-
公开(公告)号：KR101081051B1
公开(公告)日：2011-11-09
申请号：KR1020100113616
申请日：2010-11-16
Applicant: 계명대학교 산학협력단
CPC classification number: G01J5/0018 , G01J3/46 , G01J3/505 , G08B17/125 , G08B29/186
Abstract: PURPOSE: A method for sensing a fire flame using the fuzzy finite automata is provided to successfully sense a fire flame in various fire images by generating a probability model and applying the model to fuzzy finite automata. CONSTITUTION: An image for sensing a fire flame is collected(S100). The image is divided into a plurality of blocks(S200). A fire candidate block is extracted using the distortion value of the brightness of an arbitrary pixel which is included in a block(S300). A fire candidate area is detected using a fuzzy membership function in the fire candidate block(S400). A fire flame is distinguished using the fuzzy finite state automata of the fire candidate area(S500).
Abstract translation: 目的：提供一种使用模糊有限自动机感测火焰的方法，通过生成概率模型并将模型应用于模糊有限自动机，成功地感测各种火灾图像中的火焰。 构成：收集用于感测火焰的图像（S100）。 图像被分成多个块（S200）。 使用包括在块中的任意像素的亮度的失真值来提取火候选块（S300）。 使用火灾候补块中的模糊隶属函数来检测火灾候补区域（S400）。 使用火灾候补区域的模糊有限状态自动机（S500）区分火焰。
-
公开(公告)号：KR100811775B1
公开(公告)日：2008-03-10
申请号：KR1020060081851
申请日：2006-08-28
Applicant: 계명대학교 산학협력단 , 정광호 , 고병철 , 남재열
IPC: G06T7/00 , H04N21/232
Abstract: 본 발명은 바이오 영상 데이터의 질감, 모양, 위치 정보의 효과적인 비교를 위해 그레이 레벨로 변환한 후에, 소정 크기의 블록으로 분할하여 각 블록에 대해 평균값을 산출하고, 각 블록의 픽셀들 각각을 평균값과 비교하여 이진 데이터로 변환하는 바이오 영상 처리 방법 및 장치, 바이오 영상 검색 방법 및 시스템을 제공하는 것을 그 목적으로 한다. 상기한 본 발명에 따르는 바이오 영상 데이터 검색 방법은, 바이오 영상 데이터를 입력받아 그레이 레벨 영상으로 변환한 후에 소정 크기의 블럭으로 분할하여 각 블럭에 대해 평균값을 산출하고, 각 블록 내의 각 픽셀에 대해 픽셀값을 상기 평균값과 비교하여 이진 데이터로 변환한 메타 데이터로 변환하는 단계; 미리 저장된 메타 데이터 그룹의 메타 데이터들과 상기 메타 데이터를 비교하여 유사한 메타 데이터들을 검색하는 단계; 상기 유사한 메타 데이터들에 대응되는 영상 데이터를 서버로부터 제공받는 단계를 포함하는 것을 특징으로 한다. 특히, 상기 메타 데이터는 상기 이진 데이터를 소정 크기로 분할하여 문자로 대치시켜 문자열로 변환하고, 상기 문자열에 대해 압축코딩된 것임을 특징으로 한다.
바이오 영상 데이터, 이진 영상 데이터-
-
-
公开(公告)号：KR101903127B1
公开(公告)日：2018-10-01
申请号：KR1020170059496
申请日：2017-05-12
Applicant: 이래에이엠에스 주식회사 , 계명대학교 산학협력단
CPC classification number: G06K9/00268 , G06K9/00604 , G06K9/0061 , G06K9/00832 , G06K9/481
Abstract: 본발명은운전자상태모니터링을위한시선방향예측방법및 그장치에관한것으로서, 구체적으로는얼굴특징점을기반으로, 동공의위치및 GAZE 분류기를결합하여시선방향을예측하는방법및 장치에관한것이다. 본발명이적용될수 있는기술분야로첨단운전자지원시스템(ADAS, Advanced driver assistance systems) 등이있다. 본발명의일 실시예에따르면카메라를통해입력된영상정보로부터복수개의얼굴특징점들(landmarks)이검출되는단계; 검출된복수개의얼굴특징점들중 일부를사용하고, RF 리그레서(Random Forrest Regressor)를이용하여제1동공특징점을검출하는단계; 검출된복수개의얼굴특징점중 일부를사용하여눈 영역의이미지를추출하는단계; 추출된눈 영역의이미지에서제2동공특징점을검출하고, Gaze 분류기(Gaze Classifier)를이용하여복수개의영역으로구분되는시선방향클래스들의초기확률값을결정하는단계; 상기시선방향클래스들의각각의초기확률값에상기제1동공특징점의위치에따른가중치를부여하는단계; 및가중치가부여된시선방향클래스들의최종확률값에서가장높은확률을가지는클래스를대표시선방향으로결정하는단계;를포함하는시선방향예측방법을제공한다.
-
Patent Agency Ranking46.发明授权
公开(公告)号：KR101753101B1
公开(公告)日：2017-07-03
申请号：KR1020150168074
申请日：2015-11-28
Applicant: 계명대학교 산학협력단
Abstract: 본발명은컬러영상에서 Mean-Shift 군집화와단계별병합방법을이용한자동원료선별방법에관한것으로서, 보다구체적으로는 (1) 컬러로촬영된원료영상을입력받는단계,(2) 상기입력받은컬러원료영상에서, 배경을제거하여전경맵영상을추출하는단계, (3) 상기추출된전경맵영상을 Mean-Shift 군집화알고리즘에적용하여상기전경맵영상을 N개의군집으로나누는단계, (4) 상기나누어진 N개의군집에서가장큰 군집을 seed 군집으로선택하는단계, (5) 상기선택된 seed 군집과나머지각 군집에대해, 상기 seed 군집과주변군집간의위치근접성, 및상기 seed 군집의대표색상과주변군집의대표색상간의색상유사성을측정하여, 상기위치근접성및 색상유사성이임계값이하일경우, 두군집들을병합하는단계, (6) 상기병합된군집데이터를 RG/GB/BR의 2차원컬러분포도로변환하여표현하고, 상기각 컬러분포도의군집데이터를기준으로타원을생성하는단계, 및 (7) 상기생성된타원에포함되는지여부를기준으로원료의양품과불량품을분류하는단계를포함하는것을그 구성상의특징으로한다. 본발명에서제안하고있는컬러영상에서 Mean-Shift 군집화와단계별병합방법을이용한자동원료선별및 장치에따르면, 컬러영상을기반으로 Mean-Shift 군집화와단계별병합방법을이용하여자동으로원료를선별함으로써, 다양한색상의원료에대해사용자의인위적조작이적고, 보다정확하게자동으로원료를선별할수 있다.
Abstract translation: 更具体地说，本发明涉及一种通过对多种颜色材料进行颜色混合来自动分类原料图像的方法， （3）通过将提取的前景地图图像应用于均值漂移聚类算法，将前景地图图像划分为N个聚类，（4）将前景地图图像划分为N个聚类， 靳嗯数目的选择用于种子簇集群中的最大群集的步骤，（5）所选择的种子簇和用于每个簇中，种子簇和位置周边群集邻近之间的剩余，以及代表色，并在种子社区周围社区 通过测量医疗台颜色，位置接近度之间的颜色相似度，并且如果颜色相似性为阈值或更小，合并两个簇的步骤，和（6）的合并的簇数据转换成RG / GB / BR的二维色分布 通过表达，一个 生成基于各自的颜色分布的簇数据椭圆形，和（7）包括分选所述无缺陷产品和基于是否不包含在所产生的椭圆形，其特征在于在该配置中，原料的有缺陷的产品的步骤。 根据使用均值漂移聚类和自动材料选择和装置一步一步合并在于，在所述本发明中提出，通过使用基于图像均值漂移聚类和一个颜色选择自动材料的彩色图像的方法，一步一步组合工艺， 可以更加准确和自动地选择原材料，并且对各种颜色的原材料进行更少的人工操作。
-
公开(公告)号：KR101697183B1
公开(公告)日：2017-01-17
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: 根据本发明提出的根据自动河流检测系统及其使用卫星图像和随机森林分类器的组合的方法，提取大气顶（TOA）反射率和水指数（WI）作为特征向量， 从卫星图像的多个光谱图像; 使用TOA反射率和WI来学习多种类型的随机森林分类器，而不是启发式阈值或自学习方法; 并且使用所学习的分类器从测试图像中提取河流区域，使得可以更精确地自动分类河流。
-
48.发明授权
公开(公告)号：KR101694282B1
公开(公告)日：2017-01-09
申请号：KR1020150131899
申请日：2015-09-17
Applicant: 계명대학교 산학협력단
CPC classification number: G06T7/0004 , G06K9/0063 , G06K9/00657 , G06K9/52 , G06K9/6267 , G06K9/66 , G06T5/00 , G06T7/60 , G06T2207/10032 , G06T2207/20172 , G06T2207/30181
Abstract: 본발명은비선형 RANSAC 방법과위성영상데이터를이용한하천녹조수치예측방법에관한것으로서, 보다구체적으로는녹조수치예측방법으로서, (1) 관측소에서실제로측정된특정유역의녹조수치및 위성으로부터해당관측소에서녹조수치가측정된같은날짜, 같은위치에서의영상을입력받는단계(S100); (2) 위성으로부터입력받은영상의왜곡을보정하는단계(S200); (3) 해당관측소에서실제로측정한녹조수치및 단계 S200으로부터보정된위성영상의데이터를비선형 RANSAC 방법에적용하여 2차함수를추출하는단계(S300): 및 (4) 단계 S300으로부터추출된 2차함수에특정유역에서수집된위성영상의보정된데이터를입력하여해당유역에서의녹조수치를예측하는단계(S400)를포함하는것을그 구성상의특징으로한다. 본발명에서제안하고있는비선형 RANSAC 방법과위성영상데이터를이용한하천녹조수치예측방법과그에관한장치에따르면, 관측소에서실제로측정된특정유역의녹조수치및 위성으로부터해당관측소에서녹조수치가측정된같은날짜, 같은위치에서의영상데이터를비선형 RANSAC 방법에적용하여추출한 2차함수에, 특정유역에서수집된위성영상의데이터를입력하여해당유역에서의녹조수치를예측함으로써, 넓은범위의하천의녹조수치를효과적으로예측할수 있게해준다. 또한, 본발명은, 비선형 RANSAC 방법을이용함으로써, 아웃라이어데이터의영향을최소화하고, 녹조수치를더 정확하게예측할수 있게해준다.
Abstract translation: 本文公开了使用卫星图像数据和非线性RANSAC方法预测河流中叶绿素a浓度的方法。 详细地说，该方法包括：（1）接收在规定盆地测量站实际测量的叶绿素a浓度，以及在同一日期和同一地点的卫星图像，其中叶绿素a浓度， 在测量站测量浓度，（2）校正从卫星接收的图像的失真，（3）将在测量站实际测量的叶绿素a浓度和校正的卫星图像的数据应用于非线性RANSAC方法 提取二阶函数，以及（4）将在规定盆地收集的卫星图像的校正数据输入到提取的二阶函数中，以预测规定盆地的叶绿素a浓度。
-
公开(公告)号：KR101409810B1
公开(公告)日：2014-06-24
申请号：KR1020120118165
申请日：2012-10-24
Applicant: 계명대학교 산학협력단
IPC: G06T7/20
Abstract: 본 발명은 파티클 필터를 이용한 움직임 카메라에서의 실시간 객체 추적 방법에 관한 것으로서, 보다 구체적으로는, (1) 입력 영상의 초기 프레임으로부터 추적하고자 하는 타깃 객체를 타깃 파티클로 결정하여 타깃 모델을 초기화하는 단계, (2) 다음 입력되는 프레임으로부터 랜덤 분포를 갖는 복수 개의 후보 파티클을 생성하는 단계, (3) 상기 파티클(타깃 파티클 및 후보 파티클을 포함함)로부터 HSV(hue, saturation, value) 색상 모델 및 중심대칭-국부이진 패턴(Center Symmetric Local Binary Pattern; 이하 'CS-LBP'라 함) 모델을 포함하는 관측 모델(observation model)을 생성하는 단계, (4) 상기 HSV 색상 모델 및 상기 CS-LBP 모델 각각에 대해 상기 타깃 파티클과 상기 후보 파티클 간의 관측 우도(likelihood)를 산출하여 파티클 가중치를 결정하는 단계, (5) 결정된 상기 파티클 가중 치를 기반으로 가중치가 가장 높은 파티클을 새로운 타깃 파티클로 설정하여 상기 타깃 객체의 상태를 추정하는 단계, 및 (6) 설정된 상기 새로운 타깃 파티클을 이용하여 다음으로 입력되는 프레임에서 사용될 파티클을 다시 추출하는 재샘플링(re-sampling) 단계를 포함하는 것을 그 구성상의 특징으로 한다.
본 발명에서 제안하고 있는 파티클 필터를 이용한 움직임 카메라에서의 실시간 객체 추적 방법에 따르면, 입력 영상의 초기 프레임으로부터 추적하고자 하는 타깃 객체를 타깃 파티클로 결정하여 타깃 모델을 초기화하고, 다음 입력되는 프레임으로부터 랜덤 분포를 갖는 복수 개의 후보 파티클을 생성하여, 파티클(타깃 파티클 및 후보 파티클을 포함함)로부터 HSV(hue, saturation, value) 색상 모델 및 중심대칭-국부이진 패턴(Center Symmetric Local Binary Pattern; 이하 'CS-LBP'라 함) 모델을 포함하는 관측 모델(observation model)을 생성하여, 이들 각각에 대해 타깃 파티클과 후보 파티클 간의 관측 우도(likelihood)를 산출하여 파티클 가중치를 결정하고, 결정된 파티클 가중치를 기반으로 가중치가 가장 높은 파티클을 새로운 타깃 파티클로 설정하여 타깃 객체의 상태를 추 정하며, 설정된 새로운 타깃 파티클을 이용하여 다음으로 입력되는 프레임에서 사용될 파티클을 다시 추출함으로써, 카메라의 떨림이나 배경의 복잡함, 객체의 가려짐, 객체의 기울어짐, 조명 및 색상의 변화에도 정확하고, 실시간으로 객체를 추적할 수 있다.-
公开(公告)号：KR101330567B1
公开(公告)日：2013-11-18
申请号：KR1020120012680
申请日：2012-02-08
Applicant: 계명대학교 산학협력단 , (주)제이브이엠
IPC: G06T7/00
Abstract: 본 발명은 약품 적재함 내의 알약 영상 검출방법에 관한 것으로, (a) 약품 적재함의 투명한 바닥면 하부에서 카메라로 적재된 약품을 촬영하여 영상을 획득하는 단계; (b) 영상정보 추출부가 상기 획득된 영상을 이진화하고 상기 영상의 테두리를 제거하여 이진 영상을 추출하는 단계; 및 (c) 영상 분석부가 상기 이진 영상을 크기가 다른 원형필터를 단계적으로 적용하는 적응적 원형 필터(Adaptive Circle filter) 알고리즘을 이용하여 알약 영상을 검출하는 단계를 포함한다.
이와 같은 본 발명을 제공하면, 약품 적재함 내의 알약의 검출성능 및 검출속도를 높여, 약품이 조제된 원본 약품임을 정확히 인증할 수 있도록 하고, 조제 검수 단계에서 일어날 수 있는 오류를 방지함으로써 보다 안전하고 정확한 약품 관리가 가능할 뿐만 아니라, 약품 인증의 정확성과 더불어 인증절차의 속도를 높일 수 있게 된다.
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.027 seconds)
