-
公开(公告)号：KR1020110048417A
公开(公告)日：2011-05-11
申请号：KR1020090105202
申请日：2009-11-02
Applicant: 계명대학교 산학협력단
CPC classification number: G08B17/125 , G06K9/527 , G06T7/20 , G06T2207/10024
Abstract: PURPOSE: A method for sensing a fire frame using a fuzzy logic is provided to shorten time for sensing a fire flame. CONSTITUTION: A control module receives image information and divides the image information into a plurality of blocks(200). The control module detects a moved block by determining whether each block moves(202). The control module detects a block with a fire flame color based on the color information of each moved block if the moved block is detected(204). If the block with a fire flame color is detected, a fire flame is finally determined by verifying a fire flame color using a fuzzy logic.
Abstract translation: 目的：提供一种使用模糊逻辑检测火灾框架的方法，以缩短感测火焰的时间。 构成：控制模块接收图像信息并将图像信息划分成多个块（200）。 控制模块通过确定每个块是否移动来检测移动的块（202）。 如果检测到移动的块，则控制模块基于每个移动的块的颜色信息来检测具有火焰焰颜色的块（204）。 如果检测到具有火焰颜色的块，则最终通过使用模糊逻辑验证火焰颜色来确定火焰。
-
公开(公告)号：KR100836740B1
公开(公告)日：2008-06-10
申请号：KR1020060081846
申请日：2006-08-28
Applicant: 계명대학교 산학협력단 , 서미숙 , 고병철 , 남재열 , 원치선
Abstract: 본 발명은 의료 영상 데이터에서 중요한 의미를 가지는 관심영역을 추출하고, 상기 관심영역에 대해 특징 벡터를 생성하는 영상 데이터 처리 방법 및 그에 따른 시스템을 제공하는 것을 그 목적으로 한다. 상기한 본 발명에 따르는 영상 데이터 처리 시스템은, 영상 데이터를 입력받아 회색도 영상 데이터로 변환하여 특징 지도를 생성하여 정규화한 명암지도를 생성함과 아울러, 상기 영상 데이터를 웨이블릿 변환하여 주파수상의 소정치 이상의 변화량을 가진 포인트들과 상기 명암지도를 토대로 상기 영상 데이터내의 관심영역을 추출하는 관심영역 생성부; 상기 명암지도의 평균값과 쿼드-트리 과정을 이용한 분할을 거쳐 상기 관심영역을 세그먼테이션하는 관심영역 세그먼테이션부; 상기 명암지도의 분산을 통하여 상기 세그먼테이션된 관심영역들 각각에 대해 영역별 가중치를 부여하는 가중치 부여부; 상기 세그먼테이션된 관심영역에 대해 특징 벡터를 생성하는 특징벡터 생성부를 포함하는 것을 특징으로 한다.
영상 데이터, 특징 벡터, 관심 영역-
公开(公告)号：KR100692201B1
公开(公告)日：2007-03-09
申请号：KR1020050053294
申请日：2005-06-21
Applicant: 계명대학교 산학협력단
IPC: A61B7/04
Abstract: 본 발명은 히든 마르코프 모델(Hidden Markov Model, 이하 HMM이라 한다)을 이용한 심음(heart sound)을 자동으로 분류하는 방법에 관한 발명으로, 심음 분류 방법에 있어서, (a)심음 데이터를 이용하여 HMM을 모델링하는 과정 및 (b)모델링된 HMM을 인식하는 과정을 포함하는 것을 특징으로 한다.
본 발명을 이용함으로서 기존의 심음을 이용한 자동 진단 방식에서 발생하던 분류 오류를 줄여서 심음 자동 분류 시스템의 성능을 향상 시킬 수 있다.
심음 인식, 자동 의료 진단, Hidden Markov Model, 신호 처리, 패턴 인식-
公开(公告)号：KR1020210009248A
公开(公告)日：2021-01-26
申请号：KR1020190086043
申请日：2019-07-16
Applicant: 계명대학교 산학협력단
Abstract: 본발명은오류역전파가필요없는심층랜덤펀 분류기에관한것으로서, 보다구체적으로는입력이미지를특징벡터로변환하는인코딩모델; 및랜덤펀이 layer-to-layer 구조로연결된다층구조의비-신경망타입의심층모델이며, 상기인코딩모델에서변환된특징벡터를적용해분류를수행하는캐스케이드모델을포함하는것을그 구성상의특징으로한다. 또한, 본발명은오류역전파가필요없는심층랜덤펀 분류기를이용한분류방법에관한것으로서, 보다구체적으로는심층랜덤펀 분류기를이용한분류방법으로서, (1) 입력이미지를특징벡터로변환하는인코딩모델및 랜덤펀이 layer-to-layer 구조로연결된다층구조의비-신경망타입의심층모델로서, 상기인코딩모델에서변환된특징벡터를적용해분류를수행하는캐스케이드모델을포함하는오류역전파가필요없는심층랜덤펀 분류기(deep Random Ferns classifier; d-RFs)를생성하는단계; 및 (2) 상기생성된 d-RFs를이용해분류를하는단계를포함하는것을그 구성상의특징으로한다. 본발명에서제안하고있는오류역전파가필요없는심층랜덤펀 분류기및 이를이용한분류방법에따르면, 랜덤펀이 layer-to-layer 구조로연결된다층구조의비-신경망타입의심층모델을개발하여, 기존심층신경망에서사용하는블랙박스형태의오류역전파가필요없으며, 사용자가정해야하는파라미터의수를제한함으로써수행속도를높이고사용자가학습과정에관여할수 있는, 설명가능한인공지능아키텍처를설계할수 있다. 또한, 본발명에서제안하고있는오류역전파가필요없는심층랜덤펀 분류기및 이를이용한분류방법에따르면, 심층신경망기반모델들과비교하여정확도가비슷하면서도파라미터의수 및연산수를줄여, 분류기및 분류방법을경량화할수 있고, 실시간처리를위한분야에효과적으로적용할수 있다.
-
公开(公告)号：KR101859201B1
公开(公告)日：2018-05-18
申请号：KR1020170011353
申请日：2017-01-24
Applicant: 계명대학교 산학협력단
CPC classification number: B60Q1/06 , B60Q1/0023 , B60Q2300/114 , B60Q2300/314 , B60W40/02 , B60W2420/403
Abstract: 본발명은카메라센서기반의자동차상향등자동조절시스템에관한것으로서, 보다구체적으로는자동차상향등자동조절시스템으로서, 감지센서부를이용하여상기자동차의주변영상의변화를감지하는카메라센서모듈, 상기카메라센서모듈에서감지된상기자동차의주변영상으로부터전조등및 후미등분류알고리즘을적용하여다른자동차의전조등및 후미등을검출하는전조등및 후미등검출부, 및상기전조등및 후미등검출부에서검출된전조등및 후미등을이용하여상기자동차상향등의조절여부를판단하는판단부로구성되는판단모듈, 및상기판단모듈에서판단된결과에따라상기자동차상향등이조절되도록제어하는제어모듈을포함하는것을그 구성상의특징으로한다. 또한, 본발명은카메라센서기반의자동차상향등자동조절시스템을이용한자동차상향등자동조절방법에관한것으로서, 보다구체적으로는자동차상향등자동조절시스템을이용한자동차상향등자동조절방법에있어서, (1) 카메라센서모듈의감지센서부가자동차의주변영상의변화를감지하는단계, (2) 판단모듈의전조등및 후미등검출부가상기카메라센서모듈에서감지된상기자동차의주변영상으로부터전조등및 후미등분류알고리즘을적용하여다른자동차의전조등및 후미등을검출하는단계, (3) 판단모듈의판단부가상기전조등및 후미등검출부에서검출된전조등및 후미등을이용하여상기자동차상향등의조절여부를판단하는단계, 및 (4) 제어모듈이, 상기판단모듈의판단부에서판단된결과에따라상기자동차의상향등이조절되도록제어하는단계를포함하는것을그 구성상의특징으로한다. 본발명에서제안하고있는카메라센서기반의자동차상향등자동조절시스템및 그방법에따르면, 주변영상의변화를감지하기위한감지센서부, 및감지된주변영상에전조등및 후미등분류알고리즘을적용하는전조등및 후미등검출부를포함하는판단모듈로구성함으로써, 도로표지판, 신호등, 가로등등의다양한조명으로부터다른자동차의전조등및 후미등만을정확히검출할수 있게하여, 기존의상향등조절관련기술에서와같이가로등등의조명을다른자동차의전조등및 후미등으로잘못판단하여자동차상향등의조도를낮추거나 off시키는문제가발생되지않도록할 수있다. 또한, 본발명에따르면, 자동차의이동속도를추출하는 OBD 센서모듈을포함하여구성함으로써, 자동차이동속도가일정속도이상인경우고속주행으로분류하여상향등의작동이되도록하고, 일정속도이하인경우저속주행으로분류하여하향등의작동이되도록하여, 자동차의실시간이동속도에따라상향등또는하향등이작동될수 있다. 뿐만아니라, 본발명에따르면, 상향등불필요지역여부판단부를포함하여구성함으로써, 상향등불필요지역여부판단부에서상향등불필요지역으로판단되는경우상향등을 off되도록하고, 상향등필요지역으로판단되는경우상향등을 on되도록하여, 자동차의상향등이 off되어도네온사인등에의하여전방도로의확인이충분히가능한도심지역의경우에는자동으로상향등이 off되도록할 수있다.
-
Patent Agency Ranking
公开(公告)号：KR101697161B1
公开(公告)日：2017-01-17
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：KR101663574B1
公开(公告)日：2016-10-07
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.
-
公开(公告)号：KR101620989B1
公开(公告)日：2016-05-16
申请号：KR1020150021900
申请日：2015-02-12
Applicant: 계명대학교 산학협력단
IPC: G06T7/00
CPC classification number: G06T7/00 , G06T2207/10016
Abstract: 본발명은야간영상을포함하는동영상으로부터화재를자동적으로감지하는방법에관한것으로서, 보다구체적으로는영상처리모듈이, (1) N개의연속된프레임영상들을포함하는동영상을입력받는단계; (2) 상기입력된동영상의각각의프레임영상들에대해, 밝기값에기초하여후보영역을지정하는단계; (3) 상기프레임영상들에서, 상기지정된후보영역들의크기및 모양의표준편차를특징으로하여, SVM(support vector machine)을학습시키는단계; 및 (4) 상기학습된결과값에기초하여, 화재영역을판단하는단계를포함하는것을그 구성상의특징으로한다. 본발명에서제안하고있는야간영상을포함하는동영상으로부터화재를자동적으로감지하는방법및 이를수행하는시스템에따르면, 영상처리모듈이, N개의연속된프레임영상들을포함하는동영상을입력받고, 입력된동영상의각각의프레임영상들에대해, 밝기값에기초하여후보영역을지정하며, 프레임영상들에서지정된후보영역들의크기및 모양의표준편차를특징으로하여, SVM(support vector machine)을학습시키고, 학습된결과값에기초하여, 화재영역을판단함으로써, 건물내외부에설치된보안용카메라를이용하여야간에발생한화재를감지할수 있고, 추가적인비용부담이적으며, 센서기반의감지기들이가지는화재오감지문제를해결할수 있다.
Abstract translation: 本发明涉及一种从包括夜景图像的视频中自动检测火灾的方法。 更具体地，该方法包括：（1）图像处理模块接收包括N个连续帧图像的视频的输入的步骤; （2）图像处理模块基于亮度值指定输入视频的每个帧图像的候选区域的步骤; （3）图像处理模块使得支持向量机（SVM）以指定的候补区域的大小和形状的标准偏差作为帧图像中的特征学习的步骤; 以及（4）图像处理模块基于学习结果值来确定点火区域的步骤。 根据自动检测包括夜景的视频的火灾的方法以及用于执行与本发明相同的系统的图像处理模块，接收包括N个连续帧图像的视频的输入，基于 亮度值，输入视频的每个帧图像的候选区域使SVM以指定候选区域的大小和形状的标准偏差作为帧图像中的特征来学习，并且基于 通过使用安装在建筑物内部和外部的安全摄像机，能够检测夜间发生的火灾。 此外，本发明能够解决在基于传感器的检测器中发现的具有较少额外成本的负担的错误火灾检测的问题。
-
59.发明授权부분 기저 및 랜덤 포레스트를 이용하여 복수의 정적 이미지에서 부분적으로 가려진 사람을 시점 변화에 관계없이 감지하는 방법 및 이를 수행하는 컴퓨팅 장치 有权使用部分基础和随机森林以及执行方法的计算设备来检测不确定的部分人体在多个静止图像中的方法
公开(公告)号：KR101612779B1
公开(公告)日：2016-04-15
申请号：KR1020140151621
申请日：2014-11-03
Applicant: 계명대학교 산학협력단
IPC: G06T7/00
Abstract: 본발명은부분기저및 랜덤포레스트를이용하여복수의정적이미지에서부분적으로가려진사람을시점변화에관계없이감지하는방법및 이를수행하는컴퓨팅장치에관한것으로서, 보다구체적으로는 (1) 분할정복알고리즘및 스케일히스토그램을사용하여상기정적이미지들에대한이미지스케일링레벨을결정하는단계; (2) 상기정적이미지들의복수의시점에대해신체의 3분할이미지들로부터부분영역들의랜덤(random)한집합을가우시안분포로생성하는단계; (3) 데이터학습및 랜덤포레스트를사용하여상기복수의시점에대한상기부분영역들의분류자를생성하는단계; (4) 각각의시점클래스에서의상기부분영역들의위치에서, 상기학습된랜덤포레스트에기초한부분영역감지자들의확률적투표에따라부분벡터들(part vectors)을생성하는단계; (5) 상기각각의시점클래스에대한부분벡터들을군집분류하여부분기저들(part bases)을생성하고, 상기부분기저들의각각의성분에대해가중치를부여하는단계; 및 (6) 상기부분영역감지자들을사용하여상기부분벡터들을근사하고, 각각의부분벡터를상기각각의시점클래스에대한부분기저에적용하는단계를포함하는것을그 구성상의특징으로한다. 본발명에서제안하고있는부분기저및 랜덤포레스트를이용하여복수의정적이미지에서부분적으로가려진사람을시점변화에관계없이감지하는방법및 이를수행하는장치에따르면, 정면-후면시점, 좌측면시점및 우측면시점의 3개시점으로부터부분영역들을추출하고, 신체의상부, 중앙및 하부이미지로부터부분영역들의랜덤집합을가우시안분포로추출하며, 3개의시점에대해부분영역들전체에대한랜덤포레스트를사용하여개별부분분류자를생성하고, 각각의시점클래스에서의부분영역의위치로부터부분벡터들을생성하며, 가중치가부여된부분벡터들을군집분류(clustering)하여부분기저들을생성하고, 각시점클래스에서학습된부분기저에대해학습된부분감지자들을측정하여각각의시점에대한부분벡터를측정하며, 부분기저및 부분벡터간의거리를계산하여최소거리를갖는영역을사람으로감지함으로써, 복수의정적이미지들에서사람을감지하는데소요되는계산부하및 비용을절감하면서도감지성능을향상시킬수 있다.
Abstract translation: 本发明涉及一种用于通过使用部分基础和随机森林来检测多个静止图像中的部分遮挡的人的方法，而不管视图变化如何，以及执行其的计算设备。 更具体地说，该方法包括以下步骤：（1）使用分割算法和比例直方图确定静止图像上的图像缩放级别; （2）从具有高斯分布的静止图像的多个视点上的人体的三分图像生成部分图像的随机组; （3）通过使用数据学习和随机森林，在视点上生成部分图像的分类器; （4）根据在每个视点类别的部分区域的位置上基于所学习的随机森林的部分区域检测器的概率投票来生成部分向量; （5）通过对组中每个视点类别上的部分向量进行分类来生成部分碱基，并且对部分碱基的每个组分分配权重; 以及（6）通过使用部分区域检测器来近似部分向量，并且将每个部分向量应用于每个视点类上的部分基础。
-
公开(公告)号：KR101584091B1
公开(公告)日：2016-01-12
申请号：KR1020130103540
申请日：2013-08-30
Applicant: 계명대학교 산학협력단
IPC: G06T7/00
Abstract: 본발명은공유지역특징을이용한다시점객체검출방법에관한것으로서, 보다구체적으로는 (1) 객체를포함하는여러시점(Multi-View)을가지는트레이닝영상에서임의의위치와크기를가지는후보영역(Randomly N Regions)들을생성하는단계; (2) 각각의후보영역에대해 OCS-LBP(Orientation Center Symmetric Local Binary Patterns) 특징을추출하는단계; (3) 각각의후보영역별로추출된특징벡터들을랜덤포레스트를통해지역기반으로학습하는단계; (4) 테스트영상을학습된랜덤포레스트에적용하여확률값을추정한다음상위값들을가지는지역특징(Local Features)의영역을선택하는단계; (5) 각시점에대해서선택된지역특징의영역에대해공유되는영역을찾아선택하고, 공유된지역특징의영역에대해서랜덤포레스트로학습하는단계; (6) 트레이닝과정수행후, 객체를검출하기위해서테스트영상이입력되면, 각각의관점별로확률값이추정되고, 확률값 히스토그램을생성하는단계; (7) 생성한확률값 히스토그램에서추정된확률값들중 최댓값을찾고, 최댓값을가지는주위 5개의확률값에대해가중치를부과한뒤 선형결합하여최종적인확률값을추정하는단계; 및 (8) 상기추정된최종적인확률값이미리지정한임계값보다큰 경우에객체로검출하는단계를포함하는것을그 구성상의특징으로한다. 본발명에서제안하고있는공유지역특징을이용한다시점객체검출방법에따르면, 정지영상에서다양한관점을가지는객체에대해지역적 OCS-LBP 특징추출과공유지역기반의랜덤포레스트분류기를사용하여학습및 분류함으로써, 영상내의다양한관점을가지는다시점의객체에대해서빠르고정확한검출이가능하도록할 수있다. 또한, 본발명에따르면, OCS-LBP 특징추출을사용함으로써, 방향정보를포함하는적은특징차원수에도불구하고매우빠른성능을나타낼수 있도록하며, 랜덤포레스트분류기를사용하여생성된모든영역을객체분류에사용하지않고최적의공유지역특징을사용하여학습및 분류함으로써, 적은트레이닝데이터를사용하고도다양한관점을가지는객체에대해빠른학습속도및 검출속도를가질수 있도록할 수있다. 뿐만아니라, 본발명에따르면, 공유되는지역특징을사용하여부분가림을가진복잡한배경(백그라운드)에서도다시점객체의검출이가능하며, 특히공유된지역특징을각 클래스에대해독립적이기보다공동으로공유하여선택할수 있도록함으로써, 분류기의수를줄여최소화하고, 계산의복잡성을줄여줄수 있도록할 수있다.
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.032 seconds)
