<img src="https://homepageapi.safemotion.kr/media/image/ddd.jpg" alt="alt text" contenteditable="false"> 1. 종류 : 연구개발전담부서 설립2. 발급기관 : 한국산업기술진흥협회

광주 북구 4차산업 융합미니클러스터 운영사업 회원사 선정

연구개발전담부서 설립

<img src="https://homepageapi.safemotion.kr/media/image/bbb_S6idcIf.jpg" alt="alt text" contenteditable="false"> 1. 종류 :	광주 북구 4차 산업 융합미니클러스터 운영사업2. 내용	:	회원사 선정3. 선정기관	:	광주테크노파크

중소기업 확인 (정보통신업)

<img src="https://homepageapi.safemotion.kr/media/image/%E1%84%8C%E1%85%AE%E1%86%BC%E1%84%89%E1%85%A9%E1%84%80%E1%85%B5%E1%84%8B%E1%85%A5%E1%86%B8%E1%84%92%E1%85%AA%E1%86%A8%E1%84%8B%E1%85%B5%E1%86%AB%E1%84%89%E1%85%B3.JPG" alt="alt text" contenteditable="false"> 1. 종류 :	중소기업 확인서2. 업종	:	정보통신업(J)3. 발급기관	:	중소벤처기업부

R&B 기업신용평가(B-)

<img src="https://homepageapi.safemotion.kr/media/image/14-01-2021_09-09-16.png" alt="alt text" contenteditable="false"> 1. 종류	:	R&amp;D 기업신용평가2. 등급	:	B-3. 평가기관	:	ked 한국기업데이터

기술등급 확인 (T-4)

<img src="https://homepageapi.safemotion.kr/media/image/%E1%84%80%E1%85%B5%E1%84%89%E1%85%AE%E1%86%AF%E1%84%83%E1%85%B3%E1%86%BC%E1%84%80%E1%85%B3%E1%86%B8%E1%84%92%E1%85%AA%E1%86%A8%E1%84%8B%E1%85%B5%E1%86%AB%E1%84%89%E1%85%A5.JPG" alt="alt text" contenteditable="false"> 1. 종류 :	기술등급확인서2. 등급	:	T-43. 평가 및 발급기관	:	나이스 디앤비

벤처기업 확인서

<img src="https://homepageapi.safemotion.kr/media/image/%E1%84%87%E1%85%A6%E1%86%AB%E1%84%8E%E1%85%A5%E1%84%80%E1%85%B5%E1%84%8B%E1%85%A5%E1%86%B8%E1%84%92%E1%85%AA%E1%86%A8%E1%84%8B%E1%85%B5%E1%86%AB%E1%84%89%E1%85%A5.JPG" alt="alt text" contenteditable="false"> 1. 종류 :	벤처기업 확인서2. 벤처기업 종류 : 기술보증형 벤처3. 발급기관 :	kibo 기술보증기금

ITRC 기업가정신 아이디어 경진대회 장려상

<img src="https://homepageapi.safemotion.kr/media/image/bbbb_rBJTQNt.jpg" alt="alt text" contenteditable="false"> 1. 대회명	:	ITRC 기업가정신 아이디어 경진대회2. 수상명	:	장려상3. 수여기관	:	(재)한국청년기업가정신재단4. 수상자	:	오치민, 이석진, 주성문5. 발표명	:	RD 보안 솔루션 사업계획서

SNPD2013 Outstanding Paper

<img src="https://homepageapi.safemotion.kr/media/image/2013.07.01.Outstanding_Paper_1.jpg" alt="alt text" contenteditable="false"> 1. 대회명 : SNPD2013 국제학술대회2. 수상명 : Outstanding Paper3. 수여기관 : ACIS4. 수상자 : 오치민, 이칠우5. 발표명 : Tracking Multiple Objects and Action Likelihoods

본 논문에서는 멀티터치 추적 및 제스처 인식을 위하여 MRF기반 입자필터와 제스처 우도 측정 방법을 제안한다. 멀티터치 추적에서 자주 발생하는 문제 중 하나는 강탈 문제이며 터치 객체 추적기가 이웃 터치 객체에게 빼앗기는 현상을 가리킨다. 강탈 문제의 원인은 입자필터의 예측 입자들이 이웃 터치 객체에 가까이 갈 경우 입자의 가중치(우도)가 낮아야 하지만 이웃 객체 영향으로 높게 계산되는 오류 때문이다. 따라서 MRF를 기반으로 이웃 객체에 가까운 입자의 가중치를 낮추는 벌점함수를 정의한다. MRF가 멀티터치를 노드로 정의하고 거리가 가까운 이웃 멀티터치들을 에지로 표현한 그래프정보이므로 이웃 멀티터치들에 대한 데이터구조로 활용되기 쉽다. 또한 MRF 그래프 정보를 바탕으로 멀티터치 제스처 분석이 가능하다. 본 논문에서는 MRF를 기반으로 다양한 제스처 우도를 정의할 수 있는 방법을 서술한다. 실험 결과에서는 제안 방법이 효과적으로 강탈 현상을 회피하고 멀티터치 제스처 우도를 정확히 측정할 수 있음을 확인할 수 있다.  오치민, 신복숙, Reinhard Klette, 이칠우, MRF 입자필터 멀티터치 추적 및 제스처 우도 측정, 스마트미디어학회저널, Vol. 4, No. 1, pp. 16-24, Mar. 2015.

Centralization Problem of Contacting Interaction in Multiple Object Tracking

MRF 입자필터 멀티터치 추적 및 제스처 우도 측정

In this paper we introduce a definition of centralization problem in multiple object tracking. The centralization problem occurs when more than two targets are contacting in close area. As a result, their trackers could be wrongly located in the center position of their targets. It is especially found when the appearances and shape of contacting targets are identical and the likelihood score for each tracker can be maximum value in their central position among their targets. After centralization problem their tracker could track wrong targets. Therefore we propose new interaction model to avoid centralization problem and our performance shows that almost all of centralization problem can be removed.  C. Oh, A. Nazib, J. Moon, C. Lee, Centralization Problem of Contacting Interaction in Multiple Object Tracking, 21st Korea-Japan Joint Workshop on Frontiers of Computer Vision (FCV 2015), Jan. 2015

Hand Detection with Dominant Pose Recognition using EOH and SVM

In this paper we propose a method of vision-based hand detection. Since the pose space of articulated is infinite and it is not feasible to train a classifier for the recognition of all hand poses to detect hand areas. Therefore we assume that it is rather better to detect only one dominant hand pose. To do so after hand skin color segmentation, each interest region of hand area in the given image is validated that the shape of hand region is similar to the dominant pose. The proposed system has the process of two steps; hand candidate detection and dominant pose recognition using EOH feature and SVM classifier. The experimental result shows that the proposed method works very effectively with very low false negative rate 0.6%. C. M. Oh, S. J. Lee, C. W. Lee, Hand Detection with Dominant Pose Recognition Using EOH and SVM, International Conference on Computers and Information Processing Technologies (ICCIPT 2014) Applied Mechanics and Materials, Vols. 571-572, pp. 735-740, 2014

Tracking Multiple Objects and Action Likelihoods

In this paper we propose a method which can improve MRF-Particle filters used to solve the hijacking problem; independent particle filters for tracking each object can be kidnapped by a neighboring target which has higher likelihood than that of real target. In the method the motion model built by Markov random field (MRF) has been usefully applied for avoiding hijacking by lowering the weight of particles which are very close to any neighboring target. The MRF unary and pairwise potential functions of neighboring targets are defined as the penalty function to lower the particle’s weights. And potential function can be reused for defining action likelihood which can measure the motion of object group.  C. Oh, C. Lee, Tracking Multiple Objects and Action Likelihoods, 14th IEEE/ACIS International Conference on Software Engineering, Artificial Intelligence, Networking and Parallel/Distributed Computing (SNPD 2013), SCI 492, 229-240, 2013

Human Pose Estimation using Exemplar-based Particle Filter

We propose human pose estimation system which utilizes pose exemplars in the prediction step of particle filter. The particle filter assumes that state transition is surly represented by Markov chain model but our assumption is that if observation data and and prior reference dataset can be additionally used in prediction step, the prediction range can be more compact and precise at target posterior distribution. Therefore the proposed method have built exemplar pose dataset which is used in prediction step. From the proposal distribution of similarities of exemplars to observation data, particles are drawn and evaluated by likelihood score using chamfer matching. As a result, we choose best particle for pose estimation and which body pose is going to be an additional exemplar again in the exemplar dataset for improving performance of next prediction. Recursively the pose of 2D body parts are tracked by using exemplar-based particle filter. The proposed method efficiently estimates the pose of body parts as resultant images represent.  오치민, 상국초, 이칠우, Human Pose Estimation using Exemplar-based Particle Filter , 2013년 제25회 영상처리 및 R72이해에 관한워크샵, Feb. 2013

Effect of Resampling Steepness on Particle Filtering Performance In Visual Tracking

This paper presents a proficiently developed resampling algorithm for particle filtering. In any filtering algorithm adopting the perception of particles, especially in visual tracking, resampling is an essential process that determines the algorithm’s performance and accuracy in the implementation step. It is usually a linear function of the weight of the particles, which determines the number of particles copied. If we use many particles to prevent sample impoverishment, however, the system becomes computationally too expensive. For better real-time performance with high accuracy, we introduce a Steep Sequential Importance Resampling (S-SIR) algorithm that can require fewer highly weighted particles by introducing a nonlinear function into the resampling method. Using our proposed algorithm, we have obtained very remarkable results for visual tracking with only a few particles instead of many. Dynamic parameter setting boosts the steepness of resampling and reduces computational time without degrading performance. Since resampling is not dependent on any particular application, the S-SIR analysis is appropriate for any type of particle filtering algorithm that adopts a resampling procedure. We show that the S-SIR algorithm can improve the performance of a complex visual tracking algorithm using only a few particles compared with a traditional SIR-based particle filter. M. Z. Islam, C. Oh, C. Lee, Effect of Resampling Steepness on Particle Filtering Performance In Visual Tracking, International Arab Journal of Information Technology, Vol. 10, No. 1, pp. 11-20, Jan. 2013.

Moving Object Detection in Omnidirectional Vision based Mobile Robot

Detecting moving objects based on the camera attached in mobile robot is not trivial since both background and object are moving independently. For moving object detection the movement of moving object needs to be extracted by considering the background which has also changed by the ego-motion of mobile robot. Affine transformation is widely used to estimate the background transformation between images. However when using omnidirectional camera, the mixed motion of scaling, rotation and translation appears in local areas and single affine transformation is not sufficient to describe those mixed nonlinear motions. In this paper, the proposed method divides the image as grid windows and obtains each affine transform for each window. This method can obtain stable background transformation when the background has few corner features. The area of moving objects can be obtained from the background transformation-compensated frame difference using every local affine transformation for each local window. The experimental results demonstrate the proposed method is very efficient in moving object detection in mobile robot environment.  C. Oh, Y. Lee, D. Kim, C. Lee, Moving Object Detection in Omnidirectional Vision based Mobile Robot, 38th Annual Conference on IEEE Industrial Electronics Society (IECON 2012), pp. 4232-4235, Oct. 2012

Adaptive Exemplar-Based Particle Filter for 2D Human Pose Estimation

This paper proposes how to utilize pose exemplars in the prediction step of particle filter for efficient human pose estimation. The prediction of particle filter is only dependent on the previous posterior distribution. If observation data and reference dataset are used in prediction, the prediction range can be more compact and precise. We use adaptive exemplars for prediction. To do so the similarity between pose exemplar and the pose silhouette observation are measured. Based on the similarity of exemplars corresponding number of particles are predicted either from exemplars and previous posterior distribution. After pose estimation with the likelihoods of predicted particles, the finally estimated pose is used for updating adaptive exemplar dataset for improving performance of next prediction. Therefore, the proposed method efficiently estimates the pose of articulated full body as resultant images represent.  C. Oh, Y. Lee, K. Bae, C. Lee, Adaptive Exemplar-Based Particle Filter for 2D Human Pose Estimation, 8th International Symposium on Visual Computing (ISVC 2012), Advances in Visual Computing, Part II, LNCS 7432, 609-615, Jul. 2012

MRF-Particle filters for Tracking Multiple Object

This paper proposes a multi-target tracker with improved MRF-Particle filters used to solve hijacking problem; independent particle filter for tracking each ob-ject can be kidnapped by a neighboring target which has higher likelihood than real target. The motion model built by Markov random field (MRF) has been use-fully applied for avoiding being hijacked by lowering the weight of particles which are very close to any neighboring target. But it only uses pairwise term for penalty function for lowering particle’s weight. In this paper we improve the MRF-based particle filters by adapting both unary and pairwise term for observa-tion model.  C. Oh, C. Lee, MRF-Particle filters for Tracking Multiple Object, 2012 International Exposition Yeosu Korea, International Conference on Information Technology (YSEC 2012), Apr. 2012

MRF-based Particle Filters for Multi-touch Tracking and Gesture Likelihoods

Multi-touch tracking algorithm requires maintaining separate identities for multi-touch points, however, it fails when independent particle filter for each object is kidnapped by neighboring targets. This is called the hijacking problem. The motion model using Markov random field (MRF) has been proposed for avoiding this problem by lowering the weight of particles which are close to neighboring touch points. This paper improves the MRF-based particle filters for multi-touch tracking by optimizing the distance of neighboring touch points to reduce hijacking problem. In experiments, the optimum distance is around 80 pixels, which exhibits highly robust and optimized multi-touch tracking. Additionally we discuss about the simultaneous estimation of gesture likelihoods with MRF potentials from the tracking results. C. Oh, M. Z. Islam, C. Lee, MRF-based Particle Filters for Multi-touch Tracking and Gesture Likelihoods, 11th IEEE International Conference on Computer and Information Technology (CIT 2011), Jul. 2011

Upper Body Gesture Recognition for Human-Robot Interaction

<img src="https://homepageapi.safemotion.kr/media/image/1020180132796.jpg" alt="alt text" contenteditable="false"> 1. 국가	:	대한민국2. 출원/등록	:	출원3. 출원일	:	2018.11.014. 출원번호	:	10-2018-01327965. 요약	:	본 발명은 영상내 사람의 관절자세 측정방법에 관한 것으로, 보다 구체적으로는 VGG-19 관절 검출기로 영상 내 관절 위치를 단 한번 추출한 후, 제1 딥러닝 신경망을 통해 관절별 확률맵을 계산하고, 제2 딥러닝 신경망을 통해 관절 연결 벡터맵을 계산하여 잘못 검출된 관절 위치에 '1'미만의 가중치를 부여하여 관절 검출영상을 개선을 반복함으로써 최적의 제1 딥러닝 신경망을 훈련하여 관절자세 측정의 정확도를 높일 수 있는 영상내 사람의 관절자세 측정방법에 관한 것이다.

인물 포즈 예측을 위한 사스 서비스 방법

영상내 사람의 관절자세 측정방법

<img src="https://homepageapi.safemotion.kr/media/image/1020180085140.jpg" alt="alt text" contenteditable="false"> 1. 국가	:	대한민국2. 출원/등록	:	출원3. 출원일	:	2018.07.234. 출원번호	:	10-2018-00851405. 요약	:	본 발명은 사스(SAAS) 서비스 방법에 관한 것으로, 보다 구체적으로는 클라이언트 컴퓨터가 전송하는 대상 영상을 인터넷을 통해 전송받고, 대상 영상의 관절 좌표를 추정하여 다시 인터넷을 통해 클라이언트 컴퓨터로 전송해줌으로써 클라이언트 컴퓨터가 대상 영상의 포즈를 예측할 수 있게 하는 사스 서비스 방법에 관한 것이다.

순차적 다중 합성곱 신경망을 이용한 영상 내 관절 자세 예측 방법

<img src="https://homepageapi.safemotion.kr/media/image/1020170024781.jpg" alt="alt text" contenteditable="false"> 1. 국가	:	대한민국2. 출원/등록	:	출원3. 출원일	:	2017.02.244. 출원번호	:	2017-00247815. 요약	:	본 발명은 영상 내 관절 자세 예측 방법에 관한 것으로, 보다 구체적으로는 순차적 다중 합성곱 신경망을 통해 학습데이터와 합성곱 신경망을 최적화한 후, 영상 내의 사람의 관절 좌표를 정밀하게 예측할 수 있는 순차적 다중 합성곱 신경망을 이용한 영상 내 관절 자세 예측 방법에 관한 것이다.

추적기의 강탈 및 중앙화 회피를 위한 근접 및 밀착 벌점 기반의 다중 영상객체 추적방법

<img src="https://homepageapi.safemotion.kr/media/image/1020140160626.jpg" alt="alt text" contenteditable="false"> 1. 국가	:	대한민국2. 출원/등록	:	등록3. 등록일	:	2016.02.114. 출원일	:	2014.11.185. 등록번호	:	10-15948716. 출원번호	:	2014-01606267. 요약	:	본 발명은 다중 영상 객체 추적방법에 관한 것으로, 보다 구체적으로는 다중 객체 추적시 근거리에 있는 객체들이 서로 접근하는 겹쳐지는 중앙화(centralization)에 의해 객체들 간에 서로 식별자가 바뀌거나 사라지는 현상인 강탈 현상(hijacking problem)을 방지할 수 있는 추적기의 강탈 및 중앙화 회피를 위한 근접 및 밀착 벌점 기반의 다중 영상객체 추적방법에 관한 것이다.

빈도수 기반의 영상 내 얼굴객체 추적방법

<img src="https://homepageapi.safemotion.kr/media/image/1020130146913.jpg" alt="alt text" contenteditable="false"> 1. 국가	:	대한민국2. 출원/등록	:	등록3. 등록일	:	2015.05.264. 출원일	:	2013.11.295. 등록번호	:	10-15245166. 출원번호	:	2013-01469137. 요약	:	본 발명은 영상 내 얼굴객체 추적방법에 관한 것으로, 보다 구체적으로는 입력되는 영상의 얼굴객체와 이전 영상의 얼굴객체 간의 동일성을 판단하여 이전 영상의 얼굴객체의 정보를 갱신함으로써 얼굴객체를 추적하고, 추적 중인 얼굴객체에 추적 빈도수 확률을 부여하여 추적 빈도수 확률이 낮은 얼굴객체에 대해서는 추적을 종료함으로써 얼굴객체 추적의 정확도를 향상시킬 수 있는 빈도수 기반의 영상 내 얼굴객체 추적방법에 관한 것이다.

예제포즈입자 기반의 입자필터를 이용한 영상 객체 추적 방법

<img src="https://homepageapi.safemotion.kr/media/image/1020120087225.jpg" alt="alt text" contenteditable="false"> 1. 국가	:	대한민국2. 출원/등록	:	소멸3. 등록일	:	2013.11.014. 출원일	:	2012.08.095. 등록번호	:	10-13266446. 출원번호	:	2012-00872257. 요약	:	본 발명은 영상 객체 추적 방법에 관한 것으로, 보다 구체적으로는 시간의 흐름에 따라 갱신되는 예제포즈입자와 이전 시간에 최적포즈 결정 후, 리-샘플링된 샘플입자들에 복합적으로 기반하는 입자필터를 통해 현재의 최적포즈를 결정함으로써 영상 객체 추적의 정확도를 매우 향상시킬 수 있는 예제포즈입자 기반의 입자필터를 이용한 영상 객체 추적 방법에 관한 것이다.

추적기의 강탈 회피를 위한 벌점 그래프 기반의 다중 영상 객체 추적 방법

<img src="https://homepageapi.safemotion.kr/media/image/1020110075049.jpg" alt="alt text" contenteditable="false"> 1. 국가	:	대한민국2. 출원/등록	:	소멸3. 등록일	:	2013.04.084. 출원일	:	2011.07.285. 등록번호	:	10-12540876. 출원번호	:	2011-00750497. 요약	:	본 발명은 다중 영상 객체 추적 방법에 관한 것으로, 보다 구체적으로는 다중 객체 추적시 근거리에 있는 객체들 간에 서로 식별자가 바뀌거나 사라지는 현상인 강탈 현상(hijacking problem)을 방지할 수 있는 추적기의 강탈 회피를 위한 벌점 그래프 기반의 다중 영상 객체 추적 방법에 관한 것이다.

멀티 터치 특징정보 추출방법 및 그 멀티 터치 특징정보를 이용한 멀티 터치 제스처 인식방법

<img src="https://homepageapi.safemotion.kr/media/image/1020100107284.jpg" alt="alt text" contenteditable="false"> 1. 국가	:	대한민국2. 출원/등록	:	소멸3. 등록일	:	2012.11.054. 출원일	:	2010.10.295. 등록번호	:	10-11999706. 출원번호	:	2010-01072847. 요약	:

지수함수 기반의 입자 리샘플링 방법 및 그 방법을 이용한 영상객체 추적방법

<img src="https://homepageapi.safemotion.kr/media/image/1020110036082.jpg" alt="alt text" contenteditable="false"> 1. 국가	:	대한민국2. 출원/등록	:	소멸3. 등록일	:	2012.07.064. 출원일	:	2011.04.195. 등록번호	:	10-11653356. 출원번호	:	2011-00360827. 요약	:	본 발명은 지수함수 기반의 입자 리샘플링 방법 및 그 방법을 이용한 영상객체 추적방법에 관한 것으로, 보다 구체적으로는 파티클 필터를 이용하여 영상 객체를 추적할 때, 가중치가 높은 입자들을 다음 시간의 초기 입자들로 효과적으로 리샘플링함으로써 영상객체 추적의 정확도를 매우 향상시킬 수 있는 지수함수 기반의 입자 리샘플링 방법 및 그 방법을 이용한 영상객체 추적방법에 관한 것이다.

관절모델DB을 이용한 포즈인식 시스템

<img src="https://homepageapi.safemotion.kr/media/image/1020090126823.jpg" alt="alt text" contenteditable="false"> 1. 국가	:	대한민국2. 출원/등록	:	소멸3. 등록일	:	2011.05.114. 출원일	:	2009.12.185. 등록번호	:	10-10352916. 출원번호	:	2009-01268237. 요약	:

최근 연구성과

논문

특허

수상 및 인증

논문명	일자
MRF 입자필터 멀티터치 추적 및 제스처 우도 측정	2015
Centralization Problem of Contacting Interaction in Multiple Object Tracking	2015
Hand Detection with Dominant Pose Recognition using EOH and SVM	2014
Tracking Multiple Objects and Action Likelihoods	2013
Human Pose Estimation using Exemplar-based Particle Filter	2013
Effect of Resampling Steepness on Particle Filtering Performance In Visual Tracking	2013
Moving Object Detection in Omnidirectional Vision based Mobile Robot	2012
Adaptive Exemplar-Based Particle Filter for 2D Human Pose Estimation	2012
MRF-Particle filters for Tracking Multiple Object	2012
MRF-based Particle Filters for Multi-touch Tracking and Gesture Likelihoods	2011

특허명	일자
영상내 사람의 관절자세 측정방법	2018
인물 포즈 예측을 위한 사스 서비스 방법	2018
순차적 다중 합성곱 신경망을 이용한 영상 내 관절 자세 예측 방법	2017
추적기의 강탈 및 중앙화 회피를 위한 근접 및 밀착 벌점 기반의 다중 영상객체 추적방법	2016
빈도수 기반의 영상 내 얼굴객체 추적방법	2015
예제포즈입자 기반의 입자필터를 이용한 영상 객체 추적 방법	2013
추적기의 강탈 회피를 위한 벌점 그래프 기반의 다중 영상 객체 추적 방법	2013
멀티 터치 특징정보 추출방법 및 그 멀티 터치 특징정보를 이용한 멀티 터치 제스처 인식방법	2012
지수함수 기반의 입자 리샘플링 방법 및 그 방법을 이용한 영상객체 추적방법	2012
관절모델DB을 이용한 포즈인식 시스템	2011

수상 및 인증명	일자
연구개발전담부서 설립	2020
광주 북구 4차산업 융합미니클러스터 운영사업 회원사 선정	2019
중소기업 확인 (정보통신업)	2019
R&B 기업신용평가(B-)	2019
기술등급 확인 (T-4)	2019
벤처기업 확인서	2017
ITRC 기업가정신 아이디어 경진대회 장려상	2014
SNPD2013 Outstanding Paper	2013