• 한국소프트웨어감정평가학회 논문지
• /
• 제16권2호
• /
• pp.127-133
• /
• 2020

인공지능의 활용성이 다양해지면서 소형 휴대용기기에 알고리즘을 탑재하려는 요구가 증가하고 있다. 또한 임베디드 시스템이 고성능화하면서 운영체제는 물론 고속연산 및 머신러닝의 알고리즘 구현이 가능해 지고 있다. 그러나 반복연산과 방대한 학습데이터를 처리하는 머신러닝알고리즘의 특성으로 네트워크 연결에 의한 클라우드 환경에 의존하고 있다. 임베디드 시스템에서의 독자적인 운영을 위해서는 저 전력화 및 최적화 알고리즘에 의한 빠른 실행이 요구된다. 본 연구에서는 스마트 제어를 목적으로 임베디드 시스템에 에너지 측정용 센서를 연결하고, 실시간 측정 및 모니터링 시스템으로 측정정보를 데이터베이스로 저장하는 장치를 구현하였다. 연속적으로 측정되어 저장된 데이터는 학습 알고리즘에 적용하여, 최적화 전력제어에 활용가능하며, 에너지 측정에 요구되는 다양한 센서의 인터페이스가 가능한 시스템을 구성하였다.

• 한국컴퓨터정보학회논문지
• /
• 제10권6호
• /
• pp.187-194
• /
• 2005

연속 영상을 이용하여 실시간으로 움직임 객체를 추출하고 추적하기 위해 배경분리(Background Subtraction) 기법을 주로 사용한다. 외부 환경에서는 조명 조건의 변화, 나무의 흔들림과 같은 반복적인 움직임 그리고 급격히 움직이는 객체 등과 같이 고려해야할 많은 환경 변화 요인들이 존재한다. 이러한 외부 환경의 변화를 적응적으로 반영하여 배경을 분리할 수 있는 배경 모델로는 주로 가우시안 혼합 모델 (GMM: Gaussian Mixture Model)이 적용되고 있으며, 실시간 성능 등을 개선시킨 적응적 가우시안 혼합 모델 등이 제안되어 사용되고 있다. 본 논문은 개선된 적응적 가우시안 혼합 모델을 적용하고 고정된 학습률 a(일반적으로 작은 값)을 사용함으로써 물체의 갑작스러운 움직임 등에 빠르게 적응하지 못하는 문제점을 해결하기 위해 가우시안 분포 수의 적응적 조절 기능과 픽셀 값의 분산 등을 이용하여 학습률 a값을 동적으로 제어하는 방법을 제안하고 성능을 평가하였다.