딥러닝의 등장과 ICT(Information and Communication Technology)의 급속한 발전으로 정치, 경제, 문화 등 사회의 다양한 분야에서 인공지능을 활용한 연구가 활발히 진행되고 있다. 딥러닝 기반 인공지능 기술은 자연어 처리, 영상 처리, 음성 처리, 추천 시스템 등 다양한 영역으로 세분화된다. 특히, 산업이 고도화됨에 따라 시장 동향 및 개인의 특성을 분석하여 소비자에게 추천하는 추천 시스템의 필요성이 점점 더 요구되고 있다. 이러한 기술 발전에 발맞추어, 본 논문에서는 딥러닝 기반 '언어처리지능' 과 '영상처리지능'의 기술개발을 통해 정형 또는 비정형 텍스트 및 이미지 빅데이터로부터 속성 정보를 추출 추출하고, 분류하여 패션시장의 트랜드나 신규소재 등을 분석하고 소비자의 취향 분석을 통하여 '시장-소비자' 인사이트를 발굴하여, 스타일 추천, 가상 피팅, 및 디자인지원 등이 가능한 인공지능 기반 '맞춤형 패션 어드바이저' 서비스 통합 시스템을 제안한다.

웹 로그 분석은 서비스 개선에 있어 필수적인 절차 중 하나이다. ScienceON은 다양한 과학기술 문헌과 정보를 서비스하는 대표적인 정보 서비스이며, 우리는 지속적인 개선을 위해 웹 로그를 분석하고 있다. 본 연구는 2020년 5월과 2021년 5월 생성된 ScienceON 웹 로그에 대해 인간과 웹 크롤러로 구분하여 심층적인 분석을 하는 데 목표를 두고 있다. 먼저 S(검색), V(상세보기), D(다운로드) 타입에 해당하는 웹 로그만 추출하여 각 시기에 대해 658,407와 8,727,042 레코드로 정규화하였다. 그리고, 파이썬 'user_agents' 라이브러리를 이용하여 인간과 웹 크롤러로 로그를 분리하였으며, 각 로그에 대해 60초를 기준으로 세션 크기를 설정하고 분석하였다. 인간과 달리 웹 크롤러는 세션 당 평균 행위 패턴(Average Behaviors per Session)의 길이가 상대적으로 길고, 행위 패턴이 V 중심으로 이루어짐으로 확인하였다. 향후 웹 크롤러를 쉽게 탐지하고 대응하며, 인간 사용자의 행위 패턴에 대응할 수 있도록 서비스를 개선할 예정이다.

4차산업혁명 및 데이터 경제의 지속성장과 활성화를 위해 국내에서는 세계 최초로 '데이터 기본법'을 제정하여 시행하고 있다. 하지만 해당 법률은 데이터산업의 활성화와 데이터자산의 보호를 다루기는 데이터의 생산, 유통 및 이용 활성화를 우선으로 하고 있어서 개인정보보호법이나 저작권법보다 우선 적용·해석 될 수 있다. 이에 본 논문에서 데이터기본법의 주요내용을 살펴보고, 개인정보 이슈를 고찰해 보고자 한다.

인구 고령화와 더불어 최근 10년간 치매, 경도인지장애(MCI, Mild Cognitive Disorder) 수진자 수가 19배 수준으로 급증하면서 심각한 사회·경제적 문제로 대두되고 있다. MCI는 조기 진단 및 중재를 통해 치매 예방 가능성이 가장 큰 단계이지만, 국내 치매안심센터의 물리적 수용 한계 및 팬데믹으로 인한 대면 프로그램의 중단으로 MCI 및 치매 환자의 대응이 어려운 실정이다. 본 연구에서는 향후 급증하는 노인인구와 치매 환자를 위한 인지훈련 콘텐츠의 특성을 알아보고, 고령자의 인지, 신체, 사회기능을 효과적으로 훈련할 수 있는 XR(Extended Reality) 기반의 콘텐츠 개발 고려사항을 도출하고 이를 위한 디자인 요소를 제안한다.

2020년 하반기부터 2021년 초까지 발생한 조류인플루엔자의 여파로 1,780만수의 산란계가 살처분되면서 계란 공급 부족으로 계란 1판에 1만원을 넘는 사태가 벌어지기도 했다. 이에 정부는 물가 안정 대책으로 1,000억원 이상의 국고를 계란 수입에 투입하였지만, 계란 가격의 안정화는 쉽지 않았다. 계란 가격의 급격한 변동성은 소비자와 양계농가 모두에게 부정적인 영향을 미치므로 계란 가격의 안정화 방안을 위한 대책이 필요하다. 이를 위해 본 연구에서는 머신러닝 회귀분석 알고리즘을 활용하여 계란 가격을 예측하였으며, 가격 예측을 위해서 대한양계협회 2012~2021년도의 월간 산란계 생산통계와 국가통계포털(KOSIS)의 도축실적 등 총 8개의 독립변수를 선택하였다. 실제 가격과 모델에 의한 예측 가격의 차이를 나타내는 평균 제곱근 오차(RMSE)는 약 103원이며, 이는 개발된 모델이 계란 가격을 비교적 잘 예측한 결과라고 판단된다. 정확한 계란 가격 예측은 산란계 계란 생산주령의 유연한 조정과 산란계 입식에 대한 의사결정을 도울 수 있고, 계란 가격 안정성 확보에 도움을 줄 것으로 보인다.

최근 정보기술(IT)의 급속한 발전, 코로나19(COVID-19)로 인한 글로벌 팬데믹 현상 등으로 오픈 액세스(OA), 오픈 사이언스(OS), 개방형 동료평가(Open Peer Review, OPR)와 같은 새로운 학술출판 관행이 과학기술분야 학술연구 현장에도 영향을 미치고 있다. OPR 시스템의 도입과 같은 새로운 학술연구출판 관행과 제도는 가치, 동기, 수단, 라이센스, 인센티브 등과 서로 밀접하게 연결되어 있다. OPR의 개념과 실체가 무엇인지는 기존 연구들을 통하여 최근 어느 정도 정립이 됐다. 하지만 OPR을 통해 연구자 개인이나 학회, 출판사 등에 새로운 기회, 도전 과제 및 미래 전망에 대하여 어떠한 영향을 미치는 가에 대한 연구는 중요하지만 제한적이다. 특히 학술연구출판 관행에 대한 다양한 연구가 국내외에서 진행되었지만 국내에서 학술지를 발간하는 학회차원에서 학술연구출판 관행, 특히 OPR에 대한 구체적인 조사분석은 거의 진행되지 않았다. 그렇기에 OPR에 대한 학술출판 생태계의 다양한 참여 주체들의 관점을 자세히 탐구할 필요성이 있다. 이에 본 연구는 과학기술분야 학술지의 학술연구출판 관행과 관련하여 학회 차원에서 새로운 학출연구 출판관행, 특히 OPR에 어떠한 인식을 가지고 있는가에 대한 연구를 진행하고자 한다. 본 연구는 한국과학기술정보연구원(KISTI) 학술연구논문투고심사시스템(ACOMS)를 활용하는 학회를 중심으로 설문조사를 통하여 수집된 OPR 관련 학술연구출판 관행과 제도 변화에 대한 인식을 분석했다.

최근 그래프데이터베이스가 널리 사용되기 시작했다. 그래프데이터베이스는 그래프구조를 활용하는 데이터베이스이다. 관계형 데이터베이스의 테이블 대신, 그래프데이터베이스는 정점과 간선 형태로 정보를 저장한다. 데이터 저장구조의 사전 정의 없이 데이터를 저장할 수 있으며 사람이 생각하는 방식과 유사하게 데이터를 저장하고 조회할 수 있다. 그래프 데이터베이스를 활용하면 복잡한 연결구조를 가진 대용량 데이터를 효율적으로 처리할 수 있다. 통신망은 다양한 형태의 통신설비가 복잡하게 상호연결된 그래프구조로 볼 수 있다. 기존의 통신망 관리 시스템(Network Operation Support System)은 통신설비와 설비간 연결관계를 관계형데이터베이스로 관리하고 있어 서비스 종단 간 연결관계를 조회하거나, 고장원인 지점을 추적 ·조회하는등 그래프 탐색쿼리를 수행함에 있어서 어려움이 있었다. 본 연구에서는 통신망 구성 정보를 그래프데이터베이스를 이용해 구축하는 방안에 대해 고찰하고자 한다. 그래프데이터베이스의 도입으로 그래프탐색이 필요한 조회인 경우 효율적인 질의처리가 가능할 것으로 기대한다.

플라즈마 공정장비 지능화를 이루기 위해서는 플라즈마 공정장비에서 플라즈마를 생성하는 다양한 조건 값에 따라 변화되는 플라즈마의 상태 값이 필요하며 이러한 데이터를 수집하기 위해 여러 종류의 측정 센서를 사용한다. 측정 센서에서 생산된 데이터를 이용하여 다양한 분석 기법을 사용하여 플라즈마 생성 조건 및 센서 데이터의 주요한 특징점 간의 관계성을 파악함으로써 플라즈마 공정장비의 상태를 진단할 수 있다. 이를 위해 플라즈마 공정장비에서 생산된 데이터를 기반으로 다양한 데이터 분석 연구를 통한 데이터간의 연관성을 보여주도록 한다.

기존의 공정방식에 비해 효율성이나 환경적 면에서 많은 장점을 가진 플라즈마 공정은 반도체 제작에서 널리 사용되고 있다. Plasma Sheath란 플라즈마 bulk와 그 것을 둘러싸고 있는 챔버 벽면과 전극 사이에서 관찰되는 어두운 영역으로 양이온과 전자의 이동속도 차이로 인해 발생한다. Plasma Sheath Monitoring Sensor (PSMS)는 플라즈마와 전극 사이의 전압(Voltage) 차이와 전극에 걸리는 RF power 등을 실시간으로 측정하는 센서로서 플라즈마 챔버 내에서 플라즈마의 상태와 매우 상관도가 높을 것으로 기대된다. 본 연구에서는 PSMS 데이터를 활용하여 플라즈마 챔버 내의 질소이온의 상태를 예측하는 모형을 딥러닝 기계학습 기법을 이용하여 구축하였다. 연구에 사용된 데이터는 파워와 압력을 달리 셋팅한 실험에서 측정된 PSMS 데이터를 학습데이터로 활용하고 플라즈마 bulk와 Si substrate에서 측정된 질소 이온의 비율, 플럭스, 밀도를 레이블로 활용하였다. 본 연구의 결과는 향후 플라즈마 공정의 최적화 및 실시간 정밀제어를 위한 인공지능 기술의 기초가 될 것으로 기대된다.

ScienceON, RISS, DBpia 등 연구자들이 R&D 과정 중에 이용하는 연구 정보 서비스는 포털 형식의 사용자 인터페이스와 함께 요구 대응 방식(Pull)의 검색 기능이 주를 이루고 있다. 그렇지만, 연구 과정과 결과를 자유롭게 공유·활용하고 협업 연구에 필요한 다양한 도구와 서비스를 제공하는 개방형 협업에 대한 요구가 점차 커지고 있어, 이러한 서비스 역할의 한계도 존재한다. 이에 우리는 R&D 전주기를 지원하기 위한 개인화된 연구 환경 인터페이스를 중심으로 선제 대응 방식(Push)의 목표 지향적 분석을 수행하는 WithON을 설계한다. 본 연구를 통해 제시하는 WithON이 개방형 협업을 위한 가상 공간을 제공함으로써 기존 연구 정보 서비스 방식을 근본적으로 바꿀 것으로 기대한다.

줌(Zoom), 디스코드와 같은 온라인 화상 회의 시스템은 접근성이 좋고 공간의 제약을 받지 않아 주로 비대면 업무를 볼 때 쓰이고 있다. 하지만 대부분의 온라인 화상 회의 시스템은 양방향 상호작용이 어려워, 이를 이용하는 참여자들에게서 의사소통의 어려움, 몰입의 부재 등의 문제가 나타나고 있다. 반면, 공간 컴퓨팅의 발전과 함께 주목받게 된 메타버스는 청각과 시각, 촉각 정보를 활용하여 3차원 가상세계에서도 현실세계와 같이 원활한 상호작용이 가능하다. 본 논문에서는 기존 온라인 화상 회의 시스템의 몰입 부재 문제를 개선하기 위해 메타버스 플랫폼의 활용 방안을 제안한다. 제안 방법을 통해 플랫폼 이용자끼리 가상공간에서 서로의 업무 화면을 공유 및 확인하며, 다양한 자료를 교환할 수 있다. 참여자의 몰입 개선을 위해 메타버스 플랫폼의 환경과 개선안을 구성하고, 기존 온라인 화상 회의 플랫폼과 비교하였다.

본 논문에서는 인터폰, 키오스크 등 비대면 주문 시 이용하는 시스템에서 소비자에게 제공되는 멤버쉽 서비스 제공을 기존의 시스템보다 이용자에게 용이한 플랫폼 설계를 목적으로 한다. 과거의 멤버쉽은 카드, 스마트폰, 개인정보를 이용한 바코드 생성이 있다 하지만 소비자들은 기업마다 존재하는 멤버쉽을 관리하는데 어려움이 있으며 키오스크나 인터폰 등을 통한 무인 주문 매장이 늘어나면서 주문을 빨리 하기 위해서 멤버쉽 서비스를 적립하지 않는 소비자들이 늘어났다. 멤버쉽 서비스의 사용성을 늘리기 위해서 멤버쉽 서비스 활용을 위한 통합 플랫폼 설계를 제안한다. 각 멤버쉽 서비스 내역을 보기 하나로 통합하여 제공하는 것을 목적으로 하며, 소비자에게는 여러 개의 서비스를 하나로 통합하여 확인 할 수 있는 플랫폼을 제공한다.

최근 코로나-19의 유행에 따른 전염병 예방 및 차단을 위해 비접촉 생체 정보 취득 및 분석 기술이 주목을 받고 있다. 습식 및 부착형 생체정보 취득 방법은 정확하게 생체정보를 측정 할 수 있는 장점이 있지 만 밀 접촉에 따른 전염이 높아지는 위험성을 내포하고 있다. 이러한 문제점을 해결하기 위해 사람의 지문, 얼굴, 홍채, 정맥, 음성, 서명 등의 생체 정보를 자동화된 장치로 추출하는 비접촉 방식은 빅데이터와 AI 기술 적용으로 데이터 처리 속도가 빨라지고 인식 정확도가 높아지면서 다양한 산업에서 활용이 증가하고 있다. 그러나, 비접촉식 생체 데이터 취득 기술의 정확도가 개선되었지만, 비접촉 방법은 측정 대상 객체를 둘러싸고 있는 외부 온도, 습도, 조도 등의 주위 환경에 많은 영향을 받아 측정정보가 왜곡되는 현상이 발생하고 또한 정확도가 떨어지는 단점이 있다. 본 논문에서는 생체정보 분석을 위한 개인화 정보(이미지, 신호 등)의 해석을 위한 맥락기반 생체신호 모델링 기법을 제안 한다. 맥락기반 생체정보 모델링 기법은 성능 개선을 위해 생체정보 측정의 정황 정보와 사용자 정보를 복합적으로 고려하는 모델을 제시한다. 제안 모델은 예측 값 확률을 최대화할 수 있는 맥락기반 신호 해석을 통한 특징 확률분포를 기반으로 신호 정보를 분석한다.

인공지능을 사용하는 다양한 객체 인식은 기본적으로 평면적인 결과를 보여준다. 물체를 분류하거나 이미지상에 있는 객체가 무엇인지를 확인하는 것을 기초로 한다. 하지만, 원래의 물체는 평면이 아닌 입체적 형태를 가지고 있으며 이미지에서 단순 결과만을 얻기 위한 인식은 상관없지만, 다양한 분야에 활용한다면 부족한 정보가 많다. 본 논문에서는 GAN 알고리즘을 기반으로 한 이미지 생성과 관련하여 중간 결과를 생성하는 Layer의 특성을 활용하여 물체의 다방면의 데이터 생성 방법과 그것이 유의미한지를 확인한다. 기존의 다방면 데이터를 생성하기 위한 하드웨어 및 수집과정에서의 문제점을 일부 해결하고, 몇몇 제한적인 객체에서의 데이터 생성 후 활용이 가능함을 확인한다.

Robot navigation has seen a major improvement since the the rediscovery of the potential of Artificial Intelligence (AI) and the attention it has garnered in research circles. A notable achievement in the area was Deep Learning (DL) application in computer vision with outstanding daily life applications such as face-recognition, object detection, and more. However, robotics in general still depend on human inputs in certain areas such as localization, navigation, etc. In this paper, we propose a study case of robot navigation based on deep reinforcement technology. We look into the benefits of switching from traditional ROS-based navigation algorithms towards machine learning approaches and methods. We describe the state-of-the-art technology by introducing the concepts of Reinforcement Learning (RL), Deep Learning (DL) and DRL before before focusing on visual navigation based on DRL. The case study preludes further real life deployment in which mobile navigational agent learns to navigate unbeknownst areas.

최근 위조 외국 선박이 국내항을 여러번 입출항한 경우가 있었다. 선박에는 국제해사기구(IMO)가 선박을 식별하기 위해 부여한 선박 고유 일련번호가 있으며 2004년 이후 건조된 모든 선박에 IMO 표시를 의무적으로 해야 한다. 대표적인 물류 플랫폼인 공항과 항만의 경우 보안체계가 필수적이지만 항만에서의 보안체계를 세우는 것은 어렵고 사각지대가 많아 보안체계의 미흡으로 인한 보안문제가 발생할 수 있다. 본 논문에서는 딥러닝 객체인식 및 OpenCV를 이용하여 항만 보안시스템을 설계한다. 보안시스템 프로세스는 선박 입항시 객체 인식 후, 선박의 IMO번호를 추출하여 입항 기록이 있는 선박의 경우 특징점 매칭을 통해 동일한 선박인지 판단하고, 최초 입항 선박의 경우 입출항 DB에 선박 이미지 및 IMO번호를 저장한다. 본 논문의 시스템을 통해 항만보안시스템을 활용하여 입항 관리 인력 단축으로 인한 효율성 증가와 미허가 입항으로 발생하는 부대 비용 절감을 통한 항만 물류 업무 효율성 및 체계 개선과 보안시스템 도입을 통해 항만 보안을 강화할 수 있다.

본 연구에서는 체내심부 광테라피를 위한 맞춤형 반수동 RFID 수신 모듈 시스템을 구현한다. 생체 내부는 피부, 지방, 근육, 골격 및 수분으로 구성되어 체내 심부까지 RF신호 전송에는 한계가 있기 때문에 새로운 전송 방법 연구가 필요하다. 최근 소개된 RFID기반 CIB 빔포밍 기술은 체내와 같이 채널추정이 힘든 환경에서 높은 신뢰도로 무선전송이 가능한 기술이다. 제안하는 RFID기반 미니어처 광캡슐은 소형컨트롤러, 초소형 LED Array, 무선통신용 RFID 칩으로 구성된다. 표준 RFID 프로토콜(ISO-16000-8c)을 기반으로 UHF대역 RFID 안테나를 통해 외부리더기와 무선접속이 가능하며, 사용자 USER BANK 접근을 통해 제어신호 전송이 가능하다. 입력된 제어신호에 따라 캡슐의 테라피용 LED를 멀티레벨 디밍제어, 시간제어 가능하다. 제작된 RFID 광테라피 캡슐의 통신 접속 과정을 분석하고 신뢰도를 평가하였다.

데이터가 디지털 전환을 위한 핵심자산으로 평가됨에 따라, 국방분야에서도 데이터의 효율적·안정적 관리와 원활한 공유, 그리고 데이터를 활용한 서비스 제공이 요구되고 있다. 이를 지원하기 위해 우리군은 국방데이터 관리 기반체계인 국방 지능형 플랫폼 구축을 위한 초석을 마련하고 있다. 본고에서는 우리나라 및 주요 선진군의 데이터전략과 데이터 플랫폼 추진방향을 살펴보고, 주요 시사점과 함께 우리군의 국방 지능형 플랫폼 발전방향을 제시하였다. 이를 통해 안전하고 효율적인 우리 군의 국방데이터 관리 기반체계 구축에 기여할 수 있기를 기대한다.

NCS(Naval Combat System)는 함정에 설치된 이기종의 센서와 무기를 연동하여 표적탐지, 추적, 위협분석, 교전 및 명중평가에 이르기까지 함정의 전투효과를 극대화시키기 위한 시스템이다. 함정전투체계의 목적을 달성하기 위해서는 승조원들의 함정전투체계에 대한 운용 숙달이 요구된다. 이를 위해서 함정전투체계에서는 모의훈련 기능을 제공하며, 승조원들은 함상에서 체계 운용 숙달 및 팀워크 훈련을 수행한다. 훈련을 통제하는 훈련교관은 높은 수준의 훈련 통제 및 감시가 가능해야 하며 이에 대한 연구가 필요하다. 본 논문은 훈련교관의 훈련상황 가시화를 위한 3차원 전시 방안을 연구한다.

데이터 활용이 점점 중요해짐에 따라 민간 기업뿐만 아니라 공공기관에서도 데이터 활용 활성화를 위해 많은 노력을 기울이고 있다. 그 중에서도 데이터책임관 제도는 데이터 정책을 담당하는 조직의 각 부서의 기능을 조정하여 정책 목표를 달성해 나가는 추진체계인 데이터 거버넌스의 핵심 요소이다. 데이터기반행정 법이 시행됨에 따라 국방부를 포함한 모든 공공기관이 데이터책임관을 지정하였지만, 아직 도입 초기임에 따라 실질적인 역할을 하기에는 역부족이다. 본 연구에서는 현재 국방부에서 추진 중인 국방데이터책임관 제도 운영 현황을 점검해보고, 실질적인 역할을 하기 위한 발전방안을 제시한다.

4차 산업혁명은 다양한 ICT 기술의 융합과 지능화를 통해 미래 국가 경쟁력을 좌우하는 패러다임으로 여겨지고 있다. 우리 군도 국정과제 구현과 국방개혁 2.0의 성공적인 추진 보장을 위해 '4차 산업혁명 시대 국방혁신 계획' 추진을 위한 비전으로 '4차 산업혁명 기반 스마트 국방혁신 구현'으로 설정하였다. 그러나, 비전에 따른 본격적인 사업추진에 앞서 4차 산업혁명의 핵심사항인 데이터 가치사슬이 고려되어 있는지 검토가 필요한 시점이다. 본고에서는 스마트 국방혁신 추진사업과 군 및 범정부에서 추진하는 데이터 플랫폼 추진사업을 데이터 가치사슬 측면에서 비교분석하고 국방데이터 생태계 구축을 위한 정책적 대안을 제시하였다.

글자 인식 시스템은 무인 로봇, 자율 주행 자동차 등 자동화를 필요로 하는 인공지능 분야에서 사용되는 기술로, 주변 환경에 여러 장애물이 있음에도 글자를 정확하게 인식하는 것을 말한다. 영어만 인식했던 기존의 연구와 달리, 본 논문은 영어, 한국어, 특수문자와 숫자를 포함한 다양한 문자가 혼재되어 있는 경우에도 강한 인식률을 보여준다. 가장 높은 확률 값을 갖는 클래스 하나 만을 선택하는 것이 아닌 차 순위의 확률도 함께 고려하여 후보 단어 리스트를 생성하고, 이로 인해 기존에 오인식되는 단어를 교정할 수 있는 방법을 제안한다.

본 논문에서는 다시점에서의 자세 추정 결과를 정합하여 3D 볼류메트릭 데이터 시퀀스의 3D 자세 추정 결과의 떨림을 줄이는 방법을 제안한다. 볼류메트릭 모델을 중심으로 원을 그리며 일정 각도 간격의 시점에서 본 모델을 평면에 투사한다. 투영하여 얻은 2D 영상에 대해 Openpose를 이용하여 2D 자세 추정을 진행한 뒤, 2D 관절 정보를 정합하여 3D 관절 위치를 국한한다. 각도 간격에 따라 다른 3D 관절의 떨림의 정도를 수치화하여 표로 나타내고, 안정적인 결과를 위한 최소 조건을 확인하였다.

본 논문에서는 RGB-D 카메라를 이용하여 획득한 다수 사용자의 정규화된 스켈레톤의 신체 비율 분석을 통해 각 사용자의 구분 및 위치를 추적하는 기법을 제안한다. 이를 위해 3D 포인트 클라우드로부터 각 사용자의 3D 스켈레톤을 추출한 뒤 신체 비율 정보를 저장한다. 이후 저장된 신체 비율 정보를 전체 프레임에서 출력된 신체 비율 데이터와 유사도를 비교하여 전체 영상에서의 사용자 구분 및 위치추적 알고리즘을 제안한다.

본 논문에서는 옷감의 물성을 측정하는 수단인 Cusick drape 시스템을 이용하여 실제 옷감 데이터에 대한 물성을 예측한다. 3차원 볼류메트릭 시스템을 이용하여 실제 Cusick drape 시스템의 옷감 데이터를 3차원 포인트클라우드 형식으로 획득한다. 옷감과 동일한 모양과 크기의 메쉬 데이터를 이용하여 Cusick drape 시뮬레이션을 진행하고 실제 Draping된 옷감과 가장 유사하게 Draping되는 옷감의 물리 파라미터를 획득한다.

최근 IoT(Internet of Things) 기기의 수가 증가함에 따라 발생하는 오버헤드 문제를 해결하기 위한 연구가 활발히 진행되고 있다. IoT 환경에서의 성능저하 문제를 해결하기 위한 IoT 경량화 프로토콜 중 하나인 MQTT(Message Queue Telemetry Transport)는 다대다 통신 환경에서 효율적인 동작이 가능하도록 표준화되었지만, 통신 시스템에 적용되어 구현될 때 암호화를 하지 않는 것이 디폴트로 설정되어 보안이 취약한 문제가 있다. 이러한 문제를 해결하기 위해 TLS(Transport Layer Security) 암호화 통신 기술을 적용할 수 있지만, IoT의 경량 저전력 요구조건을 만족하기 어렵다. 본 논문에서는 최신 MQTT 통신 암호화 기술 동향을 소개하고, TLS 암호화 통신 및 페이로드 암호화 방식을 비교하여 IoT 적용 가능성을 분석한다.

LoRa 통신 프로토콜은 근 10년간 사물인터넷 네트워크를 위한 유망 기술로 평가받고 있다. 이론적으로, 처프 대역 확산 프로토콜을 사용하여 장거리 통신에 강인하고 하나의 물리 채널에 서로 직교하는 여러 논리채널을 제공할 수 있으며 중첩 성형의 망구조로 공간 다양성을 활용할 수 있는 것이 대표적 이유이다. 최근의 몇몇 연구들은 이러한 특징 중 논리 채널 사이의 불완전한 실질적인 준직교성을 지적한다. 그러나 직교하는 논리 채널을 형성하는 것은 확산 인자와 대역폭 두 가지 설정 인자임에도 불구하고 대부분의 연구는 확산 인자만을 요소로 직교성을 평가한다. 본 연구에서는 두 설정 인자를 모두 고려하여 논리 채널 사이의 준 직교성을 정리한다. 또한, 이에 따른 논리 채널 사이의 간섭으로 인해 변화하는 통신 품질을 정리한다.

실내에서 측위를 위해 주로 사용되는 무선 센서 네트워크(WSN)는 수신 신호 강도(RSSI)의 정확성에 의존한다. 이 RSSI는 간섭을 유발하는 여러 요인에 민감하며, 그 중 온도가 실내/외 환경에서 RSSI에 큰 영향을 미친다는 국외 연구 사례가 있다. 실내에서는 열원이나 공조 시스템으로 인해 실내 공간의 온도가 고르지 않으며, 특정 위치에서는 잦은 온도 변화가 발생한다. 특히, 실내 화재 상황 시 대피 경로 안내를 위해 정확한 측위 시스템이 요구되지만 Receiver 주변에서의 화재로 인해 국부적으로 높은 온도가 형성되어 RSSI 값에 영향을 미칠 수 있다. 본 논문에서는 SoC 내부 및 국부 온도와 RSSI의 상관관계 분석을 통해 RSSI에 미치는 영향을 연구하고자 한다.

스마트 팩토리의 중요성이 강조됨에 따라, 스마트 팩토리 구축을 위해 산업용 Ethernet 기반 장치의 활용이 증가할 것으로 전망되고 있다. PROFINET은 SIEMENS사에서 개발한 산업용 이더넷 프로토콜이며, 현재 다수의 스마트 팩토리가 PROFINET 기반 제품으로 구축되고 있는 실정이다. 이에 따라 산업용 사물인터넷(Industrial IoT) 기반의 다양한 서비스 개발 및 활용을 위해 PROFINET 기반의 제조 장비에서 각종 센서 데이터 및 정보를 수집하여 엣지 컴퓨터로 데이터를 전송할 수 있는 IIoT 디바이스가 필요하며, IIoT의 주요 메시징 프로토콜인 MQTT(Message Queuing Telemetry Transport)를 활용한 데이터 수집 IIoT 디바이스 개발 방안을 제시하고자 한다.

IoT 응용 개발에서 센서/구동기의 복잡성을 극복하기 위하여 Plug&Play 기법들이 다양한 방식으로 제안되었다. IEEE1451 표준은 센서/구동기를 TEDS 라는 자료구조로 추상화한다. 그 결과 센서/구동기를 호스트 장치에 연결할 때 센서/구동기의 특성이 불필요하다. ETRI에서 제안한 방식은 센서/구동기의 장치 드라이버가 호스트에 동적 적재 및 연결되는 형식이며 특별한 추상화 자료구조는 없다. 두 방식은 센서/구동기의 추상화 단위 면에서 양쪽 끝단에 위치한다. 우리는 이 사실을 기반으로 문제를 제시하는데 그 중간에 최적화된 어떤 방식이 존재할 수 있느냐는 것이다. 본 논문에서는 기존의 Plug&Play 기법들을 분석하고 추상화 단위를 정의하였다. 이 단위를 기반으로 기존 방식들을 비교, 분석하였다.

산업과 기술력이 발전하면서 이에 대한 데이터의 양도 증폭하고 있으며 해당 기술력과 정보 전달에 대한 연구가 활발히 진행되고 있다. 따라서 본 논문에서는 데이터의 양을 줄이기 위해서 압축센싱을 활용하였고 해당 데이터가 객체 검출 알고리즘인 Mask R-CNN 모델에 미치는 영향을 분석하였다. 압축률이 높아질수록 이미지의 데이터 양이 줄어들면서 해상도가 낮아지는 것을 확인할 수 있었지만 객체 검출에서는 원본과 큰 차이를 보이지 않고 대부분의 객체가 검출되는 것을 확인하였다.

중요시설 실시간 감지 시스템으로는 주로 CCTV를 사용하고 있다. CCTV의 경우 감지에 대한 정확성은 높지만 시야각이 좁기 때문에 레이다(RADAR)와 같은 센서와 함께 혼용되어 사용되고 있다. 라이다(LiDAR)는 고출력의 펄스 레이저를 이용하여 물체에 반사되어 돌아오는 시간을 감지하여 거리정보를 획득하는 기술이다. 라이다의 경우 데이터 처리량으로 인해 서버의 동시 처리 센서 개수의 제약으로 인해 비용적으로나 기술적으로나 활용도가 높지 않은 문제점이 있다. 광망 센서에 의한 감지 방식 또한 강풍과 혹한에 취약하고 동물 훼손에 따른 유지보수의 문제도 있다. 본 논문에서는 기존의 라이다 센서에서 사용하는 905nm 파장대가 아닌 1550nm 파장대를 사용함으로써 기상 환경에 대한 영향은 강하고, 다수의 센서를 통합하여 관제할 수 있는 시스템 개발을 제안하고자 한다.

오토인코더 딥러닝 모델은 이상 데이터도 정상 데이터로 복원하는 능력이 우수하여 이상탐지에 적절하지 못한 경우가 발생한다. 그리고 데이터의 일부를 가린(마스킹) 후 가린 데이터를 복원하는 방식인 Inpainting 방식은 잡음이 많은 이미지에 대해서는 복원능력이 떨어지는 문제점을 가지고 있다. 본 논문에서는 MLP-Mixer 모델을 수정·개선하여 이미지를 일정 비율로 마스킹하고 마스킹된 이미지의 압축된 정보를 모델에 전달해 이미지를 재구성하는 방식을 사용하였다. MVTec AD 데이터 셋의 정상 데이터로 학습한 모델을 구축한 뒤, 정상과 이상 이미지를 각각 입력하여 재구성 오류를 구하고 이를 통해 이상탐지를 수행하였다. 성능 평가 결과 제안된 방식이 기존의 방식에 비해 이상탐지 성능이 우수한 것으로 나타났다.

제품의 결함 탐지를 위한 머신 비전 시스템에 딥러닝을 적용하기 위해서는 다양한 결함 사례에 대한 방대한 학습 데이터가 필요하다. 하지만 실제 제조 산업에서는 결함의 종류에 따른 데이터 불균형이 생기기 때문에 결함 사례를 일반화할 수 있을 만큼의 제품 이미지를 수집하기 위해서는 많은 시간이 소요된다. 본 논문에서는 적은 데이터로도 학습이 가능한 샴 신경망을 제품 결함 탐지에 적용하고, 제품 결함 이미지 데이터의 속성을 고려하여 이미지 쌍 구성법과 대조 손실 함수를 수정하였다. AUC-ROC로 샴 신경망의 임베딩 성능을 간접적으로 확인한 결과, 같은 제품끼리만 쌍을 구성하고 결함이 있는 제품 간에는 쌍을 구성하였을 때, 그리고 지수 대조 손실로 학습하였을 때 좋은 임베딩 성능을 보였다.

본 논문에서는 아파트를 비롯한 집단 거주지에서 대량으로 발생되는 음식물 쓰레기를 가축 사육 농가 등 도심 인근 지역 수요자에게 온라인 거래를 통해 판매할 수 있도록 지원하는 전자상거래 서비스를 제안하고자 한다. 제안 서비스는 일반적인 전자상거래와는 달리 사물인터넷 기반의 센서와 통신 모듈이 탑재된 스마트 음식물 쓰레기통을 이용해 각 아파트의 위치 정보와 배출되는 음식물 쓰레기의 양을 자동으로 수집한 후 이를 특화된 전자상거래 플랫폼 상에서 시각화된 정보로 제공하여 수요자에게 판매하는 것을 핵심으로 한다. 스마트 음식물 쓰레기통은 무게 센서와 GPS 센서 그리고 LoRa 통신 모듈을 이용해 주기적으로 현재 용량을 클라우드 기반의 데이터베이스로 전달하며, 이렇게 수집된 여러 아파트의 위치 정보와 용량 정보는 웹사이트나 모바일 애플리케이션 형태의 전자상거래 서비스 운영에 활용이 된다. 제안하는 전자상거래 서비스는 각 아파트에서 구매자가 있는 인근 지역 농가까지 음식물 쓰레기를 배달하는 서비스와 연계함으로써 지역 경제 활성화와 더불어 음식물 쓰레기 처리 문제를 해결하는 데 큰 도움이 될 것이라 기대한다.

화이트박스 암호 기법은 암호 키 정보를 소프트웨어 기반 암호화 알고리즘에 섞어 암호 키의 노출을 막는 방식이다. 화이트박스 암호 기법은 허가되지 않은 역공학 분석으로 메모리에 접근하여 기밀 데이터와 키를 유추하기 어렵게 만들어서 종래의 하드웨어 기반의 보안 암호화 기법을 대체하는 기술로 주목받고 있다. 하지만, 암복호화 과정에서 연산 결과와 암호 키를 숨기기 위해 크기가 큰 룩업테이블을 사용하기 때문에 암복호 속도가 느리고, 메모리 사이즈가 커지는 문제가 발생한다. 특히 최근 저가, 저전력, 경량의 사물인터넷 제품들은 제한된 메모리 공간과 배터리 용량 때문에 화이트박스 암호을 적용하기 어렵다. 또한, 실시간 서비스를 지원해야 하는 네트워크 환경에서는 화이트박스 암호의 암복호화 속도로 인해 응답 지연 시간이 증가하여 통신 효율이 열화된다. 따라서 본 논문에서는 S.Chow가 제안한 AES 기반 화이트박스(WBC-AES)를 사용하여 속도와 메모리 요구조건을 만족할 수 있는지 실험 결과를 토대로 분석한다.

본 연구에서는 각 사거리에 맞는 최적의 현시를 찾는 모델을 만들었다. 사거리에서 각 방향의 교통량, 교통용량, 차선의 폭이 주어져 있을 때, 모든 현시의 교통 효율을 평가하는 평가함수를 만들어 최적의 현시를 탐색하였다. 평가함수는 한 방향에서의 평균 대기시간, 평균 지체시간, 지체시간의 표준편차, 그리고 각 방향 평균 지체시간의 표준편차의 값을 반영한다. 현시를 최적으로 하는 시간 배분은 경사하강법을 사용하여 얻어낼 수 있다. 이를 통해 신호에서 대기 시간을 줄이고, 도시의 전체적인 교통상황을 개선할 수 있을 것으로 예상한다.

다중 엘리베이터의 트래픽(Traffic)은 엘리베이터 알고리즘의 설계의 가장 핵심적인 과제이다. 국내 대기업 엘리베이터의 DSS 알고리즘 패널과 같이 행선층을 직접 입력하는 시스템에 많은 비용을 투자하면 효율적인 엘리베이터 시스템 설계가 가능하다. 하지만 비용문제가 해결되지 않으면 NC 알고리즘과 같이 비효율적인 시스템을 사용할 수 밖에 없다. 본 연구에서는 시간 비효율 문제를 해결하기 위해 회사 건물이나 학교 건물과 같이 승객 대부분의 시간표(Timetable)이 알려져 있는 특정한 경우에 대하여 엘리베이터 알고리즘을 개선하였다. 엘리베이터 알고리즘은 배정 함수(FS)와 대기 함수(WF), 두 개의 식으로 나누어 설계하였다. 엘리베이터 시뮬레이션을 설계하였고, 실제 시간표 데이터를 바탕으로 시뮬레이션 상황에 맞는 10개의 서로 다른 시간표 데이터를 생성하였다. 유전 알고리즘(Genetic Algorithm)과 시뮬레이션을 이용하여 효율적인 배정 및 대기 함수의 가중치 및 상수를 결정하였다. 결과적으로 기존 엘리베이터의 NC 알고리즘에 비해 줄어들고 DSS 엘리베이터와 근접한 수준의 평균 대기 시간 효율을 얻었다. 추가적으로 유전 알고리즘을 통해 설계된 엘리베이터 알고리즘의 분석을 진행하였다.

웹에서 서비스하는 시스템이 점차 늘어나며 웹 서비스의 정상적인 운영을 방해하는 사이버 공격의 규모도 커지는 추세이다. 특히 정상적인 웹 서비스 운영을 방해하는 DDoS (분산 서비스 거부 공격) 또한 늘어나고 있다. 따라서 본 논문에서는 주요 공격 근원지의 국가나 도시 단위로 PoP을 운영하여 Anycast 형태의 네트워크에서 BGP ECMP(Equal Cost Multi Path) 라우팅 기법을 활용한 효율적인 DDoS 공격 방어의 기법을 제시하고, 고가용성의 웹 서비스를 운영할 수 있는 방법에 대해 기술한다.

초해상화란 저화질의 이미지를 고화질의 이미지로 변환하는 과정이다. 본 연구에서는 ESPCN 을 이용하여 연구를 진행하였다. 초해상화 심층 신경망에서 각 노드를 거칠 때 가중치를 결정하는 활성화 함수에 따라 같은 입력 데이터를 받더라도 다른 품질의 이미지가 출력될 수 있다. 따라서 활성화 함수 ReLU, ELU, Swish를 적용시켜 같은 입력 이미지에 대한 출력 이미지의 품질을 비교하여 초해상화에 가장 적합한 활성화 함수를 찾는 것이 이 연구의 목적이다. 초해상화를 위한 Dataset은 BSDS500 Dataset을 사용하였으며, 전처리 과정에서 이미지를 정사각형으로 자른 뒤 저화질화 하였다. 저화질화된 이미지는 모델의 입력 이미지에 사용되었고, 원본 이미지는 이후 출력 이미지와 비교하여 평가하는데 사용되었다. 학습 결과 머신 러닝에 주로 쓰이는 ReLU보다는 그 단점이 개선된 ELU, swish가 훈련 시간은 오래 걸렸지만 좋은 성능을 보였다.

현재 COVID-19 장기화로 인한 스트레스성 질병이 증가하고 있어 코로나 블루가 주목받고 있다. 이러한 사회적인 배경은 직장생활 좌절, 기존 생활 리듬 변화, 경제적 원천 차단 등으로 인한 부정적인 정서를 유발하며 현시대를 힐링이 필요한 시대로 이해하게 한다. 따라서 본 연구는 환상적 공간을 모험하고, 사진 촬영을 통해 추억과 경험을 저장하는 3D 기반 어드벤처 촬영 게임을 제안하는 것을 목적으로 한다. 이를 위해 문헌 연구로 힐링의 중요한 요소들을 탐색하고, 이를 기반으로 3ds Max, Unity 를 활용하여 게임을 구현하였다. 연구 결과, 힐링을 위한 귀엽고 포근한 시각적 요소와 감성적으로 다가가는 스토리, 공간의 의미를 담아주는 촬영 기능을 적용한 게임을 구현하였다. 본 연구는 사용자에게 비대면으로 힐링을 줄 수 있는 게임을 제공하며, 서비스 제공자에게는 효과적이고 중요한 힐링 요소를 제시한다.

노인들이 가장 두려워하는 질병으로 알려진 치매는 대한민국이 고령사회가 됨에 따라 그 예방의 필요성이 증대되고 있다. 그런데, 치매 예방을 위한 대부분의 현존 게임은 예방이라는 기능성 가치에만 초점이 맞추어져 있다. 따라서 본 연구는 치매 예방에 적합한 60대를 사용자층으로 선정하여, 사용자의 유희적 경험에 중점을 맞춘 모바일 치매 예방 게임을 제안한다. 이를 위해 사용자 관심사 조사 및 관련 문헌 조사를 진행했고, 조사를 토대로 바리스타 직업 체험이라는 주제로 실재감을 적용한 프로토타입을 제작했다. 결과적으로 사용자는 게임을 통해 치매 예방에 효과적인 4가지 인지 능력이 향상됨과 동시에 관심사에 따른 유희적 경험을 기대할 수 있다. 이를 통해 본 연구는 치매 예방을 목표로 하는 60대 사용자가 즐겁게 목표를 달성하는 효과를 기대하는 바이다.

본 논문에서는 YOLO(You Only Look Once) 기반의 교통 신호등 인식을 통해 오토바이 운전자의 신호 위반 여부를 확인하는 기술을 제안하고자 한다. 오토바이 전면에 탑재될 하드웨어 모듈은 YOLO 기반의 객체 탐지를 위한 카메라 모듈과 라즈베리 파이, 신호 위반 시 오토바이의 현재 위치 정보 수집을 위한 GPS 모듈, 그리고 수집 정보를 클라우드 DB로 전송하는 LoRa 통신 모듈로 구성된다. 소프트웨어 기능의 핵심은 오토바이의 교통 신호 위반 여부를 판단하는 컴포넌트이다. 본 논문에서는 카메라 앵글 내에 있는 교통 신호등 객체를 먼저 인식한 후 빨간색 신호일 때에만 이 객체가 화면 상에서 오른쪽(좌회전의 경우)이나 위쪽(직진의 경우)으로 사라지면 신호 위반으로 판단하는 기능을 제안한다. 그리고, 오토바이 운전자가 신호를 위반한 것으로 판단되면 운전자의 신상 정보(이름, 휴대폰 번호 등), 오토바이 정보(번호판, 등록번호 등), 위반 상황의 스냅샷 사진, 위치 정보 및 날짜/시각 정보를 클라우드 DB로 전달하도록 한다. 이러한 위반 정보는 운전자의 스마트폰에 푸시 알림으로 전달하여 위반 사실을 인지하도록 하고, 관할 경찰서에서는 신호 위반 스티커를 발부하는 데 활용될 수 있으므로 궁극적으로는 오토바이 운전자의 교통 신호 위반을 사전에 방지할 수 있을 것으로 기대된다.

본 논문에서는 Kernel based Fuzzy C-Means(K-FCM) 기반 양자화 기법을 적용하여 의료 초음파 영상에서 특징을 분할하는 기법을 제안한다. 결절종의 경우에는 초음파 영상 내에서 무에코, 저에코의 특징을 가진 낭포성 종양 객체를 특징 영역으로 영상을 분할한다. K-FCM 클러스터링은 기존의 FCM 클러스터링에서 Kernel Function을 적용한 형태의 클러스터링 기법이다. 본 논문에서는 Gaussian Kernel 기반 K-FCM을 적용하여 의료 초음파 영상에서 특징들을 분할하였다. 결절종 초음파 영상에서는 FCM 클러스터링이 F1 Score가 85.574%로 나타났고, K-FCM이 86.442%로 나타났다.

본 논문은 불연속 개별시도 훈련을 모방하는 상호작용 로봇이 자폐아동 대상의 사회적 상호작용 훈련에 지원 가능한 상태머신 설계 방법론을 제안한다. 사회적 상호작용 훈련에 적용되는 로봇은 아동의 행동반응을 측정하는 센서들로부터 수신된 데이터를 처리하여 제공되는 훈련자극에 대한 반응을 정량적인 지표로 사용하게 된다. 여기서, 상태머신은 취득된 데이터의 상태를 분류한 후 불연속 개별시도 훈련의 후속 자극을 제공하는 정보로 사용된다. 공동 주의 훈련을 통하여, 지속가능한 불연속 개별시도 훈련의 횟수와 아동반응에 대한 데이터를 정량적으로 분류함으로써 근거기반의 치료정보로 활용될 수 있을 뿐만 아니라 원격지 모니터링을 수행하는 관찰자에게 현재 아동의 반응 상태를 제공함과 동시에 오인식 상황에 적절히 대응 가능함을 확인하였다.

본 논문은 작업자와 객체들이 서로 혼재되어 있는 제조 현장에서 Mask R-CNN을 이용해 객체들을 탐지한 후 이를 Dense-Net을 통해 객체 형상을 자동으로 추출하는 기술을 담고 있다. 이는 맞춤형 공장 데이터 세트를 기반으로 하며, 대상이 되는 객체는 작업자, 기계, 도구, 컨트롤 박스 및 제품들이다. Mask R-CNN은 이미 잘 알려진 객체 인식 방식으로서 다중 객체 인식을 지원하며, Dense-Net은 중첩된 객체들로 부터 개별 객체를 추출하는 데 탁월한 효과를 보여준다. 이러한 두 가지 기술을 이용한 기초구현 결과 제조 현장 모습에서 객체들을 정상적으로 추출해 이미지를 설명할 수 있으며, 향후 객체에 대한 레이블링과 객체 간의 상호 관계를 추가해 작업자의 이상 행동을 감지하는 용도로 활용할 계획이다.

기존의 Tensorflow CNN 환경에서 Object 탐지 방식은 Tensorflow 자체적으로 Object 라벨링 작업과 탐지를 하는 방식이다. 그러나 현재 YOLO의 등장으로 이미지 객체 탐지의 효율성이 높아졌다. 그로 인하여 기존 신경망보다 더 많은 심층 레이어를 구축할 수 있으며 또한 이미지 객체 인식률을 높일 수 있다. 따라서 본 논문에서는 Darknet, YOLO를 기반으로 한 Object 탐지 시스템을 설계하고 기존에 사용하던 합성곱 신경망에 기반한 다중 레이어 구축과 학습을 수행함으로써 탐지능력과 속도를 비교, 분석하였다. 이로 인하여 본 논문에서는 Darknet의 학습을 효율적으로 이용하는 신경망 방법론을 제시하였다.

조직에서 이루어지는 반복적인 행정업무는 비효율적인 방법으로 진행되는 경우가 많다. 본 연구에서는 반복적인 작업을 자동화하기 위해 사용자의 접근성이 좋은 카카오톡 기반의 챗봇을 개발하고 실제 업무 환경에 사용했다. 그 결과 챗봇을 실제 운용하는 과정에서 여러 명이 동시에 접속할 때 서버가 다운되거나 응답이 되지 않는 문제를 확인했다. 이를 개선하기 위해 챗봇 서버에서 사용하는 프로그램의 언어를 변경하는 코드 고도화를 진행했으며, 데이터베이스 구조를 새로 설계하고 로드 밸런싱을 통해 서비스의 부하를 분산시키는 등 성능 향상을 위해 여러 방법을 시도했다. 각각의 방법이 얼마나 성능 개선에 영향을 주는지 확인하기 위해 초당 처리량, 평균 레이턴시 등의 지표를 통해 비교 후 챗봇을 실제 업무 환경에서 사용하면서 발생한 문제에 대한 개선방안을 제시했다.

Efforts are being made to prevent traffic accidents within the child protection zone. Efforts are being made to prevent accidents by enacting safety facilities and laws to prevent traffic accidents in the school zone. However, traffic accidents in school zones continue to occur. If the driver can know the situation in the child protection zone in advance, accidents can be reduced. In this paper, we design a camera that eliminates blind spots in school zones and a number recognition camera system that can collect pre-traffic information. Design a LIDAR system that recognizes vehicle speed and pedestrians. Design an LED guidance system that delivers information to drivers without smart devices. We study time series analysis and artificial intelligence algorithms that collect and process pedestrian and vehicle information recognized by cameras and LIDAR. In the artificial intelligence traffic accident prevention system learned by deep learning, before entering the school zone, the school zone information is sent to the driver through the Force Push Service and the school zone information is delivered to the driver on the LED sign. try to reduce accidents.

반려동물 중 반려묘의 비중이 2012년 이후 연평균 25.4%의 증가율을 보이며 증가하는 추세이다. 고양이는 강아지에 비해 야생성이 강하게 남아있기 때문에 질병이 생기면 잘 숨기는 특성이 있다. 보호자가 반려묘가 질병이 있음을 알게 되었을 때는 병이 이미 악화되어진 상태일 수 있다. 반료묘의 식욕부진(식사회피), 구토, 설사, 다음, 다뇨 등과 같은 현상은 당뇨, 갑상선기능항진증, 신부전증, 범백혈구감소증 등 고양이 질병 시 나타나는 증상 중 일부이다. 반려묘의 다음(물 많이 마심), 다뇨(소변의 양이 많음), 빈뇨(소변을 자주 봄) 현상을 보호자가 보다 빨리 알아차릴 수 있다면 반려묘의 질병 치료에 크게 도움이 될 것이다. 본 논문에서는 인공지능 서버에서 작동하는 1) 자세 예측 DeepLabCut의 Efficient버전, 2) 객체 검출 yolov4, 3) 행동 예측은 LSTM을 사용한다. 인공지능 기술을 이용하여 홈 CCTV의 영상에서 반려묘의 행동 패턴 분석과 물그릇의 무게 센서를 통해 반려묘의 다음, 다뇨 및 빈뇨를 예측한다. 그리고, 반려묘 행동 패턴 분석을 통해, 질병 예측 및 이상행동 결과를 보호자에게 리포트 하는, 메인 서버시스템과 보호자의 모바일로 전달하는 애플리케이션을 제안한다.

정부는 2021년 1월에 '중대재해처벌법'을 제정 공포하여, 상시 근로자 50명 이상 사업장에 대해 법을 시행하고 있다. 하지만, 2021년 산업재해 사고자수가 전년동기 대비 10.7% 증가하였고, 화학 가스 누출 및 폭발로 인한 안전사고도 빈번히 발생하고 있다. 따라서, 고위험 산업 현장에서는 종합적인 안전대책이 시급한 현실이다. 본 연구에서는 통신 환경이 열악한 산업현장에 BLE Mesh 네트워킹 기술을 적용한다. 복합센서 AIoT 디바이스로부터 위험 상황을 가스 센싱값, 음성, 모션값으로 인식하고, 서버에 전송한다. 서버에서 AIoT 전송 정보를 인공지능 LSTM 알고리즘과 CNN 알고리즘을 통해 정보값 분석과 판단을 통해 위험 상황을 실시간으로 모니터링한다. 본 연구를 통한 가스센싱, 음성 및 모션인식이 가능한 AIoT 디바이스와 AI 적용 안전관리 시스템의 개발로, 고위험군 산업현장에 확대 적용시켜 사회안전망 확대에 기여할 것이다.

4차 산업혁명 기술은 국민들의 생활을 효율적인 방향으로 발전시키고 있다. 인터넷 상에서 제공되는 GIS는 국민이 원하는 목적지에 빠르게 도달할 수 있도록 교통안내, 시간안내 등의 서비스를 제공한다. 국토지리정보원과 지방자치단체들은 생활 SOC 접근성을 조사하여 최적지점 분석에 활용하기 위한 기초 자료를 제작하고 있으며, 본 연구는 최단거리 구성을 위하여 출발점에서 도착점까지의 접근성을 분석하였다. Dijkstra알고리즘을 활용하여 도로망도와 출발지점, 도착점을 통해 최단거리를 계산하고 이를 활용하여 최적의 접근성을 계산하였다. 연구 결과 다수의 도착점에 대한 분석을 수행한 경우 약 0.1% 이상의 오류가 나타났으며, 최적지점을 위한 위치 분석을 위하여 3번 이상의 분석이 필요하였다. 다대다(M × N) 계산을 처리할 경우 더 많은 시간이 소요되었으며, 본 분석을 위해 32G이상의 메모리 사양이 요구되었다. 범용적인 최적 접근성 분석 서비스의 제공은 기업의 창업 및 생활 시설의 위치 선정에 효과적으로 이용될 수 있으며, 국민 누구나 시설 및 주거지 선정 시 서비스를 활용할 수 있다. 본 연구를 기반으로 효율적이고 편한 푸시 서비스를 국민과 정부기관에 제공한다면 국가와 사회의 발전에 이바지 될 것이다.

본 논문에서는인공지능(AI; Artificial Intelligence)알고리즘을 활용한 조음 장애 아동들의 '개인화된 맞춤형 학습' 모바일 애플리케이션을 제시한다. 조음과 관련된 빅데이터(Big Data)를 수집-정제-가공한 데이터 셋(Data Set)으로 학습자의 조음 상황 및 정도를 분석, 판단, 예측한다. 특히, 인공지능 활용 시 기존 애플리케이션에 비해 어떻게 개선되고 고도화할수 있는지를 UX/UI(GUI) 측면에서 바라보고 프로토타입 모델을 설계해 보았다. 지금까지 시각적 경험에 많이 치중해 있었다면, 이제는 데이터를 어떻게 가공하여 사용자에게 UX/UI(GUI) 경험을 제공할 수 있는지가 중요한 시점이다. 제시한 모바일 애플리케이션의 UX/UI(GUI)는 딥러닝(Deep Learning)의 CRNN(Convolution Recurrent Neural Network)과 Auto Encoder GPT-3 (Generative Pretrained Transformer)를 활용하여 학습자의 조음 정도와 상황에 맞게 제공하고자 하였다. 인공지능 알고리즘의 활용은 조음 장애 아동들에게 완성도 높은 학습환경을 제공하여 학습효과를 높일 수 있를 것이다. '개인화된 맞춤형 학습'으로 조음의 완성도를 높여서, 대화에 대한 두려움이나 불편함을 갖지 않길 바란다.

Google Deepmind Challenge match에서, Alphago가 바둑 대결에서 4승1패로 한국의 이세돌(인간)에 승리하였다. 드디어, 인공지능은 인간 지능의 활용을 넘어서고 있는 것이다. 한국 정부의 디지털뉴딜의 사업예산은 2022년 9조원이며, 인공지능 학습용 data 구축사업은 301종을 추가로 확보한다. 2023년부터는 산업의 전 분야에서 인공지능의 학습의 활용과 적용으로 산업 패러다임이 변화될 것이다. 본 논문은 인공지능 알고리즘을 활용하기 위한 연구를 한다. 인공지능 학습에서 data의 분석과 판단을 중심으로, 인공지능 머신러닝과 딥러닝 학습에서의 알고리즘의 적절한 활용 대상과 활용 범위에 대한 연구를 한다. 본 연구는 4차산업혁명기술의 인공지능과 5차산업혁명기술의 인공지능로봇 활용의 기초자료를 제공할 것이다.

절도, 폭행, 성범죄 등과 같은 각종 범죄들이 증가에 대응하기 위하여, 각 지자체에서 CCTV를 설치하고, 비상대응을 위해 24시간 관제센터를 운영하고 관리하고 있다. CCTV 관제센터에서 현장의 위험 상황을 감지하면, 경찰이나 119와 연계하여 대응하고 즉각 처리하고 있다. 하지만, 사람이 관리하는 것이다 보니 대응 속도가 변칙적이고 사후 처리에 중점적으로 활용되고 있는 것이 현실이다. 따라서, 인공지능 LED 안내판을 통해 현장에서 긴급상황을 알리고, 행인의 도움을 받거나 사고가 발생하기 전경고의 기능을 하도록 한다. 본 논문에서는 인공지능 algorithm을 반영하여 LED 안내판의 조명 색을 바꾸거나 소리를 내는 등 경고시스템을 설계하고 연구한다. 본 연구를 통해 치안 및 사회 안전에 기여하려고 한다.

최근 개인정보보호에 대한 관심이 높아짐에 따라 개인정보보호를 위한 다양한 앱들이 등장했다. 이러한 앱들은 개인정보가 포함된 사진, 동영상, 문서 등 여러 포맷의 데이터를 암호화 및 은닉 기능을 이용하여 보호한다. 이러한 앱들을 사용하면 개인정보보호에는 긍정적인 효과를 줄 수 있지만, 디지털 포렌식 수사 관점에서는 조사 과정에서 데이터 분석에 어려움이 될 수 있기 때문에 안티 포렌식으로 작용한다. 본 논문은 개인정보보호 앱 중 하나인 Calculator - photo vault에 대한 역공학을 통해 접근제어 기능인 PIN을 알아내고, 암호화 및 은닉이 적용된 사진, 문서 등의 파일에 대한 복호화를 진행하였다. 또한, 암호화 및 은닉된 파일에 대한 로그가 저장된 database 파일에 대해서는 복호화를 연구함으로써 이 앱에 대한 취약점을 분석했다.

시대의 흐름에 따라 정보처리기술이 발전하면서 원자력시설에 대한 사이버위협 가능성이 갈수록 높아지고 있다. 국외는 2000년대에 들어 원자력시설에 대한 사이버 공격 대비가 필요하다는 인식이 늘어났으며, 실질적으로 사이버공격에 대비하기 위해 원전 사이버보안 규제 체계를 마련하기 시작했다. 국내에서는 사이버위협에 대비하기 위해 2013년과 2014년에 원자력시설 등의 방호 및 방사능 방재 대책법, 시행령 및 시행규칙의 개정 및 방사능방재법 관련 고시를 개정하였다. 그리고 2015년에 국내 원자력사업자는 개정된 법령에 따라 시설별 정보시스템 보안규정을 마련하여 원자력안전위원회로부터 7단계로 나눠진 정보시스템 보안규정 이행계획을 승인받게 되었다. 2019년에는 단계별 이행에 대한 특별검사가 완료되었고, 2019년이 지난 이후부터는 정기검사를 통해 사업자의 사이버보안 체계를 지속적으로 점검해오고 있다. 본 논문에서는 지속적으로 발전하는 원자력시설에 대한 사이버위협에 대응하기 위해 꾸준히 개정되는 원자력 시설 사이버보안 체계 점검에 적합하도록 개선된 훈련을 구축하기 위한 몇 가지 방안에 대해 제시한다.

현대 사회에서 메신저 서비스는 다른 사람과의 의사소통을 위해 필수적으로 사용되고 있으며 이는 범죄자들도 예외는 아니다. 따라서 메신저 데이터는 디지털 포렌식 조사에서 필수적으로 분석해야 하는 대상이며, 대표적으로 2018년 버닝 썬 게이트, 2019년 N 번 방 사건이 메신저 데이터가 범죄를 해결하는 데 중요한 증거로 활용됐다. 메신저 서비스가 널리 사용됨에 따라 디지털 기기에 대량의 메신저 데이터가 저장되고, 이에 따라 디지털 포렌식 조사 과정에서 메신저 데이터를 분석하는데 많은 시간이 소요되고 있기 때문에 이를 효과적으로 대응하기 위한 텍스트 마이닝 연구가 필요하다. 본 논문에서는 인스턴트 메신저를 대상으로 효과적인 NLP 분석을 하기 위해 인스턴트 메시지의 특성에 따른 다양한 자연어 전처리 방법을 연구한다.

본 논문은 페이스트재킹(Pastejacking) 공격 방식을 분석하고, 효과적으로 방어할 수 있는 방법인 클립 토스터를 제안한다. 컴퓨터 프로그래밍을 할 때 깃허브(GitHub), 스택 오버플로(Stack Overflow) 혹은 블로그의 코드를 복사하여 붙여넣기 하는 경우가 많다. 페이스트재킹은 사용자가 웹에 게시된 코드를 복사할 때 클립보드에 악성 데이터가 주입되는 공격으로 사용자가 의도하지 않은 악성 명령어를 실행시킬 수 있으며 위험한 코드 스니펫이 소프트웨어 내에 삽입되어 보안 위협이 발생할 수 있다. 본 논문에서는 개발자의 단말기와 프로그램 코드의 보안성 모두를 위협하는 페이스트재킹을 방어하기 위해 사용자에게 보안 위협 상황을 시각화하여 경고하는 방안인 클립 토스터를 제안한다. 클립 토스터는 보안 위협 알림을 시각화하고 사용자 동작에 방해 없이 사용자가 공격 여부를 효과적으로 탐지 및 대응할 수 있다.

본 논문에서는 공공기관 또는 행정부 소속기관들이 공통으로 고민하는 기업 내부 인터넷망에서의 외부상용 메일시스템 사용에 대한 원천적 차단 방법론에 관해 연구해보고자 한다. 기존에 사용되는 blacklist 기반의 차단 방식에 대한 한계를 확인하고 메일발송 웹페이지의 패킷 분석을 통해 메일 전송이 사용되는 구분자를 추출하여 whitelist기술을 적용함으로 기업의 중요한 내부 정보 유출을 모니터링 및 차단에 목적이 있다.

최근 신기술 대상 신종 사이버 위협이 증가하고 있으며, 해커의 공격 표적도 광범위해지고 지능화되고 있다. 이러한 공격에 대응하기 위해 주요 보안 기업들은 전통적인 EDR(Endpoint Detection and Response) 중심의 솔루션을 활용하고 있다. 하지만 종래 방식은 컨텍스트를 고려하지 않아서 지능형 공격에 대한 대응 정확도와 효율성에 한계가 있다. 이 문제를 개선하기 위해 최근 XDR(Extended Detection and Response) 중심의 보안 솔루션의 필요성이 대두되었다. 본 연구에서는 머신러닝 기반의 컨텍스트 분석을 활용한 XDR 동향과 발전 로드맵을 통해 변화하는 환경에 효율적인 위협탐지와 대응방안을 제시한다.

Covid-19이 앞당긴 디지털 트랜스포메이션과 함께 원격근무 환경이 보편화되면서 정보 유출 공격에 의한 산업기밀과 개인정보 유출 피해 규모가 증가하고 있다. 최근 지능적이고 지속적인 정보 유출 공격은 대량의 정보를 빠르게 유출하는 것이 아니라 소량의 정보를 장기간에 걸쳐 지속해서 유출하기 때문에 탐지가 어려워 심각한 보안 위협이 되고 있다. 본 연구에서는 트래픽 특징을 기반으로 지능적이고 지속적인 정보 유출 공격을 탐지하는 프레임워크를 제안한다. 제안하는 방법은 페이로드가 암호화되어 있더라도, 트래픽 패턴, 패킷 사이즈, 메타데이터를 활용하여 지능적이고 지속적인 정보 유출 공격을 효과적으로 탐지할 수 있다.

최근 빅데이터 산업이 큰 폭으로 발전하는 만큼 개인정보 유출로 인한 사생활 침해 문제의 관심도 높아졌다. 자연어 처리 분야에서는 이를 개체명 인식을 통해 자동화하려는 시도들이 있었다. 본 논문에서는 한국어 위키피디아 문서의 본문에서 비식별화 정보를 지닌 문장을 식별해 반자동으로 개체명 인식 데이터를 구축한다. 이는 범용적인 개체명 인식 데이터에 반해 비식별화 대상이 아닌 정보에 대해 학습되는 비용을 줄일 수 있다. 또한, 비식별화 정보를 분류하기 위해 규칙 및 통계 기반의 추가적인 시스템을 최소화할 수 있는 장점을 가진다. 본 논문에서 제안하는 개체명 인식 데이터는 총 12개의 범주로 분류하며 의료 기록, 가족 관계와 같은 비식별화 대상이 되는 정보를 포함한다. 생성된 데이터셋을 이용한 실험에서 KoELECTRA는 0.87796, RoBERTa는 0.88575의 성능을 보였다.

전세계적으로 수많은 사람들이 이용하는 동영상 플랫폼 YouTube는 인기 급상승 동영상 서비스를 제공하고 있다. 본 연구는 공개 데이터셋 중 하나인 Kaggle 데이터셋을 이용하여 국가별 특징과 문화적 차이를 이해하고 공개 데이터셋의 유용성을 보이는 것을 목적으로 한다. 이를 위해 11개국, 15개 카테고리, 약 110만개의 인기 급상승 동영상 데이터를 분석 대상으로 한다. 데이터 분석을 위해 파이썬을 이용하여 카테고리 별 동영상의 개수와 인기 급상승 동영상 선정 기간, Unique 동영상 비율 등을 구하였으며, 이를 통해 국가별, 카테고리별 특징을 파악하고, 그 현상에 대한 배경을 추가 자료 조사를 통해 확인하였다. 향후 머신 러닝에 기반을 둔 인기 급상승 동영상 선정 가능성 및 선정 기간 예측을 통해 개별 동영상 진단 및 채널 운영 방안과 전략 수립에 도움을 주는 연구를 수행할 예정이다.

오늘날 소위 디지털 전환시대를 맞아, 많은 부분에서 빅데이터의 구축과 활용에 대한 필요성이 높아졌다. 오늘날에 많은 데이터가 디지털기기, 미디어 친화적으로 생산 및 보관되는 것과 달리, 과거 오랜 기간 데이터의 생산 및 보관은 활자 인쇄도서가 주를 이루었다. 따라서 오랜 기간 축적되어온 방대한 활자 인쇄도서를 빅데이터로써 활용하기 위한 광학 문자 판독(OCR: Optical Character Recognition) 기술의 필요성 역시 빅데이터의 필요성에 맞추어 함께 요구되었다. 본 연구에서는 도서 스캔 이미지의 정보를 각 문서 객체별로 세분화하여 그 구조와 내용을 디지털화하는 시스템을 제안한다. 제안 시스템은 크게 1) 문서객체(표, 수식, 그림, 본문)의 영역정보를 인식. 2)인식된 객체의 영역정보를 각각 표 처리, 수식 처리, 텍스트 처리 모듈로 OCR. 3) OCR로 처리된 문서 정보를 JSON형식으로 종합하여 반환하는 세 단계로 구성된다. 본 연구에서 제안하는 모델은 이러한 단계를 수행함에 있어 오픈소스로 공개된 프로젝트를 활용하되, 본 시스템의 목표에 맞추어 추가적인 학습과 개량을 거쳤다. 본 연구에서 제안한 지능형 OCR 시스템은 문서 이미지 내 4종(표, 수식, 이미지, 텍스트)의 객체인식과 처리에 있어 상용 소프트웨어 수준의 성능을 확인할 수 있었다.

Poisson-Boltzmann은 세포안의 전하의 영향을 기술하는 방정식이며, 생물 등의 분야에서 중요한 역할을 한다. 본 발표에서는 ResNet을 기반으로 한 PBE의 솔루션 예측 방법을 소개 한다. 먼저 FEM을 기반으로 한 방법으로 sample들을 생성한다. 그리고, 세포의 모양과 전하의 위치를 input으로 하고, 전위를 output으로 하는 network를 훈련시킨다.

세계 10대 도시이며 Metro City인 서울특별시는 인쇄, 봉제, 기계금속 등 전통적인 도심제조업이 분포되어있다. 이들 제조업은 세부 업종 및 공정에 따라 소상공인 집적지를 형성해 서로 상부상조 하는 형태로 발전해왔다. 집적지의 특성상 집적지 내 각 공정별 업체 간 물류는 신속히 이루어지고 있으나 상대적으로 영세한 소상공인이 최종 단계의 완제품 수요자에 대한 주문처리 서비스를 준비하기에는 어려운 현실이다. 따라서 원활한 수주, 배송처리를 위해 집적지 상공인을 위한 통합수주 Fulfillment Service Platform 도입이 시급하다. 본 논문에서는 전통 도심산업 중 인쇄업 소상공인의 기존 Fulfillment Service data를 수집, 분석하고 CRNN, k-NN, ID3 Decision Tree algorithm을 적용한 인공지능 Fulfillment Service Platform 시스템을 설계한다. 본 연구를 통하여 집적지 소상공인 누구나 활용할 수 있는 개별 수주, 배송 맞춤서비스 사용이 가능하게 함으로써 소상공인 매출 증대 및 역량 향상에 크게 기여할 것으로 기대한다.

우리나라는 매년 2천껀이상의 화재와 매년 2천명 이상의 인명피해가 발생하고 있다. 본 연구는 AI드론이 소방차가 화재현장에 도착하기 전에 실시간 영상 이미지판독 YOLO5를 사용하여 차량이나 입간판등을 판단하여 119소방차의 집입을 원활히 할 수 있도록 조치를 취한다. 화재현장을 촬영하여 현장상황을 송출하고 연기의 성분을 분석하여 화재유형을 판단하여 화재진압시 시간을 단축 시킬 수 있다. 이로 인해 골든타임을 지켜 인명피해를 최소화 할 수 있을것으로 기대한다.

현재 서울특별시는 25개 구청에 7만5천여대의 CCTV가 설치되어 있다. 서울특별시 구청별로, CCTV관제를 위한 관제센터를 구축하고 24시간 인공지능 지능형 영상분석을 통해 차량 종류, 번호판인식, 색상 분류 등의 정보를 빅데이터로 구축하고 있다. 서울특별시는 국토교통부, 경찰청, 소방청, 법무부, 군부대 등과 MOU를 체결하여 긴급/응급 상황에 신속한 대응이 가능하도록 하고 있다. 즉, 각 구청의 CCTV영상을 제공하여 안전하고 재난의 예방이 가능한 스마트시티를 구축하고 있다. 본 논문에서는 CCTV영상을 인공지능을 통해 사건발생 시 차량 및 인원에 대한 특징을 추출하고 이를 기반으로 도주경로를 예측하고 지속적인 추적이 가능하도록 설계한다. 해당 경로의 CCTV영상을 인공지능이 자동으로 선택하여 표출하도록 설계한다. 해당 관할 권역 이외 지역으로 사건 관련 사람이나 차량의 도주경로가 예상될 때 인접 구청에 영상정보와 추출된 정보를 제공함으로써 스마트시티 통합플랫폼을 확장할 수 있도록 설계한다. 본 논문은 스마트시티 통합플랫폼 연구발전에 기초자료로 기여할 것이다.

공공기관이 방범 및 주차단속 등을 위해 운영하는 대부분의 CCTV는 도로 위에 위치한다. 이 CCTV들은 차량, 작업자 등에 의한 충격 또는 진동에 의한 볼트 풀림 등의 다양한 이유로 카메라 화각이 변경되는 일이 종종 있다. 수집된 영상을 기반으로 인공지능 서비스를 효과적으로 제공하기 위해서는 서비스 대상 영역(ROI, Region Of Interest)이 영상내에서 중단없이 제공되어야 한다. 이는 영상분석을 위한 컴퓨팅파워의 효과적 운영 관점과도 관련이 있다. 본 연구에서는 도로위 마커를 기준으로 ROI를 설정하고 해당 영역내에서만 영상분석이 가능하도록 설정하며, ROI를 찾아가는 과정을 연구함으로써 인공지능 기술 적용이 극대화 될 수 있도록 설명하고 있다.

빅데이터는 고객 관계 관리, 관계 마케팅, 금융 업무 개선, 신용정보 및 위험 관리 분야에서 크게 활용되고 있다. 더욱이 최근에 COVID-19 바이러스로 인하여 비대면 금융거래가 보다 활발해지면서 고객과의 관계 측면에서 금융 빅데이터의 활용이 더 요구되고 있다. 고객 관계 측면에서 금융 빅데이터는 기술적인 접근보다 감성적적인 접근이 필요한 시기가 도래하였다. 관계 마케팅 측면에서도 인지적, 이성적, 합리적인 면보다는 감성적인 면을 중요시 할 필요성이 대두되었다. 하지만, 기존의 금융 데이터는 텍스트 형태의 고객 거래 데이터, 기업재무정보, 설문지등을 통하여 수집되고 활용되었다. 본 연구는 SNS를 통하여 고객의 문화 활동, 여가 활동 기반의 고객의 감성적인 이미지 데이터 즉, 비정형 데이터를 획득하여 고객의 활동 이미지를 인공지능 CNN 알고리즘으로 분석한다. 활동 분석은 다시 주석을 달은 인공지능에 적용하고, 주석에 나타난 행동 모델을 분석하는 인공지능 빅데이터 모델을 설계한다.

영상 콘텐츠는, 길이에 따라 롱폼 영상 콘텐츠와 숏폼 영상 콘텐츠로 구분된다. 롱폼 영상 콘텐츠는 15분 이상 길이로 생성되며, 편집 없이 촬영 영상의 모든 프레임들이 포함되도록 한다. 숏폼 영상 콘텐츠는 1분이상 15분 이내로, 촬영 영상의 프레임들로부터 일부 프레임만 짧은 길이로 편집할 수 있다. 최근 1인 방송 시장의 성장으로 인하여, 시청자들을 늘리기 위한 숏폼 영상 콘텐츠에 대한 수요가 확대되고 있다. 따라서, 숏폼 영상 콘텐츠를 편집하여 생성하는 콘텐츠 편집 기술에 대한 연구가 필요하다. 본 연구는 영상, 음성, 동작을 포착하여 주요 장면의 숏폼 동영상을 생성하는 기술을 연구한다. 주요 장면의 숏폼 동영상은 머신 러닝을 통해 미리 학습된 하이라이트 추출 모델을 이용한다. 하이라이트 영상을 자동으로 생성하는 영상 자동 편집 시스템 및 방법은 숏폼 영상 콘텐츠의 핵심 기술이다. 머신러닝 기반의 영상 자동 편집 방법 및 시스템 연구는 1인 크리에이터들의 영상 편집에 투입되는 노력과 비용시간을 감소시켜, 경쟁력있는 콘텐츠 활동을 할 수 있도록 기여할 것이다.

북한이 ICBM을 발사하여 9.19군사협의에 대한 모라트리움을 선언하였다. 국군은 국방과 안보를 위해 군사안보를 지켜야 한다. 북한으로부터 해킹공격을 받은 국방부는 군사안보에 더욱 보안을 지켜야한다. 최근 군사자료의 유출이 스마트폰을 통해 발생하고 있다. 장교와 부사관은 업무중에도 스마트폰 사용이 가능하다. 따라서 스마트폰에서 군사자료의 정보유출을 확인하고 책임소재를 분명히 하려면 스마트폰 포렌식이 필요하다. 본 연구에서는 S사의 갤럭시S20 기종에서 군사자료 유출애 대한 스마트폰 포렌식을 연구한다. 스마트폰 포렌식 증거자료의 확보와 Metadata 확보 및 증거자료의 채택을 위한 무결성 검증을 연구한다. 본 연구는 군사안보와 포렌식 기술발전에 기여할 것이다.

본 논문은 최근 이메일을 통한 사이버 위협이 나날이 증가함에 따라 사용자 편의성이 아닌 정보보호관점에서 이메일 서비스를 운영하기 위한 정책을 제안하고자 한다. 이를 위해 최근 이메일을 통한 사이버 위협 동향과 이에 따른 기술적·관리적·운영적 정보보호조치에 대해 알아보고 향후 이메일이 지향해야할 정책을 제안하였다.

Bernstein이 제안한 새로운 타원곡선 형태인 이진 에드워즈 곡선 (binary Edwards curves; BEdC)는 예외점이 없어 완전한 덧셈 법칙이 만족한다. 본 논문에서는 투영 좌표계를 적용한 BEdC 상의 점 스칼라 곱셈의 효율적인 하드웨어 구현에 대해 기술한다. 점 스칼라 곱셈을 위해 modified Montgomery ladder 알고리듬을 적용하였으며, 257-비트 이진 덧셈기와 이진 제곱기, 32-비트 이진 곱셈기를 사용하여 하위 이진체 연산을 구현했다. Zynq UltraScale+ MPSoC 디바이스에 구현하여 설계된 BEdC 크립토 코어를 검증하였으며, 점 스칼라 곱셈 연산에 521,535 클록 사이클이 소요된다.

본 연구에서는 뇌파를 이용하여 드론을 제어하기 위한 기계학습을 논의한다. 드론의 이륙과 전진, 후진, 좌측 이동 그리고 우측 이동을 제어대상으로 정의하였고 이를 제어하기 위한 뇌파의 신호를 전두엽을 대상으로 하는 Fp1·Fp2 2채널 건식 전극(NeuroNicle FX2) 뇌파 측정장비를 통하여 5.19초동안 각 제어대상과 연관된 행동의 운동 심상을 눈을 뜬 상태에서 측정(Sampling Rate 250Hz, Cutoff Frequency 6~20Hz) 하였다. 측정된 뇌파신호에 대해 매틀랩의 분류학습기를 이용해서 삼중 계층 신경망, 로지스틱 회귀커널, 비선형 3차 SVM 학습을 실시하였으며 학습결과 로지스틱 회귀 커널 학습에서 드론의 이륙과 전진, 후진, 좌측 이동 그리고 우측 이동을 위한 가장 높은 정확도를 가지고 있음을 클래스 참양성률로 확인할 수 있었다.

본 연구는 최근 제주 현대미술가들의 작업을 지속해서 수용하며 활발한 작업을 끌어내고 있다는 점에 연구 배경을 갖고, 제주 미술 작가의 작품과 제주 관광산업에 이바지할 방안에 관해 연구하기 위한 것이다. 이러한 연구 목적을 달성하는 방안으로서 딥드림 제너레이터(Deep Dream Generator) 소프트웨어는 본 연구를 추진하는 데 효과적인 방법이라 판단하였다. 구체적인 연구 과정으로서, 딥드림 제너레이터를 활용해 제주 작가 작품과 딥드림 제너레이터에서 제공하는 저명한 해외 작가들의 작품 각각을 직접 찍은 제주 오름 사진과 합성해 그 결과물을 전시하며, 인공지능을 이용한 제주 오름의 재해석을 시도하고자 한다. 또한, 나온 결과물을 이용해 제주 관광상품에 활용하는 방안을 모색함으로써 제주의 미술 작품과 관광을 활성화할 것으로 기대된다.

최근 환경 오염이 지속되면서 신재생 에너지에 대한 사람들의 관심이 높아지고 있다. 제주 지역은 태양광, 태양열, 바이오, 풍력 발전 등 신재생 에너지 발전이 많이 이루어지고 있지만, 그에 비하여 관련 데이터의 개방과 분석 사례는 부족한 상황이다. 이에 본 연구에서는 전 세계 데이터 사이언티스트(Data Scientists)들이 활동하고 있는 캐글(Kaggle) 플랫폼을 활용하여 태양광 생산량과 관련된 변수를 추출하고, 데이터에 적용할 수 있는 머신러닝(Machine Learning) 기법을 탐구하여 머신 러닝 설계를 위한 제주 지역의 태양광 발전 데이터셋(Dataset) 형태(Form)를 제시하고자 한다. 구체적으로는 캐글 데이터 플랫폼을 활용하여 태양광 에너지 분석을 진행한 후 제주 지역 태양광 데이터 수집에 대한 보완점을 제안할 수 있다. 이러한 시도는 제주 지역의 태양광 산업의 발전을 위한 데이터 분석에 활용이 가능할 것으로 기대할 수 있다. 즉, 현재 개방되어 있는 제주 지역의 태양광 발전 데이터셋 형태를 인공지능(Artificial Intelligent) 분석을 위한 머신러닝에 적합한 형태로 구축이 될 수 있도록 제안할 수 있다. 이를 통하여 제주 지역 태양광 산업의 발전의 효율을 높이는 방안을 마련하는데 기반 연구가 될 것이다.

최근 악성코드는 한 가지의 기법이 아닌 여러 기법들이 조합되고 합쳐지고 중요한 부분만 추출되어 새로운 악성코드들이 제작되고 변형되면서 점차적으로 공격 패턴이 다양해지고 공격 대상 또한 다양해지고 있다. 특히, 기업들의 보안에서의 악성 행위로 인한 피해 사례는 시간이 지날수록 늘어나고 있다. 하지만 공격자들이 여러 악성코드를 조합하더라도 각 악성코드의 종류별로 API들은 반복적으로 사용되고 API들의 패턴들과 이름이 유사할 가능성이 높다. 그로 인해 본 논문은 악성코드에서 자주 사용되는 API의 패턴을 찾고 API의 의미와 유사도를 계산하여 어느 정도의 위험도가 있는지 판단하는 분류 기술을 제안한다.

온라인전시에서는 오프라인 전시에 비해 전시 몰입도가 저하되기 때문에 해당 작가만의 차별화된 전시 구성이 중요하다. 따라서 본 논문의 목적은 작가 주도적으로 작품 제작과정을 전시하는 PC APP 서비스 개발로 새로운 온라인 전시플랫폼을 제안하는 것이다. 이를 위해 문헌 조사, 관람객 설문조사, 작가 심층 인터뷰를 진행하였다. 이를 바탕으로 Figma와 Unity로 프로토타입을 구현하였다. 연구결과 관람객이 온라인전시기획에 개선이 필요하다고 응답했고, 작가는 전시장 구성에 작가의 자율성이 보장되면 작품 이해도를 높일 수 있다고 답했다. 이를 적용하여 작가가 직접 제작과정자료를 전시할 수 있는 시스템을 개발하였다. 본 논문의 의의는 관람객의 작품 이해도 향상과 작가의 작품 전달성 향상에 도움을 주는 것이다.

코로나19 이후 현대인이 겪는 정서적 문제가 높아지는 가운데, 심리상담에 대한 부정적 인식과 물리적 한계로 인한 내담자의 부담은 여전히 높다. 이에 본 연구는 비대면 관계에서 관계에 개방적인 20대의 특성을 이용하여 효과적인 상담을 위한 가상 심리상담 플랫폼을 제안하고자 한다. 이를 위해 20대를 대상으로 설문조사를 실시하고 상담사와의 심층 인터뷰를 진행하였다. 이후 Unity를 통해 3D 가상 상담 환경을 조성하여 PC 기반의 서비스를 구상하였다. 연구 결과, 20대가 상담에서 가장 중요하게 생각하는 요소는 상담사의 성향과 부담감 없는 분위기로 나타났으며 이는 심리 상담에서의 자기개방과 밀접한 관련이 있는 것으로 드러났다. 따라서 편안한 분위기로 조성된 3D 공간에서 상담사 캐릭터를 보며 상담에 참여할 수 있도록 하였고 상담 중 상담사와의 다양한 인터랙션 요소를 제공하였다. 본 연구의 의의는 20대 내담자의 자기개방성을 증진해 내담자의 적극적인 상담 참여를 목표로 한다. 이는 원활한 상담을 통해 심리 문제 개선에 큰 도움을 줄 것으로 보인다.

임상을 거친 약물이 시중에 유통되지 못하는 요인 중 하나는 안전성이다. 약물 부작용으로 인해 발생하는 안전성 문제의 주된 원인인 신경독성의 경우, 사전에 약물이나 화합물에 대한 위험 평가가 필요하다. 현재 약물의 안전성 검사를 위한 실험들은 동물 실험을 기반으로 하고 있으며, 이는 시간과 비용이 많이 든다는 단점을 갖는다. 따라서 위 문제를 해결하기 위해 in silico 실험을 통한 신경독성 예측모델을 제안하고자 한다. 본 연구에서는 의학 언어 시스템 (Unified Medical Language System)을 이용해 신경독성의 범주를 확대하고, 통합 데이터베이스를 기반으로 다양한 관련 화합물 데이터를 얻었다. 얻은 화합물들의 SMILES (Simplified Molecular Input Line Entry System)를 fingerprint로 변환시키고 이를 사용한 기계학습 기반의 모델을 만들었다. 모델은 최종적으로 신경독성의 유무를 예측한다. 해당 연구에서 제안된 실험은 in vivo 실험에 소요되는 시간 및 비용을 줄일 수 있다. 더 나아가 신약 개발 연구 기간을 단축하고 개발 중지 등의 부담을 줄일 수 있을 것으로 기대된다.

임산부에게 약물을 사용하는 것은 태아에게 잠재적인 위협이 될 수 있으므로 임산부가 복용을 피해야 할 약물을 분류하는 것은 필수적이다. 하지만 많은 화합물이 태아에게 독성을 나타낼 수 있는지에 대한 근거가 불분명하며, 그것을 밝혀내기 위해서는 많은 시간과 비용이 투자된다. In silico 기반 가상 스크리닝은 광범위한 화합물에 대해서 적은 비용과 시간으로 어떤 화합물이 태아에게 높은 위험을 보일 수 있는지 예측하는데 활용될 수 있다. 우리는 한국과 호주 정부의 임신 중 약물 처방을 위한 위험 분류 리스트를 활용해 약물의 분류 등급 정보를 가져왔다. 약물의 구조적 특징과 화학적 특징을 기반으로 다양한 머신 러닝 기법을 적용하여 약물의 태아 독성 여부를 예측하는 모델을 생성하였으며, 정량적 성능 평가를 수행하였다. 나아가, attention 알고리즘을 활용하여 제안하는 모델이 약물의 태아 독성을 예측하는 과정에서 화합물의 어떤 하위 분자 구조가 중요하게 활용되었는지 확인하였다. 해당 연구를 통해 광범위한 화합물에 대해 높은 태아 독성 위험도를 가진 약물을 머신 러닝을 통해 예측할 수 있는 것을 확인하였다. 우리의 연구는 단순한 약물의 태아 독성 예측에서 나아가, 유의미한 하위 분자구조를 제공함으로써 연구자들이 약물의 태아 독성을 증명하기 위해 수행하는 실험에서 핵심적인 역할이 가능할 것이다.

모든 약물은 신체 내에서 특정한 작용을 하며, 많은 경우 합병증 또는 기존 약물치료 중 새롭게 발생하는 증상에 의해 약물이 혼용되는 경우가 발생한다. 이런 경우 신체 내에서 예상치 못한 상호작용이 발생할 수 있다. 따라서 약물 간 상호작용을 예측하는 것은 안전한 약물 사용을 위해 매우 중요한 과제이다. 본 연구에서는 다중 약물 사용 시 발생 가능한 약물 간 상호작용 예측을 위해 약물 정보 문서를 이용해 학습시키는 딥러닝 기반의 예측 모델을 제안한다. 약물 정보 문서는 DrugBank 데이터를 이용해 약물의 작용 기전, 독성, 표적 등 여러 속성을 결합해 생성되었으며, 두 약물 문서가 한 쌍으로 묶여 딥러닝 기반 예측 모델에 입력으로 사용되고 해당 모델은 두 약물 간 상호작용을 출력한다. 해당 연구는 임베딩 방법이나 데이터 전처리 방법 등 다양한 조건의 변화에 따른 실험 결과의 차이를 분석하여 차후 새로운 약물쌍 간 상호작용을 예측하는 데에 활용이 가능하다.

급성 림프모구성 백혈병은 골수 내 미성숙 림프구 과다증식으로 인해 골수 기능이 억제되어 발생하는 급성 백혈병이다. 성인 급성 백혈병의 30% 비율을 차지하고 있으며, 소아는 항암화학요법으로 80% 이상의 완치율을 보이는 반면, 성인은 20%~50%로 저조한 생존율을 보이고 있다. 그러나 급성 림프모구성 백혈병 진단을 위한 의료영상 데이터 기반 머신러닝 알고리즘에 관한 연구가 초동 단계이다. 본 논문에서는 신속하고 정확한 진단을 위해 CNN 알고리즘모델들을 비교분석한다. 네 가지 모델을 사용하여 급성 림프모구성 백혈병 진단 모델들을 비교분석하기 위한 실험 환경을 구축하고 주어진 의료영상 데이터에 대해 정확도가 가장 우수한 알고리즘을 선택하였다. 실험 결과에 따르면 네 가지의 CNN 모델들 중에서 InceptionV3모델이 98.9%의 정확도로 가장 우수한 성능을 보였다.

K-water는 기후위기에 따른 물관리의 복잡성, 불확실성에 대응하기 위해 수문자료 센싱, 고품질의 데이터 관리 등 ICT 인프라 운영 경험 및 물관리 역량을 기반으로 디지털트윈 물관리 플랫폼을 구축하였다. 본 플랫폼은 유역내 실시간 기상·수문 관측자료와 유관기관 정보를 연계하여 3차원 지형자료에 표출하고 홍수, 수질 등 다양한 상황을 시뮬레이션하여 결과를 표출 및 분석하고 이에 대한 피드백을 통해 최적의 의사결정을 지원하는 체계로 구성되어 있다. 본 플랫폼은 섬진강유역을 대상으로 시범구축 하였으며, 향후 5대강 유역을 대상으로 공간적 범위를 확대할 계획이다. 이를 통해 댐 하류·지류 합류부 등 재해 취약지점까지 아우르는 종합적인 물관리 의사결정의 One-System으로 확장할 계획이다. 또한 안전하고 효율적인 물관리를 기반으로 새로운 물산업 생태계를 조성하고, 민간기업과의 기술협력을 통해 디지털 물산업 기술 경쟁력 확보에도 기여하고자 한다.

최근 정부는 SOC디지털화 계획의 하나로 스마트 물관리 및 홍수 예방을 위해 배수시설 자동·원격제어체계를 국가하천 57%에 도입(1,800억원)하고 실시간 모니터링체계(300억원)를 구축하며, 댐 11개소에 빅데이터를 기반으로 한 스마트 댐 안전관리 체계(150억원)를 마련할 계획입니다. 이러한 스마트 물관리 및 홍수 예방을 위해서는 하천의 실시간 유속 측정을 통해 중간단면법을 적용하여 유량을 정확히 계산할 수 있는 시스템의 연구가 필요합니다. 이러한 시스템의 구현과 정확도를 높이기 위해서 가장 중요한 것은 실시간 유속 측정의 정확도를 확보하는 것입니다. 현재 실시간 유속 측정을 위해 미국, 유럽 등의 전자파 표면 유속 측정용 레이다 센서를 도입하여 시스템에 적용하고 있으나 고가의 가격, 유속 측정 범위의 한계 및 기술 지원 미흡 등의 문제로 인해 시스템의 개선 요구가 지속되고 있는 상황입니다. 따라서 실시간 유속 측정을 위한 전자파 표면 유속 측정용 레이다 센서를 자체 개발하여 개선된 유량 측정 및 홍수 예측 시스템을 제시하고자 합니다.

본 논문은 시민들의 Life Style 변화에 대응하고 송산그린시티의 미래상을 달성하기 위해 기술과 주거, 산업, 관광레저 등 기능이 상호 효율적으로 융합된 환경친화적 첨단도시를 건설하기 위하여 스마트도시에 적용한 u-상수도 관로파손감지시스템 구축기술에 대하여 기술하기로 한다. 관로파손감지시스템은 송산그린시티 동측지구내 상수도관 상부에 설치되는 스마트예방시트, 관로파손감지기, 관파손감지 소프트웨어, 서버 등으로 구성되며 중앙제어부(관파손감지소프트웨어, 서버)는 화성시 맑은물사업소내에 설치되어 SKT의 WCDMA방식의 무선통신망을 통하여 현장에서 화성시로 데이터를 전송하고 있다. 본 시스템은 굴착공사중 시설물 파손을 예방하고 관로 손상여부를 실시간으로 감지하여 이벤트 발생위치를 관리자에게 알려주여 누수손실을 예방하여 시설물의 수명연장을 도모한다.

산업화 이후 인구의 증가와 기후변화로 인한 급격한 도시팽창 및 자연재해의 증가는 수많은 도시운영의 문제를 유발하고 있다. 4차사업혁명의 촉발로 야기된 IP 기반의 초연결성은 막대한 양의 데이터를 생산하고 이를 기반으로 도시운영의 문제를 해결하는 다양한 기술과 서비스를 가능하게 하고 있다. 특히 유무선 통신망을 통해 다양한 센서 네트워크를 구성하고 생활과 관련된 다양한 정보를 실시간으로 모바일 기기를 통해 제공함으로써 삶의 질을 높이고 있다. 본 연구에서는 미래지향적 도시운영 기술들을 위한 빌리지단위의 최적의 통신망 구성방안을 K-water 스마트빌리지 통신망 구축사례를 통해 제안하고자 한다.

본 논문은 FANET 환경에서 UAV 간에 자원 충돌 없이 무선 자원을 공유 할 수 있는 시분할 다중접속 기반 자원 충돌 회피 기법을 제안한다. 제안하는 기법은 UAV에 설치된 GPS 장치로부터 얻은 정보 토대로 UAV 이동성을 추측하여 자원 충돌 발생률을 감소시키고자 한다. 시뮬레이션을 통해 경쟁기반 방식 프로토콜과 성능 비교를 하였으며, 제안한 알고리즘이 자원 충돌을 감소시킬 수 있음을 확인하였다.

우리나라는 지형학적, 수문학적 특성상 연중편차가 심한 물순환 특성을 보이고 있고, 최근에는 지구온난화와 기상이변 등으로 인해 수문현상의 변동성이 더욱 커지고 있다. 따라서 홍수, 가뭄 등 수문현상을 신속하게 파악하고 대비하기 위해서는 최신 ICT 기술을 융합한 과학적인 물관리의 필요성이 커지고 있다. 이에 K-water는 인공위성을 통해 실시간으로 수집하고 있는 수문자료와 GIS, CCTV를 연계하여 현장의 상황을 보다 직관적으로 확인할 수 있는 실시간 수문정보시스템(HDAPS : Hydrological Data Acquisition and Processing System)을 운영하여 홍수와 가뭄에 대비하고 있다. 본 논문에서는 K-water의 실시간 수문정보시스템을 소개하고 국민의 생명과 재산을 보호하기 위한 활용방안을 고찰해 보고자 한다.

최근 우리나라에서도 지진 발생빈도가 급격히 증가하면서 지진에 대한 관심도가 높아지고 있다. 지진발생 시 대응과 복구도 중요하지만, 관리 취약점을 사전에 찾아내어 예방 및 사전 대비 활동을 수행하는 것이 필요하다. 한국수자원공사에서는 지진으로부터 안전한 시설관리를 위해 지진가속도계측기를 운영하여 실시간 지진데이터를 수집하고 있으며, 대외기관에서 지진데이터를 활용할 수 있도록 데이터를 전송하고 있다. 운영 중인 지진감시시스템의 관리 취약점을 사전에 줄이고자 지진데이터의 수집지연시간을 최소화하고, 빅데이터를 활용한 지진데이터의 실시간 품질분석 체계·기반 구축으로 고품질의 데이터 생산이 가능하다. 이에 따라 댐 안전관리 및 고품질의 지진데이터를 확보하여 대외기관에 신속한 데이터를 제공함으로써 지진재해로부터 국민의 생명과 재산을 보호할 수 있을 것으로 기대된다.

정수된 물을 각 가정으로 공급하기 위한 관로에는 중요 지점에 유량계, 압력계 등의 계측기를 설치하여 실시간으로 감시하고 있다. 계측된 데이터는 무선 또는 유선 통신을 통해 중앙조정실까지 취득이 되나, 간헐적으로 통신 장애가 발생하여 데이터를 취득하지 못하는 경우가 발생한다. 이후 통신망이 복구되더라도 장애 기간의 데이터가 현장에 저장되지 않거나, 혹은 저장이 되었더라도 자동으로 데이터베이스에 데이터를 저장하지 못하고 있는 실정이다. 저비용으로 이를 해결하기 위해 현장에 보편적으로 설치된 PLC와 호환되는 모듈을 개발하여 데이터 로깅, 자동으로 데이터베이스에 데이터를 복구할 수 있도록 하고자 한다.

수도계량기는 사용자가 사용하는 물의 양을 계측하는 기기로 계량안정성 관리가 필요하다. 하지만 겨울철 한파로 인해 계량기 내부의 물이 얼음으로 상변화하며 약 9%의 체적이 커지게 되며 계량기의 파손이 발생된다. 기존 동파방지용 수도미터 동파방지 기술은 크게 세 가지로 보호통 내부에 열을 공급하는 방법, 단열을 위한 수도미터 외부 보호방법, 수도계량기에 동파방지 장치를 설치하는 방법으로 나뉜다. 기술개발 제품의 상용화를 위하여 구조를 최대한 변형시키지 않으며 외부전원이 필요하지 않은 기술을 개발하는데 목적이 있다. 따라서, 영하의 온도에서 수도계량기에 가해지는 내부압력을 해석하여 동파 취약부위를 확인하고 파손을 방지하기 위해 내부 압력을 감소시킬 수 있는 동파방지 효과가 우수한 수도계량기를 개발하고자 한다.

'19년 인천시 수돗물 적수 사고 발생에 따라 환경부에서는 수도운영관리 고도화, 체계적인 기술지원 및 사고대응을 위해 「수돗물 안전관리 종합대책」을 수립하여 수돗물 공급 전 과정의 스마트 상수도 관리체계를 구축 중이다. 수도사고 위기대응 고도화를 위해서는 유량, 압력, 수위 등 실시간 수도운영 데이터의 신뢰성 확보와 더불어 빅데이터 분석기법을 활용한 사전 경보 알고리즘 개발 및 적용이 필수적이다. 본 논문에서는 수도운영 데이터 주요항목(유량, 압력, 수위 등)에 대한 데이터 기반의 다양한 통계기법을 활용해 최적 운영범위 선정, 감시경보체계 고도화를 위한 기반을 마련하고, 분석 결과를 K-water 운영시스템 및 감시경보시스템과의 연계를 위한 시스템 모델링에 대해 연구한다. 또한, 취수장과 정수장 간원수 탁도의 변화에 대한 교차 상관분석을 통해 도달시간 등에 대해 고찰하고, 취수장 펌프 가동에 따른 유량 변화 및 시간 지연을 고려한 원수 탁도 데이터를 적용하여 정수장 원수 탁도를 예측하는 모델에 관해 연구하고자 한다.

정수장의 최적화 운영을 위하여 가장 필요한 것은 수용가에서 사용되는 수돗물의 패턴과 양을 정확하게 예측하여 필요한 만큼의 수돗물을 펌프를 이용하여 배수지로 전달하여 저장하고, 필요한 유량이 최소의 전기에너지를 이용하여 적기에 공급되어야 한다. 정수장의 수량 예측 중 에너지 최적화 운영의 관점에서 필요한 단기 수요예측은 시계열 분석, 회귀분석 및 신경망 알고리즘을 이용하여 계절별, 주요 기간별, 지역 특성별 등을 고려하여 이루어져 왔으며, 본 논문에서는 순환적 신경회로망의 일종인 LSTM(Long Short-Term Memory), GRU(Gated Recurrent Units) 등의 AI 기반 복합센서 적용성 분석을 통한 에너지 관리 방안에 대하여 분석하였다.

노후화된 구조물의 균열 검사는 검사원이 직접 현장에서 측량 도구를 사용하여 육안으로 검사를 하는 방식이 대부분이다. 이러한 방식은 전문 작업 인력의 주관성에 크게 의존하게 되고, 많은 시간과 비용이 소모된다. 일관성과 신뢰성 있는 판단을 하기 위해 인공지능 이미지 분류 알고리즘을 활용하고 있다. 2018년부터는 이미지 전처리 단계에서 이미지 증강 기법이 높은 성능 향상을 이끌고 있어 사용되고 있는 추세이다. 본 연구에서는 이미지 증강 기법을 활용하여 콘크리트 구조물 균열에 관한 분석 알고리즘을 개발하고 증강 비율에 따른 정확도와 속도를 비교 측정하여 최적화를 하였다. 그 결과 정확성을 향상시키고 경제성을 감안했을 경우 8배에서 적정한 것으로 나타났다.

본 연구는 기존 이러닝 컨텐츠 및 비대면 수업방식에 대한 문제점을 파악하고 학생들의 집중도 향상 및 수업 성취도 및 교육 효과를 높이고 웹 서버를 활용해 인공지능 수업 시스템을 설계를 제안 하고자 한다. OpenCV를 이용한 얼굴과 눈동자 추적의 기능을 사용하여 출석 및 집중도 파악하고 수업 중간에 교수자가 질문하는 문제에 음성 또는 메시지로 피드백을 유도함으로써 학습자가 온라인 수업으로 인한 지루함을 해소하고 주자별 테스트를 통해 기준 점수에 도달하지 못했을 경우 틀린 문제에 대한 교육자료 및 영상을 제공하여 학업 격차를 해소하고 학업에 대한 성취도를 향상을 높일 수 있는 인공지능 교육 프로그램 시스템 설계를 제안한다.

음성인식 처리기술의 발전은 STT, TTS 기술과 함께 각종 동영상, 스트리밍 서비스에서 적용되어 사용되고 있다. 그러나 실제 대화내용의 음성인식은 사투리 사용과 불용어, 감탄사, 유사어의 중복 등으로 명료한 문어체적 표현에 장벽이 높은 편이다. 본 연구에서는 음성인식에 모호한 사투리에 대해 범주별 사투리 중요 단어 사전 처리 방식과 사투리 운율을 음성 인식 네트워크 모델 속성으로 적용한 음성인식기술을 제안한다.

본 연구에서는 프로그래밍 과목을 수강하는 융합전공 학생들의 학습 패턴 파악하여 과목 운영을 실시한 교수자의 사례를 살펴봄으로 향후 융합전공학생들을 대상으로 하는 SW 교과 운영에 시사점을 찾고자 한다. 융합전공의 프로그래밍 수업은 다양한 학년과 전공 학생들이 수강을 하는데 비대면 환경가운데 이들의 학습 패턴을 파악하고자 설문을 실시하였다. 교수자는 대면이 불가한 경우에도 학습자들의 수업참여도를 끌어낼 수 있을지 연구하였고 학습자들의 학습 성향을 파악하여 수업을 운영하고자 하였다. 코로나-19 상황가운데 자기주도 학습에 대한 성공경험을 유지하고 있는 학생들이 다수임에 따라 자기 주도적으로 과제를 해결할 수 있도록 매주 과제설정을 하였고 전원에 가까운 학생들이 과제를 제출하였다. 본 연구는 코로나-19로 인한 비대면 상황가운데 기계학습활용 과목을 융합전공 학생들에게 운영함으로서 학생들의 학습 패턴과 과제 수행여부, 프로그래밍 성취도를 연구하였다는 점에서 의의가 있다.

색인 용어 또는 키워드는 가장 중요한 명사를 강조 표시하여 연구 논문 주제에 대한 빠른 개요를 제공하기 때문에 연구 논문의 중요한 구성 요소이다. 본 연구에서는 2018년 이후의 학술대회(KIICE)에 실린 논문과 2016년 이후의 국제학술 대회(ICFICE)에 실린 저자 지정 색인 용어를 추출하였다. 추출된 지표 용어는 연구 주제 동향에 대한 이해를 위해 표준화되고 분석되었다. 또한 과대하게 연구되거나 과소하게 연구된 주제를 분석하였다. 이러한 색인 용어 분석은 연구자가 자신의 연구에 대한 추가적인 주제를 선택하는 데 유용할 뿐만 아니라 연구 논문에 색인 용어를 선택할 때 빈번히 사용되는 키워드를 사용하면 도움이 될 것으로 기대된다.

컴퓨팅적 사고는 H대학 비전공자 신입생이 필수로 선택해야 하는 과목으로 전공과 상관없이 수업을 이수하고 있다. 수업 내용은 프로그래밍을 쉽게 접할 수 있는 블록코딩을 이용하여 수업이 진행된다. 수강 학생들의 과목에 대한 관심도를 알아보고 수강 학생의 이해를 돕기 위해 학기 수업 시작 전 설문을 진행하였다. 본 연구는 수강 학생의 설문 응답 데이터를 분석하여 수강 학생의 과목에 대한 관심도를 한눈에 파악할 수 있도록 한다.

적재폐기물에서 발생하는 발효열의 발화요인 분석 자료를 기반으로 발생 원인을 규명하는 모니터링 시스템을 구성하였다. 화재 조기경보 유형별 시나리오의 구성과 신속성을 위해 실시간 런타임 환경을 제공하기 위한 유니버설미들웨어를 활용하였다. 적재폐기물의 적재 높이와 압력, 대표적인 구성폐기물인 목재, 건전지, 플라스틱 폐기물의 건조, 표면의 탄화변화를 동적으로 인지해야 한다. 따라서, 저온발화 화재 가능성 데이터 분석을 위한 IoT 상황인지 플랫폼을 동적으로 구성하여 제시하였다.

본 연구에서는 특성화 고등학교나 마이스터고등학교 등의 공업계 고등학교에서 인공지능교육을 위하여 프로그래밍 수업 방안을 설계하였다. 초·중학교나 일반계 고등학교에서는 시수 확보가 쉽지 않아서 많은 내용과 깊이 있는 내용을 진행하기 쉽지 않지만 공업계 고등학교에서는 넉넉한 시수가 확보되어 있어 좋은 환경에서 학습을 진행할 수 있다. 또한 공업계 고등학교에서는 인공지능 분야의 인력을 양성할 수 있는 좋은 환경을 갖추고 있다. 이를 위하여 기존의 인공지능교육관련 연구들을 탐구하였고, 기존의 공업계 고등학교의 프로그래밍 수업의 단원에 인공지능교육 관련 프로그래밍 수업을 접목하였다.

카메라를 이용한 위치 측정은 오랫동안 많은 연구가 진행되고 있다. 이것은 자율주행 자동차에서 차간거리 인식이나 객체 인식을 위한 연구가 있고, GPS를 적용하기 어려운 한정된 공간인 실내의 내비게이션 분야에서 연구되고 있다. 보통, 카메라를 이용하는 거리를 측정하는 방법은 2개의 스테레오 카메라를 이용하여 카메라 사이의 거리와 촬영된 영상이나 사진을 통해 측정된 값을 이용하여 거리를 측정한다. 본 논문에서는 하나의 카메라를 이용하여 사물의 거리를 측정하는 방법을 제안한다. 제안하는 방법은 촬영 시간의 차이, 촬영 사이의 거리를 통하여 스테레오 카메라와 같이 카메라 간의 거리, 촬영된 사진에 의해 측정된 값을 이용하여 거리를 측정한다.

본 논문에서는 딥러닝 네트워크인 순환신경망(RNN) 모델을 사용해 이동 중인 객체의 이동 경로의 예측을 위한 포지셔닝 기술로서 실내 환경에서 지역 경로 내의 이동 중인 차량의 경로 예측에 연속적인 위치 정보를 이용하여 현재 위치 결정의 오류를 낮출 수 있는 이동 경로 생성 기법을 제안한다. GPS 정보를 사용할 수 없는 실내 환경의 경우 RNN 모델을 적용하기 위해서는 데이터 세트가 연속적이고 순차적이어야 한다. 그러나 Wi-Fi 전파 지문 데이터는 수집 시점의 특정 위치에 대한 특징 정보로서 연속성이 보장되지 않기 때문에 RNN 데이터로 사용할 수 없다. 따라서 RNN 모델에 필요한 순차적 위치의 연속성을 부여하여 실내 환경의 지역 경로를 이동하는 차량의 이동 경로 생성 기법을 제안한다.

현대 사회는 빠르게 발전함과 동시에 생활함에 있어 편리함을 제공하는 기술들이 나날이 발전중이다. 반면 사이버 안보를 위협하는 사이버공격의 발전이 더 빠르게 발전중이며, 현재까지도 산업 환경에 악영향을 미치며 매년 산업피해는 꾸준히 발생하는 추세이다. 이러한 공격으로부터 기업 및 조직의 주요 자산이나 기술들을 안전하게 보호하는 활동이 '산업보안'이다. 그러므로 산업보안에 대한 전문적인 인력이 필요한 상황이다. 현재 보안에 대한 인력상황은 인원은 있으나 산업보안 직무에 대한 이해도 및 개념 등에 대해 지식이 미비한 상황이다. 즉, 산업보안 전문 인력이 부족한 상황이다. 이 문제를 해결하기 위해 나온 것이 '국가직무능력표준(NCS, National Competency Standards)'이다. NCS는 산업현장에서 직무를 수행하는데 필요한 능력(지식, 태도, 기술 등)을 국가가 표준화 한 것이다. NCS는 인원채용에 대해 도움은 물론이고, NCS를 활용하여 교육과정을 체계적으로 설계할 수 있고, 국가자격제도에 NCS를 적용할 수 있다. 하지만 산업보안 분야에서 NCS는 아직 개발되지 않았고 현재까지도 인원채용과 교육과정 등에 있어 어려움을 겪고 있는 상황이다. 본 논문은 현재 산업보안 분야의 NCS 체계가 개발되지 않았지만 후에 산업보안 전문인력 인원채용에 대한 문제해결과 추후 수립될 산업보안 NCS분야에 도움이 되고자 산업보안 NCS를 제안한다.

본 연구는 창작활동을 위한 인공지능 플랫폼의 종류를 조사하고 활용방안을 탐색하는 목적으로 수행되었다. 창작활동의 대표적인 영역인 미술과 음악 창작 영역에서 인공지능을 배우기 위해 인공지능을 체험하고 간단한 프로그래밍을 할 수 있는 인공지능 플랫폼의 종류를 조사하였다. 그리고 각 인공지능 플랫폼이 학생들의 생각을 풍부하게 표현하고 창의력을 높이는데 사용되도록 활용방안을 제시하였다. 이를 통해 인공지능 플랫폼이 창작활동에서 학생들의 표현력과 창의력을 높이는 도구로써 활용될 수 있음을 시사하였다는데 의의가 있다.

분산 부호는 프라이버시를 위한 코딩, 연합 학습 등에 사용될 수 있는 선형 부호의 일종이다. 분산 부호에서는 각 부호들의 정보가 다른 부호들과 포함 관계에 있지 않기 때문에 프라이버시나 기밀 정보가 종속되지 않는다. 본 논문에서는 이러한 분산 부호들의 속성을 살펴 보고, 기존에 알려진 분산 부호들로부터 새로운 형태의 분산 부호를 합성하는 기법들을 제시한다. 또한, 합성된 부호들이 사용될 수 있는 여러 시나리오들을 살펴본다.

본 논문에서는 훈련된 모델이 분류에 실패한 이미지들에 대한 정확한 결과를 확인하기 위해 다중 클래스의 이미지 분류를 구현하면서 각각의 클래스에 맞게 레이블 매핑을 하여 예측 결과를 확인했다. Kaggle의 Intel Image Classification 데이터셋을 사용하여 CNN 모델을 구축하고 훈련을 진행하였으며, 테스트 데이터셋의 이미지들을 레이블 매핑을 통해 다중 클래스의 이미지들이 매핑된 레이블 값과 모델이 분류한 값을 비교하였다.

최근 Tensorflow나 Pytorch, Keras 같은 여러가지의 딥러닝 프레임워크 모델들이 나왔다. 또한 이미지 인식에 Tensorflow, Pytorch, Keras 같은 프레임 워크를 이용하여 CNN(Convolutional Neural Network)을 적용시켜 이미지 분류에서의 최적화 모델을 주로 이용한다. 본 논문에서는 딥러닝 이미지 인식분야에서 가장 많이 사용하고 있는 파이토치와 텐서플로우의 프레임 워크를 CNN모델에 학습을 시킨 결과를 토대로 두 프레임 워크를 비교 분석하여 이미지 분석할 때 최적화 된 프레임워크를 도출하였다.

악성 앱 분석 도구는 안드로이드 기반 앱을 도구에 정의된 AI 기반 알고리즘에 의해 분석되어 악성코드가 포함되었는지 탐지하는 시스템이다. 현재 스마트폰의 보급이 활성화됨에 따라 악성 앱을 사용한 범죄가 증가하였고, 이에 따라 악성 앱에 대한 보안이 요구되는 실정이다. 스마트폰에 사용되는 안드로이드 운영체제는 점유율이 70%이상이며, 오픈소스 기반이기 때문에 많은 취약성 및 악성코드가 존재할뿐만 아니라, 악성 앱에 대한 피해도 증가하여 악성 앱을 탐지하고 분석하는 도구에 대한 수요도 증가할 것이다. 하지만, 악성 앱 분석 도구에 대한 보안기능요구사항이 정확히 명시되지 않아, 악성 앱 분석도구를 구축 및 개발하는데 있어 많은 어려움이 있기 때문에 본 논문을 제안한다. 개발한 보호프로파일을 통해 악성 앱 분석 도구의 설계 및 개발에 기반이 되어 기술력을 향상시킬 수 있고, 악성 앱에 대한 피해를 최소화하여 안전성을 확보 할 수 있으며, 더 나아가 정보보호제품 인증을 통해 악성 앱 분석 도구에 대한 신뢰를 보증할 수 있다.

앱(App)이라 불리는 응용프로그램은 모바일 기기 등에 다운받아 사용 가능하다. 그 중 안드로이드(Android) 기반 앱은 오픈소스 기반으로 구현되어 누구나 악용 가능하다는 단점이 있지만, 아주 일부분의 소스코드를 공개하는 iOS와는 달리 안드로이드는 오픈소스로 구현되어있기 때문에 코드를 분석할 수 있다는 장점도 있다. 하지만, 오픈소스 기반의 안드로이드 앱은 누구나 소스코드 변경에 참여 가능하기 때문에 그만큼 악성코드가 많아지고 종류 또한 다양해질 수밖에 없다. 단기간에 기하급수적으로 늘어나는 악성코드는 사람이 일일이 탐지하기 어려워 AI를 활용하여 악성코드를 탐지하는 기법을 사용하는 것이 효율적이다. 기존 대부분의 악성 앱 탐지 방안은 Feature를 추출하여 악성 앱을 탐지하는 방안이 대부분이다. 따라서 Feature 추출 후 학습에 사용할 최적의 Feature를 선정(Selection)하는 3가지 방안을 제안한다. 마지막으로, 최적의 Feature로 모델링을 하는 단계에서 단일 모델 이외에도 앙상블 기법을 사용한다. 앙상블 기법은 이미 여러 연구에서 나와 있듯이 단일 모델의 성능을 뛰어넘는 결과를 보여주고 있다. 따라서 본 논문에서는 안드로이드 앱(App) 기반 악성코드 탐지 최적의 Feature 선정과 학습모델을 구현하는 방안을 제시한다.

본 연구는 119 구급대원이 기록 충실도를 조사하기 위해, 현장응급처치지침을 기반으로 구급활동일지 작성지침을 준수하는지 여부를 분석하였다. 정상 이송된 67,830건을 대상으로 IBM SPSS Statistics version 22.0으로 통계분석을 진행하였으며, p<0.5를 통계적 유의성이 있는 것으로 정의하였다. 구급활동일지 필수항목 기록 충실도에서는 구급대원 2 자격 누락이 50,037건(73.8%)로 가장 많았으며, 다음으로 시간과 관련된 항목의 오기록율이 1,227건(1.8%)으로 많았다. 환자평가 충실도에서는 1차 활력징후에서 수축기혈압이 누락 및 오기록 되는 건수가 각각 1,218건(1.9%), 1,129건(1.8%)로 가장 많았고, 2차 활력징후에서는 모든 항목에서 정상 기록율이 70%대에 그쳤다. 환자의 중증도가 높을수록 기록지 작성에 오류가 많이 발생하였고 통계적으로 유의한 차이를 보였다(p=.00). 병원 전 상황은 좋은 기록지를 완성하기에 여러 가지 여러움이 존재하지만 구급대원은 기록지 작성의 중요성을 인지하여 충실도를 높일 수 있는 방안을 강구해야 할 것이다.

본 연구는 시뮬레이션 기반 문제중심학습 수업을 설계하고 적용한 후 수업 운영의 효과를 초점집단면담을 이용해 분석하고자 수행되었다. 응급구조학은 전공지식을 바탕으로 다양한 응급 상황에 대응할 수 있는 실무 중심의 학습이 중요하다. 문제중심학습 수업의 경우 학습을 위한 현장상황과 관련한 실제 성을 제공하여 문제해결전략과 기술, 팀워크 등의 역량을 향상시킬 수 있어 응급구조학과에서 다루는 다양한 주제를 운영하기에 적합하다. 본 연구는 호흡곤란 환자 사례를 중심으로한 PBL 모듈을 개발해 S대학교 응급구조학과 3학년 16명이 수강하는 전문내과응급처치학 및 실습 교과목에 적용한 것으로, 전문가 컨설팅을 통해 인증평가를 받았으며, 학습자 5명을 대상으로 초점집단면접을 이용한 만족도 질적 연구가 추가로 진행되었다. 전반적인 수업 만족도는 4.76점에서 4.92점으로 높은 수준을 보였다. 특히, PBL 수업을 통해 학습 전략을 재설정하고, 협력 학습을 경험함으로써 긍정적인 학습성과를 얻을 수 있었고 자기효능감을 경험하였다.

심정지(Cardiac arrest)는 원인과 관계없이 심장의 박동이 정지되어 발생하는 일련의 상태를 말한다. 심장질환에 의한 심정지는 매년 우리나라 3대 사망원인에 포함되며 예측이 불가하다. 심정지 발생시 환자의 생명을 구하기 위한 유일한방법 중 하나는 심폐소생술이며 이 술기를 통하여 순환을 유지시킬 수 있다. 이에 소아 심폐소생술 중 새로운 가슴압박법을 활용에 따른 가슴압박의 질을 비교하였다. 연구결과 가슴압박의 평균깊이가 유의한 차이가 있었고(48.93±6.76, 53.86±4.56, <0.001), 압박대 이완 비율에도 차이를 보였다(0.87±0.13, 0.96±0.10, <0.002). 또한 자세를 의식하는 정도에서도 유의한 차이를 보였다(4.93±0.85, 8.14±1.38, <0.001).

The preparation of polynuclear metal dendritic molecule for photodynamic diagnosis(PDD) or photodynamic therapy(PDT) has been interested on design and synthesis of metal-to-metal long ranged macromolecule. Herein, imine bond or amide bond as chemical bond is an important role on the construction of energy transfer or electron transfer system. Therefore, we will be presented on the role of chemical bond for the preparation of polynuclear metal dendritic molecule.

Exergames are playing an important role in healthcare/rehabilitation. It has also been used to improve motivation among patients with reduced cognition. The purpose of this pilot study was to evaluate the feasibility of using augmented reality (AR) with game-based cognitive-motor training programs for executive function, restricted and repetitive behaviors (RRBs) in children with autism spectrum disorder. Sixteen children aged 6 -16 years were randomly allocated to the experimental group and control group. Outcome measures were performed before and after the intervention and included executive function, restricted and repetitive behavior. A satisfactory survey was conducted post-intervention. A statistically significant improvement was observed in working memory and cognitive flexibility in the experimental group (P<0.05). However, despite no statistical improvements in cognitive inhibition and four subscales of RRBs, promising changes were observed in all the subscales of the executive function and the behavioral outcomes. Parents appreciated the program and children enjoyed the interaction with the AR game-based training. The findings of this preliminary feasibility study showed that AR using Kinect v2 motion with a cognitive-motor game content can be used for children with autism. However, there is a need for conducting a large-scale study to evaluate his effectiveness on executive function and restricted and repetitive behaviors.

위장관의 내시경적 병리학적 소견은 대장암의 조기 진단에 중요하다. 최근 CNN 기반 딥 러닝의 활용은 주관적 분석의 정확도와 조기 진단의 성능을 높이는 결과를 보였으나, 계산 복잡도가 높고 임상에 즉시 활용하기에는 상대적으로 낮은 정확도로 사용에 제한적이다. 이러한 문제를 해결하기 위해 본 논문에서는 대장암의 조기 발견을 위한 비전 트랜스포머 기반 내시경 병리 소견 분류법을 제안한다. 식도염, 폴립, 궤양성 대장염을 포함한 병리학적 소견이 있는 내시경 이미지를 각각 1,000개씩 사용하였으며, 제안된 접근 방식을 사용하여 세 가지 병리학적 소견을 분류할 때 98%의 분류 정확도를 보였다.

유방 악성 상태를 분류하기 위한 최종 진단은 침습적 생검을 이용한 현미경 분석을 통해 확인이 가능하나, 분석을 위해 일정 시간과 비용이 부과되며, 병리학적 지식을 보유한 전문가가 필요하다. 이러한 문제를 극복하기 위해, 딥 러닝을 활용한 진단 기법은 조직병리학적 이미지에서 유방암을 양성 및 악성으로 분류에 효율적인 방법으로 고려된다. 본 연구는 유방암 조직병리학적 이미지를 40배 확대한 BreaKHIS 데이터 세트를 사용하여 양성 및 악성으로 분류하였으며, 100% 미세 조정 체계와 Adagrad를 이용한 최적화로 사전 훈련된 컨볼루션 신경망 모델 아키텍처를 사용하였다. 사전 훈련된 아키텍처는 InceptionResNetV2 모델을 사용하여 마지막 계층을 고밀도 계층과 드롭아웃 계층으로 대체하여 수정된 InceptionResNetV2를 생성하도록 구성되었다. 훈련 손실 0.25%, 훈련 정확도 99.96%, 검증 손실 3.10%, 검증 정확도 99.41%, 테스트 손실 8.46%와 테스트 정확도 98.75%를 입증한 결과는 수정된 InceptionResNetV2 모델이 조직병리학적 이미지에서 유방 악성 유형을 예측하는 데 신뢰할 수 있음을 보여주었다. 향후 연구는 k-폴드 교차 검증, 최적화, 모델, 초 매개 변수 최적화 및 100×, 200× 및 400× 배율에 대한 분류에 초점을 맞추어 추가실험이 필요하다.

이 연구의 목적은 전국의 4년제 물리치료학과 학생들의 임상실습 만족도를 조사하는 것이었다. 연구대상자들은 총 157명의 대학생들로 구성되었다. 대상자들은 임상실습만족도 설문지 36문항과 일반적인 특성을 묻는 5개 문항으로 구성된 온라인 설문조사를 완성하였다. 수집된 데이터는 빈도분석, 독립 t검정, 일원배치분산분석 및 사후검정(Schffe)을 사용하여 분석되었다. 연구결과는 다음과 같다. 학생들의 임상실습 만족도는 평균 3.84점(5점 만점)이었다. 학생들의 만족도는 '임상실습 후 만족감'의 항목에서 가장 점수가 높았고 임상실습에서 '내적 갈등'과 '임상실습 평가'에서 가장 점수가 낮았다. 학생들의 임상실습 만족도는 전공 만족도에 따라 유의한 차이가 있었다. 즉, 전공 만족도가 높을수록 임상실습 만족도가 더 높았다. 임상실습 만족도는 성별, 학년, 실습기간 및 실습기관에 따라 유의한 차이가 없었다.

최근 몇 년 동안, AI 시스템, 블록체인, VR/AR, 3D 프린팅, 로봇 공학, 나노 기술과 같은 기술의 발전은 바로 우리 눈앞에서 건강 관리의 미래를 재편하고 있습니다. 또한, 의료는 소비자의 요구에 초점을 맞춘 예방 중심의 의학으로 패러다임이 전환되었습니다. Covid-19와 같은 전염병의 확산으로 의료 및 치료 시설의 정의가 변경되어 병원의 물리적 환경을 재설계하고 사회적 거리 두기 요구사항을 해결하도록 통신 모델을 조정하고 가상 의료 솔루션을 구현하고 새로운 임상 프로토콜을 수립하기 위한 즉각적인 조치가 필요하게 되었습니다. 전통적으로 의료 시스템의 허브 역할을 해 온 병원은 이러한 환경에 맞서 스스로를 재정립하는 것을 추구하거나 강요당하고 있습니다. 미래의 건강관리는 질병을 치료하는 것뿐만 아니라 건강과 예방에 초점을 맞출 것으로 예상됩니다. 개인화된 진료에서는 장기적인 예방 전략, 원격 모니터링, 조기 진단 및 탐지가 매우 중요합니다. 이러한 현대 기술로 정의되는 스마트 헬스케어에 대한 관심이 높아짐에 따라, 본 연구는 스마트 헬스케어의 정의와 서비스 종류를 조사했습니다. 스마트 병원의 배경과 기술적 측면도 문헌 검토를 통해 탐구했습니다.

최근 들어 잘못된 보행 습관과 신발 착용으로 족부 질환자들이 늘어나고 있다. 신발의 발달과 생활환경으로 누구나 족부질환으로부터 안심할 수 없다. 족부질환 환자가 정형 신발 구매시 신발디자인 특성이 만족도와 구매 의도에 어떠한 영향을 미치는지 연구한다. 신발 디자인 특성은 기능성, 편의성, 심미성으로 구성하였다. 사회활동 참여 빈도, 착용 목적, 족부 질환별 상태와 특징 등 다양한 관점에서 연구된다. 연구 결과를 통해 정형 경증 족부질환 환자들이 일상생활에서 유용하게 착용할 수 있는 정형 신발 디자인 개발과 현실적인 활용과 만족으로 이어지길 기대한다.

인간의 관절은 인간의 신체를 구성하는 요소로 인간의 행동을 분석하는데 유용한 정보로 활용될 수 있기 때문에 관절 정보를 이용한 행동인식에 대한 많은 연구가 진행되었다. 하지만 각각의 독립적인 관절 정보만을 이용해서 시시각각 변화하는 인간의 행동을 인식하는 것은 매우 복잡한 문제이다. 따라서 학습에 사용할 부가적인 정보 추출 방법과 과거의 상태를 기반으로 현재 상태를 판단하는 고려하는 알고리즘이 필요하다. 본 논문에서는 연결된 관절들의 위치 관계와 각 관절의 위치가 시간의 흐름에 따라 변화하는 것을 고려한 행동 인식 기법을 제안한다. 사전 학습된 관절 추출 모델을 이용하여 각 관절의 위치 정보를 획득하고 연결된 관절 사이의 차 벡터를 이용하여 뼈대 정보를 추출한다. 그리고 두 가지 형태의 입력에 맞춰 간소화된 신경망을 구성하고 LSTM을 더하여 시·공간적 특징을 추출하도록 한다. 9개의 행동으로 구성된 데이터 셋을 이용하여 실험한 결과 각 관절 및 뼈대의 시·공간적 관계 특징을 고려하여 행동 인식 정확도를 측정하였을 때 단일 관절 정보만을 이용한 결과에 비해 뛰어난 성능을 보임을 확인하였다.

신경교종(glioma)은 신경교세포에서 발생하는 뇌 종양으로 low grade glioma와 예후가 나쁜 high grade glioma로 분류된다. 자기공명영상(magnetic Resonance Imaging, MRI)은 비침습적 수단으로 이를 이용한 신경교종 진단에 대한 연구가 활발히 진행되고 있다. 또한, 단일 modality의 정보 한계를 극복하기 위해 다중 modality를 조합하여 상호 보완적인 정보를 얻는 연구도 진행되고 있다. 본 논문은 네가지 modality(T1, T1Gd, T2, T2-FLAIR)의 MRI 영상에 입력단 fusion을 적용한 3D CNN 기반의 모델을 제안한다. 학습된 모델은 검증 데이터에 대해 정확도 0.8926, 민감도 0.9688, 특이도 0.6400, AUC 0.9467의 분류 성능을 보였다. 이를 통해 여러 modality 간의 상호관계를 학습하여 신경교종의 등급을 효과적으로 분류함을 확인하였다.

본 논문은 동작 기반 게임 플레이 시스템을 위해 사용자 스스로가 제스처를 등록할 수 있는 방법에 대한 것이다. 기존의 동작 기반 게임 플레이 시스템들은 사전에 정의된 제스처 데이터들을 모아 인식기를 만들었다. 하지만 이는 때로 어려운 전문 지식이 필요하거나 다소 어려운 과정들을 필요로 한다. 이러한 복잡한 상황들을 완화하고자 상호작용적으로 제스처 등록이 가능한 전신 스켈레톤 기반의 게임 시스템을 제안한다.

허프변환은 에지 영상에서 직선을 검출하는 대표적인 알고리즘이다. 허프변환은 에지 화소에서 발생 가능한 직선들의 파라미터들을 파라미터 공간상에 대응시키고, 주어진 조건을 만족하는 유효 파라미터를 직선으로 검출한다. 일반적인 허프변환에서는 직선의 파라미터들은 영상 원점을 기준점으로 계산되고 있다. 그러나 본 논문에서는 영상 중심이 기준점인 허프변환을 수행하고 그 성능을 기존 허프변환과 비교분석하고 있다.

신경교종의 등급은 생존과 관련된 중요한 정보로 종양 진행을 평가하고 치료 계획을 세우기 위해 치료 전 신경교종의 등급을 분류하는 것이 중요하다. 신경교종 등급의 분류는 주로 고등급 신경교종과 저등급 신경교종으로 나누는 방식을 주로 사용한다. 본 연구에서는 심층신경망 모델을 활용하여 촬영된 MRI 영상을 분석하기 위해 이미지 전처리 기법을 적용하고 심층신경망 모델의 분류 성능을 평가한다. 가장 높은 성능의 EfficientNet-B6 모델은 5-fold 교차 검증에서 정확도 0.9046, 민감도 0.9570, 특이도 0.7976, AUC 0.8702, F1-Score 0.8152의 결과값을 보여준다.

영상처리는 자동화, 인공지능 시스템에서 물체 추적, 객체 인식 및 분류와 같은 중요한 부분을 담당하고 있으며, IoT 기술과 자동화의 관심이 높아짐에 따라 중요성이 강조되고 있다. 하지만 영상의 경계선과 같이 세밀한 데이터가 요구되는 시스템에서는 정밀한 잡음제거 알고리즘이 요구되고 있으나, 기존 알고리즘은 필터링 과정에서 블러링 현상이 강하게 나타나는 단점을 가지고 있다. 따라서 본 논문에서는 필터링 과정의 정보손실을 최소화하기 위해 화소값 분포패턴에 기반한 필터링 알고리즘을 제안한다. 제안한 알고리즘은 입력영상의 화소값에 대해 이웃한 화소값의 분포패턴을 구한다. 그리고 분포패턴을 바탕으로 가중치 마스크를 계산하며, 필터링 마스크에 적용하여 최종출력을 계산한다. 제안한 알고리즘은 기존 방법에 비해 잡음제거 특성이 우수하였으며, 블러링 현상을 최소화하며 영상을 복원하였다.

IoT 기술의 발달에 따라 인공지능과 자동화와 같이 다양한 기술들이 산업현장에 접목되고 있으며, 이에 따라 데이터처리의 중요성이 높아지고 있다. 영상의 잡음제거는 영상처리의 기본적인 과정 중 하나로서, 수많은 어플리케이션에서 전처리 단계로 사용된다. 잡음제거를 위해 다양한 연구가 진행되었지만, 잡음제거 과정에서 영상의 디테일 보존, 질감 복원과 특수한 영역의 잡음 제거와 같이 다양한 문제가 발생한다. 본 논문에서는 임펄스 잡음제거 과정에서 영상의 디테일 보존을 위해 확장된 컨벌루션 마스크를 사용한 디지털 필터를 제안한다. 제안한 알고리즘은 필터링 마스크로 확장된 컨벌루션 마스크를 사용하며, 잡음수준에 따라 확장수준을 스위칭하여 최종출력을 구한다. 제안한 알고리즘의 성능을 평가하기 위해 시뮬레이션을 진행하였으며, 기존 방법과 비교하여 성능을 분석하였다.

4차 산업혁명과 각종 통신매체의 발전에 힘입어 다양한 분야에서 무인화와 자동화가 급속도로 진행되고 있다. 특히 스마트팩토리와 자율주행기술 및 지능형 CCTV와 같은 분야에서는 높은 수준의 영상처리 기술이 요구되고 있다. 이에 따라 영상을 기반으로 동작하는 시스템에서 전처리 과정에 대한 중요성이 높아지고 있으며, 영상의 잡음을 효과적으로 제거하기 위한 알고리즘이 주목받고 있다. 본 논문에서는 복합잡음 환경에서 잡음판단과 분할마스크를 사용한 필터링 알고리즘을 제안한다. 제안한 알고리즘은 입력 영상의 화소값을 대상으로 잡음판단을 진행하여 필터링에 적합한 분할마스크를 스위칭하여 최종출력을 계산한다. 제안한 알고리즘의 성능을 검증하기 위해 시뮬레이션을 진행하였으며, 기존 필터 알고리즘과 결과영상을 비교하여 평가하였다.

현대 사회는 4차 산업 혁명과 IoT 기술 등의 발전으로 영상 처리 분야의 활용이 급증하고 있다. 특히, 에지 검출은 이미지 분류, 객체 검출 등 영상 처리 응용에서 필수적인 전처리 과정으로 여러 분야에서 널리 사용되고 있다. 에지를 검출하기 위한 기존의 방법에는 소벨 필터(Sobel edge detection filter), 로버츠 필터(Roberts edge detection filter), 프리윗 필터(Prewitt edge detection filter), LoG(Laplacian of Gaussian) 등이 있다. 하지만 기존의 방법들은 명암도가 낮은 저조도 환경에서 에지 검출 특성이 다소 미흡한 성능을 보인다는 단점이 있다. 따라서 본 논문에서는 저조도 환경에서도 에지 검출 특성을 높이기 위해 명암도 분석에 기반한 에지 검출 알고리즘을 제안한다.

현재 IT 기술 발전에 따라 영상 분석, 영상 인식, 공장자동화 등 여러 분야에서 영상처리가 활용되고 있다. 영상을 획득하거나 송출하는 과정 등에서 다양한 외부요인으로 인해 Salt and Pepper 잡음이 발생하여 영상의 품질을 저하시키므로 영상의 품질을 향상시키기 위한 잡음제거는 필수적이다. Salt and Pepper 잡음을 제거하기 위하여 다양한 방법이 제시되었으며, 대표적으로 AF, MF, A-TMF 등이 있다. 하지만 기존의 필터는 고밀도 잡음 환경에서 잡음제거 성능이 미흡하다. 따라서 본 논문에서는 잡음판단을 진행한 후 비잡음일 경우 원화소로 대체하고, 잡음일 경우에만 변형된 거리가중치 필터를 이용하여 원화소를 추정하여 처리하는 알고리즘을 제안한다. 제안한 알고리즘의 성능을 평가하기 위하여 PSNR을 사용하여 기존의 알고리즘들과 비교, 분석한다.

최근 몇 년 동안 더 깊은 신경망 아키텍처로 인해 컴퓨터 비전 이미지 분류 작업이 더 빠르고 더 좋아졌다. 그러나 대부분의 이미지 분류 작업은 특정 이미지 모양(예: 고양이와 개 구별)을 기반으로 분류하도록 설계되었지만 낮과 밤 또는 사계절과 같은 기간을 구별하도록 훈련된 분류 모델은 많지 않다. 같은 장소의 사계절 이미지를 구분하기 위한 선행 연구는 있는 반면 일반 영상의 계절 분류 연구는 현재 부재한 실정이다. 그래서 본 논문에서는 일반 영상의 계절 분류 문제에 대한 다양한 접근 방식을 제시한다. 간단한 특징 추출부터 합성곱 신경망 구축, 전이 학습에 이르기까지 계절별 이미지 분류를 위한 세 가지 방법을 연구하고 정확도 결과를 비교, 분석하였다.

이미지 업스케일링 분야에서 보간법을 이용하는 것보다 딥러닝을 이용한 방법이 우수한 결과를 보이고 있다. 그리고 홀로그램 업스케일링도 일반적인 보간법보다 딥러닝을 사용하는 것이 더 좋은 결과를 보이고 있다. 본 논문에서는 이에 대한 네트워크 구조 및 학습 결과를 분석한다. 동일한 가중치에서 네트워크의 깊이와 채널 수를 조절하여 학습한 결과를 비교한다.

본 논문에서는 최근 스마트농업의 중요한 이슈로 떠오르고 있는 스마트 축산분야의 가축 유행병 서비스 표준 모델을 제시한다. 네트워크를 이용하여 전 세계적으로 유행하는 가축 전염병 질병 리스크를 파악해서 서비스 유저들에게 관련 모델을 제공하여 실질적으로 가축 소유자들에게 경제적인 이득을 제공하고 궁극적으로 국가 농축산업 경제에도 도움 될 수 있을 것으로 판단된다. ICT와 접목하여 제시되는 가축전염병 서비스 표준모델과 가축 전염병 위기완화 표준모델 공유 방법은 향후 국내 및 국제 농축산업 분야에 표준에 적용하려고 지속적 연구가 진행될 예정이다.

메타데이터는 데이터에 대한 속성이나 특징을 설명하는 구조화된 데이터를 말한다. 그중에서 비디오 메타데이터는 정확한 콘텐츠 기반 검색을 위해 비디오를 구성하는 정보에서 추출한 데이터를 의미한다. 최근 영상 콘텐츠를 이용하는 사용자들이 늘어나면서 자연스럽게 OTT 제공 업체들 역시 늘어나고 있으며, OTT 제공 업체에서 많은 양의 영상 콘텐츠를 개인 사용자에게 추천 또는 알맞은 검색을 위해 메타데이터의 역할이 중요해지고 있다. 본 논문에서는 영상의 효과음을 통해 분위기 속성에 대한 메타데이터를 자동으로 추출하는 방법에 관해 연구를 진행하였다. 영상의 효과음에 대한 분류와 분위기 속성에 대한 메타데이터 생성을 위해 분위기에 대한 용어사전을 구축하고 지도학습을 통해 정보를 추출하는 방법을 제안하고자 한다.

국제해사기구의 환경규제로 조선소에서는 선박의 효율향상을 위한 다양한 연구를 추진하고 있으며, 선박의 무게절감을 위한 노력이 진행 중이다. 최근, CNT소재를 포함하는 복합소재는 일반 철판 소재 대비 40% 이상 무게절감이 가능한 장점이 있어, 선박의 클램프나 도어스킨으로 대체사용이 가능한 장점이 있다. 이에, 본 연구에서는 CNT소재를 포함하는 복합소재의 수명예측을 위해, 가속열화시험 방법과 머신러닝 기법을 이용한 수명예측을 통해 결과를 비교하였다. 가속열화시험은 아레니우스 모델식을 이용하였고, 머신러닝 기법은 회기분석 알고리즘을 이용하여 수명을 예측하였다.

본 논문에서는 실내 환경에서 검출되는 방사능을 측정하기 위한 계측 시스템을 제시한다. 일반 가정, 작업장, 연구소 등 다양한 공간에서 발생되는 방사능을 측정하고 이에 대한 예방을 위함이다. 다중 방사능 센서를 이용해서 여러 공간을 동시에 측정한다. 측정된 방사능 데이터는 지그비를 통해서 실시간으로 PC로 전달하여 모니터링하는 시스템이다. 소량의 방사능이라고 하더라고 만성 피폭으로부터의 예방을 위해 연구소 또는 작업장 같은 방사능 노출이 예상되는 곳은 필수적으로 설치되어야 한다고 생각된다.

본 논문은 LabVIEW와 MyRIO를 활용하여 유해가스를 측정하여 원격에서 모니터링에 관한 연구이다. 대다수는 Arduino를 이용한 가스측정은 복수의 센서를 사용하는 데 있어 다소 제한적이다. MyRIO는 복수의 센서를 계측할 수 있어 이를 무선으로 전송하여 LabVIEW를 통해 모니터링하는 방안을 제시하는 바이다.

교통사고 발생률은 매년 증가하고 있으며 대한민국은 OECD 국가 중에서 상위권에 속한다. 이를 개선하기 위해 다양한 도로교통법이 시행되고 있으며 무인 속도 카메라, 교통단속 카메라 등의 장비를 사용한 다양한 교통단속 방법이 적용되고 있다. 그러나 운전자는 네비게이션을 통해 교통단속 카메라의 위치를 사전 감지하여 단속을 회피함에 따라 불시 단속이 가능한 이동식 단속시스템이 필요하며, 정확한 단속을 위해 도로 측면에서 차량 번호판 인식률을 높일 수 있는 연구가 필요하다. 본 논문에서는 영상처리를 이용한 기울기 보정 알고리즘를 적용하여 도로 측면에서의 차량 번호 인식률을 향상을 위한 방법을 제안한다. 또한 문자 인식 정확도 향상을 위해 CNN 기반의 YOLO 알고리즘을 이용하여 커스텀 데이터 학습을 진행하였다. 해당 알고리즘을 설치 장소에 대한 제약이 없는 이동식 교통단속 카메라 등에 활용 가능할 것으로 기대된다.

최근 지능형 교통 시스템의 발전에 따라 딥러닝을 기술을 적용한 다양한 기술들이 활용되고 있다. 도로를 주행하는 불법 차량 및 범죄 차량 단속을 위해서는 차량 종류를 정확히 판별할 수 있는 차종 분류 시스템이 필요하다. 본 연구는 YOLO(You Only Look Once)를 이용하여 이동식 차량 단속 시스템에 최적화된 차종 분류 시스템을 제안한다. 제안 시스템은 차량을 승용차, 경·소·중형 승합차, 대형 승합차, 화물차, 이륜차, 특수차, 건설기계, 7가지 클래스로 구분하여 탐지하기 위해 단일 단계 방식의 객체 탐지 알고리즘 YOLOv5를 사용한다. 인공지능 기술개발을 위하여 한국과학기술연구원에서 구축한 약 5천 장의 국내 차량 이미지 데이터를 학습 데이터로 사용하였다. 한 대의 카메라로 정면과 측면 각도를 모두 인식할 수 있는 차종 분류 알고리즘을 적용한 지정차로제 단속 시스템을 제안하고자 한다.

본 논문에서는 아동의 스마트폰 보급률과 사용 시간이 증가함에 따라 교육용 애플리케이션 개발의 필요성을 인지하고, 아동에 최적화 되어 있으며 이미지 인식 기술을 접목해 아동이 쉽게 사용할 수 있도록 고안된 애플리케이션 서비스의 개발에 대한 아이디어를 제안한다. 이미지 인식 기술을 활용해 아동이 쉽게 스마트폰의 카메라로 사물을 촬영하고 이에 대한 적절한 검색 결과를 손쉽게 파악할 수 있도록 도움을 주는 서비스이다. 이를 통해, 온라인 수업 등으로 인해 교사의 직접적인 지도를 받기 어려운 환경 속에서도 아동이 자기주도적으로 손쉽게 공부하거나 더 알아보고 싶은 대상을 찾아보고 학습하여 자기주도적 학습 능력을 함양하고 스마트폰의 올바른 사용 방법을 익히는 데에 공헌할 수 있을 것으로 사료된다.

이 연구는 3D 개발 환경에서 사용되는 움직임의 표현 방법 중 하나인 회전기법에 대해서 설명한다. 오일러 각은 물체를 3차원 공간에 표시하기 위한 회전 방식이다. 세 개의 각도로 3차원 좌표공간 내에 모든 회전을 다룰 수 있지만, 이 방식에는 심각한 오류가 존재한다. 오일러 각으로 물체를 회전 시키면 특정 환경에서 회전하지 못하는 짐벌락 문제에 직면하게 된다. 이를 해결하기 위해, 객체를 짐벌락 없이 회전 시킬 수 있는 방법이 바로 사원수로 이루어진 쿼터니언 회전이다. 본 논문에서는 쿼터니언 기법의 설명보다는 현재 3D 개발 환경에서 사용되는지 기법을 소개하고, 이를 카메라 회전 제어에 적용하여 짐벌락을 개선하는 방법을 제안한다.

차세대 철도 기술로서 스마트 철도는 정보통신기술의 발전과 함께 급격하게 진화할 것으로 예상된다. 특히 5G의 상용화와 더불어 이를 기반으로 한 스마트 철도는 철도 운영뿐 아니라 승객 서비스 등에서 한층 진화된 교통수단으로 발전할 것으로 예상된다. 따라서 스마트 철도를 지원할 이동통신 구조로서 5G 및 이를 기반으로 한 AI, 빅데이터, 딥러닝을 비롯한 서버 기술, 정보보호 기술, 센서 및 IoT 기술 등에서 스마트 철도와 연관된 기술 동향을 조사, 분석하는 하는 것은 매우 중요한 일이라 생각된다. 따라서 본 연구에서는 스마트 철도와 관련된 5G 기반 통신 기술 및 응용기술 들을 분석하고 신기술 동향을 고찰하여 본다. 본 연구의 결과는 스마트 철도 연구 및 구축, 스마트 철도 통신 기술의 연구 및 개발 등에 활용될 수 있을 것으로 예상된다.

본 논문은 MOSFET 트랜지스터로 구성된 monolithic 3D 인버터의 구조에서 하부 MOSFET 게이트 전압의 변화에 따라서 상부 MOSFET 트랜지스터의 random dopant fluctuation(RDF) 영향을 3차원 소자 시뮬레이션을 통하여 조사하였다. RDF 영향 조사를 위한 표본화는 kinetic monte carlo 방식을 통하여 진행하였으며, RDF 영향이 트랜지스터의 임계전압 변동에 영향을 주는 것을 확인하였고, 상부 트랜지스터와 하부 트랜지스터 사이에 전기적 커플링을 조사하였다.

이 연구에서는 생산기간에 따른 치밀오일 저류층의 미래 생산성을 예측하기 위해 XAI(eXplainable Artificial Intelligence) 기반의 머신러닝 모델을 제시하였다. XAI 알고리즘은 해석 가능한 인공지능을 뜻하며 예측한 최종 결과의 근거와 도출 과정의 타당성을 제공한다. 본 연구에서는 현장자료를 기반으로 데이터전처리를 수행한 후 생산 초기와 후기의 생산성을 예측하는 지도학습 모델을 제안하고, 모델의 결과를 바탕으로 XAI를 이용하여 생산성 예측 모델의 영향을 미치는 인자를 분석하였다.

최근 산업안전보건법, 중대재해처벌법 등과 같은 산업재해에 관한 관심이 증가하는바, 연구 기관과 각계의 산업 분야에서 근로자의 안전 관리에 대한 안전 관리자의 수요가 늘고 있는 실정이다. 근로자 안전 관리를 위해 공장, 작업장에 CCTV를 증설하고 있으며 작업자를 모니터링하여 안전에 대한 관리를 높이고 있다. 본 논문에서는 이러한 작업장의 CCTV를 활용해 데이터를 구축하고 JSON 형태로 모델링하여 위험 상황 판정 시스템을 설계하고자 한다. 데이터 모델링은 한국지능정보사회진흥원의 인공지능 학습용 데이터셋 구축 안내서와 품질 관리 가이드라인을 참고하여 제작하였다. 이러한 시스템을 통해 위험 상황 시나리오별로 작업장에 어떠한 위험 관리가 존재하고 있는지를 확인하여 더욱 체계적인 시스템 구축에 활용하고자 한다.

세계 각지에서 집중호우, 태풍 등으로 인한 홍수 피해가 많이 발생하고 있으며, 이러한 피해를 줄이기 위해 홍수를 미리 예측하는 것은 수해 피해 관리 차원에서 필수적인 요소이다. 본 논문에서는 홍수예측을 위한 핵심 파라미터인 수위, 강수량, 그리고 습도 데이터를 입력 데이터로 활용한 수위 예측 모델을 제안한다. 많은 연구 분야에서 이미 시계열 데이터 예측 성능이 검증된 LSTM 및 GRU 모델을 기반으로 기상청에서 제공하는 종관기상관측 자료와, 방재기상관측 자료를 활용하여 입력 데이터셋을 다르게 구축하고, 성능 비교 실험을 진행하였다. 결과적으로 종관기상관측 자료를 사용했을 때 가장 좋은 결과를 얻었다. 본 논문을 통해 입력 데이터에 따른 성능 비교 실험을 진행하였고, 향후 연구로 홍수 위험도 판별 모델과 연계하여 사전에 대피 결정이 가능한 시스템 개발의 초기 연구로서 활용될 수 있을 것으로 사료된다.

최근 지구 온난화에 따른 기상이변으로 발생하는 돌발홍수에 의해 피해가 증가하고 있는 상황이다. 이에 대한 피해를 줄이기 위해 본 논문에서는 돌발홍수에 따른 대피로의 최단 경로 탐색에 대한 연구를 진행하였다. 이를 위해 GIS를 활용하여 건물 및 도로를 포함한 shape file과 Dijkstra 알고리즘을 기이용하여 경로 탐색 시스템을 구현하였다. 본 연구에서 돌발홍수가 발생하는 지점에 가까이 있는 이용객의 위치를 파악하고, 대피 경로는 출발지점에서 목적지점까지 위험지점을 거치지 않게 경로를 탐색한다. 테스트베드를 벗어난 대피, 또는 테스트베드 내에 있는 건물을 대피소로 지정하여 가까운 대피소로 이동 할 수 있는 경로를 탐색한다. 이에 따라, 최단 대피로를 제공하여 인적 피해를 줄일 것이라 기대한다.

CCTV는 위험 상황을 파악하고 신속히 대응함으로써, 인명과 자산을 안전하게 보호한다. 하지만, 점점 많아지는 CCTV 영상을 지속적으로 모니터링하기는 어렵다. 이런 이유로 CCTV 영상을 지속적으로 모니터링하면서 이상행동이 발생했을 때 알려주는 장치가 필요하다. 최근 영상데이터 분석에 인공지능 모델을 활용한 많은 연구가 이루어지고 있다. 본 연구는 CCTV 영상에서 관측할 수 있는 다양한 이상 행동을 분류하기 위해 영상데이터 사이의 공간적, 시간적 특성 정보를 동시에 학습한다. 학습에 이용되는 인공지능 모델로 End-to-End 방식의 3D-Convolution Neural Network(CNN)와 ResNet을 결합한 다중 분류 딥러닝 모델을 제안한다.

본 논문은 이동 노드간 클러스터링을 함에 있어 보다 효율적인클러스터링을 제공하고 유지하기 위한 딥러닝의 자율학습에 따른 군집적 알고리즘을 제안한다. 대부분의 클러스터링 군집데이터를 처리함에 있어 상호관계에 따른 분류체계가 제공된다. 이러한 경우 새롭게 입력되거나 변경된 데이터가 비교정보에서 오염된 정보로 분류될 경우 기존 분류된 클러스터링으로부터 오염된 정보로 이해되어 군집성을 저하시키는 요인으로 작용 할 수가 있다. 본 논문에서는 이러한 상황정보를 이해하고 클러스터링을 유지할 수 있는 자율학습기반의 학습 모델을 제시 한다.

기존의 루프탑 태양광 발전 시스템들은 안전성 문제와 더불어 시스템상의 오류 때문에 주로 고정형 시스템 개발 초점이 맞추어져 있었다. 이에 기존 고정식 루프탑 태양광 발전 기술에 태양광 추적 시스템과 모니터링 시스템을 추가하여 루프탑 설치형 스마트 태양광 발전 시스템을 개발하고자 한다. 이는 태양광 추적시스템 접목, 안전진단 및 대처시스템 접목, 이상진단 및 알람 시스템 접목, 외부기기 제어 및 모니터링 시스템 접목으로 "루프탑 설치형 스마트 태양광 발전시스템" 개발 및 사업화에 활용 계획이다.

자동차 내부 진단 데이터를 수집하기 위해서는 다양한 자동차 부품에 포함되어 있는 ECU(Electronic Control Unit)의 진단데이터를 수집하여야 한다. ECU의 진단데이터를 수집하기 위해서는 진단통신을 활용할 수 있다. 본 논문에서는 표준 진단 통신을 통해 ECU의 기능에 따른 진단데이터를 수집하는 방법과 진단통신 모듈에 대해서 분석하였다. 많은 자동차 제조사가 사용하는 자동차 전장 표준인 AUTOSAR의 표준 모듈 중에서 진단 통신 모듈에 대해서 연구하였으며, 진단데이터 처리가 ECU를 통해 처리되는 과정에 대해서 연구하였다.

미세먼지 예측 정확도 향상을 위해 다양한 연구가 진행되고 있다. 그러나 미세먼지 농도가 가지는 다양한 특성에 따라 예측 모델의 학습이 잘 이루이지지 않는 문제가 있다. 본 논문에서는 시계열의 특성과 불규칙적인 특성을 가지는 미세먼지 농도의 학습 및 예측을 위해 LSTM과 EEMD 기반의 미세먼지 농도 예측 모델의 성능을 비교하고자 한다. 두 모델을 통해 시계열 특성 파악 방법과 독립적인 개별 특성 파악 방법의 성능 차이를 확인한 결과, 개별 특성 파악에 강점을 가지는 EEMD 예측 모델이 LSTM 기반의 예측 모델보다 좋은 성능을 보이는 것을 확인하였다.

스마트팩토리 환경에서 사물인터넷 장치를 이용해 수집한 제조 데이터는 외부 요인에 의한 노이즈를 제외하면 대체적으로 신뢰할 수 있다. 하지만 기계적으로 수집되는 제조 데이터와 달리 현장 작업자가 직접 기록하는 공정 데이터는 오기입이나 기입 누락과 같은 문제가 발생할 수 있으므로, 인공지능 모델의 학습 데이터로 사용하기 전에 반드시 유효성을 검증해야만 한다. 본 논문에서는 MCT 머신의 전력 사용량과 작업자가 기록한 제품 생산량이 선형적인 관계가 있다는 점에 착안해 로버스트 선형 회귀를 이용하여 작업자의 이상 기록을 탐지하였다.

본 논문에서는 낙상상태를 감지할 수 있는 장단기 메모리(Long Short-Term Memory)를 이용한 낙상감지 시스템에서 은닉층 노드 수 변경에 따른 영향을 소개한다. 3축 가속도 센서를 이용하여 x, y, z축 데이터를 중력 방향과 이루는 각도를 나타내는 파라미터 theta(θ)를 이용하여 훈련을 진행한다. 학습에서는 validation이 진행되어 8:2의 비율로 훈련 데이터와 테스트 데이터로 나뉘며, 효율성을 높이기 위해 은닉층의 노드 수를 변화하며 훈련을 진행한다. 노드 수가 128일 때 Accuracy 99.82%, Specificity 99.58%, Sensitivity 100%로 가장 좋은 정확도를 나타내었다.

UAV의 장시간 운용을 위한 다양한 종류의 전력공급 방식과 연료 기술이 등장하고 있다. 현재 시중에 유통되고 있는 50cm 안팎의 회전익 UAV의 경우 주로 재충전이 가능한 2차 전지가 주로 탑재되고 있으며, 완충 시 정지비행(hovering) 기준 보통 30분 내외의 비행시간을 갖는다. 배터리의 용량과 무게는 UAV의 운영시간과 밀접한 관계가 있고 결국 응용의 다양성에 영향을 준다. 운영시간의 다변화를 위한 방안으로 무선충전기술을 UAV에 적용하는 연구가 활발히 진행되고 있으며, 방식에 따라 원거리(decoupled) 충전과 근거리(coupled) 충전 방식으로 나뉜다. 본 연구에서는 근거리 충전 방식 중 하나인 자기유도기(무선충전기)를 활용할 때, 충전시스템에 정밀하게 안착(착륙)하여 UAV가 효과적으로 재충전될 수 있도록 QR 코드를 적용하고 이를 인식하고 3D 위치 측위를 통한 UAV의 위치보정 방안을 제안한다.

본 논문에서는 IoT 기반의 스마트팩토리 구축을 위한 게이트웨이 프로토콜 아키텍처를 설계한다. 스마트 팩토리 시스템은 여러 단말 장치, 게이트웨이 및 서버로 구성되며 이들을 무선 네트워크로 연결한다. 단말 장치는 다양한 센서로부터 정보를 수집하고 게이트웨이를 통해 서버로 정보를 전송한다. 단말장치는 서버의 제어 알고리즘에 따라 또는 수동 조작으로 제어 신호를 수신하여 액추에이터를 제어한다. 따라서 게이트웨이 시스템은 무선 스마트 유틸리티 네트워크인 Wi-SUN과 인터넷을 연결하며 Wi-SUN의 코디네이터 역할을 하며 Modbus-TCP가 탑재되어 SCADA와 연동한다.

실시간 멀티미디어 서비스만을 고려하여 QoS를 고려한다면 단말의 수를 조정하여 적절하게 보장할 수 있지만, 본 연구에서는 실시간 멀티미디어 서비스와 일반 데이터 서비스를 고려한 복합적인 서비스를 고려하고 있다. 물리적인 네트워크 자원의 양은 한정되어 있기 때문에, 적절한 CAC가 이루어지지 않는다면 당연히 원하는 QoS의 보장도 이루어질 수 없다. 그러나, 전체 네트워크 자원과 현재 제공중인 서비스의 트래픽 profile과 QoS spec, 그리고 새로이 요청받은 서비스의 트래픽 profile과 QoS spec이 주어졌을 때, 이로부터 새로운 서비스 요청이 수용 가능한지를 정확히 판단하는 것은 상당히 어려운 일이다. 이를 위해서는 수학적 분석으로부터 다양한 시뮬레이션, 그리고 실제 네트워크 운영에서 얻어지는 데이터에 기반한 통계적인 연구에 이르기까지 다양한 방향에서의 연구가 필요할 것으로 보인다.

LBS(Location-Based Service)로 센서 혹은 이동 단말의 위치를 인식할 수 있는 장비들이나 모듈들을 사용하여 산악지역이나 건물이 밀집한 도심지역 혹은 이동 단말들이 쉽게 이동할 수 있는 공간에서 이동 단말들의 위치를 드론을 기반으로 위치를 확인하는 것은 쉬운 일이 아닐 것이다. 그러나, 기술의 발전으로 인한 GPS의 성능이 발전하였지만 아직 GPS모듈을 이용한 위치 인식시스템에는 해상 및 육상에서의 위치 인식에서 많이 사용되고 있으며 보다 많은 활용 여지가 많이 남아 있다. 현재 대부분의 기존 센서네트워크의 위치 인식은 다수의 이동형 기지국이 GPS에 의존한 위치정보를 가지고 이동 단말에게 최소 3개 이상의 위치 파악 송신 정보 메시지를 보내주어야 하지만, 가속도 센서를 활용하여 어느 정도의 이동 속도를 유지하는 이동식 중계기의 위치 인식은 효율적인 통신망 연결을 위해 필요하다.

5세대 이동통신(5G)는 국내외 주요 이동통신사업자의 주도로 상용화하여 스마트폰, 웨어러블, IoT 등 스마트 디바이스 위주로 일반 고객을 대상으로 확산되고 있다. 처음 5G가 도입되었을때 NSA(None-Stand Alone)기술방식을 도입하여 4G 망과 5G 액세스 장비를 활용하였다면 최근에는 SA(Stand Alone) 기술방식을 통해 5G 단독망으로 진화를 점진적으로 확장하여 5G 융합서비스를 실현하고자 하고 있는 추세이다. 3GPP 기술 규격문서에서 언급되어진 SBA(Service-based Architecture) 기반의 5G SA 장비 구성에 대해 통신망 사용자 입장에서 필요한 서비스 위주로의 기능을 구현하기 위한 설계 방안에 대해 연구하고자 한다. 본 연구를 통해 5G시장 진출을 필요로 하는 기업들이 5G SA망에 손쉽게 접근하여 각각의 특화된 5G 융합서비스를 개발하고 보완을 통해 제품의 성능 및 품질 개선이 가능할 것으로 기대 된다.

5G 시대가 상용화를 넘어 고도화되는 시점에서 기존 단순 물류 창고 업무를 처리하던 곳들이 IT 융합기술과 플랫폼을 접목하면서 스마트 물류 창고로 탈바꿈하고 있다. 스마트 물류 창고는 5G 기반으로 AI, 딥 러닝, 로봇 기술로 제품의 정확한 수요 및 재고 예측이 가능하고, 입출고 상태에 대한 정보를 실시간으로 제공한다. 이커머스 시장이 커짐에 따라 스마트 물류 분야도 급격한 성장을 이루고 있다. 본 논문에서는 스마트 물류 창고 시스템을 구현하며, 5G 기반 물류 자동화 로봇 활용으로 신속하고 정확한 물류 시스템 구축하는 방법을 연구하여 제안한다.

IoT 디바이스의 Plug & Play를 위하여 IoT 디바이스의 대표적인 유선 인터페이스인 USB의 종류를 이미지를 통하여 인식하는 모듈을 개발한다. IoT 디바이스를 구동시키기 위해서는 통신 및 디바이스 하드웨어를 구동하기 위한 드라이버가 필요하다. IoT 디바이스에 연결되는 유선 인터페이스를 스마트폰의 카메라 촬영을 통하여 얻은 이미지를 이용하여서 해당 통신 인터페이스를 인식한다. 대표적인 유선 인터페이스인 USB에 대하여 인공신경망 기반의 기계학습을 통하여 USB의 종류를 분류한다. 인공신경망의 충분한 학습을 위하여 인터넷을 통하여 USB 이미지를 수집하고, 이미지 처리를 통하여 추가적인 이미지 데이터 셋을 확보한다. 합성곱 신경망과 더불어서 다양한 심층 인공신경망으로 인식기를 구현하여서 그 성능을 비교, 평가한다.

코로나 팬데믹의 장기화로 자영업자들의 폐업률이 급증하고, 경제적 피해가 심해지고 있다. 본 연구에서는 코로나19 발생에 따른 충청북도 상권 창폐업 분석을 통해 지역별, 업종별 과밀 정도 등 다양한 정보를 제공하고 창업 성공 및 경영안정에 도움을 주기 위하여 공공데이터를 활용하여 창업환경을 분석하고 창폐업 현황을 제공하여 자영업자들이 창업 시 기초자료로 활용하도록 지원하였다.

최근 중대재해의 처벌관련법이 건설 환경에 대한 관심을 끌고 있다. 공사현장의 안전관리를 점검하는 일반적인 방법은 근무자가 직접 그들의 눈으로 현장을 확인하는 것이다. 하지만 이 방식은 근무자의 능력의 한계에 영향을 받을 수밖에 없고, 그 결과 피로와 작업 능률 저하를 일으키게 된다. 이런 이유로, 이는 효율적인 방법이 될 수 없다. 이에 우리는 본 연구를 통해 상기 방법을 보완할 수 있는 효율적인 ICT 안전관리 시스템을 제안하여, 작업환경 및 공사 현장 안전에 도움 주고자 한다. 본 논문은 RFID를 활용한 출입 관리 시스템 설계와 소음 센서 및 미세 먼지 센서를 통한 현장 정보 모니터링 방식을 설명한다. 또한, PIR 센서로 중장비와 사람 간의 사고를 예방하고, 자이로 센서를 통해 작업 중인 건물의 기울기를 파악하여 안전사고를 예방할 수 있는 시스템을 제안한다.

최근 산업 현장에서 발생하는 사고의 증가를 막기 위해 4차 산업 시대의 다양한 혁신 기술을 건축 행정에 접목하여 산업 현장 안전 관리의 효율성을 높이는 안전 관리 고도화 작업을 추진하고 있다. 이에 따라 산업 현장에서 발생하는 위험을 선제적으로 예방하고 실시간으로 관리하는 지능형 모니터링을 이용한 스마트 안전 관리 시스템이 주목받고 있다. 스마트 안전 관리 시스템은 곳곳에 위치된 센서를 통해 현장의 소음, 가스 농도, 미세먼지 농도, 건축 자재의 품질, 건축물의 기울기 그리고 RFID를 활용한 근무자의 출입 여부와 같은 요소를 실시간으로 원격 모니터링할 수 있는 시스템을 사용자에게 제공한다. 본 논문에서는 라즈베리파이를 이용하여 스마트 안전 관리 시스템을 위한 다양한 데이터를 지그비 통신으로 수집 및 모니터링하는 방법을 제시한다.

In the present study, flexible display technology, which has attracted significant attention in recent years, is discussed. The technology has been widely applied to various devices, such as foldable smartphones and rollable TVs. Notably, different flexible display types from LCD to OLED and E-paper have been employed to implement such devices in practice. Among them, the OLED technology has thus far led the flexible display market. In the present study, the concept and current application fields of the technology are analyzed, and further its potential applications are discussed.

Key technologies of Fourth Industrial Revolution and their innovative applications are expected to bring another technological revolution going forward. The present study takes a close look at the Internet of Things (IoT) among the key technologies of the Fourth Industrial Revolution. In particular, sensor devices, which serve as the core of IoT-based application systems, are analyzed. This study also examines various applications and solutions using IoT-based systems.

최근 1인 가구의 급증에 따라 고독사가 중요한 사회 문제로 주목받고 있다. 본 논문에서는 고독사 위험에 노출된 사회적 약자들을 보호하기 위하여 RFID를 활용한 적응형 모니터링 시스템을 개발한다. 개발된 시스템은 웨어러블 RFID 태그, 주거지 내 부착된 RFID 리더기, 사용자 모니터링 앱으로 구성된다. 개발된 시스템은 웨어러블 태그를 지닌 사용자가 리더기가 부착된 장소에 머무는 시간을 측정하고, 적응적으로 결정된 임계치를 초과할 때 보호자에게 긴급 알림을 전송한다. 아두이노를 기반으로 거주지를 모델링한 프로토타입을 구현함으로써 설계된 시스템의 효용성을 검증하였다.

오픈소스의 사용으로 개발 환경이 편리해지고 유지보수가 보다 용이해진 장점이 있지만 보안적인 측면에서 볼 때 취약점에 노출되기 쉽다는 한계점이 존재한다. 이와 관련하여 최근에는 아파치에서 매우 광범위하게 사용되고 있는 오픈소스 로깅 라이브러리인 LOG4J 취약점이 발견되었다. 현재 이 취약점의 위험도는 '최고' 수준이며 개발자들도 이와 같은 문제점을 인지하지 못한 채 많은 시스템에 사용하고 있어 향후 LOG4J 취약점으로 인한 해킹 사고가 지속적으로 발생할 우려가 있다. 본 논문에서는 클라우드 환경에서 LOG4J 취약점에 대해서 자세하게 분석하고, 보안관제시스템에서 보다 신속하고 정확하게 취약점을 탐지할 수 있는 SNORT 탐지 정책 기술을 제안한다. 이를 통해 향후 보안 관련 입문자, 보안 담당자 그리고 기업들이 LOG4J 취약점 사태에 대비하여 효율적인 모니터링 운영과 신속하고 능동적인 대처가 가능해질 것으로 기대 한다.

본 논문은 Nanosheet FET(NSFET)와 FinFET의 소자 성능을 3차원 소자 시뮬레이션을 통하여 다양한 구조의 NSFET와 FinFET의 소자 시뮬레이션을 한다. NSFET와 FinFET의 전류-전압 특성을 시뮬레이션하였고, 그 전류-전압 특성으로부터 추출한 문턱전압, 문턱전압이하 기울기 등의 성능을 비교하였다. NSFET이 FinFET보다 전류-전압 특성에서 드레인 전류가 더 많이 흐르며 더 높은 문턱전압을 갖는다. 문턱전압이하 기울기는 NSFET와이 FinFET보다 더 가파른 기울기를 갖는다.

코로나19 발생 이후 시민들의 소비습관과 여가생활의 변화로 새로운 소비 트렌드가 형성되고 있다. 이에 따라 자영업자는 많은 혼란을 겪고 있으며 변화에 민감하게 대처하지 못한 자영업자들은 폐업을 할 수밖에 없는 상황이다. 따라서 본 연구에서는 공공 데이터를 활용하여 사람들의 소비습관과 여가생활의 변화를 분석하고 이를 기반으로 자영업자들이 소비자들의 소비성향을 예측하고 이에 빠르게 대처할 수 있는 방안을 제시한다.

최근 4차 산업과 코로나19의 비대면 사회로 인해 가장 떠오르는 기술로 메타버스가 있다. 메타버스의 핵심적인 기술 중 하나로 VR·AR 기술은 의료, 교육, 서비스 등 다양한 산업화가 이루어지고 있다. 그중 주요 활용 분야로는 교육·훈련이 가장 높으며 원전 작업에서 또한 이 기술이 필요로 한다. 본 논문에서는 기존 산업에서의 VR·AR 기술의 활용 분야를 살펴보고 원전 작업에 대한 활용 방안을 제시하고자 한다.

산업체에서 고장 상황이 빈번히 일어나고 이를 위한 기존의 2D 기반 기반의 매뉴얼은 이해가 직관적이지 않고, 유지보수 전문가와 즉각적인 상호작용이 어렵다. 본 논문에서는 원격지에 고장 상황이 발생하였을 때 증강현실을 기반으로 작업자들이 시간과 장소에 제약 없이 실시간으로 전문가의 도움을 받아 유지보수 할 수 있는 기술을 제안한다. 로컬의 가상휴먼 기반 전문가는 HMD 헤드셋을 착용한 상태로 원격지 고장 상황의 적응화 된 파노라마 영상을 기반으로 고장 상황을 진단하고, 원격지의 작업자에게 지시를 내린다. 또한 원격지의 증강현실(AR) 환경에서는 작업자와 전문가의 상호작용을 위해 HMD의 마이크를 이용하여 언어적 소통뿐만 아니라 전문가의 손을 가상으로 생성하고, 가상 손을 사용하여 전문가는 실제 개체에 레이저 포인터를 이용하여 가르키거나, 그림을 그릴 수 있다. 본 기술을 이용한다면 기존의 2D 기반의 매뉴얼의 한계를 극복할 수 있으며 원격지에 전문가가 직접 방문하지 않더라고 원격에서 유지보수를 원활하게 진행하는데 도움을 제공할 수 있다.

최근, 메타버스 서비스에 대한 기대가 높아지면서 VR/AR 콘텐츠의 사용이 활발히 늘어나고 있다. 메타버스를 이용한 가상 체험은 사용자들이 직접 가지 않아도 원격지를 둘러보고 체험할 수 있으며 실제 환경을 둘러보는 듯한 느낌을 받을 수 있다. 기존의 메타버스는 가상의 공간에서 체험 콘텐츠를 제공하는 것이 전반적이였으나 최근 실제로 캡처한 공간을 이용하는 사례에 대한 필요성이 늘어나고 있다. 예를 들면, 가상 휴먼을 실제 환경에 합성하여 공간감과 현실감을 높이도록 제작하여 메타버스 콘텐츠가 실제 공간에 있는 듯한 느낌을 제공하는 것이 가능하다. 본 논문에서는 원격지 공간 캡쳐 기반 가상 휴먼 합성 기술을 제시하기 위해 원격지 환경을 360도 파노라마 캡쳐 후 가상 휴먼을 합성하는 기법을 제시한다. 이를 위해 원격지 환경을 분석하여 오차 없이 캡쳐할 수 있는 위치를 파악하고, 가상 휴먼을 합성하는 방법을 적용한다. 본 논문에 따르면 산업 공장, 의료시설, 학교 등 다양한 공간을 캡쳐해 사용할 수 있으며 서로 떨어져 있는 원격지 간 의사소통 및 가이드를 제공할 수 있다.

Currently, the world has known many innovative technologies created to bring users to interact using the internet. The latest buzzword attracting attention both from industry and academia is the metaverse. The metaverse is a virtual environment in which people used virtual reality and augmented reality devices to carry out numerous virtual activities. At first, metaverse applications were mostly virtual games, but now with advances in research, many other applications and technologies are integrating the metaverse among which manufacturing, real estate, healthcare, military, and many others. The proper operation of these applications requires some technologies like blockchain and artificial intelligence. In this paper, we investigate the role of blockchain and AI in the metaverse. This work aims to present the eventual use cases of these technologies in the metaverse regardless of their application domain.

This study addresses the effectiveness of a VR model that is designed to relieve distress and improve communication during pediatric dental treatment for 3-9 year-old young patients. This is due to the challenging nature of the dental treatment for both young patients and pediatric dentists. The proposed model is designed to alleviate the unpleasant experience a young patient might go through during the dental treatment through providing a VR content to be displayed in on a head-mounted device during the treatment session. In addition, the model is designed to help decrease the frequent movement of the young patient during the dental treatment session by directing the patient's head to the immersive VR content. Furthermore, the model could solve the communication difficulties that might occur between pediatric dentists and young patients during the treatment session by showing live instructions related to adjusting body postures

가상현실이 주목받으면서 가장 대중적이고 성공적인 VR콘텐츠로 VR 방 탈출 게임을 기준으로 하였다. 본 연구에서는 실제 VR 방 탈출과 현장형 방 탈출을 체험한 시민들의 설문결과를 토대로 하였다. 현재 구현이 가능한 부분과 기술적인 한계가 있는 부분을 명확히 한다. 그리고 VR 방 탈출게임의 몰입감을 높일 수 있는 요소들을 분석한다. 연구의 의의로 더욱 발전된 VR 방 탈출 게임과 더 나아가 VR콘텐츠의 제작에 기여할 수 있기를 바란다.

우리나라 교육통계에 따르면 외국인 가정 및 국제결혼 가정의 자녀 수는 138,227명에 달하며(교육부, 2020), 결혼이민자는 169,005명에 이른다(법무부, 2022). 이들 중 대다수는 의사소통의 어려움을 호소하며, 의사소통 문제는 학교 및 사회생활 부적응으로 이어진다. 이에 대하여, 지방자치단체와 다문화 유관기관 등에서 다양한 한국어교육 프로그램을 진행하고 있지만, 대부분이 단편적인 학습지 교육이나 문화 체험 수업에 그치거나 코로나19 등으로 인하여 수업이 중단되는 등 효과적이고 체계적인 교육이 제공되지 못하고 있는 실정이다. 본 연구에서는 한국에서 적응하고 생활해야 하는 다문화 가정 구성원들을 대상으로 한국어교육을 체계적으로 실시하기 위해 가상현실(VR)을 활용한 교육 프로그램을 제안한다. 이는 시공간의 제약을 받지 않아 일반 교재나 PC 활용 수업에 비해 접근성이 좋고 실재감과 몰입감을 높여 학습자의 흥미와 참여도를 향상시킬 수 있다. 특히 다자간 동시 참여가 가능한 메타버스 공간에서는 학습자 간 활발한 상호작용 및 소통이 가능하여 언어 능력과 더불어 사회 적응력을 기르는 데에 기여할 수 있다.

본 논문에서 스마트 안경을 이용하여 한국의 국보중 하나인 백제 금동대향로를 위한 증강 현실 서비스를 제안했다. 제안한 증강 현실 서비스는 마이크로소프트사의 홀로렌즈 2와 MRTK, 그리고 Unity 프로그램을 이용하여 개발했다. 사용자는 홀로렌즈 2를 착용하고 전시된 백제 금동대향로의 옆에 QR 코드를 바라보면 제안한 서비스가 시작된다. 다음으로 제안한 서비스는 백제 금동대향로의 역사적 설명과 그 안의 오브제들을 사용자들에게 증강하여 시각적으로 제공한다. 특히, 제안한 서비스는 사용자들이 백제 시대의 연주 문화를 경험할 수 있도록 금동대향로의 가상 오악사들을 증강한다. 따라서, 우리는 가상의 오악사들을 이용하여 사용자들에게 현재의 시공간적 제약을 뛰어넘어, 백제 시대 문화 유산의 가치와 의미를 확장된 경험으로 제공할 수 있다. 본 논문에서는 문화 유산인 백제 금동대향로와 제안한 증강 현실 서비스가 자연스럽게 어울려 홀로렌즈 2를 통해서 사용자들에게 제공됨을 확인할 수 있다.

본 논문에서는 다수의 모션 캡처 카메라의 2D 패시브마커 영상을 이용한 3차원 공간에서의 리지드 바디(Rigid Body) 추적 방법을 제안한다. 1차로 개별 카메라의 내부 변수를 구하기 위해 체스보드를 이용한 칼리브레이션 과정을 수행하고, 2차 보정 과정에서 3개의 마커가 있는 삼각형 구조물을 모든 카메라가 관찰 가능하도록 움직인 후 프레임별 누적된 데이터를 계산하여 카메라간의 상대적인 위치정보의 보정 및 업데이트를 진행한다. 이 후 각 카메라의 좌표계를 3D월드 좌표계로 변환하는 과정을 통해 3개 마커의 3차원 좌표를 복원하여 각 마커간 거리를 계산하여 실제 거리와의 차이를 비교한 결과 2mm 이내의 오차를 측정하였다.

시니어를 위한 메디컬 가상현실 서비스 개발을 목표로 하고 있으며, 시니어가 쉽고 안전하게 체험할 수 있는 가상현실 콘텐츠를 제작하는 것이 주된 목표이다. 본 연구의 최종 목표로는 체험에 집중하기 위한 환경을 조성하기 위해 안전시스템 구축 및 가족/친구와의 연결을 통한 소통 서비스를 개발한다. 시니어를 대상으로 가상현실 체험을 제공할 때 컨트롤러를 쥐고 상호작용을 해야하는 부분을 핸드트래킹 기술을 연구하여 컨트롤러 없이 물리적으로 양손을 자유롭게 하면서 피로감을 줄이는 것은 물론, 주변의 물건을 내려치거나 컨트롤러를 놓쳐 사고로 이어질 소지도 없애 체험에 집중하게 할 수 있는 환경을 제공하고 체험 중 신체에 이상현상이 나타날 경우 즉시 이를 알릴 수 있도록 콘텐츠 내에서 특정 제스쳐나 긴급 버튼을 통하여 체험시 발생할 돌발상황에 대한 대비를 위해 별도의 앱을 개발하고 체험과 상시 연결하여 체험중인 상황을 관제할 수 있도록 시스템을 구축하고, 알림을 통해 조기에 즉각 대처할 수 있도록 한다. 또한, 몸이 불편하거나 요양원 거주등으로 인해 사회적 단절의 해소를 위해 별도의 앱을 통해 체험중인 콘텐츠와 연결이 가능하도록 설계하고 상호간에 아바타를 통한 감정 표현 및 음성 채팅을 할 수 있게 하여 소통을 할 수 있는 서비스 개발하고자 한다.

마스크는 생활에서 당연한 것이 되어버렸고, 언제나 갈 수 있었던 해외여행도 두려운 일이 되었다. 대면이 필수였던 회사 근무, 학교 수업, 콘서트 등이 비대면으로 바뀌었고, 첨단 기술을 통해 메타버스 공간에서 가능해졌다. 그리고 다양한 시도들이 우리 일상 속에 들어오게 되었다.

모바일 결제 시스템 이용자들의 지속적 사용으로 이어지는 과정에서는 정서적, 인지적 반응 과정을 거친다. 본 연구에서는 모바일 결제 시스템의 외부요인(사회적, 시스템, 서비스 특성)이 정서적 반응(즐거움, 정서적 신뢰)과 인지적 반응(인지적 신뢰)이 지속적 사용에 미치는 영향을 파악하기 위해 설문을 진행하였으며, SPSS와 PLS를 사용하여 구조적 모형을 검정하였다. 분석 결과 주요 외부요인이 정서적 반응과 인지적 반응에 영향을 주고, 인지적 반응은 지속적인 사용의도에 영향을 주는 것으로 나타났다.

모바일은 단순한 콘텐츠 소비도구를 넘어 독점적 플랫폼 역할로 확장되어 가고 있다. 모바일 콘텐츠란 모바일 기기를 이용한 업체들의 서비스를 말한다. 장점은 이용자의 행동을 실시간으로 분석할 수 있어서 취향에 맞춰 만족도를 높일 수 있다. 반면 단점은 편리한 온라인 결제환경으로 미성년자들이 쉽게 유료결제를 할 수 있다. 콘텐츠 무단도용플랫폼을 사용하지 않고 자극적인 미디어에 무방비하게 노출되지 않도록 조심해야한다. 또한 모바일 콘텐츠 플랫폼의 순기능을 키우고 역기능을 줄이는 방안을 모색하여야 할 것이다.

4차 산업혁명 이후 스마트폰 사용의 증가로 pc를 이용한 인터넷 쇼핑이 아닌 스마트폰을 이용한 모바일 쇼핑이 증가함에 따라 모바일 쇼핑의 시장 규모가 성장하는 추세이다. 모바일 쇼핑 시장이 급격하게 성장하면서 온라인에서는 소셜커머스와 오픈마켓이 성장하였다.

최근 우리나라는 장애인의무고용제도를 실시하고 있다. 장애인의무고용제도란 국가-지방자치단체와 상시 근로자 50명 이상을 고용하고 있는 공공기관, 민간기업 사업주에게 장애인을 일정비율 이상 고용하도록 의무를 부과하는 제도이다. 이에 따라 장애인을 포함한 사회적 약자를 의무적으로 고용하였을 때 나타나는 기대효과에 대해 알아보았다.

2020년 코로나19 대유행으로 인하여 모든 국가가 관광 수입에서 막대한 손실을 겪었고, 2019년 대비 관광 수입이 급감하였다. UNWTO는 지난해 국제 관광객을 약 3억 7,900만 명으로, 코로나19 사태 이전이었던 2019년 14억 5,900만 명보다 74%가 감소하였다고 한다. 따라서 3,700만 명이 감소한 2009년(9억 5,600만 명) 글로벌 경제위기 당시의 40배 차이가 난다는 것을 알 수 있다.

LMS는 교육 학습 활동의 관리를 자동으로 해주는 소프트웨어로 코로나 확산으로 온라인 교육이 증가하고 있는 요즘 대부분의 교육 기관에서 사용되고 있다. LMS는 온라인 수업 뿐만 아니라 오프라인 수업과 연결지어 활용할 수 있을 만큼 활용도가 높고 광범위한 방식을 포괄하고 있다. 따라서 사회적 거리두기가 지속되었던 기간 동안 교육 기관 뿐만 아니라 재택근무 등 온라인 업무를 보기 위한 직장인에게도 유용한 소프트웨어임을 확인할 수 있었다. 이러한 LMS 기능은 향후 교육 시장과 온라인 클래스의 발전에 큰 도움이 될 것이다.

2019년 말부터 지속된 언택트 시대의 장기화는 문화콘텐츠를 디지털 형태로 제공하는 유통 플랫폼들의 확산을 더욱 가속화시켰다. 디지털 콘텐츠 유통 플랫폼들은 문화콘텐츠 기획, 생산, 유통의 중심축으로서 시장에서 치열하게 경쟁하고 있다. 본 연구에서는 디지털 콘텐츠 유통 플랫폼들의 경쟁 요소로서 개방형 혁신 이론을 적용하여 콘텐츠의 다중언어화 관점에서 경쟁력을 확보할 수 있는지 가늠한다.

현재 온라인, 모바일 게임에는 '가챠' 시스템이란 뽑기 시스템이 없어서는 안 될 수익창출 방법으로 자리 잡고 있다. 이 시스템은 '확률성 무작위 뽑기'라고도 불리며 현금을 이용한 결제로 진행되며 얼마를 사용해야 원하는 아이템을 얻을 수 있는지 확실하지 않다. 그래서 이용자들의 반발로 게임사들은 일정 금액 이상으로 사용하면 원하는 아이템을 얻는 '천장' 시스템을 도입했고, 이를 활용해 여러 수익 창출법을 추가했다. 이 시스템이 지속 과금 유도에 미치는 영향에 대해 알아본다.

디지털트윈은 현실에서의 상황을 가상의 세계에 만들어 놓고 시뮬레이션 하여 결과를 예측하는 기술이다. 디지털트윈은 제조업에서 뿐 아니라 다양한 산업에서나 사회적 문제를 해결할 수 있는 기술로 주목받고 있다. 따라서 디지털트윈을 이용하여 현실상의 도시 개발과 가상의 도시개발을 쌍둥이로 진행하여 다양한 테스트를 하는 역할을 수행해 볼 수 있다. 이러한 디지털 트윈 시스템이 제대로 동작하고 있는 지를 검증하기 위해서는 이를 위한 테스팅 기술이 필요하며 특히 가상의 소프트웨어로 동작하는 것이 주를 이르는 특성을 반영한 소프트웨어 테스팅 기술이 필요하다. 이에 본 논문에서는 디지털 트윈 시스템에서의 소프트웨어 테스팅 기술 동향에 대해 살펴보고자 한다.

최근 이메일 해킹사고의 유형을 살펴보면 사회공학적인 기법을 활용한 피싱메일 공격이 대다수를 차지하고 있는 상황이다. 그중 사용자의 패스워드를 빼내기 위한 공격메일이 기존 첨부파일에 악성코드를 삽입해서 보내지는 방식보다 월등히 높아졌다고 할 수 있다. 이는 공격자가 이메일 내용에 관심이 높아진 것으로 이메일은 사용자의 성향, 직업, 라이프스타일 파악뿐만 아니라 해커가 원하는 중요자료가 저장되어 있을 가능성이 매우 높으며 또 다른 공격대상자를 선정할 수 있는 좋은 창구가 될 수 있을 것이기 때문이다. 만일 피싱메일에 노출되어 패스워드가 해커의 손에 넘어 갔다면 많은 보안대책이 무용지물이 된다. 많은 보안 전문가들은 패스워드를 8자리 이상으로 하되 영문대·소문자와 숫자 그리고 특수문자를 포함하고, 사이트별 규칙성이 없이 모두 다르게 설정해야 하며, 정기적으로 바꿔야 한다고 조언한다. 이러한 조언은 패스워드를 크랙할 경우 안전할 수 있지만 요즘처럼 한 개인이 100여개 이상의 사이트에 대한 패스워드를 관리해야 한다면 현실적으로 불가능한 조언이 되고 말 것이다. 이러한 상황에 2017년 6월 미국 국립표준기술연구소(NIST)에서 '특별 간행 800-63-3: 디지털 인증 가이드라인'을 발표하게 된다. 내용은 그동안 보안전문가들이 권고했던 내용과는 많은 차이가 있다. 오히려 자주 바꾸는 것이 문제가 될 수 있다는 내용이다. 자세한 내용은 본 논문에서 살펴보도록 한다. 우리는 스마트폰 등을 사용함으로써 2-Factor인증에 활용하고 있다. 스마트폰 인증의 대표적인 방법은 지문·얼굴인식 등 생체인증 방식을 사용한다. 패스워드 없이도 편리하고 안전하게 인증을 할 수 있다는 점이 장점이다. 이러한 상황에 FIDO라는 인증 프레임워크가 인기를 얻고 있다. FIDO(Fast IDentity Online)는 비밀번호의 문제점을 해결하기 위한 목적으로 FIDO 얼라이언스에 의해 제안된 사용자 인증 프레임워크다. 향후 FIDO로의 대체가 패스워드 문제의 대안이 될 수 있을 것이다. 이제는 패스워드 대신 생체인증 체계로 대체할 수 있는 시대가 되었다고 할 수 있다. 본 논문에서는 패스워드의 문제점을 살펴보고 이를 대체할 수 있는 FIDO기반의 인증체계가 대안이 될 수 있는 근거를 제시하고자 한다.

운동 장비에 부착 가능한 스마트폰 어플리케이션 타입의 운동 정보 관리 앱을 이용하여 개인의 운동 정보를 관리하는 것이 가능하고, 블루투스 전송 패킷 기반의 표준 운동 데이터 수집 모듈 구축으로 유사 구동 방식의 헬스 기기의 통합 관리가 가능하며, 운동 데이터 분석을 통한 현재 사용자의 운동량과 운동 강도 방향성 분석 및 제시를 위한 AI 모듈 구축으로 운동자에게 효과적인 운동 기법과 관리 정보 제공하는 서비스 플랫폼을 제안한다. 이를 위해 클라우드 환경 기반의 시스템 구축으로 효과적으로 관리가 가능하며 에어 및 마그네틱 기술을 동시 활용한 하이브리드형 헬스 모델을 구축한다.

디지털 무역은 관련 산업 및 거래의 종류가 다양하고 범위도 넓어서 국제적으로 통용되는 명문화된 정의는 없으나, 일반적으로 기존 상품 중심의 전자상거래를 포함, '인터넷과 ICT 등 디지털 기술을 이용한 국가간 교역 활동(상품+서비스+Data) 전반'을 의미한다. 최근에는 4차 산업혁명으로 인한 IT 등 기술의 발전으로 디지털 무역에 혁신적인 변화가 발생하고 있고, 미국, EU, 일본 등 선진국들은 데이터 이동 자유화 등 디지털 무역 이슈를 디지털무역협정의 협상안건에 포함시키고 있다. 국경 간 데이터 이동 자유화에 대한 쟁점은 디지털 무역 활성화를 위해 데이터 이동의 자유가 필요하나, 정보 보안과 사생활 침해의 위험성도 증가한다는 것이다. 선진국들의 방향을 살펴보면, 미국은 규제 최소화, 유럽은 역내 단일시장화는 찬성하나 소극적 대외 개방, 중국은 규제를 통한 독자적 시장육성 입장을 치하고 있다. 따라서 국경간 데이터 이동 제한조치 강화 조치는 최근 국가별로 정책이 시행되고 있거나 조만간 국제적 합의가 예정되어 있는 이슈로 우리나라도 이에 대한 긴밀한 대응이 필요하다.

지속가능발전교육은 모든 연령대의 학습자들이 기후변화, 환경문제 등 상호 연결되어 있는 국제적인 과제를 해결하기 위해 필요한 지식과 기술, 그리고 태도를 갖추도록 돕는 교육이다. 이는 지속가능발전목표(SDGs) 4번의 통합적인 요소이며 17개의 SDGs를 위해 기여하고 있다. 이에 지속가능발전교육의 트렌드를 알아보기 위해 26개의 언론사를 통해 2000년 1월 1일부터 2021년 12월 31일까지의 뉴스데이터 2718건을 수집하였다. 그 결과 UN이 지속가능발전목표(SDGs)를 발표한 2015년을 기점으로 뉴스데이터가 급증하기 시작하였으며 2021년까지 꾸준히 증가하고 있었다. 주요키워드로는 UN, 유네스코와 같이 지속가능발전교육을 주도하는 국제기구와 도봉구를 비롯한 지자체, 기후변화와 생태변화등과 같은 주요 이슈등을 확인할 수 있었다. 이는 지속가능발전교육을 위한 동향을 탐색할 수 있는 것으로서 다양한 연구의 기초자료로 활용될 수 있을 것이다.

비디오 월 컨트롤러의 운용 중에 오류가 발생하면 제어 시스템은 로그 파일을 생성하고 로그를 기록한다. 로그 기록으로 인한 시스템의 부하를 줄이기 위해 로그레벨을 사용하는데, 평상시에는 로그레벨을 낮게 설정하여 가급적 로그를 기록하지 않고 오류가 발생하였을 때 로그레벨을 변경하여 상세한 로그를 기록하도록 운용하고 있다. 이로 인해 오류를 인지하더라도 즉각적인 원인 분석 및 대처가 불가능하고 로그레벨을 변경하기 위해서는 운영자의 개입이 불가피하다. 따라서 본 논문에서는 Contextual Bandit을 이용하여 운용 상황에 따라 로그레벨을 자동으로 설정하는 모델을 제안한다.

본 논문은 의료진단 검출 분야에서 혈관, 신경조직, 망막 손상 그리고 다양한 심혈관계 질환과 치매까지 진단하는 데 유용하게 사용하고 있는 안저 영상에 CNN(Convolution Neural Network) 알고리즘을 적용하고 녹내장 병변을 검출하기 위한 연구를 진행한다. 실험을 위하여 정상 안저 영상과 녹내장 병변이 있는 안저 영상으로 구성된 데이터 세트를 AlexNet으로 분류하고 그 성능을 확인하였다.

사회적으로 고령화 문제가 심화되면서, 독거노인 모니터링 시스템에 관한 연구가 활발히 진행되고 있다. 일반적으로 모니터링 시스템은 영상, 센서, 계측값 등의 정보를 바탕으로 서버에서 연산을 수행하여, 사용자에게 모니터링 서비스를 제공한다. 서버를 이용하는 시스템의 구조상 데이터 유출의 위험이 존재하며, 데이터 보안을 고려한 설계가 필수적이다. 본 논문에서는 영상보안 구조 기반의 지능형 독거노인 모니터링 시스템을 제안한다. 제안하는 시스템은 Edge AI 모듈을 사용하여 카메라 모듈과 서버 간의 통신을 차단하는 구조를 통해 높은 보안성을 보장한다. Edge AI 모듈은 Verilog HDL로 설계되었으며, Field Programmable Gate Array (FPGA)를 통해 기능을 구현하였다. 본 시스템을 검증하기 위해 5,144개의 프레임 데이터에 대해 실험하였으며, 사람의 움직임이 일정 시간 감지되지 않았을 때 위험 감지 신호가 올바르게 발생하는 것을 확인하였다.

제안하는 내용은 동적 반응형 대시보드 애플리케이션을 구현하여 언제 어디서나 비품의 정보를 접근하도록 하고, 각기 수집된 품목별 정보를 빅데이터 분석을 통해 관리 효율성 제고위한 다양한 집계, 점진적 분석 기능, 그리고 직관적인 관리 증대를 위한 분석 시각화를 제공한다. 그리고 분석을 활용하여 자원의 위치 추적, 재구매시기를 예측하거나, 비용 절감을 위한 요소 등을 찾기 위한 다양한 분석 인사이트 제공한다.

미디어는 인간사회에서 자신의 감정 또는 객관적 정보를 서로 주고받을 수 있도록 마련된 수단인데 디지털 미디어의 등장으로 인한 스마트 미디어의 보급으로 인해 현대사회에서의 미디어는 단순한 수단이 아니라 인간이 사는 사회 전체를 통괄하고 제어하는 기능까지도 떠맡게 되었다. 따라서, 스마트 미디어가 사용되는 서비스 플랫폼에 따른 미디어의 유형과 특성을 살펴보고, 이를 기반으로 미디어의 빅데이터 허브를 구축함으로써 디지털 미디어의 새로운 발전과 연구 방향을 모색할 수 있다. 본 논문에서는 스마트 미디어를 통하여 생성되는 다양한 메타데이터에 대해 분석하고, 이를 이용한 빅데이터 플랫폼 구축에 대한 방안을 제시하고자 한다.

Frame rate up-conversion (FRUC) 알고리즘은 동영상의 프레임율을 향상시키는 영상 보간 기술이다. 이는 고화질 디지털 비디오 시스템에서 저프레임율 동영상으로 인한 화면 떨림이나 흐릿한 움직임 등의 문제를 해소하고 시청자에게 보다 자유롭고 매끄러운 시각 경험을 제공한다. 본 논문에서는 딥러닝 기반의 FRUC 알고리즘을 이용하여 동영상을 압축하는 기술을 제안한다. 제안 방법은 원시 동영상에서 일부 영상을 제외한 후 압축 및 전송하고, 복호화 과정에서 딥러닝 기반의 보간 방법을 이용하여 제외된 영상을 복원함으로써 고효율로 압축한다. 실험에서는 동영상을 1, 3장 단위로 건너뛰며 부호화한 후 복호된 영상과 FRUC 알고리즘에 의해 복원한 영상으로 압축 성능을 평가했다. 1장 및 3장씩 제외했을 때 실험결과는 평균 81.22%, 27.80% BD-rate 감소를 보였다. 3 장씩 제외하는 것이 1장의 제외에 비해 부호화 효율이 낮은 이유는 FRUC 방법으로 복원한 영상의 PSNR이 낮기 때문이다.

최근 AI(artificial intelligence)를 이용한 기술개발이 다양한 분야에서 진행되고 있다. 일반적인 개인 취향에 맞는 개인 맞춤형 추천 시스템에서 특정 목적에 부합한 응용 기술개발에 이르기까지 많은 부분에서 활용되고 있다. 본 연구에서는 성인 검출을 위해서 초등학교 학생들이 많이 생활하는 초등학교를 대상으로 성인을 검출할 수 있는 방법을 제안한다. 성인과 어린이를 구분하기 위한 요소로서 의류 색상, 패턴, 스타일이나 신체적 크기 등을 이용하며, 이를 통해 초등학교에 무단 침입한 성인이나 인가받지 않은 성인을 신속하게 탐지하여 사전 인지 시스템에 활용이 가능할 것이다.

추천 시스템을 위한 분석방법들 가운데 협업 필터링은 데이터 분석에 기반한 추천 시스템에서 주요 대표적 방법이다. 일반적 사용 방법은 다양한 아이템에 대해서 사용자들의 평가 데이터를 활용하여 공통적인 패턴을 찾으며, 특정 사용자에 대한 선호 아이템을 추천하는 기법이다. 이에 본 논문에서는 여러가지 알고리즘을 사용하여 지표 측정에 활용하였으며, 사용자 선호에 대한 예측에 적합한 알고리즘을 찾아서 제시하였다.

수경재배와 아쿠아포닉스 등은 스마트팜의 보급에 힘입어 자동화된 농장 관리와 안정적인 생산 등을 가능하게 해줌으로써 주목받고 있다. 스마트팜을 적용함에 있어 여러 가지 해결해야 할 점들이 있지만, 그중 하나가 출하 시점을 자동으로 결정할 수 있도록 함으로써 수요에 탄력적으로 대응할 수 있도록 하는 것이며, 이를 위해서는 작물의 생육 정도를 자동으로 판별하는 방법이 필요하다. 이 논문에서는 작물의 성장에 따라 차지하는 면적과 부피가 증가한다는 단순한 사실에 착안하여 2D 및 3D 카메라로 작물의 성장 과정을 모니터링 하고, 면적과 부피를 계산하여 작물의 생육 정도를 결정할 수 있음을 보인다. 다양한 환경과 작물에 대한 검증이 필요하지만, 수경재배와 아쿠아포닉스에서 흔히 재배되는 작물의 경우라면 2D와 3D 카메라를 통해 획득한 영상의 분석을 통해 생육 정도 판별이 가능할 것이다.

COVID-19 장기화의 여파로 인해 스트레스 및 정신적 질환을 겪는 현대인이 늘어나고 있다. 최근에는 LED 조명을 이용하여 집중력 향상, 스트레스 완화, 피부관리, 수면의 질 개선 등을 위해 다양한 방법으로 컬러테라피가 연구 되고 있다. 본 논문에서는 사람의 심신 상태를 분석하기 위해 PPG(Photoplethysmogram) 센서를 이용하여 맥파를 계측하고 심박변이도를 추출한다. RGBLED와 아두이노를 이용하여 심리상태 안정에 주로 사용되는 여러 파장의 색상조명을 제작하고, 심신상태의 변화에 따라 자동으로 색상을 변경해주는 무드등 시스템을 제안한다.

Pepper는 인간형 로봇으로 여러 가지 센서와 관절들을 장착하고 있다. 때문에 개발자의 목적에 따라 다방면으로 활용될 수 있다. Pepper SDK는 공개되어 있고 Android SDK와 함께 사용한다. Kotlin과 Java 언어를 지원하고 있으며 이에 대해 문서가 존재하지만 사용하기 불편하고 집약하는데 어려움이 있다. 본 논문에서는 Java 언어를 사용하여 Pepper SDK의 일부 클래스를 기반으로 가이드라인을 기술해서 해당 개발자들에게 편의성을 제공하고자 한다.

미분 진화는 연속 최적화 문제에 대한 효율적인 알고리즘이다. 그러나 대규모 최적화 문제를 해결하기 위해 미분 진화를 적용하면 성능이 빠르게 저하되고 런타임이 기하급수적으로 증가한다. 이 문제를 극복하기 위해 Spark(SparkDECC라고 함)를 기반으로 하는 새로운 협력 공진화 미분 진화를 제안한다. 분할 정복 전략은 SparkDECC에서 사용된다.

본 논문에서는 개인의 표정을 인식하여 그에 맞는 음악을 연주하는 시스템인 Face Song Player를 제시한다. 얼굴 윤곽선에 대한 정보를 연구하고 평균을 추출하여 얼굴형 정보를 획득한다. 학습용 DB는 MUCT DB를 사용하였다. 표정 인식을 위해 무표정 영상을 기반으로 각 표정의 특성 차이를 이용하여 알고리즘을 설계하였다.

본 논문에서는 카메라의 화소값과 TOF의 센서의 거리값을 융합하여 객체의 점유 정보와 위치 정보 제공하는 새로운 TOF센서를 개발하고자 한다. 개발된 센서는 스쿨버스, 학원버스, 시내버스, 화물차(승용차 적용가능)에 적용 가능 하다.

본 논문에서는 TOF 센서와 동일한 View로 고정되고 차량의 진행 방향으로 수평 설치 가능한 카메라에 대하여 논한다. 이 카메라는 객체 인식 정확도 향상을 위해 1,280×720 해상도 적용하고 30fps로 영상을 출력하며 180°이상의 광각 어안렌즈를 적용 가능하다.

본 논문에서는 차량 정차해있거나 저속 주행 중 차량 사각지대에 위치한 객체(보행자, 자전거, 이륜차) 인식 가능하고 초당 30프레임의 빠른 객체 인식 성능을 갖는 DPS(FPGA) 기반 객체 인식 방법을 제시한다.

본 논문에서는 패션 의류 이미지의 빠르고 정확한 분류를 달성하기 위해 최적화된 동적 붕괴 학습률과 개선된 모델 구조를 가진 딥 러닝 모델을 기반으로 하는 새로운 방법을 제안한다. Fashion-MNIST 데이터 셋에서 제안된 모델을 사용하여 실험을 수행하고 CNN, LeNet, LSTM 및 BiLSTM의 방법과 비교한다.

본 논문에서는 헬스케어 시스템의 다양한 영역 중에서 발목의 굴곡 영역을 선택하여 발목 불안정성에 대한 정보를 획득하고 처리한다. 또한, 이러한 정보를 바탕으로 환자의 발목이 재 손상되는 것을 방지할 것이다. 또한 영상을 이용하여 발목의 배측 굴곡과 족저 굴곡 각도를 자동으로 측정하고 관리하는 시스템을 소개한다.

The closed-loop supply chain's central enterprises aim to maximize the revenue and reduce the reclaiming channel level to the greatest extent by using blockchain and modern management methods. The traditional recycling network has more links, and there is less communication between enterprises in each link. There is a particular "bullwhip effect" in the channel link, making it difficult for power battery manufacturers to respond to the dynamic market quickly. It is often challenging to obtain scaled waste power batteries, which aggravates how power battery raw materials are expensive and difficult to recycle. Therefore, the closed-loop supply chain design of power batteries adopting blockchain shall minimize channel links and reduce transaction levels to reduce costs.

By comparing the status quo of recycling of new energy vehicles and waste power batteries at home and abroad, analyze the central relationship between recycling of waste power batteries and the interaction between various factors in China, consider the characteristics of blockchain technology, organically integrate into the reverse recycling network, and quantify the relevant factors. Make use of the constructed model to simulate, forecast, and compare and analyze whether to adopt blockchain technology and, on this basis, analyze the intrinsic relationship between various variables. To explore the different effects brought by changing different countermeasures according to different subjects, and expand it to the factor analysis in the whole reverse recycling supply chain to help the government and operators and enterprises to make more objective and scientific decisions, to provide a particular reference for promoting the recycling of waste power batteries and the development of power battery manufacturing industry in China.

기존의 의류 상품 검색은 텍스트 검색만으로 가능하여 사용자가 찾고자 하는 상품 검색이 제대로 이루어지지 않고, 원하는 상품 검색을 하기 위해 많은 시간이 걸렸다. 또한 소호몰 상품과 같이 브랜드 없는 상품 판매처를 알기 어려웠으며 패션 상품의 디테일한 속성을 검색하기도 어려웠다. 이를 해결하기 위해 학습된 이미지 검색을 통해 사용자가 원하는 정확한 정보를 검색할 수 있는 딥러닝 기법을 제안하고자 한다.

본 논문은 익수 사고로 부터 요구조자를 신속히 구출하기 위한 모션감지 및 열화상 카메라를 탑재한 AI드론의 개발을 제안하고자 한다. 현재 익수사고가 발생하면, 많은 인력이 투입되어, 수색작전을 펼치는 등, 사람이 직접 요구조자를 찾아야만 한다. 이러한 과정에서 소요되는 시간이 너무 길고, 특히 야간수색은 사람이 직접하기에는 더욱더 힘든 부분이 많아 인명구조에 있어서 빠른 구조가 어려운 것이 현실적인 문제이다. 이러한 상황을 해결하고자 AI드론을 사용하려한다.

본 연구는 와인 데이터를 활용하여 와인 품질에 영향을 미치는 요인에 대해 상관관계 분석을 실시하였고, 그 결과를 토대로 와인 품질의 기준을 예측 하였다. 본 연구에서 사용된 데이터셋은 포르투갈의 비뉴베르드(Vinho verde)에서 생산된 레드와인의 1599개, 화이트와인 4898개의 관측지의 데이터로 총 6497개를 사용하였다. 변수 항목은 물리적, 화학적 분석 테스트를 통해 와인 성분을 나타내는 12가지 성분 변수, 총 1599개의 관측치, 세계 와인 3대 생산지국가(프랑스, 이탈리아, 스페인)들의 대표와인 한 개씩 총 3개를 추가하였고, 그 국가들의 기후변화 데이터를 적용하여 분석하였다.

본 연구에서는 KIA의 K3 중고차 가격을 예측하기 위해 2013년부터 2021년까지 K Car 사이트에 등록된 자동차의 데이터를 사용하였으며, 상관분석에서 사용할 변수는 연식, 사고유무, 주행거리, 연료, 배기량을 사용하였다. 이 데이터를 토대로 상관관계를 분석하기 위해 Google Colab 플랫폼을 사용하였으며, 분석을 통해 중고차 가격에 대해 상관관계의 여부를 알 수 있었다.

최근 코로나-19(COVID-19)는 2022년 3월 18일 현재 확진자 8,250,000명, 사망자 11,481명으로 2020년 발생이후 계속해서 증가하고 있으며, 코로나-19 확산으로 인해 모임·행사·영업시간 등에 인원과 시간을 제한하여 우리의 일상생활이 코로나 확진자 수에 따라 변화하는 모습을 보이고 있다. 따라서 본 연구에서는 일상생활 제한에 대한 피해를 최소화하는데 기여할 다음 날 확진자 수를 예측하는 알고리즘을 구현하였다. 본 알고리즘은 3일 동안의 확진자 수 데이터를 가지고 그다음 날의 확진자 수를 예측하는 알고리즘으로, Sequential 모델을 사용하여 RNN, Dense 레이어를 추가하는 방식으로 예측하였으며, 지역별로 세분화된 인원 제한을 예측하기 위해 서울을 기준으로 일별 확진자 수에 따른 인원 제한을 매칭시켰다.

본 논문에서는 지도 학습에 기반을 둔 다중 클래스 이미지 장면 분류 방법을 제시한다. 데이터 세트에서 콘볼루션 뉴런 네트워크 모델에 학습시켜 다중 클래스 사람의 표정 장면 이미지를 분류하였으며, 실험에서는 최적화된 CNN 모델을 Google image 데이터 세트에 분류하여 유의미한 결과를 얻을 수 있었다.

본 연구에서는 태양광 발전량과 기상변화의 요소의 상관관계에 대해 분석하였다. 상관분석에서 활용한 데이터는 2018년 1월 부터 2020년 1월 까지의 총 52,561개를 사용하였으며, 상관분석에서 사용할 변수는 시간, 수평면 산란 일사량, 직달 일사량, 풍속, 상대습도, 기온을 사용하였다. 이 데이터를 토대로 상관관계를 분석하기 위해 Google Colab 플랫폼을 사용하였으며, 분석을 통해 태양광 발전량과 기상변화 요소의 상관관계의 여부를 알 수 있었다.

조선왕조실록은 조선왕조가 태조부터 철종까지 이르기까지 472년간의 역사를 편찬한 사서이다. 조선왕조실록은 국보 제 151호로 중요한 기록유산이지만 내용이 방대하여 분석함에 있어 어려움이 따른다. 따라서 조선왕조실록의 모든 내용을 분석하기 보다는 중요한 단어들을 추출하여 분석해야 할 필요가 있다. 본 논문에서는 웹 크롤링을 통하여 조선왕조실록 웹페이지의 본문에서 단어를 추출하고 단어의 빈도수에 따라 정렬한 데이터를 기반으로 번역된 조선왕조실록의 본문을 분석하는 방법을 제안한다. 본 연구는 조선왕조실록의 세종 부분만을 추출하여 단어의 빈도수에 따라 중요도를 분석하였다.

농산물은 일상 소비의 필수품으로서 도소매 시장의 많은 부분을 차지하며, 농산물의 소비와 가격은 농산물의 수급, 소비자 지출, 농업 가계소득에 영향을 미친다. 따라서 본 연구에서는 LSTM을 이용해 농산물 거래, 기상관측, 관세청 품목별 수출입 실적, 신선식품 지수 데이터를 사용해 단위가격 예측에 관한 연구를 수행하였다. 농산물의 수급관리와 도소매 시장에서의 적정한 가격을 연구하기 위해 채소가격 안정제 대상 품목 중 소비자물가지수 가중치가 높은 마늘, 배추, 양파를 대상으로 단위가격을 예측한다.