• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.9 no.5
• /
• pp.101-107
• /
• 2009

In this paper, we describe a method of detecting emergency situation using images from surveillance cameras and propose a mobile robot tracking system for detailed examination of that situation. We are able to track a few persons and recognize their actions by an analyzing image sequences acquired from a fixed camera on all sides of buildings. When emergency situation is detected, a mobile robot moves and closely examines the place where the emergency is occurred. In order to recognize actions of a few persons using a sequence of images from surveillance cameras images, we need to track and manage a list of the regions which are regarded as human appearances. Interest regions are segmented from the background using MOG(Mixture of Gaussian) model and continuously tracked using appearance model in a single image. Then we construct a MHI(Motion History Image) for a tracked person using silhouette information of region blobs and model actions. Emergency situation is finally detected by applying these information to neural network. And we also implement mobile robot tracking technology using the distance between the person and a mobile robot.

• KIPS Transactions on Software and Data Engineering
• /
• v.10 no.11
• /
• pp.491-500
• /
• 2021

In this study, we propose a method for detecting fall behavior using MS Kinect v2 RGBD Camera-based Human-Skeleton Keypoints and a 2-Stacked Bi-LSTM model. In previous studies, skeletal information was extracted from RGB images using a deep learning model such as OpenPose, and then recognition was performed using a recurrent neural network model such as LSTM and GRU. The proposed method receives skeletal information directly from the camera, extracts 2 time-series features of acceleration and distance, and then recognizes the fall behavior using the 2-Stacked Bi-LSTM model. The central joint was obtained for the major skeletons such as the shoulder, spine, and pelvis, and the movement acceleration and distance from the floor were proposed as features of the central joint. The extracted features were compared with models such as Stacked LSTM and Bi-LSTM, and improved detection performance compared to existing studies such as GRU and LSTM was demonstrated through experiments.

• Proceedings of the Korean Society for Emotion and Sensibility Conference
• /
• 2003.05a
• /
• pp.107-110
• /
• 2003

본 연구에서는 EEG를 이용하여 정신집중 시, 뇌 기능의 변화를 알아보았다. 실험은 건강한 남녀 고교생 9명을 대상으로 EEG는 Fp1. Fp2, F3, F4, P3, P4, T5, T6, O1, O2의 10위치에 대하여 정신집중 작업 진의 3분과 작업 시 30분간을 측정하였다. 작업은 PC를 이용하였으며 모니터 상의 움직임에 집중하고 목표자극을 탐지하였을 때 신속하게 적절한 반응키를 누르도록 하였다. 각 주파수 대역은 theta2와 (6.0-8.0Hz), alpha1파 (8.0-10.0Hz), alpha2파(10.0-12.0Hz)로 구분하였으며 비대칭지수를 이용하여 분석하였다. 그 결과, 정신집중 작업 시 theta1, theta2, alpha1대역에서 두정엽의 우반구과 측두엽 및 후두엽의 좌반구영역이 우세하였다. 이들 영역은 시갈, 지각, 움직임 기능을 수행하며 theta2파가 주의, alpha1파가 각성 관련이다. 이상의 결과에서 두정엽의 우반구와 측두엽 및 후두엽의 좌반구영역의 theta1파, theta2파, alpha1파가 정신집중 작업 시 중요한 역할을 담당하는 것으로 나타났다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.04a
• /
• pp.181-182
• /
• 2017

관성 센서 기반 행위인지는 스마트폰과 웨어러블 밴드 등의 출현으로 보다 간편한 방법으로 행위인지가 가능해졌다. 현재 대부분의 행위인지 서비스나 연구들은 단일 행위의 결론만을 도출하고 있으나, 이러한 방식은 한 행위에서 한 가지 동작밖에 취할 수 없는 경우에는 문제가 없지만 두 가지 이상의 동작이 합쳐진 경우에 어떤 행위를 최종 결론으로 도출해야 하는지에 대한 문제점을 내포한다. 따라서 본 논문에서는 이러한 문제점을 해결하기 위해 세 개의 센서 기기 (스마트폰, 스마트워치, 웨어러블 센서)를 이용한 멀티 레이블 행위인지를 제안한다. 스마트폰은 신체 전반적인 움직임 탐지를 위하여 소지위치가 정해지지 않은 비고정식 센서의 보조적인 역할을 수행한다. 스마트워치는 사용자가 주로 사용하는 손의 손목, 그리고 웨어러블 센서는 사용자의 허벅지에 부착되어 각각 상하체의 움직임을 파악한다. 이후 각 기기에서 도출된 결론에 Majority Weighted Voting 기법을 적용하여 단일 혹은 멀티 레이블의 최종 행위를 도출한다.

• Proceedings of the KIEE Conference
• /
• 2006.07d
• /
• pp.1765-1766
• /
• 2006

색상 기반 손 탐색 알고리즘은 색상과 움직임 정보만을 사용하기 때문에 근처에 다른 사람의 손이 오는 경우 이를 구분하지 못하는 단점을 가진다. 본 논문에서는 이를 극복하기 위해 어깨선 추출을 이용한 보다 정확한 손 위치 파악 알고리즘을 개발하였다. 어깨선 추출 알고리즘은 목 바로 아래 어깨 점을 시작으로 원형의 탐색 공간을 각 원형으로 돌아서면서 탐색을 하는 방법으로 어깨선을 추출한다. 이때 탐색 영역안의 각각의 각들은 임의의 영역을 가진다. 이 영역들에서 우리가 정의한 에너지 함수에 의해서 에너지 값을 계산하게 된다. 최종적으로 에너지 값이 가장 큰 각으로 어깨선을 추출해 나가는 방법을 취한다. 이러한 알고리즘을 이용하여 실제 동영상 내에서의 어깨선 추출을 실험하고 제안된 알고리즘의 우수성을 증명한다.

• Journal of the Institute of Electronics Engineers of Korea SP
• /
• v.40 no.1
• /
• pp.87-95
• /
• 2003

This paper proposes an object detection algorithm using the Multiresolution Motion Estimation(MRME) in wavelet d야main. A existing motion estimation method has characteristics of motion estimation but it requires having computation. Motion estimation in higher resolution used the motion vector of the lower resolution with the MRME that has parent-child relationship on wavelet coefficients. This method reduces the search area of motion estimation in higher resolution and computational complexity. The computational complexity of the proposed method is about 40% of the existing method using 3-level Set Partitioning in Hierarchical Trees(SPIHT) wavelet transform. The experimental results with the proposed method showed about 11% decrease of Mean Absolute Difference(MAD) and gains able to precise tracking of object.

• Proceedings of the Korean Society for Cognitive Science Conference
• /
• 2000.05a
• /
• pp.25-30
• /
• 2000

KUeyes(Korea University's eyes)는 인간의 시각 정보처리 과정을 모델로 하여 고려대학교 인공시각연구센터에서 개발된, 스테레오 컬러 영상을 실시간으로 처리할 수 있는 능동시각 시스템이다. 실시간 처리를 위하여 KUeyes는 병렬 처리가 가능하도록 개발된 영상 획득 및 영상 처리 모듈을 가지고 있으며, 다해상도 영상 변환 기법을 사용하여 입력 영상의 처리속도를 증진시키고 있다. 이 시스템은 외형적으로는 처리된 영상에 따라 반응하여 움직이는 10-자유도의 헤드 아이 시스템으로 구성되어 있다. 본 연구에서는 영상의 칼라 정보와 움직임 정보 등을 실시간으로 분석하여 지능적이고 빠르게 개체를 탐지하고 추적하는 인간의 시각 반응 및 인식 모델을 KUeyes에 탑재하여 구현하고 실험하였다. 실험에서 얻어진 결과는 KUeyes가 인간의 시각, 인식시스템을 적절히 모델링하고 있음을 보여 주었다. 이는 KUeyes의 작동 방식과 거기에 탑재된 영상 처리 기법들이 인간의 시각 정보처리 과정을 이해하는데 매우 적합한 것임을 시사한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2018.07a
• /
• pp.515-516
• /
• 2018

본 논문에서는 수동 적외선 (PIR: passive infrared) 센서를 탑재한 센싱 시스템과 딥러닝 알고리즘을 활용하여 실내 환경에서 사용자의 이동 방향을 인식하기 위한 방법을 제안한다. PIR 센싱 소자는 사람의 이동 방향에 따라 구별이 가능한 신호를 발생시키는데, 4개의 PIR 센서를 $45^{\circ}$씩 증가하도록 배치한 센싱 시스템을 개발하여 실내 천장에 설치한 뒤 6명의 사용자로부터 인식 범위 내에서 움직이는 동안 PIR 센서 신호를 수집하였다. 수집한 원시 데이터와 특징 데이터를 추출하여 딥러닝 알고리즘을 적용한 인식률을 실험하였으며, 제안한 센싱 시스템과 딥러닝 알고리즘이 사용자의 움직임을 99.2%%로 인식할 수 있음을 보였다. 또한 한 개의 센서만을 이용하였을때에도 98.4%의 정확도로 사용자의 움직임 방향을 탐지하였다.

• Geophysics and Geophysical Exploration
• /
• v.2 no.3
• /
• pp.154-158
• /
• 1999

This paper introduces a partial edge detection technique, that improves the processing time of an automatic change tracking system for multi-temporal images. In the conventional change tracking systems for multi-temporal images, the edge detection is performed over the whole image. In the proposed method, however, the necessary portions for the edge detection is selected first and the edge detection is performed over the selected parts only. As a consequence, the improvement in the processing time could be achieved. The proposed change tracking system is expected to be utilized as a very efficient tool to configure changes in large data set such as remotely sensed satellite imagery or geophysical time laps images.

• Journal of the Korea Institute of Military Science and Technology
• /
• v.8 no.2 s.21
• /
• pp.14-21
• /
• 2005

This paper describes the system for detecting the tank crew's(loader's) hand, arm, head and the upper half of the body in a danger area between the turret ceiling and the upper breech mechanism by computer vision-based method. This system informs danger of pressed to death to gunner and commander for the safety of operating mission. The camera mounted ort the top portion of the turret ceiling. The system sets search moving object from this image and detects by using change of image, laplacian operator and clustering algorithm in this area. It alarms the tank crews when it's judged that dangerous situation for operating mission. The result In this experiment shows that the detection rate maintains in $81{\sim}98$ percents.