• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.532-534
• /
• 2002

동영상에서 객체 추적은 몇 년간 컴퓨터 비전 및 여러 실용적 응용 분야에서 관심을 가지는 주제 중 하나이다. 본 논문에서는 감시 시스템 분야에서 적용되어 질 수 있는 실시간 객체 추적 방법을 제안하고자 한다. 이를 위해 카메라가 고정되어 있고 배경영상의 변화가 거의 없는 환경으로 제한하고, 입력영상과 배경영상의 차를 이용하여 객체의 위치를 탐지하고 움직임을 추적한다. 객체 위치 탐지시 객체의 윤곽선 중 일부 점을 추출하고 추출된 점들을 이용, 객체의 무게중심을 구한다. 객체 추적시 가변 탐색창을 이용해 실시간으로 빠른 처리가 가능하도록 하였다. 그리고 실험을 통하여 제한된 환경하에서 실시간으로 빠른객체의 추적을 보인다.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 2001.05a
• /
• pp.198-208
• /
• 2001

CORBA, DCOM, Java RMI 등과 같은 분산 객체 기술이 분산 응용의 신뢰성을 직접적으로 향상시키지는 못한다. 이러한 분산 객체 기술에 고장 감내성을 추가하여 신뢰성 있는 시스템을 구축하기 위해서 객체 단위의 복제 그룹 관리와 고장 탐지 및 회복 메커니즘이 필요하다. 본 논문에서는 신뢰성 있는 고장 감내성 Java RMI 객체를 개발하기 위하여 고장 탐지와 그룹 관리를 위한 그룹 관리자와 원격 인터페이스를 설계하고, 고장 감내성 클래스를 정의한다. 또한 고장 감내성 객체의 투명한 그룹 참여를 위하여 Naming 클래스와 RMIRegistry를 확장한다. 응용 개발자는 고장 감내성 클래스를 상속함으로써 외부의 도움 없이 간단히 고장 감내성 응용 객체를 개발하여 신뢰성을 높일 수 있다. 100M Ethernet으로 연결된 Linux kernel2.2.1의 PentiumIII머신 3대와 Solaris2,6의 Sun Spar치머신을 클라이언트한 시스템을 사용하고 JDK 1.2.2를 이용하여 설계한 객체를 구현하여 다양한 객체고장 에 대해 복구되는 것을 확인하였다. 성능 평가는 그룹크기에 따른 함수의 응답속도와 메시지 크기에 따른 응답속도를 비교하였다.

• Geophysics and Geophysical Exploration
• /
• v.25 no.4
• /
• pp.189-200
• /
• 2022

Ground subsidence on urban roads is a social issue that can lead to human and property damages. Therefore, it is crucial to detect underground cavities in advance and repair them. Underground cavity detection is mainly performed using ground penetrating radar (GPR) surveys. This process is time-consuming, as a massive amount of GPR data needs to be interpreted, and the results vary depending on the skills and subjectivity of experts. To address these problems, researchers have studied automation and quantification techniques for GPR data interpretation, and recent studies have focused on deep learning-based interpretation techniques. In this study, we described a hyperbolic event detection process based on deep learning for GPR data interpretation. To demonstrate this process, we implemented a series of algorithms introduced in the preexisting research step by step. First, a deep learning-based YOLOv3 object detection model was applied to automatically detect hyperbolic signals. Subsequently, only hyperbolic signals were extracted using the column-connection clustering (C3) algorithm. Finally, the horizontal locations of the underground cavities were determined using regression analysis. The hyperbolic event detection using the YOLOv3 object detection technique achieved 84% precision and a recall score of 92% based on AP50. The predicted horizontal locations of the four underground cavities were approximately 0.12 ~ 0.36 m away from their actual locations. Thus, we confirmed that the existing deep learning-based interpretation technique is reliable with regard to detecting the hyperbolic patterns indicating underground cavities.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.01a
• /
• pp.39-40
• /
• 2022

최근 전동 킥보드, 전동휠, 전기 자전거 등 개인형 이동수단(Personal Mobility)의 보급이 늘면서 관련 인명 교통사고가 급증하고 있다. 본 논문에서는 개인형 이동수단의 사용위험 및 사고 감소를 목적으로, 딥러닝 객체탐지 기술을 적용하여 다양한 위험요소를 증강현실 기술을 기반으로 한 HMD(Helmet mounted display)에 표시하는 '딥러닝 객체 인식과 증강현실을 적용한 개인 이동장치를 위한 HMD(Helmet Mounted Display) 어플리케이션'을 설계한다. 제시하는 방법은 실시간으로 수집된 전방의 실시간 영상 정보를 객체 탐지 알고리즘을 통해 위험요소 및 안전한 주행을 보조하는 객체를 감지하고 증강현실을 적용해 사용자에게 적절한 운전 보조장치 및 기능을 제공한다.

• Journal of the Korea Society of Computer and Information
• /
• v.18 no.5
• /
• pp.35-42
• /
• 2013

Shot boundary detection is an essential step for efficient browsing, sorting, and classification of video data. Robust shot detection method should overcome the disturbances caused by pixel brightness and object movement between frames. In this paper, two shot boundary detection methods are presented to address these problem by using segmentation, object movement, and pixel brightness. The first method is based on the histogram that reflects object movements and the morphological dilation operation that considers pixel brightness. The second method uses the pixel brightness information of segmented and whole blocks between frames. Experiments on digitized video data of National Archive of Korea show that the proposed methods outperforms the existing pixel-based and histogram-based methods.

• Journal of Intelligence and Information Systems
• /
• v.29 no.1
• /
• pp.233-247
• /
• 2023

Recently, research on detecting objects in hidden spaces beyond the direct line-of-sight of observers has received attention. Most studies use optical equipment that utilizes the directional of light, but sound that has both diffraction and directional is also suitable for non-line-of-sight(NLOS) research. In this paper, we propose a novel method of detecting objects in non-line-of-sight (NLOS) areas using acoustic signals in the audible frequency range. We developed a deep learning model that extracts information from the NLOS area by inputting only acoustic signals and predicts the properties and location of hidden objects. Additionally, for the training and evaluation of the deep learning model, we collected data by varying the signal transmission and reception location for a total of 11 objects. We show that the deep learning model demonstrates outstanding performance in detecting objects in the NLOS area using acoustic signals. We observed that the performance decreases as the distance between the signal collection location and the reflecting wall, and the performance improves through the combination of signals collected from multiple locations. Finally, we propose the optimal conditions for detecting objects in the NLOS area using acoustic signals.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2019.01a
• /
• pp.297-298
• /
• 2019

본 논문에서는 드론용 오픈 소스 API를 이용하여 셀프 카메라 촬영이 가능한 드론용 앱을 설계한다. 특히, 딥러닝 기반의 YOLO 객체 탐지 기술을 적용하여 배경 속에서 사람을 탐지하여 개인 및 단체 사진 촬영이 가능하도록 설계한다. 개발하는 셀프 카메라 앱은 기체의 자동 회전 및 선회 기반 연속 촬영 기능을 포함하여 다양한 형태의 인물 사진 촬영이 가능하다. 개발된 앱 기술을 기반으로 선회 및 회전을 통한 경비 구역의 침입자 촬영을 위한 시스템 및 드론 제어 기술에 활용하고자 한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.311-312
• /
• 2022

본 논문에서는 딥러닝 기반 욕창 감지를 위한 욕창 객체 탐지를 연구한다. 객체 탐지 딥러닝 기법으로 RCNN, Fast R-CNN, Faster R-CNN, YOLO 등 다양한 기법이 존재하며, 각 모델의 특징 또한 다르다. 욕창은 단계별로 피부, 조직에 손상의 정도가 다르다. 낮은 단계의 경우 일반적인 피부색과 유사하게 나타나며, 높은 단계의 경우 근육, 뼈, 지지 조직 등의 괴사로 인해 삼출물 또는 괴사조직이 나타난다. 논문에서는 One-Stage Detection 기법인 YOLO를 기반으로 욕창 이미지 내부에서 욕창 탐지를 진행한다. 현재 보유하고 있는 이미지 데이터 수가 많지 않아 데이터 증강기법을 통해 데이터를 증강하여 학습에 활용하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.860-863
• /
• 2021

고정 카메라 환경에서 움직이는 객체만을 탐지하는 것은 비디오 모니터링의 중요한 응용 분야이다. 본 논문에서는 비디오의 특성인 움직임 정보가 포함된 영상에서 GMM을 이용하여 움직인 돼지와 움직이지 않은 돼지의 위치를 대략적으로 구분하고, 추가적인 영상 처리 기법과 딥러닝 기반 객체 탐지기를 적용한 박스 단위 객체 탐지 결과를 활용하여 움직인 돼지의 외곽선을 보정한다. 돈사에서 촬영된 비디오 데이터로 실험한 결과, 제안 방법은 효과적으로 움직인 돼지를 탐지할 수 있음을 확인하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.01a
• /
• pp.91-92
• /
• 2023

본 논문에서는 Yolov5와 Deepsort를 사용한 Tracking by detection을 구현하여 특정 영역을 통과하는 차량의 수를 집계하고, 각 차량의 추정속도를 계산하는 시스템을 구현한다. 실시간 객체 탐지 기능을 수행하는 Yolov5 모델의 학습에는 Kaggle의 개방 데이터인 '도요타 자동차 이미지'를 사용한다. 이미지 크기 640*640, 배치사이즈 16, Early stopping 플래그를 사용하여 학습했을때, Yolov5의 객체 탐지 성능은 정확도 98%, 정밀도 0.961, mAP 0.72을 보여주었다.