-
公开(公告)号：KR101713189B1
公开(公告)日：2017-03-08
申请号：KR1020150055044
申请日：2015-04-20
Applicant: 전남대학교산학협력단
IPC: G06K9/00 , H04N21/234
Abstract: 본발명은비디오로부터객체행동분류를위한특징정보를추출하는방법에관한것으로서, 처리대상비디오의영상프레임들에대해선정된키포인트에대해그레디언트벡터와광학옵티컬플로우벡터를산출하는단계와, 그레디언트벡터와옵티컬플로우벡터에대한텐서곱을구하는단계와, 텐서곱의차원을낮추도록텐서곱에대한텐서다이버전스를산출하고, 산출된텐서다이버전스를움직임분류용특징벡터로결정하는단계를포함한다. 이러한비디오객체행동분류를위한특징정보추출방법및 특징추출기에의하면, HOG 및 HOF의특징을하나의특징으로융합하여공간과시간상의변화를반영할수 있으면서특징벡터의차원을증가시키지않음으로써, 인식기인분류기의계산량을증가시키지않으면서도비디오내행동분류의성능을향상시킬수 있는장점을제공한다.
-
Patent Agency Ranking
公开(公告)号：KR101754401B1
公开(公告)日：2017-07-06
申请号：KR1020160045709
申请日：2016-04-14
Applicant: 전남대학교산학협력단
IPC: G06T3/00
CPC classification number: G06T3/0031 , G06T3/0012 , G06T3/0062
Abstract: 본발명은민감도를고려한다차원특징의 n차구기반앵귤라보우팅방법에관한것으로서, 입력영상으로부터추출된 3차원이상의 n차원특징벡터()를극좌표형식의 n차구(n-spehere) 기반구형공간좌표(로변환하는단계와, 구형공간좌표의입력크기(r)를부공간각각의부입력크기(r)로분배하는단계와, 구형공간좌표의각 부공간의위상(θ)의입력에대한변화량을편미분하여민감도(S)를산출하는단계와, 민감도(S)와, 부공간의위상(θ) 및부공간에분배된부입력크기(r)를반영하여각 위상빈(bin)에대한보우팅값을분배하는단계를포함한다. 이러한민감도를고려한다차원특징의 n차구기반앵귤라보우팅방법에의하면, 적은데이터베이스에대해서도인식성능을확보할수 있는강인한특징벡터코딩을제공하며, HAD 또는 HAR에적용시그 인식및 탐지성능이향상될수 있다.
Abstract translation: 考虑到灵敏度N基风信子gyulra弓涉及一种浮动法，三维或更多n维特征矢量（）从所述输入图像中的极坐标的格式H chagu（正spehere）萃取基于chagu球形空间坐标中的多维特征的发明 （R）与每个子空间的子输入尺寸（r）进行比较，以及将输入量（r） 由弓tinggap每个相位仓（bin）中偏微分以反映阶段和，用于计算灵敏度的灵敏度（S），并且在相位（θ）mitbu在子空间（r）的空间中的负输入端的尺寸分布（S） 和分布的步骤，根据所述多维度特征的n个chagu基于风信子gyulra划船方法考虑这样的灵敏度，并且提供了坚固的特征向量的编码，可以为一个小的数据库甚至固定的识别性能，签名识别施加到HAD或HAR 并且可以改善检测性能。
-
公开(公告)号：KR1020160035765A
公开(公告)日：2016-04-01
申请号：KR1020140127470
申请日：2014-09-24
Applicant: 전남대학교산학협력단
CPC classification number: G06K9/00234 , G06K9/00255 , G06K9/4661 , G06K9/6217
Abstract: 본발명은부블록(sub - block) 기반특징을사용하는얼굴인식시스템(예, GMM, HMM 등)의강인한시스템을위하여시각관측신뢰도(VOC)를통합한인식시스템을제안하는것이다. 본발명에서는시각관측신뢰도의요소척도로써평탄도(flatness) 척도, 중심성(centrality) 척도, 그리고조명(illumination) 척도를제안하였다. 또한제안된각 관측신뢰도척도들은선형결합(linear combination) 을통해하나의 VOC로통합된다. 물리가중합을시행할때, 각신뢰도의기여도에따라가중값이결정된다. 평탄도척도는시스템의조명에강한성질을만들뿐만아니라, 변별력이적은블록들의영향을감소시킨다. 중심성척도는눈, 코, 입등 얼굴의중요한구성요소들의영향을유지하면서상대적으로얼굴인식에서기여도가적은머리카락그리고목, 배경블록등의영향을감소시킨다. 한편조명척도는각 블록들의평균밝기(Lu) 들의 intra - variance 함수로부터그림자그리고하이라이트된 영역을탐지하여인식기에미치는영향을감소시킨다. 본특허는얼굴인식문제에대해존재하는기존의방법들(조명에강한특징추출, 얼굴영상향상기법, 멀티모달인식)과는다른관점에서고안되었다. 각영상블록의인식문제에대한기여도를계산하여인식에반영한다는점에서신규성이있다.
Abstract translation: 公开了使用基于子块的特征的用于鲁棒面部识别系统（例如，GMM，HMM等）的视觉观察置信度（VOC）的识别系统。 建议采用平坦度测量，中心度量和照度测量方法，通过线性组合将VOC测量值与建议度量相结合，形成单一VOC。 当进行物理加权求和时，根据每个置信度的贡献因子确定权重值。 平坦度测量不仅创造了耐受照明的属性，而且减少了较不区别块的影响。 中心性措施保持眼睛，鼻子，嘴巴等重要组成部分的影响，同时减少对脸部识别不太有用的头发，颈部和背景块的影响。 通过从每个块的平均亮度（Lu）的方差函数中检测阴影和突出显示区域，照度测量可以减小对识别器的影响。 从与现有方法不同的观点提供本发明，例如，抵抗照明的特征提取，面部图像增强技术和多模态识别，并且其新颖性在于，贡献因子被计算并应用于识别 的每个图像块。
-
公开(公告)号：KR101527962B1
公开(公告)日：2015-06-11
申请号：KR1020140036204
申请日：2014-03-27
Applicant: 전남대학교산학협력단
IPC: G06T7/20
CPC classification number: G06T7/20
Abstract: 본발명은비디오영상으로부터움직임객체를추출하는방법에관한것으로서, 입력되는영상프레임에대해에지검출기에의해영상프레임의에지를검출하는단계와, 영상프레임에대해검출된에지에대해서설정된가중치를가산하여보정영상을생성하는단계와, 획득된보정영상프레임개수가설정된목표프레임개수에도달하면해당보정영상프레임들에대해 RPCA기반으로 1차움직임객체를추출하는단계와, 1차움직임객체에대해고주파잡음을제거하기위해가우시안필터링을수행하는단계와, 필터링을통해얻어진데이터중 윤곽선영역내의빈영역을윤곽선에대응되는값으로채워 2차움직임객체를생성하는단계를포함한다. 이러한비디오영상의움직임객체추출방법에의하면, 10프레임내외의적은영상프레임에대해서도움직임객체를양호하게검출할수 있어움직임객체추출을위한처리속도가향상되는장점을제공한다.
Abstract translation: 本发明涉及一种从视频图像提取运动对象的方法，包括以下步骤：通过边缘检测器检测输入的图像帧的图像帧的边缘; 通过将预定加权值添加到所检测到的图像帧的边缘来产生校正图像; 当所获得的校正图像帧的数量达到预定帧数时，针对相应的校正图像帧提取基于RPCA的第一运动对象; 执行高斯滤波以去除第一运动对象的高频噪声; 以及通过在通过所述滤波获得的数据中填充对应于轮廓的值的轮廓区域中填充空区域来生成第二运动对象。 根据本发明，即使对于具有大约十帧的少量的图像帧，该方法也可以令人满意地检测运动对象，从而提高了运动对象的提取处理速度。
-
公开(公告)号：KR1020160124948A
公开(公告)日：2016-10-31
申请号：KR1020150055044
申请日：2015-04-20
Applicant: 전남대학교산학협력단
IPC: G06K9/00 , H04N21/234
Abstract: 본발명은비디오로부터객체행동분류를위한특징정보를추출하는방법에관한것으로서, 처리대상비디오의영상프레임들에대해선정된키포인트에대해그레디언트벡터와광학옵티컬플로우벡터를산출하는단계와, 그레디언트벡터와옵티컬플로우벡터에대한텐서곱을구하는단계와, 텐서곱의차원을낮추도록텐서곱에대한텐서다이버전스를산출하고, 산출된텐서다이버전스를움직임분류용특징벡터로결정하는단계를포함한다. 이러한비디오객체행동분류를위한특징정보추출방법및 특징추출기에의하면, HOG 및 HOF의특징을하나의특징으로융합하여공간과시간상의변화를반영할수 있으면서특징벡터의차원을증가시키지않음으로써, 인식기인분류기의계산량을증가시키지않으면서도비디오내행동분류의성능을향상시킬수 있는장점을제공한다.
-
公开(公告)号：KR101524848B1
公开(公告)日：2015-06-02
申请号：KR1020140043243
申请日：2014-04-10
Applicant: 전남대학교산학협력단
Abstract: 본발명은오디오유형판별장치에관한것으로서, 입력된인식대상오디오신호로부터특징벡터를추출하는특징벡터추출부와, 학습된오디오유형들에대한가우시안혼합모델정보가저장된 GMM-UBM모델제공부와, 특징벡터추출부에서추출된특징벡터를 GMM-UBM모델제공부에저장된가우시안혼합모델과적응시켜평균벡터를산출하는 GMM적응부와, GMM적응부에서출력되는평균벡터들로부터슈퍼벡터를생성하는 GMM슈벡터화부와, 적용할비선형커널함수를제공하는커널함수제공부와, 학습된오디오유형들에대한서포트벡터들이저장된 SVM모델제공부와, GMM슈퍼벡터화부에서생성된슈퍼벡터로부터오디오유형을판별하기위해커널함수제공부에서제공된커널함수와 SVM모델저장부에저장된서포트벡터모델및 GMM-UBM모델제공부에서제공하는가우시안혼합모델을이용하여최종거리값을산출하고, 산출된최종거리값의결과로부터오디오유형종류를판별하는유형판단부를구비한다. 이러한오디오유형판별장치에의하면, 인식율을높일수 있는비선형커널함수를적용함으로써오디오이벤트인식등 패턴인식기의성능을향상시킬수 있다.
Abstract translation: 本发明涉及一种音频类型确定装置，包括：特征向量提取单元，用于从输入并被识别的音频信号中提取特征向量; 一种GMM-UMB模型提供单元，其中存储有关所学习的音频类型的高斯混合模型信息; GMM适配单元，用于将从特征向量提取单元提取的特征向量适应于存储在GMM-UBM模型提供单元中的高斯混合模型，并计算平均向量; GMM超向量化单元，用于从GMM自适应单元输出的平均向量生成超向量; 用于提供要应用的非线性内核函数的内核功能提供单元; SVM模型提供单元，其中存储所学习的音频类型的支持向量; 以及类型确定单元，用于通过使用在内核功能提供单元中提供的核函数，存储在SVM模型存储单元中的支持向量模型以及GMM-UBM模型提供单元中提供的高斯混合模型来计算最终距离值 以便根据从GMM超向量化单元生成的超矢量确定音频类型，并根据所计算的最终距离值的结果确定音频类型。 根据音频类型确定装置，应用能够增加识别率的非线性内核功能，从而提高诸如音频事件识别等的图案识别器的性能。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
