-
公开(公告)号：KR102238271B1
公开(公告)日：2021-04-09
申请号：KR1020190074864A
申请日：2019-06-24
Applicant: 계명대학교 산학협력단
IPC: G06N20/20
CPC classification number: G06N20/20
Abstract: 본 발명은 저사양 실시간 동작을 위한 경량 다층 랜덤 포레스트 분류기에 관한 것으로서, 보다 구체적으로는 경량 다층 랜덤 포레스트(Lightweight multilayer random forest; LMRF) 분류기로서, 각 계층(layer)이 랜덤 포레스트(Random forest; RF)로 구성된 다층 구조(layer-by-layer structure)의 비-신경망 타입의 심층 모델이며, 각 계층이 미리 정해진 개수 이하의 트리로 구성된 것을 그 구성상의 특징으로 한다.
또한, 본 발명은 저사양 실시간 동작을 위한 경량 다층 랜덤 포레스트 분류기를 이용한 분류 방법에 관한 것으로서, 보다 구체적으로는 경량 다층 랜덤 포레스트(Lightweight multilayer random forest; LMRF) 분류기를 이용한 분류 방법으로서, (A) 각 계층(layer)이 랜덤 포레스트(Random forest; RF)로 구성된 다층 구조(layer-by-layer structure)의 비-신경망 타입의 심층 모델이며, 각 계층이 미리 정해진 개수 이하의 트리로 구성된 LMRF 분류기를 생성하는 단계; 및 (B) 상기 생성된 LMRF 분류기를 이용해 분류를 하는 단계를 포함하는 것을 그 구성상의 특징으로 한다.
본 발명에서 제안하고 있는 저사양 실시간 동작을 위한 경량 다층 랜덤 포레스트 분류기 및 이를 이용한 분류 방법에 따르면, 각 계층(layer)이 랜덤 포레스트(Random forest; RF)로 구성된 다층 구조(layer-by-layer structure)의 비-신경망 타입의 심층 모델을 구성하고, 각 계층을 미리 정해진 개수 이하의 트리로 구성함으로써, 기존의 DNN 모델에 비하여 적은 수의 하이퍼 파라미터로도 DNN과 비슷한 성능을 제공하며, 동일한 조건에서 사용 시 처리 시간이 DNN보다 더 빠르므로, 실시간 처리를 위한 분야에 적용할 수 있다.-
公开(公告)号：WO2021002556A1
公开(公告)日：2021-01-07
申请号：PCT/KR2020/001827
申请日：2020-02-10
Applicant: 계명대학교 산학협력단
Abstract: 본 발명에서 제안하고 있는 저사양 환경 시스템을 위한 실시간 동공 위치 검출 방법 및 장치에 따르면, 빠른 동공 검출을 위해 입력된 눈 영상에서 고속 반경 대칭 변환(FRST, Fast radial symmetry transform)을 적용하여 좌우 눈에 대한 동공 후보 영역을 추정하고, 동공 후보 영역 중에는 영상에서의 반사광이나 속눈썹 등의 노이즈에 의해 잘못된 영역을 포함하므로 이러한 영역을 효과적으로 배제시키고 최적의 동공 위치를 추정하기 위해서, 좌우 동공에 대한 시공간적 유사도를 추출하고, 이를 이용하여 최적의 양안 동공 위치를 결정함으로써, 고속처리를 위해 딥러닝 등의 알고리즘을 배제하고 최적화된 영상처리 알고리즘만을 이용하여 다양한 동공의 위치, 조명 밝기 변화, 부분적인 가려짐 및 안경을 착용한 대상에 대해서도 정확하게 동공의 위치를 검출할 수 있다.
-
公开(公告)号：WO2021206363A1
公开(公告)日：2021-10-14
申请号：PCT/KR2021/004031
申请日：2021-03-31
Applicant: 계명대학교 산학협력단
Abstract: 본 발명에서 제안하고 있는 캐스케이드 회귀 포레스트의 단순화를 기반으로 한 에너지 효율적인 눈동자 추적 방법 및 장치에 따르면, 복수의 회귀 포레스트를 사용해 캐스케이드 방식의 멀티 레이어로 구성되며 coarse-to-fine 방식으로 눈동자 위치에 대해 학습된 초기 CCD-RF(a cascade coarse-to-fine regression forest)에, 특징 중요도 기반의 규칙 기여도에 따른 규칙 증류(rule distillation)를 적용해 경량화된 CCD-RF를 생성하며, 경량화된 CCD-RF를 이용해 이미지로부터 눈동자 위치를 예측함으로써, 불필요한 규칙 제거를 통해 강력한 성능을 유지하면서도 매개변수의 개수와 연산량을 줄이고 에너지 소모를 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：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.
-
Patent Agency Ranking
-
公开(公告)号：KR1020100116404A
公开(公告)日：2010-11-01
申请号：KR1020090035088
申请日：2009-04-22
Applicant: 계명대학교 산학협력단
CPC classification number: G06K9/00147 , G06T5/20 , G06T7/11 , G06T7/149 , G06T7/33 , G06T2207/20116
Abstract: PURPOSE: A method and a device for classifying an independent cell and a group cell from image information are provided to classify cell areas into an independent cell area and a group cell area, thereby increasing reliability for cell diagnosis. CONSTITUTION: Image information is inputted and divided into a plurality of sub areas(204). Each sub area is binarized using a threshold value which is adaptively set according to distribution of cell image information for each sub area so that image information is divided into cell areas and a background area(206). The first feature vector showing a round degree of a cell shape for each cell area, the second feature vector showing a fixed distance from the center of a cell to an edge, and the third feature vector showing a shape of a cell are obtained.
Abstract translation: 目的：提供一种从图像信息中分离独立单元和组单元的方法和设备，用于将单元区分成独立的单元区域和组单元区域，从而增加了单元诊断的可靠性。 构成：图像信息被输入并分成多个子区域（204）。 使用根据每个子区域的小区图像信息的分布自适应地设置的阈值来对每个子区域进行二值化，使得图像信息被划分为小区区域和背景区域（206）。 显示每个单元格区域的单元形状的圆度的第一特征向量，示出从单元格的中心到边缘的固定距离的第二特征向量和表示单元格形状的第三特征向量。
-
-
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.
-
公开(公告)号：KR102238271B1
公开(公告)日：2021-04-09
申请号：KR1020190074864
申请日：2019-06-24
Applicant: 계명대학교 산학협력단
IPC: G06N20/20
Abstract: 본발명은저사양실시간동작을위한경량다층랜덤포레스트분류기에관한것으로서, 보다구체적으로는경량다층랜덤포레스트(Lightweight multilayer random forest; LMRF) 분류기로서, 각계층(layer)이랜덤포레스트(Random forest; RF)로구성된다층구조(layer-by-layer structure)의비-신경망타입의심층모델이며, 각계층이미리정해진개수이하의트리로구성된것을그 구성상의특징으로한다. 또한, 본발명은저사양실시간동작을위한경량다층랜덤포레스트분류기를이용한분류방법에관한것으로서, 보다구체적으로는경량다층랜덤포레스트(Lightweight multilayer random forest; LMRF) 분류기를이용한분류방법으로서, (A) 각계층(layer)이랜덤포레스트(Random forest; RF)로구성된다층구조(layer-by-layer structure)의비-신경망타입의심층모델이며, 각계층이미리정해진개수이하의트리로구성된 LMRF 분류기를생성하는단계; 및 (B) 상기생성된 LMRF 분류기를이용해분류를하는단계를포함하는것을그 구성상의특징으로한다. 본발명에서제안하고있는저사양실시간동작을위한경량다층랜덤포레스트분류기및 이를이용한분류방법에따르면, 각계층(layer)이랜덤포레스트(Random forest; RF)로구성된다층구조(layer-by-layer structure)의비-신경망타입의심층모델을구성하고, 각계층을미리정해진개수이하의트리로구성함으로써, 기존의 DNN 모델에비하여적은수의하이퍼파라미터로도 DNN과비슷한성능을제공하며, 동일한조건에서사용시 처리시간이 DNN보다더 빠르므로, 실시간처리를위한분야에적용할수 있다.
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.021 seconds)
