In this paper, we propose a new and fast method for assigning the number of key frames to each shot. At first we segment the entire video sequence into elementary content unit called shots and then the key frame allocation is performed by calculating the accumulated value of AF(activity function). The proposed algorithm is based on the amount of content variation using DC images extracted from compressed video. By assigning the number of key frames to the shot that has the largest value of content function, one key frame is assigned at a time until you run out of given all key frames. The main advantage of our proposed method is that we do not need to use time-exhaustive computations in allocating the key frames over the shot and can perform it fully automatically.

본 논문에서는 복잡한 배경의 차량 영상에서 번호판 영역의 색상 및 배치 정보를 이용하여 번호판 숫자 영역을 추출하는 방법을 제안한다. 번호판에서 숫자의 색상은 흰색과 유사 검정색이며, 숫자는 일정한 간격으로 배치되어 있다. 먼저, 컬러로 획득된 영상에 대해 색상특성을 이용하여 번호판 숫자의 후보영역과 비관심 영역으로 분할하고, 평균값을 이진화해 이진 영상으로 변환한다. 이진 영상에서 숫자의 종횡비로 잘못된 후보영역을 제거하고, 숫자의 간격 정보를 이용하여 번호판 숫자 영역을 추출한다. 제안한 방법의 성능 평가를 위하여 다양한 시간과 장소에서 촬영된 영상 292장을 사용하고, 실험의 결과로 녹색 번호판과 흰색 번호판의 숫자 영역에 대해서 각각 약 89.8%, 95.5%를 추출하였다.

최근, 휴대성과 이동성이 뛰어난 모바일 단말기 환경에 홍채 인식 기술을 도입하여 신원을 확인하는 연구가 진행 되었는데, 이러한 모바일 홍채 인식 시스템은 취득된 홍채 영상 품질에 따라 인식률이 좌우된다. 홍채 영상은 취득 시 조명환경에 영향을 많이 받게 되는데, 기존의 시스템은 태양광이 없는 실내에서는 높은 인식률을 보이나, 실외 태양광 환경에서는 외부태양광이 홍채 영역에 투사되어 입력 영상 내에서 홍채 패턴의 그레이 레벨 변화, 고스트(Ghost region) 및 속눈썹 그림자(Eyelash shading region) 발생 등의 요인으로 인식 성능 저하를 초래하는 문제가 있었다. 이를 해결하기 위하여, 본 연구에서는 850nm 근적외선 조명과 850nm 대역 밴드 패스 필터를 장착한 홍채 카메라 시스템을 제안한다. 성능 평가를 위해 기존의 홍채 인식시스템과 제안하는 홍채 인식 시스템을 사용하여 실내 및 실외 태양광 환경에서 취득한 홍채 영상으로부터 홍채코드를 추출한 후 타인 수락률(False Acceptance Rate), 본인 거부율 (False Rejection Rate)을 통한 균등 에러율(EER, Equal Error Rate)을 측정하였다. 실험 결과 기존의 시스템 보다 제안하는 시스템의 EER이 실내 정면 조명일 때 약 0.96%, 실외 정면 조명일 때 약 4.94%, 실외 측면 조명일 때 약 9.24%, 실외 후면 조명일 때 약 7% 낮아지는 개선된 성능을 보였다.

센서 네트워크 클러스터링 기법은 네트워크의 수명연장에 효율적인 방법이다. 그러나 이 방법은 센서노드의 수집 데이터가 중복되기 쉬운 환경에서 적용할 경우 중복된 데이터 전송에 불필요하게 에너지가 소모된다는 문제점이 있다. 이에 본 논문은 중복되는 데이터 전송을 배제하고 클러스터 헤드 노드와 멤버노드 사이의 전송을 최소화하기 위해 센서 노드가 수집하는 데이터를 예측할 수 있는 데이터 예측 기법을 제안하였다. 이 방법은 인접노드의 중복데이터 수집을 배제하여 에너지 효율적인 데이터 전송이 가능하다. 여기에 불필요한 전송을 줄이기 위해 데이터 예측 그래프를 이용하여 수집 데이터 분석을 통한 선택적인 전송을 하는 방법을 도입하였다. 성능분석 결과에 의하면 제안하는 방법은 기존의 클러스터링 방법에 비해 노드들의 에너지 소모가 줄어들었다. 그럼에도 불구하고 전송 효율과 수집 데이터의 정확도가 증가했으며 결과적으로 네트워크 수명이 증가하였다.

주식 가격은 연속적으로 변화하는 스트림 데이터이다. 이러한 데이터의 특성상 시간의 흐름에 따라 주식 가격의 동향이 달라질 수 있기 때문에 주식 가격 동향의 예측은 가격이 갱신될 때 마다 연속적으로 이루어져야 한다. 본 논문은 HTM 모델을 이용하여 원하는 종목의 주식 가격 동향을 설정된 구간 간격에 따라 연속적으로 주식 가격 동향을 예측하는 새로운 방법을 제안한다. 이를 위해 먼저 정규화 과정을 거친 후 그 결과를 스트림 센서로 전달하는 선처리기와 연속적인 입력 데이터를 효과적으로 처리할 수 있는 스트림 센서를 제시한다. 또한, 각 레벨별 예측 결과를 저장하여 상위 단계로 전달하는 선 예측 저장 노드를 고안하고 이를 이용하여 주식 가격 동향을 예측하는 HTM 네트워크를 제시한다. 그리고 본 시스템을 실제 주식 가격으로 실험하여 그 성능을 제시한다.

데이터 방송 시스템에서 서버는 방송 채널을 통하여 데이터들을 지속적으로 전파하고, 이동 클라이언트는 자신이 원하는 데이터가 방송 채널에 나타나기를 기다리기만 하면 된다. 그러나 방송 채널은 많은 데이터들에 의해 공유되어야 하므로, 원하는 데이터를 수신하기까지 예상 지연시간이 증가할 수 있다. 본 논문은 전체 데이터들의 예상 지연시간을 최소화하기 위하여 다중 방송 채널에 적절하게 데이터를 할당하기 위한 주제를 연구하여 TLBP(Two Level Bin-Packing)로 명명된 새로운 데이터 할당 기법을 제안한다. 본 논문은 우선 평균 예상지연시간의 이론적 하한 값을 소개하고, 이 값에 기초하여 저장소의 용량을 결정한다. TLBP 기법은 저장소-적재 알고리즘을 이용하여 전체 데이터들을 다수 개의 그룹으로 분할하고, 각 그룹의 데이터들을 각 채널에 배정한다. TLBP는 저장소-적재 알고리즘을 두 단계로 적용함에 의해, 동일 방송 채널에 할당된 데이터들의 액세스 확률의 차이를 방송 스케줄에 반영할 수 있어 성능을 향상시킬 수 있다. TLBP와 세가지의 기존 기법과 성능을 비교하기 위하여 시뮬레이션이 수행되었다. 시뮬레이션 결과에 의하면 TLBP는 합리적인 실행부담을 가지면서도 평균 예상지연시간의 성능에 있어서 다른 기법보다 우수한 성능을 보인다.

최근 의료 환경에 도입되고 있는 가상 의료 시뮬레이션을 통한 실습 교육은 학습 효과를 최대화한다. 특히 최소 침습적 수술 분야에서 가상 수술 의료 시뮬레이션의 필요성이 매우 증가하고 있다. 최소 침습적 수술 환경에서 많이 발생하는 소작 효과는 단순 출혈 효과로 표현되고 있어 아직까지 현실감이 있는 소작 효과 애니메이션 기술은 제안되지 않고 있다. 본 논문에서는 사실적인 실시간 소작 애니메이션 기법을 제안한 다. 제안 기법은 메쉬의 정점에 대한 칼라 값을 구성하는 각 요소 색상을 개별적으로 변화시키고, sigmoid 함수를 이용한 가중치 부여로 유효 영역 메쉬 내부의 부드러운 색상 변화를 통하여 사실적이고, 자연스러운 소작 효과의 애니메이션이 가능하였다. 또한, 소작 칼라 버퍼를 제안하여 중첩된 소작 효과 애니메이션도 자연스럽게 표현하였다. 본 논문에서 제안한 기법은 가상 수술 의료 시뮬레이션의 현실감, 몰입감을 크게 증진시켜 이러한 시뮬레이션을 사용하는 의사 혹은 의대생들에 대한 교육의 효과를 극대화시킬 수 있다.

본 논문에서는 대상자의 체력상태에 따른 군집과 운동처방 과정 전반을 시각화 하는 방법을 비쥬얼패스맵이라 명명하고, 비쥬얼패스맵을 이용하여 운동처방사의 처방과정을 시각화하는 것을 목표로 한다. 비쥬얼패스맵은 대상자의 체력상태에 따른 군집 분포, 대상자의 현재 상태와 목표 상태, 운동처방에 따라 어떤 군집에 속하게 될지를 보여준다. 그래서 비쥬얼패스맵은 운동처방 안에 따라 현재 상태에서 목표 상태에 이르기까지의 경로를 나타내게 된다. 비쥬얼패스맵에서 대상자의 특성 간 군집을 표현하기 위해 인공신경망 SOM을 이용했고, 일반인 1,500명의 체력검사 결과값, 비만도, 나이 정보를 학습하여 군집형태를 시각화했다. 또한 운동처방사의 운동처방 자료를 이용하여 운동처방 과정을 비쥬얼패스맵으로 시각화했다.

본 연구는 간호사 및 간호학생을 위한 간호진단, 간호중재, 간호결과 분류체계의 간호과정 프로그램을 모바일 응용 기반으로 개발하였다. 연구재료는 표준화된 분류체계인 북미간호진단협의회의 간호진단 분류체계와 아이오와 대학을 중심으로 개발된 간호중재 분류체계, 간호결과 분류체계를 사용하였다. 기존 연구 방법은 간호과정의 일부분만을 선택하여 개발하므로 환경에 제한적인 프로그램으로 임상에 일반화시켜 환자들에게 적용하기 어려웠다. 그러나 본 연구는 진단-결과-중재의 전체를 연계시킨 프레임워크를 개발하므로 어떠한 임상환경에서도 적용이 가능한 가이드라인으로 개발하였다. 개발된 프로그램은 한글판으로 3월부터 앱 스토어에 등록되었으며 간호교육 도구로 적극적으로 활용되기를 기대한다.

Neuro feedback training using ElectroEncephalo Grams (EEGs) is commonly utilized in the treatment of Alzheimer's disease, and Attention Deficit Hyperactivity Disorder (ADHD). Recently, BCI (Brain-computer Interface) contents have developed, not for the purpose of treatment, but for concentration improvement or brain relaxation training. However, as each user has different wave forms, it is hard to develop contents controlled by such different wave. Therefore, an EEG process that allows the ability to transform the variety of wave forms into one standard signal and use it without taking a user's characteristic of EEG into account, is required. In this paper, a framework that can reduce users' characteristics by normalizing and converting measured EEGs is proposed for contents. This framework also contains the process that controls different brainwave measuring devices. In experiment a handling process applying the proposed framework to the developed BCI contents is introduced.

본 논문에서는 PC 상의 가상환경과 사용자간의 몰입형 상호작용 인터페이스로서 햅틱 마우스 시스템을 제안한다. 제안하는 햅틱 마우스는 진동감각 및 온열감을 제공하여 몰입감을 높인다. 진동 모듈은 편심모터와 솔레노이드 액추에이터로 구성하였으며 온열감 모듈은 작은 필름형태의 온도 센서와 펠티어 효과기반의 열 펌프를 이용하여 구축한다. 본 햅틱 마우스 시스템의 효용성을 보이기 위해 레이싱 게임 어플리케이션을 제작한 후 이를 사용하여 실험을 수행한다. 실험 결과로부터 제안하는 햅틱 마우스가 가상환경에서 몰입감을 증가시키며 가상환경과 사용자간의 효과적인 인터페이스로 사용될 수 있음을 증명한다.