• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 춘계학술발표대회
• /
• pp.556-559
• /
• 2021

해당 연구는 Insta evo 360° 카메라로 촬영한 Equirectangular 형태의 영상을 활용하여 보행자에게 위험한 차량을 구분한 후 실시간적으로 차량 접근 알림을 주는 시스템에 관한 연구이다. 360° 영상 속 위험 차량 탐지와 추적을 위해 파노라마와 일반도로 이미지 데이터 세트로 전이학습 된 You Look Only Once v5 (YOLOv5), 객체 추적 알고리즘 Simple Online and Realtime Tracking with a Deep Association Metric (DeepSORT), 그리고 실험을 통해 개발한 비 위험 차량 필터링 알고리즘을 활용한다. Insta evo 360° 카메라를 머리 위에 얹어 촬영한 영상을 개발한 최종 시스템에 적용한 결과, 약 90% 정확도로 영상에서 비 위험 차량과 위험 차량을 구분할 수 있고, 위험 차량의 경우 차량의 방향을 시각적으로 알려줄 수 있다. 본 연구를 바탕으로 보행자 시야각 외부의 위험 차량에 대한 경고 알림을 주어 보행자 교통사고 발생 가능성을 줄이고, 전방위를 볼 수 있는 360° 카메라의 활용 분야가 보행 안전 시스템뿐만 아니라 더 다양해질 것으로 기대한다.

• 한국정보통신학회논문지
• /
• 제24권1호
• /
• pp.91-99
• /
• 2020

영상 감지 시스템의 기반 기술인 그림자 제거기술의 경우 실시간 영상처리는 계산의 복잡도가 높아 처리속도가 저하되고, 명도 차이만으로 그림자를 제거하기 때문에 조명이나 빛에 민감하다는 문제점이 있다. 따라서 본 논문에서는 기존 시스템의 문제점을 해결하기 위해 가중치 적용 부분을 제거하여 계산의 복잡도를 낮추어 실시간성을 향상시켰다. 또한 수직 히스토그램을 이용해 그림자 인식률을 향상시킬 수 있는 그림자 제거 알고리즘 기반의 영상 감지 시스템을 설계 및 평가하였다. 평가 결과 기존 영상 감지 시스템에 비해 평균 속도가 약 5.6ms, 검출률이 약 5.5%p 향상된 것을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제27권4호
• /
• pp.19-26
• /
• 2022

최근 지능형 교통 체계의 발전에 따라 자동차 번호판 인식 시스템이 다양한 분야에서 활용되고 있다. 주행 중인 자동차의 번호판을 인식하기 위해서는 실시간성이 보장되어야 하며, 영상이 왜곡되어 뚜렷하지 않거나 번호판의 크기가 작은 저해상도 영상에서도 높은 인식률이 유지되어야 한다. 본 논문에서는 자유 앵커 방식 기반의 객체 탐지 알고리즘과 합성곱 신경망(CNN) 기반의 문자 인식 알고리즘을 이용하여 처리 속도를 향상한 실시간 자동차 번호판 인식 시스템을 제안한다. 더불어 공간 변형 네트워크를 이용하여 저해상도 및 왜곡된 영상에서의 인식률을 높였다. 제안하는 시스템의 인식률은 93.769%, 이미지 당 처리 속도는 약 0.006초로 기존 자동차 번호판 인식 시스템보다 빠른 속도로 자동차 번호판을 인식하며, 다양한 환경 및 품질의 영상에 대해 높은 인식률을 유지하는 것을 확인할 수 있다.

• 대한공간정보학회지
• /
• 제21권3호
• /
• pp.55-62
• /
• 2013

본 연구에서는 전방위 카메라(Omni-directional Camera)를 이용하여 과속방지턱(Speed Bump)을 탐지하고 Vision Based Approach 통한 실시간 과속 방지턱 데이터의 갱신 방안을 제시하는 것을 목적으로 한다. 카메라 영상정보에서 과속 방지턱을 검출하기 위해 잡음을 제거하고 이를 구성하는 형상과 패턴으로 여겨지는 점들을 우선적으로 탐지하여야 한다. 과속방지턱은 일정한 폭과 규칙적인 형태를 유지하며 흰색과 노란색의 영역을 가지고 있음에 착안하여 침식과 팽창을 이용한 형태학적 연산과 HSV칼라 모델을 적용하여 도로상의 과속방지턱을 추출하였다. 카메라에서 거대한 이미지 데이터를 수집하여 대상 객체를 검출하고 GPS 위치 정보를 이용하였다. 마지막으로 동시적 위치추정 및 지도작성 (SLAMs :Simultaneous Localization And Mapping) 시스템을 구현하여 탐지알고리즘과 취득결과의 정확성을 평가하였다.

• 스마트미디어저널
• /
• 제12권10호
• /
• pp.71-84
• /
• 2023

넙치 양식은 우리나라 양식 산업의 절반 이상 차지할 정도로 큰 비중을 차지한다. 그러나 연중 총사육량의 25~30% 정도가 질병으로 인한 집단 폐사가 발생하여 양식장의 경제성에 매우 나쁜 영향을 준다. 넙치 양식장의 경제성 성장을 위해서는 넙치 질병 증상 진단을 자동화하여 빠르고 정확하게 질병 진단을 하는 방법이 필요하다. 본 연구에서는 독창적인 학습 데이터 수집 방법과 학습 정제 알고리즘 및 학습 데이터 분리 기법을 사용하여 학습 데이터를 구축하고 4가지 객체 탐지 딥러닝 모델(YOLOv8, Swin, Vitdet, MvitV2)의 넙치 질병증상 감지 성능을 비교한다. 실험 결과 YOLOv8 모델이 평균 인식률(mAP)과 예상 도착 시간(ETA) 관점에서 우수하다는 결론을 얻었다. 본 연구에서 제안하는 AI 모델의 성능이 검증되면 넙치 양식장에서는 실시간으로 넙치 질병을 진단할 수 있고, 진단 결과에 따른 신속한 예방 조치로 양식장의 생산성은 크게 향상될 것이라 기대된다.

• 한국시뮬레이션학회논문지
• /
• 제32권3호
• /
• pp.43-53
• /
• 2023

본 연구는 실내 상업적 공간, 특히 카페에서 보안 카메라를 이용해 방문자 수와 위치를 실시간으로 파악하고, 이를 통해 사용 가능한 좌석 정보와 혼잡도 예측을 제공하는 시스템의 개발을 목표로 한다. 우리는 실시간 객체 탐지 및 추적 알고리즘인 YOLO를 활용하여 방문자 수와 위치를 실시간으로 파악하며, 이 정보를 카페 실내 지도에 업데이트하여 카페 방문자가 사용 가능한 좌석을 확인할 수 있도록 한다. 또한, 우리는 vanishing gradient문제를 해결한 장단기 메모리(Long Short Term Memory, LSTM)와 시간적인 관계를 가지는 데이터를 처리하는데 유용한 시퀀스-투-시퀀스(Sequence-to-Sequence, Seq2Seq)기법을 활용해 다양한 시간 간격에 따른 방문자 수와 움직임 패턴을 학습하고, 이를 바탕으로 카페의 혼잡도를 실시간으로 예측하는 시스템을 개발하였다. 이 시스템은 카페의 관리자와 이용자 모두에게 예상 혼잡도를 제공함으로써, 카페의 운영 효율성을 향상시키고, 고객 만족도를 높일 수 있다. 본 연구에서는 보안 카메라를 활용한 실내 위치 추적 기술의 효용성을 입증하며, 상업적 공간에서의 활용 가능성과 더불어 미래 연구 방향을 제시한다.