• 지능정보연구
• /
• 제20권2호
• /
• pp.109-122
• /
• 2014

현재 우리는 소셜 네트워크 서비스(Social Network Service, 이하 SNS) 상에서 수많은 데이터를 만들어 내고 있다. 특히, 모바일 기기와 SNS의 결합은 과거와는 비교할 수 없는 대량의 데이터를 생성하면서 사회적으로도 큰 영향을 미치고 있다. 이렇게 방대한 SNS 데이터 안에서 사람들이 많이 이야기하는 이슈를 찾아낼 수 있다면 이 정보는 사회 전반에 걸쳐 새로운 가치 창출을 위한 중요한 원천으로 활용될 수 있다. 본 연구는 이러한 SNS 빅데이터 분석에 대한 요구에 부응하기 위해, 트위터 데이터를 활용하여 트위터 상에서 어떤 이슈가 있었는지 추출하고 이를 웹 상에서 시각화 하는 트위터이슈 트래킹 시스템 TITS(Twitter Issue Tracking System)를 설계하고 구축 하였다. TITS는 1) 일별 순위에 따른 토픽 키워드 집합 제공 2) 토픽의 한달 간 일별 시계열 그래프 시각화 3) 토픽으로서의 중요도를 점수와 빈도수에 따라 Treemap으로 제공 4) 키워드 검색을 통한 키워드의 한달 간 일별 시계열 그래프 시각화의 기능을 갖는다. 본 연구는 SNS 상에서 실시간으로 발생하는 빅데이터를 Open Source인 Hadoop과 MongoDB를 활용하여 분석하였고, 이는 빅데이터의 실시간 처리가 점점 중요해지고 있는 현재 매우 주요한 방법론을 제시한다. 둘째, 문헌정보학 분야뿐만 아니라 다양한 연구 영역에서 사용하고 있는 토픽 모델링 기법을 실제 트위터 데이터에 적용하여 스토리텔링과 시계열 분석 측면에서 유용성을 확인할 수 있었다. 셋째, 연구 실험을 바탕으로 시각화와 웹 시스템 구축을 통해 실제 사용 가능한 시스템으로 구현하였다. 이를 통해 소셜미디어에서 생성되는 사회적 트렌드를 마이닝하여 데이터 분석을 통한 의미 있는 정보를 제공하는 실제적인 방법을 제시할 수 있었다는 점에서 주요한 의의를 갖는다. 본 연구는 JSON(JavaScript Object Notation) 파일 포맷의 1억 5천만개 가량의 2013년 3월 한국어 트위터 데이터를 실험 대상으로 한다.

• 한국지리정보학회지
• /
• 제22권3호
• /
• pp.82-98
• /
• 2019

정보화 사회로 진입하면서 공간정보의 중요성은 급격하게 부각되고 있다. 특히 스마트시티, 디지털트윈과 같은 Real World Object의 3차원 공간정보 구축 및 모델링은 중요한 핵심기술로 자리매김하고 있다. 구축된 3차원 공간정보는 국토관리, 경관분석, 환경 및 복지 서비스 등 다양한 분야에서 활용된다. 영상기반의 3차원 모델링은 객체 벽면에 대한 텍스처링을 생성하여 객체의 가시성과 현실성을 높이고 있다. 하지만 이러한 텍스처링은 영상 취득 당시의 가로수, 인접 객체, 차량, 현수막 등의 물리적 적치물에 의해 필연적으로 폐색영역이 발생한다. 이러한 폐색영역은 구축된 3차원 모델링의 현실성과 정확성 저하의 주요원인이다. 폐색영역 해결을 위한 다양한 연구가 수행되고 있으며, 딥러닝을 이용한 폐색영역 검출 및 해결방안에 대한 연구가 수행되고 있다. 딥러닝 알고리즘 적용한 폐색영역 검출 및 해결을 위해서는 충분한 학습 데이터가 필요하며, 수집된 학습 데이터 품질은 딥러닝의 성능 및 결과에 직접적인 영향을 미친다. 따라서 본 연구에서는 이러한 학습 데이터의 품질에 따라 딥러닝의 성능 및 결과를 확인하기 위하여 다양한 영상품질을 이용하여 영상의 폐색영역 검출 능력을 분석하였다. 폐색을 유발하는 객체가 포함된 영상을 인위적이고 정량화된 영상품질별로 생성하여 구현된 딥러닝 알고리즘에 적용하였다. 연구결과, 밝기값 조절 영상품질은 밝은 영상일수록 0.56 검출비율로 낮게 나타났고 픽셀크기와 인위적 노이즈 조절 영상품질은 원본영상에서 중간단계의 비율로 조절된 영상부터 결과 검출비율이 급격히 낮아지는 것을 확인할 수 있었다. F-measure 성능평가 방법에서 노이즈 조절한 영상품질 변화가 0.53으로 가장 높게 나타났다. 연구결과로 획득된 영상품질별에 따른 폐색영역 검출 능력은 향후 딥러닝을 실제 적용을 위한 귀중한 기준으로 활용될 것이다. 영상 취득 단계에서 일정 수준의 영상 취득과 노이즈, 밝기값, 픽셀크기 등에 대한 기준을 마련함으로써 딥러닝을 실질적인 적용에 많은 기여가 예상된다.

• 한국컴퓨터정보학회논문지
• /
• 제26권1호
• /
• pp.45-55
• /
• 2021

본 논문은 고해상도를 가지는 영상에서 겹쳐져있는 소형 물체를 효과적으로 검출하고 추적하는 알고리즘을 제안한다. Coarse to Fine 방식을 기본으로 하는 두 개의 Deep-Learning Network을 앙상블 형태로 구성하여 차량이 존재할 위치를 미리 판단하고 서브영역으로 선택한 이미지로부터 차량을 정확하게 검출한다. Coarse 단계에서는 서로 다른 다수의 Deep-Learning Network 에 대한 각각의 결과로 Voting Space를 생성한다. 각 Voting Space 의 조합을 통해 Voting Map을 만들고 차량이 존재할 위치를 선택한다. Fine 단계에서는 Coarse 단계에서 선택된 영역을 기준으로 서브영역을 추출하고 해당 영역을 최종 Deep-Learning Network 에 입력한다. 서브 영역은 Voting Map을 이용하여 영상에서의 높이에 적합한 크기의 동적 윈도우를 생성함으로써 정의되며, 본 논문에서는 원거리에서 근거리로 접근하는 도로의 이미지를 대상으로 미리 계산된 매핑테이블을 적용하였다. 각 서브 영역 간 이동하는 차량의 동일성 판단은 검출된 영역의 하단 중심점에 대한 근접성을 기반으로 하였으며, 이를 통해 이동하는 차량의 정보를 트래킹 하였다. 실제 주야간 도로 CCTV를 통해 획득한 실시간 영상에서 처리 속도 및 검출 성능을 비교 실험하여 제안한 알고리즘을 평가하였다.

• 비파괴검사학회지
• /
• 제32권2호
• /
• pp.177-184
• /
• 2012

ESPI는 비접촉 비파괴 방식으로 측정 대상체의 진동이나 변형에 따른 3차원 형상 정보의 취득에 효과적으로 사용되어 왔다. 측정 대상체와 계측 환경에 따라 면내, 면외, 전단간섭 등으로 구분할 수 있으며, 간섭계를 구성하는 광소자의 형태에 따라 벌크형과 광섬유형으로 나뉜다. 광섬유형 시스템은 크기가 작고 휴대하기 편하여 시스템 구성 및 정렬이 매우 용이하다. 본 논문에서는 광섬유 면외 ESPI를 이용한 광학계를 구성하였고, PZT를 이용하여 위상 변조를 ${\pi}/2$만큼 주기적으로 가하여 CCD 카메라에서 이미지를 획득하였다. 획득한 스페클 패턴 이미지는 후처리 과정을 통해 측정 대상체의 3차원 위상 정보를 얻게 된다. 내부 결함이 존재하는 압력용기에 질소 가스를 주입하여 변화되는 phase map을 관찰하였고, 또한 phase map의 후처리를 통하여 압력에 따른 대상체의 변화를 3차원으로 확인하였다.

• 한국멀티미디어학회논문지
• /
• 제8권1호
• /
• pp.46-55
• /
• 2005

본 논문에서는 소형 위협체를 조기에 탐지하여 위치를 알려주는 파노라믹 적외선 영상 경보 장치를 구현하였고, 경보 성능 향상을 위한 적외선 영상 향상 기법을 제안하였다. 구현 장치는 센서 헤드 유닛, 신호 처리 유닛 등으로 구성된다. 센서 헤드 유닛은 1차원 다중 배열 적외선 센서를 정속으로 고속 회전하여 360도의 넓은 시계 영역을 가지는 파노라믹 열영상을 획득한다. 신호 처리 유닛은 파노라믹 영상을 90도의 부영상으로 나누고, 각 부영역의 통계적 특성에 따라 적응적 평탄역값(adaptive plateau value)을 구한다 그리고 적응적 평탄역값으로 히스토그램을 변화시킴으로써 위협체을 두드러지게 하였으며, 실시간 처리를 위하여 DSP와 FPGA를 이용하여 장치를 구현하였다. 구현 시스템에 제안한 영상 향상 기법을 적용한 결과 기존 기법에 비해 오경보율이 낮음과 시각적으로 위협체의 식별이 용이함을 확인하였다.

• 정보처리학회논문지B
• /
• 제14B권1호
• /
• pp.13-22
• /
• 2007

본 논문은 극장이나 공연장에 설치된 CCTV 혹은 캠코더를 통해 입력받은 영상으로부터 패턴비교를 이용해 관객의 수를 카운팅하는 방법을 제안한다. 극장이나 공연장의 환경은 주로 어둡고 관객의 수가 많기 때문에 기존의 객체 검출에 의한 방법으로는 정확한 실시간 카운팅이 어렵다는 문제점을 가지고 있다. 따라서 본 논문에서는 극장이나 공연장의 좌석이 고정되어 있다는 점을 이용해 각 좌석마다 관객이 존재하지 않는 기준영상을 획득한 후 카운팅 하고자 하는 입력 영상의 동일 좌석 영상과 패턴비교를 이용해 각 좌석에서 관객의 유무를 판단한다. 특히, 본 논문에서는 기존 방법들이 지닌 조명 변화이나 잡음에 민감한 문제를 해결하기 위해 상호 보완적인 성능을 보이는 두 가지 특징인 크기투영과 Walsh-Hadamard Kernel에 기반한 패턴비교 방법들을 효과적으로 결합함으로써 조명이나 잡음의 영향을 최소화하고 정확한 카운팅을 가능하게 한다. 제안된 방법은 실제 극장에서 획득한 영상에 대한 실험을 통해 정확한 시스템 성능을 검증하며, 제안된 방법을 주차장에서 빈 주차공간을 확인하는데 적용해 봄으로써 다른 분야로의 적용 가능성을 확인한다.

• 한국정보통신학회논문지
• /
• 제25권12호
• /
• pp.1949-1955
• /
• 2021

최근 코로나 상황을 겪으면서 국가들은 의료인력과 그 기술에 대한 필요성을 심각하게 느끼고 있다. 고령화되고 있는 사회에 따라 실제로 의료진의 수는 줄고 있으며, 이러한 문제점을 해결하기 위해서 실제 의사가 하는 의료 행위 중고도의 전문성을 요구하지 않는 부분을 대체 할 수 있는 연구가 필요하다. 본 논문에서는 존재하는 다양한 딥러닝 영상처리 기반 기술을 활용하여 의료진이 직접 환자를 대면해야 하는 재활 분야에 적용할 수 있는 회복 상태를 확인하는 업무에 관한 무인 의료 시스템과 관련한 실제 연구 방법들을 서술하고 제안한다. 제안하는 방법은 실제 동작 비교에 사용했던 방법인 각도계나 사진에 선을 긋는 방법과 같은 수동적인 계산을 대체한다. 실시간으로 수행하므로 빠른 진단에 도움을 주며, 동작 수행 일치도에 대한 데이터를 확인할 수 있기에 의료진이 필요한 정보를 쉽게 제공한다.

• 자동차안전학회지
• /
• 제14권2호
• /
• pp.39-44
• /
• 2022

This paper presents LiDAR static obstacle map based vehicle position correction algorithm for urban autonomous driving. Real Time Kinematic (RTK) GPS is commonly used in highway automated vehicle systems. For urban automated vehicle systems, RTK GPS have some trouble in shaded area. Therefore, this paper represents a method to estimate the position of the host vehicle using AVM camera, front camera, LiDAR and low-cost GPS based on Extended Kalman Filter (EKF). Static obstacle map (STOM) is constructed only with static object based on Bayesian rule. To run the algorithm, HD map and Static obstacle reference map (STORM) must be prepared in advance. STORM is constructed by accumulating and voxelizing the static obstacle map (STOM). The algorithm consists of three main process. The first process is to acquire sensor data from low-cost GPS, AVM camera, front camera, and LiDAR. Second, low-cost GPS data is used to define initial point. Third, AVM camera, front camera, LiDAR point cloud matching to HD map and STORM is conducted using Normal Distribution Transformation (NDT) method. Third, position of the host vehicle position is corrected based on the Extended Kalman Filter (EKF).The proposed algorithm is implemented in the Linux Robot Operating System (ROS) environment and showed better performance than only lane-detection algorithm. It is expected to be more robust and accurate than raw lidar point cloud matching algorithm in autonomous driving.

• 한국해양학회지:바다
• /
• 제28권1호
• /
• pp.51-61
• /
• 2023

음향은 수중에서 원거리 전파가 가능하여 수심 측량, 수중 물체 탐지, 수중 통신, 유속 측정 등 다방면에서 해양관측에 널리 사용되고 있다. 본 논문에서는 해저면 계류형태의 압력측정 전도음향측심기(Pressure-recording Inverted Echo Sounder, PIES)를 활용하여 관측 가능한 해양물리현상(해류, 중규모 소용돌이, 내부파, 해면고도변화 등)에 대해 서술한다. 이어서 PIES장비 회수 없이 음향을 활용한 원격 자료획득법, 자동 자료전송 팝업 부표(Pop-up Data Shuttle, PDS)를 활용한 최신의 원격 자동자료획득법을 소개하고, 향후 실현 가능한 (준)실시간 원격 자동자료획득법을 덧붙인다.

• 센서학회지
• /
• 제32권2호
• /
• pp.88-94
• /
• 2023

Recently, piezoelectric tactile sensors have garnered considerable attention in the field of texture recognition owing to their high sensitivity and high-frequency detection capability. Despite their remarkable potential, improving their mechanical flexibility to attach to complex surfaces remains challenging. In this study, we present a flexible piezoelectric sensor that can be bent to an extremely small radius of up to 2.5 mm and still maintain good electrical performance. The proposed sensor was fabricated by controlling the thickness that induces internal stress under external deformation. The fabricated piezoelectric sensor exhibited a high sensitivity of 9.3 nA/kPa ranging from 0 to 10 kPa and a wide frequency range of up to 1 kHz. To demonstrate real-time texture recognition by rubbing the surface of an object with our sensor, nine sets of fabric plates were prepared to reflect their material properties and surface roughness. To extract features of the objects from the detected sensing data, we converted the analog dataset to short-term Fourier transform images. Subsequently, texture recognition was performed using a convolutional neural network with a classification accuracy of 97%.