히스토그램과 랜덤포레스트를 이용한 머리 방향 인식 :Head Pose Estimation by using Histogram and Random Forest

문성희

추천

검색

자료유형: 학위논문

저자정보: 문성희 (전남대학교, 전남대학교 대학원)

지도교수: 이칠우

발행연도: 2016

저작권: 전남대학교 논문은 저작권에 의해 보호받습니다.

이용수1

이 논문의 연구 히스토리 (2)

2016

누적 히스토그램과 랜덤 포레스트를 이용한 머리방향 추정

문성희 , 이칠우 스마트미디어저널 2016.03 학술저널

히스토그램과 랜덤포레스트를 이용한 머리 방향 인식

문성희 2016.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

본 논문에서는 에지 기반의 히스토그램 특징과 랜덤포레스트를 이용하여 머리 방향을 인식하는 방법을 제안한다. 학습 과정에서 사용한 학습 영상은 가로 방향으로 15도, 세로 방향으로 30도의 차이를 가지는 머리 영상을 이용하였으며, 불필요한 배경영역을 제거한 머리 영상의 에지 특징을 이용하였다. 에지 특징은 이진화 과정을 거친 후 수직·수평축으로 에지에 해당하는 픽셀 수를 누적한 히스토그램을 특징으로 얻는다. 또한 학습 영상의 HOG 특징을 계산하여 히스토그램으로 나타내어진 특징을 얻는다.
에지 누적 히스토그램은 영상 전체를 사용하여 얻는 전역적인 특징으로 영상내의 기하학적 정보를 내포한다. HOG 특징 또한 특정 위치의 특징점을 추출해내는 지역적인 특징은 아니지만, 영상 내의 지역적인 기하학적 정보를 포함한다는 특징을 지닌다. 따라서 지역적 접근법의 최대 단점이라고 할 수 있는 정확한 특징점 추출에 대한 부담을 줄인 채 지역적 특징을 얻어낼 수 있는 장점을 갖는다.
본 논문에서는 히스토그램으로 나타낸 두 가지 특징을 기반으로 학습시킨 랜덤포레스트를 이용하여 머리 방향을 추정한다. 랜덤포레스트는 주어진 특징공간의 학습정보를 이용하여 신뢰도 있는 결과를 얻을 수 있는 분류기이다. 또한 많은 양의 데이터를 다룰 수 있으며, 배깅(bagging) 기법을 기반으로 한 알고리즘이기 때문에 주어진 학습영상에 노이즈가 있더라도 안정적인 결과를 제공한다.
본 논문에서 사용한 랜덤포레스트 알고리즘은 사람의 머리 방향을 인식하기에 좋은 성능을 보이지만 히스토그램 기반의 특징을 이용하였기 때문에 노이즈가 없는 배경 및 머리카락이나 안경 등에 의한 영상 내 머리 특징의 폐색을 최소화할 수 있는 제한된 인식 환경이 필요하다.
본 논문에서는 CAS-PEAL-R1 face Dataset을 이용하여 머리 영상의 특징을 추출하였으며, 랜덤포레스트를 이용하여 머리의 방향을 인식하기 위해 히스토그램 기반의 특징을 사용하였다.

#머리방향 #랜덤포레스트 #히스토그램 #HOG

목 차 i
표 목 차 iii
그림목차 iii
국문초록 iv
1. 서론 1
가. 연구 배경 1
나. 연구 목적 4
다. 논문 구성 6
2. 관련연구 7
3. 랜덤포레스트를 이용한 머리 방향 인식 13
가. 랜덤포레스트 13
1) 앙상블 모델 13
2) 결정트리와 랜덤트리 14
3) 랜덤포레스트 17
나. 머리 영상의 특징 추출 18
1) 영상획득 및 전처리 18
2) 머리 영상의 에지 특징 추출 20
다. 에지 누적 히스토그램을 이용한 머리 방향 추정 21
1) 에지 누적 히스토그램을 통한 머리 특징 분석 22
2) 누적 히스토그램을 이용한 머리 방향 추정 24
라. HOG 특징 정보 기반 머리 방향 추정 25
1) HOG 표현자를 이용한 머리 특징 분석 27
2) HOG 특징 정보를 이용한 머리 방향 추정 28
마. 에지 정보와 HOG 정보 결합을 통한 머리 방향 추정 29
4. 머리 방향 학습과 인식 실험 내용 31
5. 머리 방향 인식 실험 결과 36
6. 결론 39
참고문헌 40
Abstract 44

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)