-
公开(公告)号：WO2016122042A1
公开(公告)日：2016-08-04
申请号：PCT/KR2015/001400
申请日：2015-02-12
Applicant: 계명대학교 산학협력단
Abstract: 본 발명에서 제안하고 있는 인공위성 영상과 랜덤포레스트 분류기 결합을 이용한 자동 하천 검출 시스템 및 방법에 따르면, 위성 영상의 다중 스펙트럴 이미지로부터 TOA(Top Of Atmosphere) 반사도 및 WI(Water Index)를 특징벡터로 추출하고, 휴리스틱 임계값이나 자율 학습 방법 대신 TOA 반사도 및 WI를 이용해 복수의 타입의 랜덤포레스트 분류기를 학습하며, 학습된 분류기를 이용해 테스트 영상으로부터 하천 영역을 검출함으로써, 보다 정확하게 자동으로 하천을 분류할 수 있다.
Abstract translation: 根据本发明提出的利用卫星图像和随机森林分类器组合的自动河流检测系统和方法，TOA（Top Of Atmosphere）反射率和WI 提取水指数）作为特征向量，并且通过使用启发式阈值或自学习方法，代替TOA反射率和WI，通过使用经训练的分类从测试图像中检测河流区域学习多种类型的随机森林分类，更 您可以自动准确地对河流进行分类。
-
公开(公告)号：WO2020085653A1
公开(公告)日：2020-04-30
申请号：PCT/KR2019/012101
申请日：2019-09-18
Applicant: 계명대학교 산학협력단
Abstract: 본 발명에서 제안하고 있는, 교사-학생 랜덤 펀을 이용한 다수의 보행자 추적 방법 및 시스템에 따르면, 심층 네트워크의 한 종류인 tiny YOLO를 사용하여 보행자의 특징값을 추출하고, 추출된 특징값을 이용하여 랜덤 펀(Random Ferns)을 학습함으로써, 실시간 학습이 가능하여 보행자의 형태변화, 크기변화로 인한 오-추적을 최소화할 수 있다.
-
公开(公告)号：WO2016088960A1
公开(公告)日：2016-06-09
申请号：PCT/KR2015/006034
申请日：2015-06-15
Applicant: 계명대학교 산학협력단
Abstract: 본 발명에서 제안하고 있는 야간 환경에서의 운전자 보조 시스템을 위한 위험 보행자 검출 방법 및 시스템에 따르면, 스케일링 비율 및 보행자 탐색 영역을 설정하고 보행자 윈도우를 검출함으로써, 처리 시간을 단축하고 신속하게 보행자를 검출할 수 있으며, 차량의 진행 방향을 고려하여 기준선을 설정하고 위험 보행자를 판단함으로써, 보다 정확하게 보행자의 위험성을 결정할 수 있다.
Abstract translation: 根据本发明，提出了一种用于在夜间环境中检测由于行人的存在而导致的对于高级驾驶员辅助系统的危险的方法和系统，所述方法和系统设置了比例和行人发现 并且检测行人窗口，以便减少处理时间并快速检测行人，并且通过考虑车辆的行进方向来设置参考线并判断危险行人，从而更准确地确定出现的危险程度 到行人的存在。
-
公开(公告)号：KR102242112B1
公开(公告)日：2021-04-20
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.
-
-
Patent Agency Ranking
公开(公告)号：KR101958868B1
公开(公告)日：2019-07-02
申请号：KR1020170024371
申请日：2017-02-23
Applicant: 계명대학교 산학협력단
IPC: B60W30/095 , B60W40/02 , B60R21/34 , G08G1/16 , B60R21/00
-
公开(公告)号：KR101727309B1
公开(公告)日：2017-04-24
申请号：KR1020150131850
申请日：2015-09-17
Applicant: 계명대학교 산학협력단 , 이인텔리전스 주식회사
Abstract: 본발명은공간피라미드특징을이용한실시간속도제한표지판검출및 속도인식방법에관한것으로서, 보다구체적으로는 (1) 입력영상에서속도제한표지판후보영역을검출하는단계(S100); (2) 상기검출된후보영역이속도제한표지판에해당하는지여부를검증하는단계(S200); 및 (3) 상기검증된속도제한표지판의속도를인식하는단계(S300)를포함하는것을그 구성상의특징으로한다. 본발명에서제안하고있는공간피라미드특징을이용한실시간속도제한표지판검출및 속도인식방법과그에관한장치에따르면, 공간피라미드특징과 BoostRandomForest를속도제한표지판의검출및 검출된속도제한표지판의속도를인식하는데사용함으로써, 속도제한표지판을검출하고검출된속도제한표지판의속도를인식하는과정의속도를향상시켜준다. 또한, 본발명은, 실시간으로속도제한표지판을검출하고그에대한속도를빠르게인식함으로써, 운전자에게가장최신의교통정보를제공하여운전자의편의및 안전을증진시켜준다.
-
公开(公告)号：KR1020140052256A
公开(公告)日：2014-05-07
申请号：KR1020120118165
申请日：2012-10-24
Applicant: 계명대학교 산학협력단
IPC: G06T7/20
CPC classification number: G06T7/277 , G06K9/00771
Abstract: The present invention relates to a real-time object tracking method in a moving camera using a particle filter. The real-time object tracking method 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; determining a particle weight; estimating the state of the target object; and extracting particles to be used in a frame which is inputted next time again.
Abstract translation: 本发明涉及使用粒子滤波器的移动摄像机中的实时对象跟踪方法。 根据本发明的实时对象跟踪方法包括以下步骤：初始化目标模型; 产生具有随机分布的多个候选粒子; 产生观察模型; 确定颗粒重量; 估计目标物体的状态; 并提取要在下次再次输入的帧中使用的粒子。
-
公开(公告)号：KR101353952B1
公开(公告)日：2014-01-23
申请号：KR1020120110959
申请日：2012-10-05
Applicant: 계명대학교 산학협력단
CPC classification number: G06K9/6262 , G06K9/00335 , G06K9/00664
Abstract: The present invention relates to a method for detecting a forest fire using spatiotemporal bag-of-features (BoF) and a random forest and, more particularly, to a method for detecting a forest fire using spatiotemporal bag-of-features and a random forest comprising the steps of: (1) whenever a frame of a video sequence is inputted, detecting the difference between the input frame and a previous frame and, if the difference value exceeds a predetermined first threshold, setting the input frame to a key frame; (2) detecting a moving block from the set key frame; (3) extracting a candidate smoke block from the moving block using a smoke color model; (4) generating BoF from the detected candidate smoke block; and (5) performing learning by a random forest with respect to the generated BoF to determine whether the smoke of the candidate smoke block is real. The method proposed by the present invention can set the key frame from the video sequence, extract the candidate smoke block using the non-parametric smoke color model, extract HOG and HOF from the extracted candidate smoke block to generate BoF as spatiotemporal features from the HOG and the HOF, perform learning by the random forest with respect to the generated BoF, thereby enhancing the capability of detecting a forest fire in real time, reducing a false alarm, and accurately detecting smoke caused by the forest fire. [Reference numerals] (AA) Start; (BB) End; (S100) Divide frames forming a video sequence into a plurality of blocks, respectively; (S200) Whenever a frame of the video sequence is inputted, detect the difference between the input frame and a previous frame and, if the difference value exceeds a predetermined first threshold, set the input frame to a key frame; (S300) Detect a moving block from the set key frame; (S400) Extract a candidate smoke block from the moving block using a smoke color model; (S500) Generate bag-of features (BoF) from the detected candidate smoke block; (S600) Perform learning by a random forest with respect to the generated BoF to determine whether the smoke of the candidate smoke block is real
Abstract translation: 本发明涉及使用时空特征（BoF）和随机森林来检测森林火灾的方法，更具体地说，涉及使用时空特征包和随机森林来检测森林火灾的方法 包括以下步骤：（1）每当视频序列的帧被输入时，检测输入帧与先前帧之间的差异，如果差值超过预定的第一阈值，则将输入帧设置为关键帧; （2）从设定的关键帧检测移动块; （3）使用烟色模型从运动块提取候选烟雾块; （4）从检测到的候选烟块产生BoF; 和（5）通过随机森林对生成的BoF执行学习以确定候选烟雾块的烟雾是否是真实的。 本发明提出的方法可以从视频序列设置关键帧，使用非参数烟色模型提取候选烟雾块，从提取的候选烟雾块中提取HOG和HOF，从而生成BoF作为来自HOG的时空特征 和HOF相对于生成的BoF执行随机森林的学习，从而提高实时检测森林火灾的能力，减少误报，准确检测森林火灾造成的烟雾。 （附图标记）（AA）开始; （BB）结束; （S100）分别将形成视频序列的帧划分成多个块; （S200）每当视频序列的帧被输入时，检测输入帧与前一帧之间的差异，并且如果差值超过预定的第一阈值，则将输入帧设置为关键帧; （S300）从设定的关键帧检测移动块; （S400）使用烟色模型从移动块提取候选烟雾块; （S500）从检测到的候选烟雾块产生袋状特征（BoF）; （S600）通过随机森林对生成的BoF执行学习，以确定候选烟雾块的烟雾是否是真实的
-
公开(公告)号：KR1020130091422A
公开(公告)日：2013-08-19
申请号：KR1020120012680
申请日：2012-02-08
Applicant: 계명대학교 산학협력단 , (주)제이브이엠
IPC: G06T7/00
CPC classification number: G06T7/0008 , G06T5/002 , G06T9/20 , G06T2207/20008 , G06T2207/20192 , G06T2207/30004
Abstract: PURPOSE: A method for detecting pills inside a medicine box is provided to improve the performance and the speed for detecting pills inside the medicine box, thereby accurately certifying that a medicine is a compounded original medicine. CONSTITUTION: A method for detecting pills inside a medicine box is as follows. A pill image detection system photographs loaded medicines under the transparent bottom surface of the medicine box with a camera (S100). An image information extractor of the system translates the obtained images into binary code and removes edges of the images (S200). An image analysis unit of the system applies circular filters of different sizes to the binary code images in stages, thereby detecting images of the pills (S300). [Reference numerals] (AA) Start; (BB) Finish; (S100) Obtain images by photographing loaded medicines; (S200) Translate the obtained images into binary code and extract binary images by removing edges of the images; (S310) Generate a first image by applying a circular filter algorithm of a size of 40 X 40 to the binary images; (S320) Generate an exclusive image by XOR calculating the first image and the binary images; (S330) Generate a second image by applying a circular filter algorithm of a size of 12 X 12 to the exclusive image; (S340) Generate a third image by applying a circular filter algorithm of a size of 28 X 28 to the binary images; (S350) Detect images of pills by OR calculating the second and third images
Abstract translation: 目的：提供药盒内药丸检测方法，以提高药箱内药丸检测的性能和速度，从而准确地证明药物是复合原药。 构成：药盒内药丸检测方法如下。 药片图像检测系统使用相机拍摄药盒透明底面下的装载药物（S100）。 系统的图像信息提取器将获得的图像转换成二进制码并去除图像的边缘（S200）。 该系统的图像分析单元将不同尺寸的圆形滤波器分阶段地应用于二进制码图像，从而检测丸剂的图像（S300）。 （附图标记）（AA）开始; （BB）完成; （S100）通过拍摄装载的药物获取图像; （S200）将获取的图像转换为二进制码，并通过去除图像边缘来提取二进制图像; （S310）通过将大小为40×40的圆形滤波器算法应用于二进制图像来生成第一图像; （S320）通过XOR计算第一图像和二值图像来生成排他图像; （S330）通过将大小为12×12的圆形滤波器算法应用于专用图像来生成第二图像; （S340）通过对二进制图像应用尺寸为28×28的圆形滤波器算法来生成第三图像; （S350）通过或计算第二和第三图像检测丸剂的图像
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.024 seconds)
