분류 전체보기 (43) 썸네일형 리스트형 다양한 종류의 LBP(Local Binary Pattern) 알고리즘 테스트 결과 2002년도에 Ojala에 의해서 제안된 LBP(Local Binary Pattern)는 조명 변화에 강건하다는 장점이 있지만, 잡음에 약하며 히스토그램 Bin의 크기가 256개인 만큼 특징의 차원수가 높아진다는 단점이 있다. 이를 개선하고자 다양한 변종의 LBP 알고리즘들이 연구되었다. 차원의 수를 줄이고, 조명 변화에 대한 강건함과 잡음에 대한 강건함을 동시에 만족하며, 스케일에 불변하기 위한 노력들을 위한 많은 알고리즘들이 탄생하였다. 아래는 그 중 몇몇의 결과와 관련 논문들을 보여준다. 결과 영상 참고 문헌 1. A Generalized Local Binary Pattern Operator for Multiresolution Gray Scale and Rotation Invariant Textur.. [Robot Vision Application] Blind Detection System 강아지 로봇 주행 시 가려짐 회피를 위해 만들었던 가려짐 검출 시스템 결과 영상(동영상 링크: blog.naver.com/neverabandon/100101963795) [CV based AR Application] Nature Feature Tracking 기반 AR Markerless 기반 AR을 이용한 PC Application 결과 영상(동영상 링크: blog.naver.com/neverabandon/100117389387) [Natural Feature Tracking] Random Ferns + Template-based Tracking "Random Ferns + Template-based Tracking" 의 조합으로 Object Recogntion을 해봤다. Classfication 기반 Object Recognition이 Descriptor 기반 Object Recognition과 비교하여 충분히 견줄 수 있다는 것을 확인하였다. 결과 영상(동영상 링크: blog.naver.com/neverabandon/100119693233) [Natural Feature Tracking] contrast 및 brightness의 변화에도 강건한 객체 인식 실시간으로 카메라에서 들어오는 영상 내 물체를 인식 할 때 가장 문제가 되는 것이 다양한 외부 조건들에 의해서 발생하는 contrast 및 brightness의 변화라고 생각을 한다. 이를 보상하기 위해서 몇가지 전처리 알고리즘을 테스트 하고 가장 좋은 알고리즘을 선정하여 적용해봤다. 생각보다 만족스럽다. 아래 동영상에서 보듯이 contrast가 상당히 낮고, brightness가 상당히 높은 상황에서도 비교적 인식이 잘 되는 것을 보여준다. 결과 영상(동영상 링크: blog.naver.com/neverabandon/100117049590) [Natural Feature Tracking] Random Ferns를 이용한 다중 객체 인식 기존의 "Image Retrieval"를 위해서 "Randomized Forest"를 사용하는 논문의 아이디어와 Classfication 기반으로 하나의 물체 인식을 하기 위해서 Randoized Ferns를 사용하는 논문의 아이디어를 결합해서 동시에 여러개의 물체를 인식하는 방법을 고안해봤다. 결과 1(동영상 링크: blog.naver.com/neverabandon/100122290066) 결과 2(동영상 링크: blog.naver.com/neverabandon/100122290066) 다양한 이진화 알고리즘들의 테스트 결과 참고문헌 1. 파라미터 기반 Local Adaptive Thresholding 기법들 [1]. Bernsen J. (1986) "Dynamic Thresholding of Grey-Level Images" Proc. of the 8th Int. Conf. on Pattern Recognition, pp. 1251-1255 [2]. Niblack W. (1986) "An introduction to Digital Image Processing" Prentice-Hall [3]. Sauvola J. and Pietaksinen M. (2000) "Adaptive Document Image Binarization" Pattern Recognition, 33(2): 225-236 [4]. Savakis A.E... [ADAS] 주간 및 야간 장면 구분 결과 ADAS 알고리즘 개발 시 장면 이해를 통해 각 장면에 대해 최적의 알고리즘을 적용하는 것은 좋은 접근법이라고 생각한다. 아래는 상용화에 성공한 결과들이다. 주간 장면 인식 결과(동영상 링크: blog.naver.com/neverabandon/220818790834) 야간 장면 인식 결과(동영상 링크: blog.naver.com/neverabandon/220818790834) 이전 1 2 3 4 5 6 다음
