• Journal of KIISE:Computing Practices and Letters
• /
• v.15 no.1
• /
• pp.72-76
• /
• 2009

Recently, as the interest of ubiquitous computing has been increased there has been lots of research about recognizing human activities to provide services in this environment. Especially, in mobile environment, contrary to the conventional vision based recognition researches, lots of researches are sensor based recognition. In this paper we propose to recognize the user's activity with multi-modal sensors using hierarchical dynamic Bayesian networks. Dynamic Bayesian networks are trained by the OVR(One-Versus-Rest) strategy. The inferring part of this network uses less calculation cost by selecting the activity with the higher percentage of the result of a simpler Bayesian network. For the experiment, we used an accelerometer and a physiological sensor recognizing eight kinds of activities, and as a result of the experiment we gain 97.4% of accuracy recognizing the user's activity.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.349-351
• /
• 2002

베이지안 네트워크는 변수들간의 원인-결과 관계를 확률적으로 모델링하기 위한 도구로서 소프트웨어 사용자의 목적을 추론하기 위해 널리 이용된다. 행동기반 로봇 설계는 반응적(reactive) 행동 모듈을 효과적으로 결합하여 복잡한 행동을 생성하기 위한 접근 방법이다. 행동의 결합은 로봇의 목표, 외부환경, 행동들 사이의 관계를 종합적으로 고려하여 동적으로 이루어진다. 그러나 현재의 결합 모델은 사전에 설계자에 의해 구조가 결정되는 고정적인 형태이기 때문에 환경의 변화에 맞게 목표를 변화시키지 못한다. 본 연구에서는 베이지안 네트워크를 이용하여 현재 상황에 가장 적합한 로봇의 목표를 설정하여 유연한 행동선택을 유도한다. Khepera 이동로봇 시뮬레이터를 이용하여 실험을 수행해 본 결과 베이지안 네트워크를 적용한 모델이 상황에 적합하게 목적을 선택하여 문제를 해결하는 것을 알 수 있었다.

• Journal of KIISE:Computing Practices and Letters
• /
• v.13 no.2
• /
• pp.100-109
• /
• 2007

Object recognition of service robots is very important for most of services such as delivery, and errand. Conventional methods are based on the geometric models in static industrial environments, but they have limitations in indoor environments where the condition is changable and the movement of service robots occur because the interesting object can be occluded or small in the image according to their location. For solving these uncertain situations, in this paper, we propose the method that exploits observed objects as context information for predicting interesting one. For this, we propose the method for modeling domain knowledge in probabilistic frame by adopting Bayesian networks and ontology together, and creating knowledge model dynamically to extend reasoning models. We verify the performance of our method through the experiments and show the merit of inductive reasoning in the probabilistic model

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.616-618
• /
• 2005

서비스 로봇 분야에서 물체를 인식하고 장면을 이해하는 것은 매우 중요하다. 전통적인 방법들은 기하학적 모델을 기반으로 물체를 인식하였으나 불확실하고 동적인 환경에서 이러한 방법은 한계를 갖는다. 이에 최근 지식 기반의 접근 방법을 통해 이러한 부분을 보완하는 연구가 이루어지고 있다. 본 논문에서는 효과적인 물체 탐색을 위해 베이지안 네트워크를 사용하여 대상 물체의 존재 여부를 추론하는 방법을 제안한다. 이를 위해 트리구조의 계층적 베이지안 네트워크를 사용하였고 물체들의 관계를 활동을 기준으로 모델링 하였다. 6가지 장소를 기반으로 한 실험 결과, $86.5\%$의 정확도를 보여주었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.06b
• /
• pp.286-288
• /
• 2006

영상 이해는 컴퓨터 비전의 가장 높은 수준의 처리 기법이다. 영상을 이해하기 위해서는 위치 정보, 물체 존재정보와 같은 기본 컨텍스트들을 추출하는 것이 중요하다. 그러나 실내 환경의 영상 정보는 카메라의 흔들림이나 각도, 빛의 상태에 따라 불확실해지기 때문에 이러한 불확실함에 강인한 영상 인식 기법이 필요하다. 동적 베이지안 네트워크(DBN)는 이러한 불확실한 정보의 처리에 강인하며 장소와 물체의 관계등 고수준의 컨텍스트를 모델링하는데 좋은 성능을 보이는 확률 모델이다. 또한 DBN은 이전 상태를 추론에 활용할 수 있으므로 장소 인식과 같은 컨텍스트의 추출에 좋다. 본 연구에서는 불확실한 실내 환경 영상으로부터 영상 전처리를 통해 특징값을 추출하고, 회전이나 크기 변화에 강인한 물체인식기법인 크기불변 특징 변환기법(SIFT)을 이용하여 물체 존재정보를 추출하여 고수준 컨텍스트가 모델링된 DBN 추론으로 장소 및 물체를 인식하는 방법을 제안한다. 실제 대학 실내 환경에서의 실험으로 DBN을 이용한 영상 인식기법이 좋은 성능을 보임을 확인할 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2008.11a
• /
• pp.60-63
• /
• 2008

개인화 장비 기술의 발달과 함께 최근 모바일 디바이스는 카메라, MP3 플레이어 등 다양한 기능을 포함하고 있으며, 많은 사용자가 이를 사용하고 있다. 모바일 디바이스는 사용자가 항상 휴대하기 때문에 사용자 정보를 습득하기에 유용하며 따라서 이로부터 수집된 다양한 정보를 바탕으로 최근 여러가지 서비스를 제공하기 위한 노력이 이루어지고 있다. 본 논문에서는 사용자의 모바일 로그를 바탕으로 행동 패턴을 파악하여 사용자가 앞으로 취할 행동을 예측하고자 하며, 이 과정에서 다양한 행동 패턴 중 정확한 행동 예측을 수행하기 위해 다음과 같은 방법을 활용하였다. 장소, 시간, 요일 정보를 함께 사용하여 동적 베이지안 네트워크를 이용해 시간 변화에 따른 사용자 행동 패턴을 학습하였으며, 개인 사용자 모델과 전체 사용자 모델을 따로 학습함으로써 더 정확한 행동 패턴의 학습이 가능하도록 하였다. 실험을 위해 대학생들로부터 수집된 모바일 로그를 통해 제안하는 행동 예측 모델의 성능을 확인한 결과 77~94%의 예측 정확도를 보임을 확인하였다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2015.07a
• /
• pp.60-62
• /
• 2015

Dynamic Positioning System(DPS)은 동력, DP control 장치, DP 컴퓨터, 위치참조시스템(PRS), 센서, thruster 시스템 및 DP 운용자(DPO) 7가지로 구성되어 있다. DP 선박은 이들 구성요소들에 문제가 발생하면 그 기능을 상실할 수 있다. 본 연구에서는 2001~2010년까지 10년 동안 IMCA 보고된 DP 선박 관련사고 612건에 대한 분석을 바탕으로 DPS의 7가지 구성요소와 관련된 사고 원인을 파악하고 이들 중 가장 높은 비율을 차지하는 원인을 정성적, 정량적으로 상세 분석하여 요소별 관계와 주요 작용 요소를 확인하고자 한다. 이를 통해 DP 선박의 LOP사과 관련 분석에 있어 베이지안 네트워크의 활용성을 확인해 보았다. 10년 평균 가장 높은 비율을 차지한 DPS 사고원인 요인은 PRS이었으며 이를 전문가 브레인스토밍을 통해 작성된 flowchart를 바탕으로 베이지안 네트워크를 통해 상세 분석해 본 결과 PRS의 각 요소별 조건부 확률 확인할 수 있었다. DP 선박의 drive off를 발생시키는데 주요한 영향을 미치는 것은 DGPS, microwave radar 및 HPR 이었고 DGPS에 주요한 영향을 미치는 에러 요인은 signal blocked, electric components failure, relative mode error 및 signal weak or fail 이었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.06b
• /
• pp.112-114
• /
• 2006

최근 영상 인식 정보를 서비스 로봇 도메인에서 사용하기 위한 연구와 함께 전통적인 영상 인식 방법의 성능을 높이기 위한 연구가 진행되고 있다. 기존의 방법들은 기하학적 모델을 기반으로 예측 가능한 환경에서 상황을 인식하였기에 이를 실내 환경과 같은 동적인 환경에 적용하는 것은 정확도나 인식의 효율 면에서 한계를 갖는다. 이에 지식 기반 접근 방법을 통해 정확도를 항상 시키거나 계산 비용을 감소시킴으로써 영상 인식성능을 높이기 위한 다양한 연구가 있어 왔다. 본 논문에서는 서비스 로봇이 물체를 탐색할 때, 대상 물체가 다른 물체에 의해 가려짐으로써 발생하는 불확실한 상황을 해결하기 위한 방법을 제안한다. 제안하는 방법은 발견된 물체를 컨텍스트 정보로 사용하여 대상 물체의 존재 여부를 추론하며, 이를 위해 신뢰도를 모델링할 수 있는 확률적 모델인 베이지안 네트워크와 도메인 지식을 모델링 할 수 있는 온톨로지를 함께 사용한다. 효과적인 모델링을 위해 본 논문에서는 기본적인 물체 관계를 모듈화 하여 설계하기 위한 베이지안 네트워크 구조와 확률 값 선정 방법. 이들을 온톨로지를 기반으로 주어진 상창에 따라 결합하는 방법을 제안한다. 이는 물체 관계를 모델링할 때 발생하는 중복 설계를 감소시켜주고 유지 및 보수를 용이하게 한다. 설계된 추론 모듈은 실험 결과 5가지 장소에서 높은 정확도를 보여주었다.

• Journal of KIISE:Computing Practices and Letters
• /
• v.16 no.10
• /
• pp.995-999
• /
• 2010

Every year, traffic accidents and traffic congestion have been rapidly increasing, Although the roadway design and signal system have been improved to relieve traffic accidents, traffic casualties and property damage do not decrease. This paper develops a real-time traffic accident detection and analysis system (RTADAS): In the proposed system, we aim to precisely detect traffic accidents at different design and flow of intersections, However, because the data collected from intersections have uncertainty and complicated causal dependency between them, we construct probability-based networks for correct accident detection.

• Proceedings of the Korean Information Science Society Conference
• /
• 2008.06a
• /
• pp.114-115
• /
• 2008