코로나19로 인해 온라인 교육이 발달하면서 교육에 AI, AR/VR등의 신기술을 결합한 에듀테크 시장이 급격히 성장하고 있다. 또한, 1가구 1자녀 가정이 늘면서 자녀에 대한 투자가 집중됨에 따라 매년 출산율이 줄어듦에도 불구하고 키즈 산업은 꾸준히 성장 중이다. 그러나 늘어나는 수요에 비해 에듀테크 시장의 콘텐츠 공급은 더딘 편이다. 이에 본 논문에서는 AR 기술을 이용하여 편의성, 실용성, 효율성을 갖춘 AR 키즈 콘텐츠를 개발하고 지원함으로써 이러한 문제를 해결 하는데 도움을 주는 것을 목적으로 한다. 유아 어휘 학습 지원용 AR 콘텐츠는 단순히 보고 듣는 것이 끝이 아니라, 콘텐츠를 직접 조작해볼 수 있는 관찰 조작형 모델이라 유아의 흥미를 유발하고 아동의 단어학습에 도움을 준다. 본 논문은 본격적인 언어발달이 나타나는 생후 15개월 이상 36개월 이하의 유아를 대상으로 한다.

블록체인은 분산 데이터 저장, 점 대 점 전송, 컨센서스 메커니즘, 암호화 알고리즘 등을 핵심으로 하는 컴퓨터 기술을 말한다. 블록체인은 중심화, 신뢰성, 안전성 및 간편, 효율성을 특징으로 하고 있으며 인터넷 시대로 접어든 현사회에서 혁신적인 응용 모델로서 주목받고 있다. 해당 기술은 여러 분야에서 높은 활용가치를 가지고 있다고 평가받고 있으며, 특히 금융 분야에서 큰 역할을 할 것으로 전망되고 있다. 이에 2015년을 기점으로 각국 중앙은행 및 정부부처, 시중은행, IT 핵심 기업들을 포함한 다양한 금융 관련 다양한 기관들이 투자, 관심, 연구에 박차를 가하면서 빠른 성장을 지속해오고 있다. 이에 본 연구에서는 새로운 블록체인 기술이 기존의 은행들에서 행해지던 결제 방식에 어떤 영향을 주었는지 분석하고, 해당 기술의 핵심적인 개념 및 장, 단점에 관해 설명하고자 한다. 더불어 송금(remittance), 입출금(collection), 신용장(letter of credit)과 같은 기존의 결제 방식과 결합, 변화 된 블록체인 기술의 사례를 연구하여 블록체인 기술이 기존 결제 방식에 미치는 긍정적, 부정적 영향 역시 분석하고자 한다. 최종적으로 본 논문은 해당 분석들과 함께 블록체인 어플리케이션(the block chain application) 사례들을 제시, 분석하여 해당 기술들의 발전 현황 및 현존하는 문제점들에 대해 고찰하고 이를 바탕으로 중국 블록체인 금융 시스템의 발전을 위한 방안 및 대책을 제시하고자 한다.

최근 유튜브가 큰 인기를 얻고 있다. 많은 연구에 따르면 소셜 미디어에서 상대적 박탈감이 나타나듯이 본 연구에서는 유튜브에서도 상대적 박탈감이 나타나는지 확인해보고자 한다. 그중에서도 유튜버의 경제적 지위를 잘 드러내는 명품 하울 영상을 중심으로 연구를 진행하였다. 명품 하울이란 많은 양의 명품 제품을 구매하여 보여주는 콘텐츠를 의미한다. LDA, TF-IDF, Word2Vec 기법을 이용하여 유튜브 댓글 분석을 진행하였다. 추가로 LSTM 학습 모델을 기반으로 댓글을 긍정적 그룹과 부정적 그룹으로 분류하였다. 연구 결과에 따르면 다수의 댓글이 긍정적인 의미를 내포하지만, 상대적 박탈감 등을 나타내는 부정적 의미의 키워드를 가진 댓글도 나타났다. 이러한 댓글에서는 자신과 유튜버의 경제적 모습을 비교하는 표현이 등장하였다. 특히 유튜버의 나이가 상대적으로 어리거나 스스로 명품제품을 구매할 능력이 되지 않은 것으로 보이면 상대적 박탈감을 표현하는 댓글이 증가하였다. 따라서 본 연구에서는 유튜브도 다른 소셜 미디어와 같이 이용자가 상대적 박탈감을 느낀 다는 것을 확인 할 수 있었다.

유튜브와 같은 동영상 스트리밍 서비스에서의 정보 검색은 전통적인 정보 검색 서비스를 대체하고 있다. 이러한 동영상 안에서 원하는 세부적인 정보를 찾기 위해서는 사용자가 여러 부분을 반복해서 탐색하며 시간과 네트워크 대역폭을 낭비해야 하는 문제점이 있다. 본 논문에서는 클러스터링과 LSTM을 이용하여 이러한 사용자의 동영상 내 정보 검색을 보조하는 방법을 제안한다. 제안하는 방법은 사용자의 정보 검색을 위한 탐색 지점 순서와 DBSCAN이 범주화한 최종 목적 지점 범주를 이용하여 LSTM 모델을 학습하고, 이 모델을 이용하여 사용자가 검색을 시작할 때 선택한 탐색 지점 순서에 기반을 둔 사용자의 예상 목적 지점 범주를 제시한다. 실험 결과, 제안하는 방법이 사용자가 원하는 목적 지점을 평균적으로 98%의 정확도와 7초의 시간 오차로 찾아내는 것을 보였다.

최근 딥러닝 기술이 발전함에 따라 자율 사물 기술이 주목받으면서 드론이나 자율주행차 같은 임베디드 시스템에서 DNN을 많이 활용하고 있다. 클라우드에 의지하지 않고 높은 인식 정확도를 위해서 큰 규모의 연산이 가능하고 다수의 DNN을 처리할 수 있는 임베디드 시스템들이 출시되고 있다. 이러한 시스템 내부에는 다양한 수준의 우선순위를 갖는 DNN들이 존재한다. 자율주행차의 안전 필수에 관련된 DNN들은 가장 높은 우선순위를 갖고 이들은 반드시 최우선적으로 처리되어야 한다. 본 논문에서는 다수의 DNN이 동시에 실행될 때 우선순위를 고려해서 DNN을 스케줄링하는 프레임워크를 제안한다. 낮은 우선순위의 DNN이 먼저 실행되고 있어도 높은 우선순위의 DNN이 이를 선점할 수 있어 자율주행차의 안전 필수 응용의 빠른 응답 특성을 보장한다. 실험을 통하여 확인한 결과 실제 상용보드에서 최대 76.6% 성능이 향상되었다.

최근 4차 산업혁명에 따라 공장, 물류창고, 서비스영역에서 유연한 물류이송을 위한 자율 이동형 모바일 로봇의 사용이 증가하고 있다. 대규모 공장에서는 Simultaneous Localization and Mapping(SLAM)을 수행하기 위하여 많은 수작업이 필요하기 때문에 개선된 모바일 로봇 자율 주행에 대한 필요성이 대두되고 있다. 이에 따라 본 논문에서는 고정 및 이동 장애물을 피해 최적의 경로로 주행하는 Mapless Navigation에 대한 알고리즘을 제안하고자 한다. Mapless Navigation을 위하여 Deep Q Network(DQN)을 통해 고정 및 이동 장애물을 회피하도록 학습하였고 두 종류의 장애물 회피에 대하여 각각 정확도 90%, 93%를 얻었다. 또한 DQN은 많은 학습 시간을 필요로 하는데 이를 단축하기 위한 목표의 크기 변화 알고리즘을 제안하고 이를 시뮬레이션을 통하여 단축된 학습시간과 장애물 회피 성능을 확인하였다.

현재 국내든, 해외든 코로나19로 인해 많은 소상공인들이 피해를 입고 있고, 많은 점포들이 문을 닫고 있는 것이 현실이다. 국가재난지원금을 통해 소비자들의 소비를 격려하면서 어느 정도 피해를 막으려고 하지만, 소상공인들의 폐업을 막는 것은 힘들게 되었다. 2020년 9월 서울기준, 코로나19사태로 인해 점포2만곳 이상이 폐점되었고, 코로나 19블루로 인해 우울증에 호소하는 사람들도 많아졌다. 이 문제는 서울, 대한민국뿐만이 아닌, 전 세계적으로 코로나 19 사태에 피해입은 전 지역에 대한 문제다. 코로나19의 환자 수가 증가할수록 점포 수는 꾸준히 줄어들고 있다. 이를 피어슨, 스피어만, 켄달의 상관계수를 분석해 코로나19 환자 수와 점포 수의 음의 상관관계를 나타낸다는 것을 제시한다.

본 논문에서는 샴 네트워크 기반의 객체 추적 알고리즘의 성능 향상을 위한 표적 이미지 교환 모델을 제안한다. 샴 네트워크 기반의 객체 추적 알고리즘은 시퀀스의 첫 프레임에서 지정된 표적 이미지만을 사용하여 탐색 이미지 내에서 가장 유사한 부분을 찾아 객체를 추적한다. 첫 프레임의 객체와 유사도를 비교하기 때문에 추적에 한 번 실패하게 되면 오류가 축적되어 추적 객체가 아닌 부분에서 표류하게 되는 현상이 발생한다. 따라서 CNN(Convolutional Neural Network)기반의 모델을 설계하여 추적이 잘 진행되고 있는지 확인하고 샴 네트워크 기반의 객체 추적 알고리즘에서 출력되는 점수를 이용하여 표적 이미지 교환 시기를 정의하였다. 제안 모델은 VOT-2018 데이터 셋을 이용하여 성능을 평가하였고 최종적으로 정확도 0.611 견고도 22.816을 달성하였다.

최근 스마트 도시를 구축하기 위해 무인 차량 관제 시스템의 보급이 활성화 되고 있다. 본 논문은 적응적 배경영상 모델링 방법을 이용한 불법주정차 무인단속시스템에 관한 것으로서, 적응적 가우시안 혼합 모델로 배경 영상을 모델링할 때, 이동 물체의 상황 변화에 따라 전역적으로 배경 영상을 업데이트하거나 국소적으로 배경 영상을 업데이트하는 방법에 대해 기술한다. 특히, 이동 물체가 배경 영상에 미치는 영향을 최소화하는 방법과 배경 영상을 정확하게 업데이트하기 위한 방법을 제안한다. 본 논문에서는 시스템의 구현을 통해 제안하는 시스템이 이동하고 있는 물체 또는 정지상태의 물체를 신속하고 정확하게 구분할 수 있음을 증명하였다.

최근 조사에서 30세 미만 게임 사용자들 간에는 그 수와 플레이 시간 등에서 성차가 거의 없다. 그러나 전투형 게임은 캐릭터의 설정 등에서 성 고정관념이 팽배하며 특히 여성 캐릭터의 성 도구화 문제가 대두되기도 했고 여성 게이머 관련 연구도 거의 없다. 본 논문은 여성 참여도가 높은 팀 기반 전투형 게임인 오버워치와 사이퍼즈의 여성 캐릭터에 대한 여성 게이머들의 선호도와 그 이유를 조사해 보았다. 총 231명이 응답한 오버워치 설문 조사에서는 성적 매력과는 거리가 있는 60대의 아나가 2위로, 걸 크러쉬형 캐릭터를 선호하는 캐릭터 인지 패턴이 나타났다. 반면 전사형 캐릭터가 없는 사이퍼즈의 경우에는 선호한 여성 캐릭터들은 외형적 매력이 영향을 미쳤는데 그 캐릭터들은 실제 플레이에는 제대로 사용되지 않음을 발견하였다. 즉, 외형적 매력은 캐릭터의 선호도는 높지만 수행 능력이 따라오지 않는다면 실제 게임에서 활용하지 않는다는 실리적 선택이 보이는데 이는 남성 게이머들과 차이가 없다.

본 연구는 스마트폰 제품디자인에서 감성공학 요소가 브랜드 선호도와 충성도에 미치는 영향을 알아보고자 한다. 감성공학 요소를 색상, 성능, 사용성, 가치, 신뢰성으로 나누고, 브랜드 선호도와 충성도의 관련성을 실증 분석하였다. 분석결과 스마트폰 제품디자인에서 감성공학 요소는 브랜드 선호도에 정적 영향을 미치며 영향력이 큰 요소는 성능, 색상 요소로 나타났다. 스마트폰 제품디자인에서 감성공학 요소는 충성도에 정적 영향을 미치며 영향력이 큰 요소는 신뢰성, 성능 요소로 나타났다. 제품디자인에서 브랜드 선호도가 높을수록 충성도에 영향을 크게 미친다. 제품디자인 감성공학 요소 중에서 영향력이 있는 요소를 파악함으로써 소비자들의 특성에 맞는 제품디자인에 관한 접근이 필요하다.

NIST FIPS 186-2에 정의된 GF(p) 상의 5 가지 체 크기 (192, 224, 256, 384, 521 비트)와 8 가지의 산술연산 동작모드 (ECPSM, ECPA, ECPD, MA, MS, MM, MI, MD)를 지원하는 고성능 타원곡선 암호 프로세서 HP-ECCP를 설계하였다. HP-ECCP가 부채널 공격에 내성을 갖도록 만들기 위해, 타원곡선 점 스칼라 곱셈에 사용되는 개인키의 해밍웨이트에 무관하게 점 덧셈과 점 두배 연산이 균일하게 수행되는 수정된 left-to-right 이진 알고리듬을 적용하여 설계했다. 또한, 타원곡선 점 연산에 핵심이 되는 모듈러 곱셈 연산의 고성능 하드웨어 구현을 위해 Karatsuba-Ofman 곱셈 알고리듬, Lazy 축약 알고리듬, Nikhilam 나눗셈 알고리듬을 적용하여 설계했다. HP-ECCP를 180 nm CMOS 표준 셀 라이브러리로 합성한 결과 67 MHz의 동작 주파수에서 620,846 등가 게이트로 구현되었으며, 체 크기 256 비트의 ECPSM이 초당 2,200회 계산될 수 있는 것으로 평가되었다.

본 논문에서는 미상의 통신신호에 대한 자동 변조 인식을 위하여 심층신경망인 딥뉴럴네트워크를 적용하여 변조 형태를 식별하고 그 성능을 분석하였다. 신경망 입력 데이터는 변조된 신호의 시간영역 디지털샘플 데이터, FFT(Fast Fourier Transform)를 적용한 주파수영역 데이터, 시간 및 주파수영역 혼합데이터를 사용하여 각각의 변조인식 성능을 확인하였다. 아날로그 변조 및 디지털 변조 신호 11종에 대하여 -20~18 dB 까지 다양한 SNR(Signal to Noise Ratio) 환경에서 변조인식 성능을 확인하고 그 성능을 분석하였으며, 입력 데이터의 종류에 따른 학습 속도를 확인함으로써 제안한 방법이 실제적인 자동변조 인식 시스템 구축에 효과적인 방법임을 확인 하였다.

본 논문에서는 사물인터넷을 이용하여 조선소의 작업장 단위로 센서네트워크를 구축하는 방안을 제시한다. 여기서는 조선소에서 가장 흔한 용접 작업장에서 조선블록을 통신매체로 활용하여 작업자의 위치, 용접 진행률, 작업 시간 등의 정보를 LoRa와 전력선통신을 이용하여 서버로 전송한다. 이와 같은 데이터통신을 위하여 유도성 커플러와 복합통신용 모뎀을 제작하여 와이어피더와 핀지그에 설치하여 센서네트워크를 구축하였다. 시험 결과, 제시된 시스템은 약 98% 이상의 데이터 전송 성공률과 작업자 위치 인식 성공률을 가지는 것으로 나타났다. 또한, 현장에서 발생된 작업 데이터는 실시간 기록과 디스플레이가 가능함을 공정관리시스템 플랫폼을 통하여 확인하였다. 제시된 시스템은 미래형 스마트 조선소 구축을 통한 우리나라 조선산업의 경쟁력 강화를 위한 단초가 될 것으로 사료된다.

본 논문은 스마트 그리드 환경에 사용되는 네트워크 기술의 문제점을 제시하고, 이를 해결하기 위해 블록체인 기반의 LoRa 멀티홉 네트워크를 제안하고 구현한다. 스마트 그리드는 다양한 환경에 구축되어 운영되기 때문에 인터넷 인프라 구축이 불가능한 경우가 있다. 저자는 Flooding 라우팅 프로토콜을 사용한 멀티홉으로 LoRa 네트워크를 제안한다. 스마트 그리드 환경은 응용에 따라 다양한 전력망 프로토콜을 사용하는 독립적인 네트워크를 구성한다. 이는 네트워크마다 독립적인 인프라를 구축해야 한다는 문제가 있다. 이를 하나의 게이트웨이 장치가 다중 전력망 프로토콜을 지원하여 네트워크 통합이 가능한 방법을 구현한다. 마지막으로 스마트 그리드 환경에서 데이터의 무결성을 보장하기 위해 하이퍼레저 기반의 블록체인을 LoRa 네트워크에 적용하고 물리적으로 분산하여 보안성을 강화하였다. 세 가지 제안사항을 실제 테스트베드에 구축 후 실험을 통해 네트워크가 정상적으로 동작함을 확인하였다.

본 논문에서는 기존의 웹애플리케이션 모니터링 시스템을 기반으로 한 암호화 웹트랜잭션 공격탐지 시스템을 제안한다. 기존의 웹트래픽 보안 시스템들은 클라이언트와 서버간의 암호화 구간인 네트워크 영역에서 암호화된 패킷을 기반으로 공격을 탐지하고 방어하기 때문에 암호화된 웹트래픽에 대한 공격 탐지가 어려웠지만, 웹애플리케이션 모니터링 시스템의 기술을 활용하게 되면 웹애플리케이션 서버의 메모리 내에서 이미 복호화 되어 있는 정보를 바탕으로 다양한 지능적 사이버 공격에 대한 탐지가 가능해 진다. 또한, 애플리케이션 세션 아이디를 통한 사용자 식별이 가능해지기 때문에 IP 변조 공격, 대량의 웹트랜잭션 호출 사용자, DDoS 공격 등 사용자별 통계기반의 탐지도 가능해 진다. 이와 같이 암호화 웹트래픽에 대한 비 암호화 구간에서의 정보 수집 및 탐지를 통하여 암호화 트래픽에 숨어 있는 다양한 지능적 사이버공격에 대한 대응이 가능할 것으로 사료된다.

본 연구에서는 군집 드론 시스템에서 이동 드론의 충돌방지를 위해 레이다를 도입하였다. 드론은 비행 중 불규칙한 속도 변화로 인해 반사파의 클러터가 증가되어 탐지 성능이 저하되고 이로 인해 충돌 방지 레이다의 성능에 영향을 준다. 본 논문에서는 UWB(Ultra Wide-Band) 레이다를 적용하여 비행하는 드론을 탐지하고, 반사파 신호 분석을 통해 획득한 거리 및 속도 정보의 정확도를 개선하는 방안을 제시한다. 이동 드론의 속도 변화에 따른 속도 감응형 CFAR(Constant False Alarm Rate)를 구현하여 오경보율을 일정하게 유지하면서 클러터를 효과적으로 제거하는 방안을 구현한다. 알고리즘의 검증을 위해 실제 상용 드론에 대한 레이다 관측 실험을 수행하고 불규칙하게 비행하는 드론의 탐지 성능이 개선됨을 보인다.

자동차는 단순한 이동 수단으로 사용되었지만 최근 지능화 및 스마트화가 급속하게 진행되고 자동차 선호도가 증가하면서 운전자의 편의 및 안전 등 고성능 기능을 요구하면서 IT 기술 융합 연구가 진행되고 있다. 이로 인해 자율주행과 반자율주행 자동차가 개발되고 이러한 기술들은 주변 환경 문제로 인하여 차선 이탈 경우와 자율주행 자동차에서 판단하지 못하는 상황이 생기고 차선 검출기에서는 차선을 인식하지 못하는 경우가 있다. 이러한 문제점인 자율주행 자동차의 차선검출 시스템의 차선 이탈에 대한 성능을 향상하기 위해 본 논문에서는 YOLO(You only look once)의 특성인 빠른 인식을 사용하고 CSI- Camera를 사용하여 주변 환경으로부터 영향을 받는 상황을 인지하고 주행 데이터 수집하여 관심 영역을 추출하는 차선검출 시스템을 제안한다.

디스플레이 분야에 스마트 팩토리란 작업 자동화 뿐만 아니라 기존의 공정관리, 이동설비, 공정이상, 결함 분류 등에 AI/BIG DATA 기술을 이용한 보다 효율적인 디스플레이 제조를 의미한다. 과거 디스플레이 제조 과정에서 불량이 나오면 결함 분류, 공정 이상에 대한 대처가 시시각각 달랐기 때문에 이에 대한 많은 시간 소모가 발생했었다. 하지만 디스플레이 제조 분야는 고도화된 공정 장비를 이용해야 하고 불량 원인을 신속하게 파악해 수율을 올리는 것이 디스플레이 제조 산업의 경쟁력이다. 본 논문에는 스마트 팩토리 AI/BIG DATA 기술을 디스플레이 제조에 접목한 사례들에 대해 정리해 보고 기존 방법 대비 어떤 장점이 도출 되어질 수 있는지에 대해 처음으로 분석해 보고자 한다. 이를 통해 향후 AI/BIG DATA를 이용한 디스플레이 제조 분야에 보다 향상된 스마트 팩토리 개발을 위한 사전지식으로 활용하고자 한다.

광 주입 잠금 반도체 레이저의 주입 매개 변수를 조절하여 광학적 복소 신호를 생성 할 수 있다. 그러므로 정확한 주입 매개 변수의 결정은 광학적 복소 신호 생성 기술에서의 핵심 요소이다. 기존의 주입 매개 변수의 추출 이론은 광 주입 잠금 반도체 레이저의 비율 방정식을 사용하며, 이는 locking map 기반의 보간법을 사용하기 때문에 정확한 주입 매개 변수의 추출에 한계가 있다. 이를 해결하기 위하여 비율 방정식의 새로운 해석법을 제안한다. 제안된 해석법은 비율 방정식을 광학적 복소 신호의 생성에 맞게 수정하여 주입 매개 변수를 직접적으로 도출하는 방법이며, 이를 통하여 보간법을 통한 복소 신호 생성 대비 103 배의 오차 감소를 달성하였다.

Recently, the demand for the use of personal mobility vehicles, such as an electric kickboard, is increasing explosively because of its high portability and usability. However, the number of traffic accidents caused by personal mobility vehicles has also increased rapidly in recent years. To address the issues regarding the driver's safety, we propose a novel approach that can monitor context information around personal mobility vehicles using deep learning-based object detection and smartphone captured videos. In the proposed framework, a smartphone is attached to a personal mobility device and a front or rear view is recorded to detect an approaching object that may affect the driver's safety. Through the detection results using YOLOv5 model, we report the preliminary results and validated the feasibility of the proposed approach.

This paper proposes an embedded system that detects mask and face recognition based on a microprocessor instead of Nvidia Jetson Board what is popular development kit. We use a class of efficient models called Mobilenets for mobile and embedded vision applications. MobileNets are based on a streamlined architechture that uses depthwise separable convolutions to build light weight deep neural networks. The device used a Maix development board with CNN hardware acceleration function, and the training model used MobileNet_V2 based SSD(Single Shot Multibox Detector) optimized for mobile devices. To make training model, 7553 face data from Kaggle are used. As a result of test dataset, the AUC (Area Under The Curve) value is as high as 0.98.