• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.05a
• /
• pp.299-300
• /
• 2013

본 논문은 진공흡착방식을 이용한 벽오르는 로봇에 탑재하기 위한 임베디드 시스템의 설계와 영상처리 알고리즘의 구현에 관한 연구이다. 벽로봇은 안정적인 부착과 이동성을 기반으로 벽면에서의 위험 요인 발견과 지능적인 처리를 위해 영상처리가 가능하고 원격의 스마트 단말기와 실시간 통신이 가능한 환경을 구축하였으며 이상 물질을 탐지하기 위해 색상성분을 정규화하고 특정객체를 탐지 후 영상을 전송하는 방법을 구현하였다. 이러한 기능은 무인로봇을 이용해 위험한 벽 환경에서의 균열이나 이상 원인을 지능적으로 탐색하는 분야에 응용 가능하다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.1429-1430
• /
• 2013

본 논문은 진공흡착방식을 이용한 벽오르는 로봇에 탑재하기 위한 임베디드 시스템의 설계와 영상처리 알고리즘의 구현에 관한 연구이다. 벽면에서의 위험 요인 발견과 지능적인 처리를 위해 영상처리가 가능하고 원격의 스마트 단말기와 실시간 통신이 가능한 환경을 구축하였으며 이상 물질을 탐지하기 위해 색상성분을 정규화하고 특정객체를 탐지 후 영상을 전송하는 방법을 구현하였다. 이러한 기능은 무인로봇을 이용해 위험한 벽 환경에서의 균열이나 이상원인을 지능적으로 탐색하는 응용이 가능하다.

• The Journal of Society for e-Business Studies
• /
• v.27 no.2
• /
• pp.205-218
• /
• 2022

Recently, digital transformation in manufacturing has been accelerating. It results in that the data collection technologies from the shop-floor is becoming important. These approaches focus primarily on obtaining specific manufacturing data using various sensors and communication technologies. In order to expand the channel of field data collection, this study proposes a method to automatically collect manufacturing data based on vision-based artificial intelligence. This is to analyze real-time image information with the object detection and tracking technologies and to obtain manufacturing data. The research team collects object motion information for each frame by applying YOLO (You Only Look Once) and DeepSORT as object detection and tracking algorithms. Thereafter, the motion information is converted into two pieces of manufacturing data (production performance and time) through post-processing. A dynamically moving factory model is created to obtain training data for deep learning. In addition, operating scenarios are proposed to reproduce the shop-floor situation in the real world. The operating scenario assumes a flow-shop consisting of six facilities. As a result of collecting manufacturing data according to the operating scenarios, the accuracy was 96.3%.

• Journal of Digital Convergence
• /
• v.14 no.2
• /
• pp.183-190
• /
• 2016

This paper proposes algorithm to reduce the computing time in a neural network that reduces transmission of data for tracking mobile objects in surveillance networks in terms of detection and communication load. Object Detection can be defined as follows : Given image sequence, which can forom a digitalized image, the goal of object detection is to determine whether or not there is any object in the image, and if present, returns its location, direction, size, and so on. But object in an given image is considerably difficult because location, size, light conditions, obstacle and so on change the overall appearance of objects, thereby making it difficult to detect them rapidly and exactly. Therefore, this paper proposes fast and exact object detection which overcomes some restrictions by using neural network. Proposed system can be object detection irrelevant to obstacle, background and pose rapidly. And neural network calculation time is decreased by reducing input vector size of neural network. Principle Component Analysis can reduce the dimension of data. In the video input in real time from a CCTV was experimented and in case of color segment, the result shows different success rate depending on camera settings. Experimental results show proposed method attains 30% higher recognition performance than the conventional method.

• Journal of the Institute of Electronics Engineers of Korea SP
• /
• v.47 no.3
• /
• pp.61-69
• /
• 2010

This paper presents an efficient object selection algorithm by analyzing and detecting of human activity. Generally, when people point any something, they will put a face on the target direction. Therefore, the direction of the face and fingers and was ordered to be connected to a straight line. At first, in order to detect the moving objects from the input frames, we extract the interesting objects in real time using background subtraction. And the judgment of movement is determined by Principal Component Analysis and a designated time period. When user is motionless, we estimate the user's indication by estimation in relation to vector from the head to the hand. Through experiments using the multiple views, we confirm that the proposed algorithm can estimate the movement and indication of user more efficiently.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2020.07a
• /
• pp.701-702
• /
• 2020

본 논문에서는 Jetson-Nano와 데스크탑에서 OpenCV와 YOLOv3 실시간 객체 인식 알고리즘을 이용하여 웹캠을 통해 주차장 등의 출입 차량 인식 통계 시스템을 개발하였다. 최근 에지컴퓨팅에 관심이 증가하고 있는 시점에서 Nvidia사에서 개발하여 보급하고 있는 Jetson-Nano에 YOLOv3 tiny와 OpenCV를 이용하여 차량인식을 수행하고, 구글에서 개발한 오픈 소스 Tesseract-OCR을 이용해 차량번호인식하여 입출차 혹은 주차시 차량정보를 확인할 수 있다. 딥러닝 학습 알고리즘에서 전기차 번호판의 특징점을 인식하여 전기차를 판별하여 일반차량이 전기차 주차구역에 불법주차하는 것을 모니터링할 수도 있다. 출입한 차량 데이터 베이스에서 입출차 시각, 차량번호, 전기차여부등이 확인 가능하다.

• Journal of the Institute of Convergence Signal Processing
• /
• v.23 no.3
• /
• pp.150-159
• /
• 2022

This paper presents an implementation of detecting whether a helmet is worn and there is a fall accident through individual image analysis in real-time from extracting the image objects of several workers active in the industrial field. In order to detect image objects of workers, YOLO, a deep learning-based computer vision model, was used, and for whether a helmet is worn or not, the extracted images with 5,000 different helmet learning data images were applied. For whether a fall accident occurred, the position of the head was checked using the Pose real-time body tracking algorithm of Mediapipe, and the movement speed was calculated to determine whether the person fell. In addition, to give reliability to the result of a falling accident, a method to infer the posture of an object by obtaining the size of YOLO's bounding box was proposed and implemented. Finally, Telegram API Bot and Firebase DB server were implemented for notification service to administrators.

• Korean Journal of Remote Sensing
• /
• v.35 no.2
• /
• pp.265-278
• /
• 2019

Visible Infrared Imaging Radiometer Suite (VIIRS) Day/Night Band (DNB) data help to enable rapid emergency responses through detection of the artificial and natural disasters occurring at night. The DNB data without correction of lunar irradiance effect distributed by Korea Ocean Science Center (KOSC) has advantage for rapid change detection because of direct receiving. In this study, radiance differences according to the phase of the moon was analyzed for urban and mountain areas in Korean Peninsula using the DNB data directly receiving to KOSC. Lunar irradiance correction algorithm was proposed for the change detection. Relative correction was performed by regression analysis between the selected pixels considering the land cover classification in the reference DNB image during the new moon and the input DNB image. As a result of daily difference image analysis, the brightness value change in urban area and mountain area was ${\pm}30$ radiance and below ${\pm}1$ radiance respectively. The object based change detection was performed after the extraction of the main object of interest based on the average image of time series data in order to reduce the matching and geometric error between DNB images. The changes in brightness occurring in mountainous areas were effectively detected after the calibration of lunar irradiance effect, and it showed that the developed technology could be used for real time change detection.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2021.10a
• /
• pp.385-387
• /
• 2021

Marine deposition waste threatens the book ecosystem and causes a decrease in catch due to ghost fishing, causing damage of about 370 billion won per year. In order to collect this, a current status survey is conducted using two-way ultrasonic detectors, diving, and lifting frames. However, the scope of the investigation is small to investigate a lot of sedimentary waste, and there is a possibility of causing casualties. This paper deals with the implementation of a high-accuracy marine deposition detection AI model by learning the coastal sediment image data of AI-Hub using the YOLOv5 algorithm suitable for real-time object detection.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.344-344
• /
• 2023

최근 기후변화에 따라 극한 강우로 전 세계적으로 국지적 홍수 피해가 증가하고 있다. 또한 극한 강우 발생시 다양한 건설 현장의 상황에 따라 침수 취약성이 나타나 인적 물적 피해로 이어질 수 있다. 특히, 시공에 따른 현장 지형 변화에 대해 실시간으로 침수 예측이 불가하여 위험 판단이 어려운 실정이며, 극한 강우 발생에 대비하기 위해 강우 정보 획득 및 분석을 효율화하여 강우예측 정확성을 높일 필요가 있다. 이러한 필요성에 따라 본 연구에서는 건설 현장의 침수 피해를 최소화하기 위해 침수 위험을 판정하고 예측하는 방법을 제시하고자 한다. 본 연구의 침수 위험 판정 방법은 건설 현장에서 실시간 지형변화 정보 확보와 침수 위험 판정의 정확도를 높이기 위한 침수심 분석에 인공 신경망 기법을 활용하였다. 또한, 침수판정 알고리즘은 지형, 강우 분석 모듈과 침수판정 모듈로 구성하였다. 지형 분석 모듈은 건설 현장이 시공진행에 따른 지형 데이터의 변화를 고려하기 위해 실시간 영상 정보의 객체 탐지를 구분하는 인공 신경망 기법을 적용해 지형 분석 모듈을 구축하였다. 강우 분석 모듈은 다양한 강우 정보를 취합할 수 있는 서버를 구축하여 강우 임베딩 정보를 실시간으로 분석하도록 고안하여 정확도를 높였다. 이러한 자료를 바탕으로 강우-유출해석에 의한 침수심 값과 실측값, 침수 지표를 활용하여 인공 신경망 기법으로 침수 위험을 판정하도록 제시하였다. 본 연구를 통해 건설 현장에서 지형 상태의 지속적인 변화와 강우데이터의 정확도 향상에 대응할 수 있는 침수 위험 판정이 가능하고 인적 물적 피해 최소화를 기대할 수 있다. 향후, 본 연구에서 제시된 방법은 건설 현장에서 분석 시스템과 실측 모니터링에 의해 검증되어야 할 것이며, 건설 현장 외에도 스마트 도시 및 지하 공간에서 확대하여 적용할 수 있을 것으로 판단된다.