• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.17 no.12
• /
• pp.427-436
• /
• 2016

Due to disasters such as earthquakes and landslides in urban areas, persons have been buried inside collapsed buildings and structures. Rescuers have mainly utilized detection equipment by applying sound, video and electric waves, but these are expensive and due to the directional approaches onto the collapsed site, secondary collapse risk can arise. In addition, due to poor utilization of such equipment, new human detection technology with quick and high reliability has not been utilized. To address these issues, this study develops a wireless signal-based human detection module that can be loaded into an Unmanned Aerial Vehicle (UAV). The human detection module searches for the 3D location for buried persons by collecting Wi-Fi signal and barometer sensors data transmitted from the mobile phones. This module can gain diverse information from mobile phones for buried persons in real time. We present a development framework of the module that provides 3D location data with more reliable information by delivering the collected data into a local computer in the ground. This study verified the application feasibility of the developed module in a real collapsed area. Therefore, it is expected that these results can be used as a core technology for the quick detection of buried persons' location and for relieving them after disasters that induce building collapses.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.7-10
• /
• 2021

에스컬레이터의 고장 여부를 사전에 파악하는 것은 경제적 손실뿐만 아니라 인명 피해를 예방할 수 있어서 매우 중요하다. 실제 이러한 고장 예측을 위한 많은 딥러닝 알고리즘이 연구되고 있지만, 설비의 이상 데이터 확보가 어려워 모델 학습이 어렵다는 문제점이 있다. 본 연구에서는 이러한 문제의 해결 방안으로 비지도 학습 기반의 방법론 중 하나인 LSTM Autoencoder 알고리즘을 사용해 에스컬레이터의 이상을 탐지하는 모델을 생성했고, 최종 실험 결과 모델 성능 AUROC가 0.9966, 테스트 Accuracy가 0.97이라는 높은 정확도를 기록했다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.302-302
• /
• 2021

지하차도의 경우 국지 및 돌발홍수가 발생할 경우 대부분 침수됨에도 불구하고 2020년 7월 23일 부산 지역에 밤사이 시간당 80mm가 넘는 폭우가 발생하면서 순식간에 지하차도 천장까지 물이 차면서 선제적인 차량 통제가 우선적으로 수행되지 못하여 미처 대피하지 못한 3명의 운전자 인명사고가 발생하였다. 수재해를 비롯한 재난 관리를 빠르게 수행하기 위해서는 기존의 정부 및 관주도 중심의 단방향의 재난 대응에서 벗어나 정형 데이터와 비정형 데이터를 총칭하는 빅데이터의 통합적 수집 및 분석을 수행이 필요하다. 본 연구에서는 부산지역의 지하차도와 인접한 지하터널 CCTV 자료(센서)를 통한 재난 발생 시 인명피해를 최소화 정보 제공을 위한 Object Detection(객체 탐지)연구를 수행하였다. 지하터널 침수가 발생한 부산지역의 CCTV 영상을 사용하였으며, 영상편집에 사용되는 CCTV 자료의 음성자료를 제거하는 인코딩을 통하여 불러오는 영상파일 용량파일 감소 효과를 볼 수 있었다. 지하차도에 진입하는 물체를 탐지하는 방법으로 YOLO(You Only Look Once)를 사용하였으며, YOLO는 가장 빠른 객체 탐지 알고리즘 중 하나이며 최신 GPU에서 초당 170프레임의 속도로 실행될 수 있는 YOLOv3 방법을 적용하였으며, 분류작업에서 보다 높은 Classification을 가지는 Darknet-53을 적용하였다. YOLOv3 방법은 기존 객체탐지 모델 보다 좀 더 빠르고 정확한 물체 탐지가 가능하며 또한 모델의 크기를 변경하기만 하면 다시 학습시키지 않아도 속도와 정확도를 쉽게 변경가능한 장점이 있다. CCTV에서 오전(일반), 오후(침수발생) 시점을 나눈 후 Car, Bus, Truck, 사람을 분류하는 YOLO 알고리즘을 적용하여 지하터널 인근 Object Detection을 실제 수행 하였으며, CCTV자료를 이용하여 실제 물체 탐지의 정확도가 높은 것을 확인하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.10b
• /
• pp.499-504
• /
• 2006

터널 내 화재 발생 시 대규모의 인명, 재산 피해가 발생하는데 이러한 상황을 조기에 탐지함으로써 피해를 최소화하기 위한 시스템이 필요하다. 또한 터널 내 설치된 CCTV를 사람이 24시간 감시하기에는 너무 어려운 점이 많다. 이에 따라 적절한 영상 처리를 통한 화염 및 연기 검출 시스템을 통해 경보를 알려줄 경우, 보다 편리하고 사람이 모니터 앞에 없을 때 화재 발생 시 화재를 검출할 수 있어 피해를 최소화 할 수 있다. 본 논문에서는 영상처리 기법을 이용하여 터널 안에서 발생한 화재 및 연기를 고속으로 탐지하기 위한 알고리즘을 제안하였다. 터널 안에서의 화재 탐지는 차량 조명 및 터널내의 조명등과 같은 여러 가지 상황에 의해 산불 탐지 알고리즘과 다른 독자적인 알고리즘의 개발이 요구된다. 본 논문에서 제시한 두 가지 알고리즘은 기존 알고리즘보다 정확한 위치 탐지와 초기 단계에서의 탐지가 가능하도록 되었다. 또한 우리는 실험 결과를 통해 각각의 성능을 비교함으로써 제시한 알고리즘의 타당성을 보여주었다.

• Electronics and Telecommunications Trends
• /
• v.12 no.6 s.48
• /
• pp.150-164
• /
• 1997

정보화 사회의 진전과 더불어 정보통신의 역할이 사회에 미치는 파급효과가 갈수록 커지고 있다. 이러한 파급효과 중 최근 주목을 받고 있는 이 방재이다. 특히, 자연재해의 경우 엄청난 재산상 및 인명상의 피해를 가져오게 된다. 하지만, 자연재해가 갑자기 발생하는 경우는 매우 드물다. 따라서, 재해 발생 징후를 탐지하여 이에 신속하게 대처하거나 재해 발생시에 신속한 상황처리가 이루어진다면, 재산상 및 인명상의 피해를 최소화할 수 있게 된다. 이러한 과정에서 정보통신은 커다란 역할을 수행하게 된다. 본 고는 이러한 재해와 관련되어 정보통신, 특히 위성통신과 이동통신이 어떤 역할을 수행하게 되는지에 대해 살펴보고자 한다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2022.11a
• /
• pp.319-320
• /
• 2022

해무는 해면에 인접한 층에서 수증기가 응결하여 대기 중에 부유하는 현상으로 기상학적으로 수평 가시거리가 1km이하 일때로 정의되며 해무로 인해 항공기 이착륙 지연, 교통사고, 운항 통제, 인명 피해 등 사회적, 경제적 피해를 유발하고 있다. 본 연구에서는 기존의 해무 발생, 탐지, 예측과 관련한 연구를 비교 분석하여 향후 연구개발의 방향을 제시하고자 한다. 해무 발생, 예측과 관련하여 연구개발이 진행되어 왔으나 해무의 특성상 규칙성이 약하고 고정적인 측정법이나 이를 다루기 위한 네트워크가 부족하여 예측하기가 어렵다. 특히, 국내에서는 국립해양조사원과 기상청에서 해무 탐지 및 예측에 관한 연구개발 및 서비스가 진행되고 있으나 현업화가 이루어지지 않거나 특정지점에 대한 정보만 제공되고 있는 한계가 있다. 따라서, CCTV영상, 인공위성 영상, 시정계, 기상자료, 수치모형을 통해 수집된 정보를 통합하여 예측할 수 있는 인공지능기반의 해무 탐지 및 예측 기술개발이 진행되어야 할 것이다.

• Journal of Internet Computing and Services
• /
• v.23 no.4
• /
• pp.57-64
• /
• 2022

If the inside of a building collapses due to a disaster such as fire, collapse, or natural disaster, the physical security inside the building is likely to become ineffective. Here, physical security is needed to minimize the human casualties and physical damages in the collapsed building. Therefore, this paper proposes an algorithm to minimize the damage in a disaster situation by fusing existing research that detects obstacles and collapsed areas in the building and a deep learning-based object detection algorithm that minimizes human casualties. The existing research uses a single camera to determine whether the corridor environment in which the robot is currently located has collapsed and detects obstacles that interfere with the search and rescue operation. Here, objects inside the collapsed building have irregular shapes due to the debris or collapse of the building, and they are classified and detected as obstacles. We also propose a method to detect rescue requesters-the most important resource in the disaster situation-and minimize human casualties. To this end, we collected open-source disaster images and image data of disaster situations and calculated the accuracy of detecting rescue requesters in disaster situations through various deep learning-based object detection algorithms. In this study, as a result of analyzing the algorithms that detect rescue requesters in disaster situations, we have found that the YOLOv4 algorithm has an accuracy of 0.94, proving that it is most suitable for use in actual disaster situations. This paper will be helpful for performing efficient search and rescue in disaster situations and achieving a high level of physical security, even in collapsed buildings.

• Proceedings of the Korea Contents Association Conference
• /
• 2019.05a
• /
• pp.433-434
• /
• 2019

전 세계적으로 돌발적인 인공 재해로 인해 많은 인명 피해가 발생하고 있다. 이러한 재해는 발 빠른 대피가 중요하며 신속한 대피를 위해서는 재해 발생 여부를 빠르게 감지해야 한다. 본 논문에서는 공공장소에서 화재, 테러 등의 재해 발생 여부를 신속하게 파악하기 위해 재난 탐지 모델을 제안하였다. 스마트 폰에 내장되어있는 가속도 센서를 이용하여 평상시 상황과 재해 발생시 인간 행동에 대한 데이터를 얻고, 제안한 LSTM 딥러닝 모델을 통해 재난 발생을 즉시 감지 할 수 있다는 것을 확인하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2022.10a
• /
• pp.54-57
• /
• 2022

Korea has a vulnerable environment from the risk of wildfires, which causes great damage every year. To prevent this, a lot of manpower is being used, but the effect is insufficient. If wildfires are detected and extinguished early through artificial intelligence technology, damage to property and people can be prevented. In this paper, we studied the object double detection method with the goal of minimizing the data collection and processing process that occurs in the process of creating an object detection model to minimize the damage of wildfires. In YOLOv5, the original image is primarily detected through a single model trained on a limited image, and the object detected in the original image is cropped through Crop. The possibility of improving the false positive object detection rate was confirmed through the object double detection method that re-detects the cropped image.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• fall
• /
• pp.335-337
• /
• 2021

최근 드론의 용도는 취미, 공연, 농업, 안전, 군사, 연구, 물자수송 등 다양한 분야와 목적으로 활용되고 있다. 더불어 드론의 불법적 활용으로 인한 안전 및 법적 문제 또한 빈번히 발생하고 있어, 이런 문제들을 예방하기 위한 드론의 탐지 기술이 활발히 연구되고 있다. 본 논문은 카메라로 촬영된 영상에서 조류와 같은 다른 객체와 구별하여 드론을 탐지하는 기술과 상공에서 바라본 객체들을 탐지하는 기술을 구현한다. 제안 방법은 딥러닝 기반의 YOLOv4를 사용하였다. UAV_123 데이터세트로 학습한 실험 결과, mAP는 85%, Recall은 85%, Precision은 81%의 정확도를 보였다. 제안 방법은 인명 구조, 배송, 건축 뿐만 아니라 안티 드론 시장에서도 효과적으로 활용될 수 있을 것으로 기대된다.