• The KIPS Transactions:PartB
• /
• v.15B no.4
• /
• pp.285-292
• /
• 2008

Color histograms have been used as feature vectors to characterize the color features of given images, but they have a limitation in efficiency by generating high-dimensional feature vectors. In this paper, we present a method to reduce the dimension of the feature vectors by applying PCA (principal components analysis) to the color histogram of a given vehicle image. With SVM (support vector machine) method, the dimension-reduced feature vectors are used to recognize the colors of vehicles. After reducing the dimension of the feature vector by a factor of 32, the successful recognition rate is reduced only 1.42% compared to the case when we use original feature vectors. Moreover, the computation time for the color recognition is reduced by a factor of 31, so we could recognize the colors efficiently.

• Proceedings of the IEEK Conference
• /
• /
• pp.1984-1987
• /
• 2003

본 논문에서는 모델에 기반한 2차원 영상인식 알고리즘 중에 하나인 일반화된 허프변환(Generalized Hough Transform)에 대하여 색상정보까지 포함할 수 있도록 기존의 알고리즘을 확장하는 방법을 제시하였고, 이에 의한 실험결과를 간단히 고찰하였다. 기존의 일반화된 허프변환은 대상물의 윤곽선 정보에 기반을 두었기 때문에, 윤곽선 정보가 일치하면 대상물의 색상이나 명암분포가 달라도 동일한 대상물로 인식할 가능성이 있다. 따라서, 일반화된 허프변환을 확장하여 대상물의 모델링과 인식과정에 색상정보(chromatic information)를 포함한다면 2D 영상인식시 컬러정보를 활용할 수 있는 장점이 있다. 여기에서는 실제로 모델링 과정과 인식과정에서 색상정보를 반영하기 위한 간략한 방법과, 이에 따른 실험결과를 제시하였다. 간단한 2D 위치변환이 존재하는 실험에서 윤곽선의 모양이 거의 일치하더라도 색상이 다른 대상물이 존재할 경우에 이를 올바로 구분할 수 있었다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• v.9 no.2
• /
• pp.1123-1127
• /
• 2005

The Conventional methods of color separation in computer-based machine vision offer only weak performance because of environmental factors such as light source, camera sensitivity, and others. In this paper, we propose an improved color separation method using RGB, HLS, color coordination space, and fuzzy similarity measure. RGB consists of red, green and blue, the three primary colors of light. HLS includes hue, light and saturation, the human recognition elements of co]or. A fuzzy similarity measure was employed for evaluate the similarity among fuzzy colors with the six features of RGB and HLS.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• /
• pp.731-734
• /
• 2009

In this paper, we propose the method the vehicle color recognizing in the image including a vehicle. In an image, the color feature vector of a vehicle is extracted and by using the backpropagation learning algorithm, that is the multi-layer perceptron, the recognized vehicle color. By using the RGB and HSI color model the feature vector used as the input of the backpropagation learning algorithm is the feature of the color used as the input of the neural network. The color of a vehicle recognizes as the white, the silver color, the black, the red, the yellow, the blue, and the green among the color of the vehicle most very much found out as 7 colors. By using the image including a vehicle for the performance evaluation of the method proposing, the color recognition performance was experimented.

• Proceedings of the Korean Information Science Society Conference
• /
• /
• pp.182-187
• /
• 2007

본 논문에서는 이미지 상에 나타난 색상 정보를 추출하기 위한 새로운 커널 메소드(Kernel method)인 Grid kernel을 제안한다. 제안한 Grid kernel은 Convolution kernel의 하나로 이미지 상에 나타나는 자질을 주변 픽셀에서 나타나는 자질로 정의 하고 이를 재귀적으로 적용함으로써 두 이미지를 비교한다. 본 논문에서는 제안한 커널을 차량 색상 인식 문제에 적용하여 차량 색상 인식 모델을 제안한다. 이미지 생성시 나타나는 주변 요인으로 인해 차량의 색상을 추출하는 것은 어려운 문제이다. 이미지가 야외에서 촬영되기 때문에 시간, 날씨 등의 주변 요인은 같은 차량이라 하더라도 다른 색상을 보이게 할 수 있다. 이를 해결하기 위해 Grid kernel이 적용된 차량 색상 인식 모델은 이미지를 HSV (Hue-Saturation-Value) 색상 공간으로 사상하여 명도를 배제하였다. 제안한 커널과 색상 인식 모델을 검증하기 위해 5가지 색상을 가진 차량 이미지를 이용하여 실험을 하였으며, 실험 결과 92.4%의 정확율과 92.0%의 재현율을 보였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• /
• pp.43-45
• /
• 2011

본 논문은 동영상 내 삽입된 자막을 문자인식이 가능하도록 문자영역을 이루는 화소를 추출하는 방법을 제안한다. 최초 자막영상을 통계학적 방법을 이용하여 색상극성을 결정한다. 이 후 색상극성에 따른 잡음제거 방법을 명암값기반과 형태학적기반으로 달리한다. 제안된 방법은 각 색상결정에 따른 적합한 잡음제거를 수행함으로서 추출된 화소들이 이루는 문자영역의 영상을 이용하여 문자인식을 수행하였을 때 기존방법보다 높은 문자인식률을 보였다.

• Proceedings of the Korea Contents Association Conference
• /
• /
• pp.303-304
• /
• 2015

최근 차량을 이용한 범죄가 점점 증가하고 있고, 그로인해 범죄 차량의 식별 또한 많은 사람들의 관심을 받고 있다. 본 논문에서는 차량 식별을 위해 방범용 CCTV 영상을 이용한다. 차량 방범을 위한 CCTV 이미지 속에서 얻을 수 있는 차량 내 정보는 크게 번호판, 모델, 크기, 색상 등 여러 가지가 있는데, 본 논문에서는 그중 하나인 색상을 인식하는 방법에 대하여 제안한다. 기존에는 여러 가지 색상공간을 이용하여 추출하는 방법을 많이 사용했는데, 단순히 색상공간만으로는 무채색의 차량 추출이 어렵다. 이를 보완하기 위해 HSI 색상공간과 히스토그램의 분산을 분석하는 방법을 제안한다. 이를 이용하여 차량을 보다 정확한 색상별로 검색하는 것이 가능하며, 또한 차량 외의 다른 물체들의 색상 인식에도 응용 가능하다.

• Proceedings of the Korea Contents Association Conference
• /
• /
• pp.287-288
• /
• 2013

현재 많은 사람들이 감성 인식에 대한 관심을 보이고 있다. 감성은 사람마다 다를 수 있어 모두를 만족시키기는 어렵기 때문에 다수의 사람들에게 공감을 얻는 것이 감성 인식의 목표이다. 영상에서의 감성 인식 방법은 영상의 여러 가지 특징을 이용하여 감성과 매칭하여 구현된다. 본 논문에서는 고바야시의 Image Scale을 참고하여 의류 영상에서 색상 특징을 이용한 감성 인식 시스템을 제안한다. 제안 방법은 고바야시의 Image Scale을 참고하여 색상 정보를 데이터화하고, 의류 영상에서 추출한 색상과 비교하여 감성 인식하는 것이다. 이를 통하여 의류 영상에서의 감성을 인식할 수 있으며, 시스템의 다양한 응용이 가능하다.

• 보존과학연구
• /
• /
• pp.27-41
• /
• 2016

This study surveyed color awareness and color systems according to pedigree(Ilseob, Woljoo, Hyegak, Manbong ect.) targeting Dancheongjang (craftsman) who has inherited Dancheong (traditional multicolor). From the survey of color awareness, standardized color system of 'traditional color' awareness by Dancheongjang is 'the color inherited by the master' and it was identified that there is the standardized color system in awareness and its standard is either same or similar to traditional Dancheong. Also, according to each period, colors of Dancheong have been changed, it was thought that change in color materials and preference had went with times. From eleven main colors of Dancheong, chromaticity materials which were preferred by Dancheongjang were analyzed by the faction of Dancheongjang and colors and it resulted in a variety of color ranges over all. In the case of Yangnok, Noerok, Juhong it showed a high deviation with a wide color range while there was a low deviation with a narrow color range in Hayeop, Daja, Seokganju. Through this study it was difficult to identify clear correlations and tendencies of color system by the faction of Dancheongjangs. This is judged to be a reflection of the subjective artistry of the members.

• Journal of KIISE:Computing Practices and Letters
• /
• v.14 no.1
• /
• pp.1-12
• /
• 2008

In this paper, we present a real-time algorithm for recognizing the vehicle color from the indoor and outdoor vehicle images based on GPU (Graphics Processing Unit) acceleration. In the preprocessing step, we construct feature victors from the sample vehicle images with different colors. Then, we combine the feature vectors for each color and store them as a reference texture that would be used in the GPU. Given an input vehicle image, the CPU constructs its feature Hector, and then the GPU compares it with the sample feature vectors in the reference texture. The similarities between the input feature vector and the sample feature vectors for each color are measured, and then the result is transferred to the CPU to recognize the vehicle color. The output colors are categorized into seven colors that include three achromatic colors: black, silver, and white and four chromatic colors: red, yellow, blue, and green. We construct feature vectors by using the histograms which consist of hue-saturation pairs and hue-intensity pairs. The weight factor is given to the saturation values. Our algorithm shows 94.67% of successful color recognition rate, by using a large number of sample images captured in various environments, by generating feature vectors that distinguish different colors, and by utilizing an appropriate likelihood function. We also accelerate the speed of color recognition by utilizing the parallel computation functionality in the GPU. In the experiments, we constructed a reference texture from 7,168 sample images, where 1,024 images were used for each color. The average time for generating a feature vector is 0.509ms for the $150{\times}113$ resolution image. After the feature vector is constructed, the execution time for GPU-based color recognition is 2.316ms in average, and this is 5.47 times faster than the case when the algorithm is executed in the CPU. Our experiments were limited to the vehicle images only, but our algorithm can be extended to the input images of the general objects.