2010-10-05
org.kosen.entty.User@67c035e2
고병철(niceko)
계명대학교 컴퓨터공학과의 컴퓨터비전 및 패턴인식랩은 컴퓨터비전의 여러 분야 중 특히 카메라를 이용한 화재감시 기술과 의료영상 분석 기술에 초점을 맞추고 연구를 진행해오고 있음.
We are researching a new vision sensor-based fire detection method for an early-warning fire monitoring system. We currently released fourth version of different fire detection algorithms:
- First Version (2008): A temporal fire model with wavelet coefficients is created and applied to a two-class Support Vector Machines (SVM) classifier with a radial basis function (RBF) kernel. The SVM classifier is then used for the final fire-pixel verification (2008. Fire Safety Journal).
- Second Vesion (2010): Probabilistic models of the fire are generated based on the fact that fire pixel values in consecutive frames change constantly. These models are then applied to hierarchical Bayesian Networks for fire-flame verification (2010. Fire Safety Journal).
- Third Version (2010): After forming probability density functions for the intensity variation, wavelet energy, and motion orientation on a time axis, these probability density functions are changed into membership functions for fuzzy logic. Finally, the result function is made by defuzzification, and the probability value of a fire flame is estimated (2010, Optical Engineering).[Demo Video]Demo Video]
컴퓨터 비전 & 패턴 인식 실험실(Computer Vision and Pattern Recognition Laboratory)은 고병철 교수님의 지도하에 석사과정의 학생 4명과 학부 과정의 학생 4명으로 구성되어 있습니다. 석사과정의 학생들은 멀티미디어 데이터에 대해 특징 추출과 패턴을 분석하고 그것을 적용하여 화재 감지를 비롯한 세포 영상 분할과 분류 그리고 의료 영상 분류 및 검색 시스템에 초점을 두어 연구를 하고 있습니다. 이런 연구들을 통해 석사과정의 학생들은 국내외 많은 학회들에 참가하여 자신의 능력과 기량을 펼치고 있습니다. 또한, 학부 과정의 학생들은 기업체와 약품자동분류 및 사이즈측정을 위한 영상처리 시스템에 대한 협동 연구에 참여하고 있습니다.
전방향 카메라를 이용한 실시간 화재 감지 시스템을 제안합니다. 일반 CCD 카메라에서 발생할 수 있는 사각 문제를 해결하기 위해 한 대의 전방향 카메라로 초기 화재를 감지하고, 보다 정밀한 화재의 확인을 위해 팬-틸트 카메라로 화재 현장을 동영상으로 캡처한 후 무선네트워크를 이용하여 PDA와 같은 소형단말기로 전송하게 됩니다. 관측자는 경고가 울릴 때, 실시간으로 현재의 상황을 실제로 확인 할 수 있기 때문에 오보로 인한 비효율성을 줄일 수 있을 뿐만 아니라, 원하는 시간 때에 언제든지 원격지의 상황을 확인할 수 있기 때문에, 화재 감지 이외에 다양한 감시시스템분야에 응용될 수 있습니다.
실시간 연기 감지를 위해 CCD카메라로부터 획득된 영상들을 MxN의 블록으로 나누고, 프레임 간의 차영상을 이용하여 움직임 영역을 검출하고, 가우시안 혼합 색상모델을 이용하여 후보영역을 결정합니다. 본 기술에서는 연기영역의 이러한 특징들을 이용하여 학습영상으로부터 연기의 밝기, 웨이블릿, 모션 벡터 값을 추출하고 이들 특징 값들에 대해 가우시안 확률 모델을 생성합니다. 이렇게 추출된 확률모델은 연기영역의 시간적 연속성을 고려하기 위해 본 기술에서 새롭게 구성한 동적 베이지안 네트워크의 관찰노드에 적용됩니다. 각 후보블록들로부터 추출된 엔트로피, 웨이블릿 계수에 대한 확률 값이 추정 값 (Likelihood)으로 변환되어 관찰노드에 입력되고 각 관찰노드들은 자신의 부모노드로 맵핑됩니다. 최종적으로 최상위 노드의 사후 확률 값은 중간노드들의 확률 값을 결합한 결합 확률로 구해지며 이는 입력된 영상에서 연기가 발생된 확률 값을 나타내므로 이를 이용하여 최종 연기 발생 여부를 결정하게 됩니다.
백혈구 세포 영역은 염색물질에 의해 주변에 비해 두드러진 밝기, 색상, 질감 정보를 가짐으로 이를 기반으로 중요도 맵(Saliency Map)을 만들고 이를 통해 세포 영상에서 두드러진 영역을 찾아 sub-image를 분리합니다. 분리한 sub-image에서 Mean-shift를 수행하고, 이를 통해 얻은 결과 이미지에서 영역 클러스터간의 병합을 수행 하고 최종적으로 병합된 클러스터를 백혈구 핵이라고 판단합니다. 제안된 방법은 혈액 세포 영상에서 백혈구의 핵을 정확하고 효과적으로 검출하여 인간이 판단한 영역과 유사한, 우수한 성능을 보여주고 있습니다.
의료 영상을 분류하고 검색하기 위해서 먼저, 색 구조 기술자(CSD)로 특징을 추출하고, 경계선 히스토그램 기술자(EHD)는 영상 전체와 지역 부분에서 추출합니다. 추출된 특징 벡터는 멀티클래스 SVM에 적용되어 각 영상을 위한 멤버십 스코어를 얻습니다. 이후, H-CSD와 EHD에 대한 SVM의 멤버십 스코어를 앙상블 결합하여 하나의 특징 벡터로 생성하고, 검색 정확도를 개선하고 검색시간을 감소시키기 위하여 새로운 유사성 측정 방법인 Correlated Categories Vector (CCV)를 제안합니다. 유사성 측정은 일치하는 CCV 차원에서 ‘1’의 값을 가지는 차원들에서만 실행됩니다. 마지막으로 K-nearest Neighborhood 방법을 이용하여 상위-K 개의 영상을 검색을 하도록 하는 시스템입니다.
Local Binary Patterns (LBP)을 이용하여 픽셀간의 연관성을 특징으로 추출하고, 실시간 학습 및 분류가 가능한 Random Forests 분류기로 영상들을 30개의 클래스로 분류합니다. 또한, 미리 정의된 신체 부위간의 관계 가중치를 분류 스코어에 결합하여 신뢰값을 생성하고 이를 기반으로 영상에 대해 다중 주석을 부여하게 됩니다. 이렇게 부여된 다중 주석은 키워드 기반의 의료영상을 가능케 함으로 보다 쉽고 효율적인 검색 환경을 제공할 수 있습니다.
연구실의 구성원들은 각자가 맡은 연구 과제를 책임감 있게 열심히 해내고 있습니다. 일주일에 한 번씩 랩 세미나를 통해 자신이 연구하고 있는 과제의 진행상황 등에 대해 설명을 하고, 서로 정보를 공유하며, 교수님과 다른 구성원들에게 피드백을 받습니다. 또한, 석사 과정의 학생들은 일주일에 한 명씩 돌아가며 자신의 연구 분야에 관한 논문들을 읽고 발표하는 시간을 가짐으로써 다양한 지식과 정보를 얻고 있습니다. 그리고 연구 과제에 대한 성과를 통해 매년 각종 국내외 학회에 참석하면서 활발한 연구 활동을 하고 있습니다.
또한 매년 여름과 겨울 MT를 통해 교수님뿐만 아니라 선배, 후배들 사이의 친목과 단합을 도모하고 있고, 이러한 활동을 통해 좀 더 활기찬 연구를 진행하고 있습니다. 그리고 그 이외에도 졸업생 선배들의 끊임없는 관심으로 재학생들과의 친목의 자리를 자주 마련하여 졸업생들의 지침과 노하우, 사회적 활동에 대해서도 귀 기울일 수 있는 좋은 기회를 얻고 있습니다. 또한 연구에 직접적으로는 참여하고 있지 않지만 석사과정 학생들에게 든든한 도움이 되고 있는 학부생들은 연구실에서 자기개발을 하고, 선배들의 연구를 도움으로 실력을 쌓아가고 있습니다. 학부생들은 연구실 분위기 메이커의 역할도 하고 있어서 항상 즐거운 분위기와 화기애애한 분위기를 만들고 있습니다. 선후배간의 마음에서 우러나는 존경과 아낌으로 밝은 연구실로 운영되고 있습니다. 연구실 생활을 하면서 전공에 흥미를 느껴 석사과정으로 진학한 학생들이 많고, 다양한 경험을 할 수 있다는 점에서 학부생들에게 좋은 평가를 받고 있습니다.
컴퓨터 비전 & 패턴 인식 실험실(Computer Vision and Pattern Recognition Laboratory)의 모든 연구원들은 자신의 연구 분야에서 좋은 성과를 내고, 최고가 되기 위해 항상 열심히 노력을 하며 연구를 하고 있습니다. 연구원들의 이런 좋은 성과를 위해 버팀목이 되어주시고, 항상 옆에서 든든하게 지원을 해주시며, 가르침을 주시는 고병철 교수님에게 감사의 인사드립니다. 마지막으로 연구실 소개를 하게 해주신 KOSEN 관계자 여러분들과 관심을 가지고 끝까지 읽어 주신 KOSEN 회원분들께 감사의 말씀 드립니다.
주소 : 대구광역시 달서구 달구벌대로 2800 계명대학교 성서캠퍼스 공학관 1211호
컴퓨터 비전 및 패턴인식 실험실
연락처 : 053) 585-8669
홈페이지 : http://cvpr.kmu.ac.kr
컴퓨터 비전 & 패턴 인식 실험실(Computer Vision and Pattern Recognition Laboratory)은 고병철 교수님의 지도하에 석사과정의 학생 4명과 학부 과정의 학생 4명으로 구성되어 있습니다. 석사과정의 학생들은 멀티미디어 데이터에 대해 특징 추출과 패턴을 분석하고 그것을 적용하여 화재 감지를 비롯한 세포 영상 분할과 분류 그리고 의료 영상 분류 및 검색 시스템에 초점을 두어 연구를 하고 있습니다. 이런 연구들을 통해 석사과정의 학생들은 국내외 많은 학회들에 참가하여 자신의 능력과 기량을 펼치고 있습니다. 또한, 학부 과정의 학생들은 기업체와 약품자동분류 및 사이즈측정을 위한 영상처리 시스템에 대한 협동 연구에 참여하고 있습니다.
전방향 카메라를 이용한 실시간 화재 감지 시스템을 제안합니다. 일반 CCD 카메라에서 발생할 수 있는 사각 문제를 해결하기 위해 한 대의 전방향 카메라로 초기 화재를 감지하고, 보다 정밀한 화재의 확인을 위해 팬-틸트 카메라로 화재 현장을 동영상으로 캡처한 후 무선네트워크를 이용하여 PDA와 같은 소형단말기로 전송하게 됩니다. 관측자는 경고가 울릴 때, 실시간으로 현재의 상황을 실제로 확인 할 수 있기 때문에 오보로 인한 비효율성을 줄일 수 있을 뿐만 아니라, 원하는 시간 때에 언제든지 원격지의 상황을 확인할 수 있기 때문에, 화재 감지 이외에 다양한 감시시스템분야에 응용될 수 있습니다.
실시간 연기 감지를 위해 CCD카메라로부터 획득된 영상들을 MxN의 블록으로 나누고, 프레임 간의 차영상을 이용하여 움직임 영역을 검출하고, 가우시안 혼합 색상모델을 이용하여 후보영역을 결정합니다. 본 기술에서는 연기영역의 이러한 특징들을 이용하여 학습영상으로부터 연기의 밝기, 웨이블릿, 모션 벡터 값을 추출하고 이들 특징 값들에 대해 가우시안 확률 모델을 생성합니다. 이렇게 추출된 확률모델은 연기영역의 시간적 연속성을 고려하기 위해 본 기술에서 새롭게 구성한 동적 베이지안 네트워크의 관찰노드에 적용됩니다. 각 후보블록들로부터 추출된 엔트로피, 웨이블릿 계수에 대한 확률 값이 추정 값 (Likelihood)으로 변환되어 관찰노드에 입력되고 각 관찰노드들은 자신의 부모노드로 맵핑됩니다. 최종적으로 최상위 노드의 사후 확률 값은 중간노드들의 확률 값을 결합한 결합 확률로 구해지며 이는 입력된 영상에서 연기가 발생된 확률 값을 나타내므로 이를 이용하여 최종 연기 발생 여부를 결정하게 됩니다.
백혈구 세포 영역은 염색물질에 의해 주변에 비해 두드러진 밝기, 색상, 질감 정보를 가짐으로 이를 기반으로 중요도 맵(Saliency Map)을 만들고 이를 통해 세포 영상에서 두드러진 영역을 찾아 sub-image를 분리합니다. 분리한 sub-image에서 Mean-shift를 수행하고, 이를 통해 얻은 결과 이미지에서 영역 클러스터간의 병합을 수행 하고 최종적으로 병합된 클러스터를 백혈구 핵이라고 판단합니다. 제안된 방법은 혈액 세포 영상에서 백혈구의 핵을 정확하고 효과적으로 검출하여 인간이 판단한 영역과 유사한, 우수한 성능을 보여주고 있습니다.
의료 영상을 분류하고 검색하기 위해서 먼저, 색 구조 기술자(CSD)로 특징을 추출하고, 경계선 히스토그램 기술자(EHD)는 영상 전체와 지역 부분에서 추출합니다. 추출된 특징 벡터는 멀티클래스 SVM에 적용되어 각 영상을 위한 멤버십 스코어를 얻습니다. 이후, H-CSD와 EHD에 대한 SVM의 멤버십 스코어를 앙상블 결합하여 하나의 특징 벡터로 생성하고, 검색 정확도를 개선하고 검색시간을 감소시키기 위하여 새로운 유사성 측정 방법인 Correlated Categories Vector (CCV)를 제안합니다. 유사성 측정은 일치하는 CCV 차원에서 ‘1’의 값을 가지는 차원들에서만 실행됩니다. 마지막으로 K-nearest Neighborhood 방법을 이용하여 상위-K 개의 영상을 검색을 하도록 하는 시스템입니다.
Local Binary Patterns (LBP)을 이용하여 픽셀간의 연관성을 특징으로 추출하고, 실시간 학습 및 분류가 가능한 Random Forests 분류기로 영상들을 30개의 클래스로 분류합니다. 또한, 미리 정의된 신체 부위간의 관계 가중치를 분류 스코어에 결합하여 신뢰값을 생성하고 이를 기반으로 영상에 대해 다중 주석을 부여하게 됩니다. 이렇게 부여된 다중 주석은 키워드 기반의 의료영상을 가능케 함으로 보다 쉽고 효율적인 검색 환경을 제공할 수 있습니다.
연구실의 구성원들은 각자가 맡은 연구 과제를 책임감 있게 열심히 해내고 있습니다. 일주일에 한 번씩 랩 세미나를 통해 자신이 연구하고 있는 과제의 진행상황 등에 대해 설명을 하고, 서로 정보를 공유하며, 교수님과 다른 구성원들에게 피드백을 받습니다. 또한, 석사 과정의 학생들은 일주일에 한 명씩 돌아가며 자신의 연구 분야에 관한 논문들을 읽고 발표하는 시간을 가짐으로써 다양한 지식과 정보를 얻고 있습니다. 그리고 연구 과제에 대한 성과를 통해 매년 각종 국내외 학회에 참석하면서 활발한 연구 활동을 하고 있습니다.
또한 매년 여름과 겨울 MT를 통해 교수님뿐만 아니라 선배, 후배들 사이의 친목과 단합을 도모하고 있고, 이러한 활동을 통해 좀 더 활기찬 연구를 진행하고 있습니다. 그리고 그 이외에도 졸업생 선배들의 끊임없는 관심으로 재학생들과의 친목의 자리를 자주 마련하여 졸업생들의 지침과 노하우, 사회적 활동에 대해서도 귀 기울일 수 있는 좋은 기회를 얻고 있습니다. 또한 연구에 직접적으로는 참여하고 있지 않지만 석사과정 학생들에게 든든한 도움이 되고 있는 학부생들은 연구실에서 자기개발을 하고, 선배들의 연구를 도움으로 실력을 쌓아가고 있습니다. 학부생들은 연구실 분위기 메이커의 역할도 하고 있어서 항상 즐거운 분위기와 화기애애한 분위기를 만들고 있습니다. 선후배간의 마음에서 우러나는 존경과 아낌으로 밝은 연구실로 운영되고 있습니다. 연구실 생활을 하면서 전공에 흥미를 느껴 석사과정으로 진학한 학생들이 많고, 다양한 경험을 할 수 있다는 점에서 학부생들에게 좋은 평가를 받고 있습니다.
컴퓨터 비전 & 패턴 인식 실험실(Computer Vision and Pattern Recognition Laboratory)의 모든 연구원들은 자신의 연구 분야에서 좋은 성과를 내고, 최고가 되기 위해 항상 열심히 노력을 하며 연구를 하고 있습니다. 연구원들의 이런 좋은 성과를 위해 버팀목이 되어주시고, 항상 옆에서 든든하게 지원을 해주시며, 가르침을 주시는 고병철 교수님에게 감사의 인사드립니다. 마지막으로 연구실 소개를 하게 해주신 KOSEN 관계자 여러분들과 관심을 가지고 끝까지 읽어 주신 KOSEN 회원분들께 감사의 말씀 드립니다.
주소 : 대구광역시 달서구 달구벌대로 2800 계명대학교 성서캠퍼스 공학관 1211호
컴퓨터 비전 및 패턴인식 실험실
연락처 : 053) 585-8669
홈페이지 : http://cvpr.kmu.ac.kr
