高性能搜索结果 通过随机森林分类器提高搜索速度和性能，而不是将查询图像与整个图像匹配。
-
Patent Agency Ranking36.发明公开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：KR1020140052257A
公开(公告)日：2014-05-07
申请号：KR1020120118166
申请日：2012-10-24
Applicant: 계명대학교 산학협력단
CPC classification number: G06K9/00362 , G01J5/60 , G06T7/90
Abstract: The present invention relates to a method for detecting a human from a thermal image using a center symmetric local binary pattern (CS-LBP) based on a luminance saliency map (LSM) and random forests. In more detail, the method includes (1) setting a hotspot region from an input thermal image, (2) creating an LSM from the hotspot region, (3) extracting CS-LBP features from the created LSM, and (4) performing the random forest with respect to the extracted CS-LBP features to detect the object of the human. According to the method for detecting the human from the thermal image using the CS-LBP based on the LSM and the random forests, the hotspot region is set from the input thermal image, the LSM is created based on the hotspot region, and the CS-LBP features are extracted from the created LSM, thereby performing the random forests with respect to the extracted CS-LBP features to detect a human object. Accordingly, the erroneous detection of the human object caused by light from a building or a vehicle is reduced, and only a body region representing high thermal energy is used instead of all human body parts. Therefore, the human object can be rapidly and exactly detected.
Abstract translation: 本发明涉及一种使用基于亮度显着图（LSM）和随机森林的中心对称局部二值图案（CS-LBP）从热图像中检测人的方法。 更详细地说，该方法包括：（1）从输入热图像设置热点区域，（2）从热点区域创建LSM，（3）从所创建的LSM中提取CS-LBP特征，以及（4） 随机森林相对于提取的CS-LBP特征来检测人的对象。 根据使用基于LSM和随机森林的CS-LBP从热图像中检测人的方法，从输入热图像设置热点区域，基于热点区域创建LSM，并且CS 从所创建的LSM中提取-LBP特征，从而针对提取的CS-LBP特征执行随机森林以检测人类对象。 因此，减少了由建筑物或车辆的光引起的人体物体的错误检测，并且仅使用表示高热能的身体区域代替所有人体部位。 因此，可以快速准确地检测人的对象。
-
公开(公告)号：KR101237089B1
公开(公告)日：2013-02-26
申请号：KR1020110104137
申请日：2011-10-12
Applicant: 계명대학교 산학협력단
IPC: G06T7/00
CPC classification number: G06K9/6282
Abstract: PURPOSE: A forest fire smoke detection method using a random forest classification technique is provided to improve the accuracy of smoke detection by determining whether a candidate block is a block indicating smoke or not according to the probability distribution of classes. CONSTITUTION: A key frame is selected among frames including at least one set candidate block(S200). Multiple feature vectors are extracted from the candidate block by comparing the selected key frame with one or more preceding key frames(S300). Learning by different random forest is performed about the extracted feature vectors(S400). According to each generated class, two first cumulative probability histograms are generated(S500). According to a class having the highest probability among the classes comprising a generated second cumulative probability histogram, the sensing condition of the candidate block is determined(S700). [Reference numerals] (S100) Step of setting a first reference value for dividing candidate blocks; (S200) Step of comparing images between consecutively photographed frames, setting blocks whose number of pixels in which a motion can be discriminated is equal to or greater than the first reference value as candidate blocks, and selecting a key frame from the frames including at least one candidate block; (S300) Step of comparing a key frame with the preceding frame and extracting a time feature vector and a space feature vector from the candidate blocks; (S400) Step of learning the time and space feature vectors by different random forest algorithm; (S500) Step of generating two first cumulative probability histograms by accumulating probabilities outputted to a terminal node with respect to classes resulting from the learning; (S600) Step of generating a second cumulative probability histogram by averaging the two first cumulative probability histograms according to class; (S700) Step of determining the sensing condition of the candidate blocks according to the highest probability glass of the second cumulative probability histogram as a delay or non-delay block; (S800) Step of marking the delay block to be discriminated from the non-delay block
Abstract translation: 目的：提供一种采用随机森林分类技术的森林火灾烟雾检测方法，通过根据类别的概率分布确定候选块是否是指示烟雾的块来提高烟雾检测的准确性。 构成：在包括至少一个候选块中的帧之间选择关键帧（S200）。 通过将所选择的关键帧与一个或多个先前的关键帧进行比较，从候选块中提取多个特征向量（S300）。 对提取的特征向量进行不同随机森林的学习（S400）。 根据每个生成的类，生成两个第一累积概率直方图（S500）。 根据具有包括生成的第二累积概率直方图的类别中具有最高概率的类，确定候选块的感测条件（S700）。 （附图标记）（S100）设定用于划分候选块的第一参考值的步骤; （S200）将连续拍摄的帧之间的图像进行比较的步骤，其中可以识别运动的像素数量的设置块等于或大于作为候选块的第一参考值，并且从至少包括至少包括在内的帧中选择关键帧 一个候选块 （S300）将关键帧与前一帧进行比较并从候选块中提取时间特征向量和空间特征向量的步骤; （S400）通过不同随机森林算法学习时空特征向量的步骤; （S500）通过累积相对于从学习得到的类别输出到终端节点的概率来生成两个第一累积概率直方图的步骤; （S600）通过根据类平均两个第一累积概率直方图来生成第二累积概率直方图的步骤; （S700）根据第二累积概率直方图的最高概率玻确定候选块的感测状况作为延迟或非延迟块的步骤; （S800）标记要从非延迟块识别的延迟块的步骤
-
公开(公告)号：KR101192300B1
公开(公告)日：2012-12-24
申请号：KR1020110097507
申请日：2011-09-27
Applicant: 계명대학교 산학협력단
CPC classification number: Y02A90/32 , G01C13/00 , G01B11/00 , G01C11/02 , G01F23/00 , G01N2021/8893 , G06T7/60
Abstract: PURPOSE: A river stage measuring method using a K-means clustering and a system thereof are provided to accurately measure a river stage under various environments and conditions and to change selectively change the conditions as occasion demands. CONSTITUTION: A river stage measuring method using a K-means clustering comprises next steps. Images of a boundary region of a structure and a river are photographed by using a camera. The image data of the images is collected by an image processing device(S100). A motion vector is generated by using an optical flow referred to the image data collected by the image processing device and a size of the motion vector is accumulated so that a accumulated motion histogram is formed(S200). The accumulated histogram is K-means grouped(S300). The river stage is calculated by using the K-means grouped histogram(S400). [Reference numerals] (AA) Start; (BB) End; (S100) Collecting the image structure-river of a boundary region of a structure and a river; (S200) Generating a motion accumulated histogram by using the image data; (S300) K-means clustering using the motion accumulated histogram; (S400) Calculating a water level of the river by using the clustered histogram
Abstract translation: 目的：提供一种使用K均值聚类的河段测量方法及其系统，以准确测量各种环境和条件下的河段，并根据需要选择性地改变条件。 构成：使用K均值聚类的河段测量方法包括以下步骤。 通过使用照相机拍摄结构和河流的边界区域的图像。 由图像处理装置收集图像的图像数据（S100）。 通过使用与由图像处理装置收集的图像数据相关的光流来生成运动矢量，并且积累运动矢量的大小，从而形成积累的运动直方图（S200）。 累积的直方图是K-means分组（S300）。 通过使用K-means分组直方图（S400）计算河流阶段。 （附图标记）（AA）开始; （BB）结束; （S100）收集结构和河流边界地区的图像结构 - 河流; （S200）通过使用图像数据生成运动累积直方图; （S300）使用运动累积直方图的K均值聚类; （S400）使用聚类直方图计算河流水位
-
公开(公告)号：KR101191454B1
公开(公告)日：2012-10-16
申请号：KR1020100045688
申请日：2010-05-14
Applicant: 계명대학교 산학협력단
Abstract: 본 발명은 비모수적 확률 모델과 질감 정보를 이용한 백혈구 분할 방법에 관한 것으로서, 보다 구체적으로는 (1) 혈액에서 분할된 백혈구 핵 영역으로부터, 채도, 명도 값을 추출하는 단계; (2) 상기 추출된 채도, 명도 값을 이용하여, 상기 백혈구 핵 영역에 대한 확률 모델을 생성하는 단계; (3) 상기 생성된 확률 모델을 이용하여, 혈액 세포 영상에서 각각의 픽셀에 대해 백혈구 핵일 확률을 의미하는 확률 맵을 생성하는 단계; (4) 상기 생성된 확률 맵에서 백혈구 후보 영역인 서브 이미지(sub-image)를 분리하는 단계; (5) 상기 분리된 서브 이미지에 대하여, Mean-shift를 이용하여 영역 클러스터링을 수행하는 단계; (6) 거리 맵(distance map)과 상기 생성된 확률 맵을 결합한 결합 맵을 이용하여, 상기 분리된 서브 이미지의 각 클러스터 영역 간의 병합을 수행하는 단계; 및 (7) 상기 병합이 완료된 클러스터 영역을 최종 분할된 백혈구 핵 영역으로 판단하는 단계를 포함하는 것을 그 구성상의 특징으로 한다.
본 발명에서 제안하고 있는 비모수적 확률 모델과 질감 정보를 이용한 백혈구 분할 방법에 따르면, 백혈구 핵의 채도, 명도 값의 확률 모델을 만들어 백혈구 핵을 혈액 세포 영상으로부터 분할하고, 분할된 백혈구 핵과 혈액 세포 영상에서의 웨이블릿 에너지 값을 이용하여 세포질을 분할함으로써 분할 시간을 단축함과 동시에 분할 정확도를 향상시킬 수 있다,
또한 본 발명에 따른 비모수적 확률 모델과 질감 정보를 이용한 백혈구 분할 방법은, 혈액 세포 영상에서 백혈구가 존재한다고 예측되는 백혈구 후보 영역인 서브 이미지를 자동 선택하고 이에 대해서만 분할 과정을 수행함으로써, 시간과 정확도 측면에서 효율성을 높일 수 있다.-
公开(公告)号：KR101093107B1
公开(公告)日：2011-12-13
申请号：KR1020090026977
申请日：2009-03-30
Applicant: 계명대학교 산학협력단
Abstract: 본 발명은 영상정보를 색상 특징 및 경계선 특징에 따라 분류하는 영상정보 분류방법 및 장치에 관한 것이다. 상기한 본 발명에 따른 영상정보 분류방법은, 영상정보를 입력받아 색 구조 기술자에 따른 제1특징 벡터를 검출하는 단계; 상기 영상정보를 입력받아 경계선 히스토그램 기술자에 따른 제2특징벡터를 검출하는 단계; 상기 제1 및 제2특징벡터를 다수의 클래스에 각각 대응되는 클래스 분류자 각각에 대해 어느 정도 근접한지를 나타내는 다수의 멤버십 스코어를 생성하는 단계;를 포함하며, 상기 멤버십 스코어들이 상기 영상정보의 분류정보가 된다.
영상정보, 분류, 색 구조 기술자, 경계선 히스토그램 기술자
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.037 seconds)
