Earticle

In a video surveillance network, it is always required to track and recognize people when they move through the environment. This paper presents a novel re-identification method for multiple-people using feature selection with sparsity. By using the multiple-shot approach, each of appearance models is created in this method. The human body is divided into five parts form which the features of color, height, gradient were extracted respectively. Our appearance model is represented by linear regression method. Experimental results show that our appearance model is robust and attain a high precision rate and processing performance.

본 논문은 다중 도메인 학습을 이용하여 화면 촬영 영상 내 모아레 무늬를 효과적으로 제거하는 기법을 제안한다. 제안하는 기법은 먼저 화소값 영역과 주파수 영역에서 입력 영상의 모아레 무늬를 각각 제거한다. 다음으로 모아레 영상에서 clean edge map을 추정하고, 추정된 clean edge map을 가이드 정보로 사용하여 화소값 영역과 주파수 영역에서 얻은 결과 영상의 품질을 향상시킨다. 마지막으로, 독립적으로 향상된 두 결과 영상을 적응적으로 결합하며 모아레 무늬가 제거된 최종 결과 영상을 생성한다. 컴퓨터 모의 실험결과를 통해 제안하는 기법이 기존의 알고리즘보다 모아레 무늬를 더욱 효과적으로 제거할 수 있음을 확인한다.

We propose a moire artifacts removal algorithm for screen-shot images using multiple domain learning. First, we estimate clean preliminary images by exploiting complementary information of the moire artifacts in pixel value and frequency domains. Next, we estimate a clean edge map of the input moire image by developing a clean edge predictor. Then, we refine the pixel and frequency domain outputs to further improve the quality of the results using the estimated edge map as the guide information. Finally, the proposed algorithm obtains the final result by merging the two refined results. Experimental results on a public dataset demonstrate that the proposed algorithm outperforms conventional algorithms in quantitative and qualitative comparison.

비디오를 내용 별로 분할하기 위한 최소 단위는 비디오의 샷이다. 따라서 비디오 내용 정보를 분석함에 있어서 비디오의 샷 경계 검출은 필수적인 과정이다. 이러한 샷 전환 과정은 급격한 샷 전환 과정과 점진적인 샷 전환 과정으로 구분할 수 있다. 점진적인 샷 전환 과정의 경우 전환 과정이 여러 프레임들에 걸쳐 발생되는 관계로 점진적인 샷 전환 과정을 검출하기 위하여, 기존 샷 경계 검출 알고리즘은 일정 간격을 슬라이딩한 윈도우 프레임들 간의 차이를 비교하는 방식을 이용하였다. 기존 슬라이딩 윈도우 방법은 점전적인 샷 전환 과정을 검출하기 위하여 고정된 크기의 윈도우 하나만을 이용하였다. 이 경우, 슬라이딩 윈도우의 길이가 점진적인 샷 전환 과정에 비해 짧으면, 샷 전환을 검출하지 못 한다. 슬라이딩 윈도우의 길이가 샷의 길이보다 길면 샷을 점진적인 샷 전환으로 검출하는 오류가 발생된다. 상기 문제점을 개선하기 위하여 본 논문에서는 서로 다른 크기의 다수의 슬라이딩 윈도우들과 적응적 경계치를 적용한 샷 경계 검출 방법을 제안한다.

본 논문은 원샷 파노라믹 스캐닝을 기반으로 하는 실시간 자동 얼굴 인식 시스템에 대한 것이다. 한 번의 파노라믹 스캐닝 프로세스를 통하여 실시간으로 다수의 얼굴을 검출하고 사전에 등록된 얼굴을 인식하는 것이다. 한 장의 파노라마 영상 내에서 다수 얼굴 인식을 하는 것이 아닌, 스캐닝 과정에서 얻어진 다수의 영상을 이용하여 얼굴을 인식하도록 한다. 이는 파노라마 영상 생성 시간과 스티칭(Stitching) 오류를 줄임과 동시에 다수 영상의 누적 정보를 활용하여 얼굴 인식 성능을 향상할 수 있다. 이는 간단한 영상 획득 장치만으로 다수 인원의 스마트 출결 시스템과 같은 다양한 응용 프로그램에 사용될 수 있을 것으로 예상한다.

This paper is about a real-time automatic face recognition system based on one-shot panoramic scanning. It detects multiple faces in real time through a single panoramic scanning process and recognizes pre-registered faces. Instead of recognizing multiple faces within a single panoramic image, multiple faces are recognized using multiple images obtained in the scanning process. This reduces the panorama image creation time and stitching error, and at the same time can improve the face recognition performance by using the accumulated information of multiple images. It is expected that it can be used in various applications such as a multi-person smart attendance system with only a simple image acquisition device.