http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 주제어 : Target Detection(표적 검출) (검색결과 3 건)
- 무료
- 기관 내 무료
- 유료
-
예측 후보 영역에서의 지역적 대비 차 계산 방법을 활용한 실시간 소형 표적 검출
반종희(Ban Jong-Hee),왕지현(Wang Ji-Hyeun),이동화(Lee Donghwa),유준혁(Yoo Joon-Hyuk),유성은(Yoo Seong-eun) 한국산업정보학회 2017 한국산업정보학회논문지 Vol.22 No.2
본 논문에서는 낮은 SNR을 가지는 적외선 영상에서 강인한 소형 표적 검출을 위해 모폴로지차 연산을 수행하여 표적 후보 영역을 찾고 화소 라벨링을 통해 후보 영역의 위치를 찾는다. 기존의 모폴로지 연산 기반의 표적 검출 방법들은 적외선 영상에 존재하는 클러터에 취약하다는 단점으로 인해 검출정확도가 낮다. 이러한 문제를 해결하기 위해 본 논문에서는 후보 영역에서 표적과 배경 잡음을 분류하기 위해 Moravec 알고리즘과 LCM(Local Contrast Measure) 알고리즘을 결합함으로써 표적 향상과 배경잡음 억제를 동시에 달성한다. 또한, 제안하는 알고리즘은 기존에 실시간 표적 검출을 위해 개발되었던 모폴로지 연산과 가우시안 거리 함수를 이용한 표적 검출 방법의 단일 객체에 제한적인 검출 문제를 해결하여 복수 객체를 효율적으로 검출할 수 있다. In This Paper, we find the Target Candidate Region and the Location of the Candidate Region by Performing the Morphological Difference Calculation and Pixel Labeling for Robust Small Target Detection in Infrared Image with low SNR. Conventional Target Detection Methods based on Morphology Algorithms are low in Detection Accuracy due to their Vulnerability to Clutter in Infrared Images. To Address the Problem, Target Signal Enhancement and Background Clutter Suppression are Achieved Simultaneously by Combining Moravec Algorithm and LCM (Local Contrast Measure) Algorithm to Classify the Target and Noise in the Candidate Region. In Addition, the Proposed Algorithm can Efficiently Detect Multiple Targets by Solving the Problem of Limited Detection of a Single Target in the Target Detection method using the Morphology Operation and the Gaussian Distance Function Which were Developed for Real time Target Detection.
-
이민혁,염석원 한국지능시스템학회 2019 한국지능시스템학회논문지 Vol.29 No.2
Recently, small unmanned aerial vehicle technology is rapidly being used in various fields. Drones are very useful for airborne surveillance due to the efficiency of capturing remote scenes. Tracking multiple moving targets is essential for visual surveillance. This paper addresses the estimation of the position and velocity of moving vehicles using a drone. Detection is performed by frame difference and thresholding, morphological filtering, and removing false alarms considering the true size of vehicles. In order to calculate the frame difference, the moving average of the previous frame is first obtained to be the reference frame. The center of the detected area is input as the measured position for tracking. Tracking is performed by Kalman filter to estimate the state vector of a target composed of two dimensional positions and velocities. The state vector is updated by the measurement closest to the predicted position at the statistical distance. In the experiments, seven moving cars are captured by a drone over 150 meters. The root-mean squared errors of position and velocity show the reliability of the proposed system. 최근 소형 무인 항공기 기술은 여러 분야에 다양하게 활용되고 있다. 드론은 원격으로 원거리 표적을 촬영할 수 있어항공감시에 매우 유용하다. 움직이는 표적의 자동감시는 보완에 중요한 요소이다. 본 논문은 드론으로부터 획득한 영상을이용한 이동 차량의 위치와 속도를 추정하는 다중표적의 검출과 추적을 다룬다. 이동 차량의 검출은 프레임 감산과 형태학적필터링, 오경보 영역 제거 순으로 이루어진다. 프레임 감산을 위하여 먼저, 선행 프레임의 이동 평균을 구하고 이를 기준프레임으로 이용한다. 검출된 영역의 중심부는 표적 위치의 측정값으로 입력되고 칼만(Kalman) 필터는 2차원 좌표계의위치와 속도로 이루어진 상태 벡터를 추정한다. 다중표적 환경에서 통계적 거리를 최소로 하는 측정값을 표적에 할당하고상태 벡터를 갱신한다. 실험에서 150m 거리에서 7대의 이동차량을 검출하고 추적하여 위치와 속도를 추정하였다. 각 표적의위치와 속도의 평균 제곱근 오차(RMSE)를 구하여 제안한 시스템의 신뢰성을 보였다.
-
ScienceON
DBpia연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
