지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 발행연도
- 2017
- 저작권
- 과학기술연합대학원대학교 논문은 저작권에 의해 보호받습니다.
이용수0
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 논문은 위에서 바라본 깊이 영상에서 사람을 검출하기 위한 알고리즘을 제시한다. 상부에서 바라볼 때 사람은 자세에 따라 모양이 많이 달라 보일 수 있기 때문에 다양한 자세와 무관하게 사람을 검출 할 수 있는 알고리즘이 필요하다. 우리 알고리즘은 검출창에서 선택한 3점으로 코사인 유사도를 계산하고, 이를 사람을 검출하기 위한 특징으로 이용한다. 에이다부스트로사람 검출을 위한 다수의 3점 위치들을 자동으로 선택하고, 그들을 조합해 최적화된 사람 분류기를 만들었다. 상부 시야 깊이 이미지에서의 사람 검출 분야는 아직 공개된 데이터세트가 없다. 따라서 우리는 상부 시야에서의 다양한 자세를 취하고 있는 다수의 사람 구분 데이터세트를 만들었다. 다양한 신체 크기를 고려해 실험 참가자들의 남녀 성비를 각각 12명 및 9명으로 맞췄으며 키는 155~185cm로 구성했다. 최종적으로 우리는 사람 데이터 2,128개, 사람이 아닌 데이터 23,320개를 제작했다. 이 데이터세트에서 우리가 제시한 알고리즘은 정밀도 97.6%, 재현율 98.3%의 높은 성능을 보였다. 기존 알고리즘들과 비교하면 정밀도 5~12% 재현율 11%가 높았다.
목차
I. 서론 １1. 사람 검출 문제 １2. 사람 검출 알고리즘 １3. 컬러 영상의 문제점 ３4. 깊이 영상에서의 사람 검출 ４5. 상부 시야 ５6. 연구목적과 의의 ５II. 관련 연구 ７1. 사람검출 연구 ７가. 컬러 영상에서의 사람 검출 연구 ７나. 깊이 영상에서 사람 검출 연구 ８2. 최적화 알고리즘 １２가. 에이다부스트 １２나. 주성분 분석 １５III. 제안하는 알고리즘 １６1. 초기 특징기술자 １６가. 라인 특징 기술자 １７나. 앵글 특징 기술자 ２１2. 특징 기술자 수정 및 특징 기술 위치 최적화 방법 ２３IV. 데이터세트 구축 ２９1. 데이터세트 구축의 필요성 ２９2. 시스템 구조 ２９3. 촬영 방법 ３１4. 데이터 구성 ３２V. 실험 ３６1. 실험 환경 ３６가. 분류기 ３６나. 10겹 교차 검증 ３７다. 정밀도와 재현율 ３７2. 라인?앵글 특징 기술자 성능 평가 ４１가. 실험구성 ４１나. 결과 및 고찰 ４２3. 샘플링 위치 개수에 따른 성능평가 ４５가. 실험 구성 ４５나. 결과 및 고찰 ４８4. 다른 알고리즘과의 성능 비교 ５２가. 실험구성 ５２나. 결과 및 고찰 ５２VI. 결론 ５５VII. 참고문헌 ５７
최근 본 자료
댓글(0)
0