• 한국지능시스템학회논문지
• /
• 제18권3호
• /
• pp.422-428
• /
• 2008

본 논문에서는 spatial gradient를 이용한 강인한 물체 추출 방법을 제안한다. 제안한 방법은 먼저 복잡한 환경과 다양한 빛의 변화에 의해 나타나는 에러 값 등을 해결하기 위해 기존에 제안된 입력 영상과 기준 영상에서 밝기와 색 성분을 이용하여 최초 배경을 제거한다. 배경을 제거한 다음, 그림자로 인식되어 전경 영역에 추가된 부분을 RGB 칼라 모델과 정규화 된 RGB 칼라 모델을 이용하여 제거하고, HSI 칼라 모델을 이용하여 불필요한 정보 값을 갖는 영역을 제거한다. 마지막으로, 배경으로 인식되어 전경으로부터 제거된 부분을 입력 영상의 공간상 정보인 spatial gradient와 HSI 칼라 모델을 이용하여 복구하는 방법을 제안한다. 마지막으로, 본 논문에서 제안한 알고리즘은 복잡하고 다양한 실내 외 환경에서의 실험을 통해 그 응용 가능성을 증명한다.

• 한국정보통신학회논문지
• /
• 제8권2호
• /
• pp.456-463
• /
• 2004

본 논문에서는 다양한 조명하에서 실시간으로 눈을 검출하고 추적하는 새로운 방법을 제안하고자 한다. 기존의 능동적 적외선을 이용한 눈 검출 및 추적 방법은 외부의 조명에 매우 민감하게 반응하는 문제점을 가지고 있으므로, 본 논문에서는 적외선 조명을 이용한 밝은 동공 효과와 전형적인 외형을 기반으로 한 사물 인식 기술을 결합하여 외부 조명의 간섭으로 밝은 동공 효과가 나타나지 않는 경우에도 견실하게 눈을 검출하고 추적 할 수 있는 방법을 제안한다. 눈 검출과 추적을 위해 SVM과 평균 이동 추적방법을 사용하였고, 적외선 조명과 카메라를 포함한 영상 획득 장치를 구성하여 제안된 방법이 효율적으로 다양한 조명하에서 눈 검출과 추적을 할 수 있음을 보여 주었다.

• 정보저장시스템학회:학술대회논문집
• /
• 정보저장시스템학회 2005년도 추계학술대회 논문집
• /
• pp.223-228
• /
• 2005

In oprical disk drives, surface defects on a disk distort tracking error signal and disturb a precision tracking control.. A conventional method against disk defect is held the tracking control signal when a defective portion is detected. However, if the defective portion is getting longer, objective lens will get away from following track. In order to keep the postion of spot from following track, the servo system must predict tracking error and control the object lens in the defective portion. A tracking control system for optical disk drives was proposed recently based on both Coprime Factorization(CF) and Zero Phase Erro. Tracking(ZPET) control. The system was proposed for overcome the limit of previously tracking error. But there were no research about the method against the defective portion. This paper proposes a new and simple ZPET construct. as a new method against the defective portion. From experimental results, we have proved that proposed method improves the performance against the defective portion, decreases the uncertainty of a model, and requires less memory than the previously proposed method.

• 방송공학회논문지
• /
• 제16권3호
• /
• pp.462-470
• /
• 2011

본 논문에서는 실시간 영상감시 시스템에서 방치되거나 제거된 객체를 강인하게 검출하는 알고리듬을 제안한다. 방치되거나 없어진 객체는 사람이나 다른 움직임의 원인에 의해서 나타나기 때문에 추적을 기반으로 한 방법을 사용하였다. 가우시안 혼합 모델에 의해 전경과 배경을 분리하고 그림자 제거 알고리듬을 적용하였다. 모폴로지를 수행하여 주변 잡음을 제거하고 객체 구분을 명확히 하였다. 그리고 검출된 정지 객체를 방치되거나 사라지는 객체 중의 하나로 분류하였다. 추적방법을 적용함과 동시에 정지된 객체에 모니터링 시간까지 부여하여 검출된 객체가 다른 객체에 의해서 폐색되는 현상을 개선하였다. 영역성장기법을 이용하여 방치된 객체와 제거된 객체의 분류 성능을 높였다. 또한 제안된 시스템을 DSP 기반으로 설계하여 실시간 구현을 하였다. 실험을 통해 제안한 방법의 우수성을 입증하였다.

• 한국지능시스템학회논문지
• /
• 제18권6호
• /
• pp.731-736
• /
• 2008

본 논문에서는, 가상 모델을 이용한 움직임 추출 방법을 제안한다. 제안한 방법은 첫 번째, 기존에 제안된 방법으로써 RGB 칼라 모델을 이용하여 전경 영역에 나타나는 에러 값을 제거하고, HSI 칼라 모델을 이용하여 불필요한 정보 값을 제거한다. 두 번째, 사람 10명의 신체 구조비를 이용하여 가상 모델을 생성한다. 그 때, 생성된 가상 모델을 추출된 영역에 매칭시키고, 원 탐색 기법을 이용하여 전경영역의 실제 인간의 머리에 대한 얼굴 실루엣을 추출한다. 세 번째 추출된 정보들을 이용하여 mean-shift 알고리즘에 적용시켜 물체를 추적한다. 마지막으로, 본 논문에서 제안한 알고리즘은 복잡하고 다양한 환경에서 실험을 통해 그 응용 가능성을 증명한다.

• 정보처리학회논문지A
• /
• 제11A권2호
• /
• pp.207-212
• /
• 2004

본 연구에서는 SCORM 시퀀싱 모델을 기반으로 학습객체의 구조에 대한 정보, 학습자에게 학습 객체를 어떻게 전달할 지를 결정하는 규칙 등을 포함하고 있는 학습 컨텐츠 구조를 제시한다. 다양한 학습 환경에서 학습 컨텐츠 객체의 재사용과 공유가 쉬워진다. 서로 다른 교수법을 적용하여 학습이 진행되도록 동일한 학습 객체들에 대한 시퀀싱 생성 도구를 개발한다. 또한 학습자 정보 트래킹을 위한 SCO(Sharable Content Object) 함수를 추가하고 학습 객체가 SCORM RTE(Run-Time Environment)와 통신을 위해 PIF(Package Interchange File)로 자동 패키징 시킨다.

• 한국컴퓨터정보학회논문지
• /
• 제29권1호
• /
• pp.51-59
• /
• 2024

교내 보행자 교통사고를 예방하고 안전한 환경을 조성하기 위해 교내 위험 구간을 설정하고, 해당 구역에서 차량 속도 측정 및 교차로 횡단보도에서의 차량과 보행자 상호작용을 실시간으로 감지하는 시스템을 설계하였다. YOLOv5s 모델과 Deep SORT 방법을 이용하여 구간 속도 측정 및 객체 추적을 수행하고, 횡단보도 구역에서는 YOLOv5s 객체 탐지 모델을 활용하여 보행자와 차량을 구분하는 조건별 출력 시스템을 개발하여 실시간으로 구동이 됨을 검증하였다. 이 시스템은 저렴한 비용으로 일반 스마트폰 카메라나 화상용 카메라를 활용하여 설치할 수 있으며, 대학 캠퍼스뿐만 아니라 비슷한 문제 지역에 도입하여 차량과 보행자의 안전을 위한 해결 방안으로 기대된다.

• 한국정보통신학회논문지
• /
• 제26권12호
• /
• pp.1794-1799
• /
• 2022

최근 증가하고 있는 도로 위 적재 불량 화물차는 비정상적인 무게 중심으로 인해 물체 낙하, 도로 파손, 연쇄 추돌 등 교통안전에 위해가 되고 한번 사고가 발생하면 큰 피해가 유발할 수 있다. 하지만 이러한 비정상적인 무게 중심은 적재 불량 차량 인식을 위한 주행 중 축중 시스템으로는 검출이 불가능하다는 한계점이 있다. 본 논문에서는 이러한 사회 문제를 야기하는 적재 불량 차량을 관리하기 위한 객체 인식 기반 AI 모델을 구축하고자 한다. 또한 AI-Hub에 공개된 약 40만 장의 데이터셋을 비교 분석하여 전처리를 통해 적재 불량 차량 검지 AI 모델의 성능을 향상시키는 방법을 제시한다. 또한 객체 추적을 통해 실시간 검지를 수행하는 방법을 제안한다. 이를 통해, 원시 데이터를 활용한 학습 성능 대비 약 23% 향상된 적재 불량 차량의 검출 성능을 나타냄을 보였다. 본 연구 결과를 통해 공개 빅데이터를 보다 효율적으로 활용하여, 객체 인식 기반 적재 불량 차량 탐지 모델 개발에 적용할 수 있을 것으로 기대된다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2004년도 학술대회지
• /
• pp.729-734
• /
• 2004

The e-Logistics means the virtual business activity and service architecture among the logistics companies based on the Internet technology. The management of vehicles' location in most conventional vehicle tracking system has some critical defects when it deals with data which are continuously changed. It means the conventional vehicle tracking system based on the conventional database is unable eventually to cope with the environment that should manage the frequently changed location of vehicles. The important things in the evaluation of the vehicle tracking system is to determine the threshold of cost of database ,update period and communication period between vehicles and the system. In other words, the difference between the reallocation of vehicle and the data in database can evaluate the overall performance of vehicle tracking systems. Most of the previous works considers only the information that is valid at the current time, and is hard to manage efficiently the past and future information. To overcome this problem, the efforts on moving objects management system(MOMS) and uncertainty processing have been started from a few years ago. In this paper, we propose an uncertainty processing model and system implementation of moving object that tracks the location of the vehicles. We adopted both linear-interpolation method and trigonometric function to chase up the location of vehicles for the past time as well as future time, respectively. We also explain the comprehensive examples of MOMS and uncertainty processing in parcel application that is one of major application of e-Logistics domain.

• 한국전자거래학회지
• /
• 제27권2호
• /
• pp.205-218
• /
• 2022

최근 제조업에서의 디지털 전환이 가속화되고 있다. 이에 따라 사물인터넷(internet of things: IoT) 기반으로 현장 데이터를 수집하는 기술의 중요성이 증대되고 있다. 이러한 접근법들은 주로 각종 센서와 통신 기술을 활용하여 특정 제조 데이터를 확보하는 것에 초점을 맞춘다. 현장 데이터 수집의 채널을 확장하기 위해 본 연구는 비전(vision) 인공지능 기반으로 제조 데이터를 자동 수집하는 방법을 제안한다. 이는 실시간 영상 정보를 객체 탐지 및 추적 기술로 분석하고, 필요한 제조 데이터를 확보하는 것이다. 연구진은 객체 탐지 및 추적 알고리즘으로 YOLO(You Only Look Once)와 딥소트(DeepSORT)를 적용하여 프레임별 객체의 움직임 정보를 수집한다. 이후, 움직임 정보는 후보정을 통해 두 가지 제조 데이터(생산 실적, 생산 시간)로 변환된다. 딥러닝을 위한 학습 데이터를 확보하기 위해 동적으로 움직이는 공장 모형이 제작되었다. 또한, 실시간 영상 정보가 제조 데이터로 자동 변환되어 데이터베이스에 저장되는 상황을 재현하기 위해 운영 시나리오를 수립하였다. 운영 시나리오는 6개의 설비로 구성된 흐름 생산 공정(flow-shop)을 가정한다. 운영 시나리오에 따른 제조 데이터를 수집한 결과 96.3%의 정확도를 보였다.