개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 한동석
- 발행연도
- 2021
- 저작권
- 경북대학교 논문은 저작권에 의해 보호받습니다.
이용수9
이 논문의 연구 히스토리 (7)
2021
2020
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
we propose a system that detects the driver’s face at high speed by optimizing driver''s face detection algorithm into three stages. First, a region of interest which gives the best driver''s status information is extracted. Secondly, an optimal face detection is implemented in order to detect driver''s face from the extracted ROI(region of interest). Finally, a tracking algorithm is deployed to track driver face. The biggest difference between the proposed algorithm and other algorithms is that it can extract object''s properties in the first step. From the object information, we can improve the face detection algorithm by removing the layers that are in network of detecting small faces of passengers and focus only on the driver''s face. However, since the layers that detect small faces have been removed, and the small faces must be removed from the training data, a large face learning data generator is proposed. By optimizing the face detector, the operation time was reduced by 3 times compared to SSD(single shot multibox detector). Because facial landmark information is utilized at the tracking stage, the forward-backward error is 32% lower than the random feature point method. In addition, when the tracking model is mixed with the face detection model, the execution time was reduced by 4.5 times compared to SSD(single shot multibox detector).
목차
I. 서론 1Ⅱ. 기존연구 52.1 Haar Cascade 기반 객체 검출 52.2 딥러닝 SSD를 이용한 얼굴 검출 92.3 물체 추적 알고리즘 12Ⅲ. 제안 알고리즘 143.1 운전자 관심영역 추출 153.2 최적의 운전자 얼굴 검출 알고리즘 203.3 중앙 흐름 추적 알고리즘을 통한 얼굴 추적 38Ⅳ. 알고리즘 성능 평가 404.1 고속 운전자 얼굴 검출 알고리즘 404.2 얼굴 추적 알고리즘 50V. 결론 51참 고 문 헌 53
최근 본 자료
댓글(0)
0