• Journal of Astronomy and Space Sciences
• /
• 제28권3호
• /
• pp.193-201
• /
• 2011

A strategy for geostationary orbit (or geostationary earth orbit [GEO]) surveillance based on optical angular observations is presented in this study. For the dynamic model, precise analytical orbit model developed by Lee et al. (1997) is used to improve computation performance and the unscented Kalman filer (UKF) is applied as a real-time filtering method. The UKF is known to perform well under highly nonlinear conditions such as surveillance in this study. The strategy that combines the analytical orbit propagation model and the UKF is tested for various conditions like different level of initial error and different level of measurement noise. The dependencies on observation interval and number of ground station are also tested. The test results shows that the GEO orbit determination based on the UKF and the analytical orbit model can be applied to GEO orbit tracking and surveillance effectively.

• 한국항행학회논문지
• /
• 제15권6호
• /
• pp.1234-1240
• /
• 2011

최근 여러 분야에 걸쳐 기존의 감시시스템은 많은 문제점이 도출되고 있다. 이러한 문제점에 대해서 많은 연구가 활발히 진행 중이다. 따라서 본 논문에서는 각종 사고 예방 및 안전 운행에 도움을 주고, 위험 사항을 외부로 연계하거나 관리자에게 알려주며, 실시간 분석 및 파악이 가능한 지능형 영상감시시스템의 구성, 기술요소, 요구 기능과 이의 응용과 그 적용에 대하여 연구하였다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2009년도 춘계 종합학술대회 논문집
• /
• pp.856-860
• /
• 2009

본 논문에서는 빈 사무실의 침입을 감시하는 로봇을 설계하고 구현한다. 실시간 감시를 위해 TMO-Linux 커널을 사용하였고 로봇으로 X-Bot 플랫폼을 이용하였다. 로봇의 카메라 움직임을 제어하고 영상을 처리하는 영상서버를 설계하고 구현하였다. 또한 영상서버와 TMO 서버와 통신하며 로봇과 카메라를 제어하는 클라이언트를 설계하고 구현하였다.

• 한국ITS학회 논문지
• /
• 제11권3호
• /
• pp.63-69
• /
• 2012

넓은 지역에서의 종합감시시스템 구축은 인력을 효율적으로 관리할 수 있으며 자동화된 감시망을 구축하여 비감시 지역을 줄일 수 있는 특징이 있다. 본 논문에서는 넓은 지역에서 적용할 수 있는 지능형 종합감시시스템에서 입력되는 비디오의 특징을 위치와 용도별로 분석하여 적합한 비디오 감시 알고리즘을 선택할 수 있는 방안을 제시하였다. 7가지 대표적인 상황으로서 침입, 물건 버림/없어짐, 배회, 혼잡도 측정 등이다.

• 한국통신학회논문지
• /
• 제38B권7호
• /
• pp.589-595
• /
• 2013

최근 보안 관제를 위한 인원부족 및 감시 능력의 한계로 자동화된 지능형 관제 시스템에 대한 요구가 증가하고 있다. 이 논문에서는 지능형 감시시스템의 구축을 위하여 자동화된 객체추출 및 추적 시스템, 그리고 이상행위를 인지하는 이상행위 검출 시스템을 설계하고 구현하였다. 각 모듈은 기존의 연구 결과를 바탕으로 실제 환경에서 적용되고 상용화가 가능하도록 알고리즘의 성능을 높였으며, 구현 후 다양한 테스트를 통해 그 성과를 검증하였다. 특히, 배회 또는 도주와 같은 이상행위의 경우 1초 이내에 검출할 수 있었다.

• 한국건축시공학회:학술대회논문집
• /
• 한국건축시공학회 2020년도 가을 학술논문 발표대회
• /
• pp.55-56
• /
• 2020

The construction industry has the highest occupational fatality and injury rates related to accidents of any industry. Accordingly, safety managers closely monitor to prevent accidents in real-time by installing surveillance cameras at construction sites. However, due to human cognitive ability limitations, it is impossible to monitor many videos simultaneously, and the fatigue of the person monitoring surveillance cameras is also very high. Thus, to help safety managers monitor work and reduce the occupational accident rate, a study on object recognition in construction sites was conducted through surveillance cameras. In this study, we applied to the instance segmentation to identify the classification and location of objects and extract the size and shape of objects in construction sites. This research considers ways in which deep learning-based computer vision technology can be applied to safety management on a construction site.

• 한국정보통신학회논문지
• /
• 제16권6호
• /
• pp.1148-1152
• /
• 2012

본 논문에서는 퍼지 콘트라스트와 HOG 기법을 이용한 지능형 감시 시스템을 제안한다. 제안된 감시 시스템은 주로 침입자 탐지를 위한 것으로 감시 영상에서 명암 대비를 강조하기 위해 퍼지 콘트라스트 기법을 적용한 후, 감시 전/후 영상에 Substraction 기법을 적용한다. Substraction 기법이 적용된 영상에서 히스토그램의 변화가 큰 경우에는 침입자의 침입으로 간주한다. 침입으로 간주된 영상에서 감시 대상의 물체를 감시할 영상과 침입자를 실시간으로 추적하기 위한 영상으로 구분한다. 감시 대상의 물체를 감시할 영상에서는 퍼지 이진화를 적용한다. 퍼지 이진화를 적용한 영상에서 Blob 기법을 적용하여 객체화 한 후, 침입된 침입자의 영상을 저장한다. 침입자를 실시간으로 추적할 영상에서는 HOG 기법을 적용한 후, SVM 기법을 적용하여 움직이는 사람의 객체를 추적한다. 제안된 방법을 실제 실시간 영상에 적용한 결과, 제안된 감시 시스템이 효율적으로 침입자를 감시하는 것을 확인할 수 있었다.

• 대한원격탐사학회지
• /
• 제26권6호
• /
• pp.629-644
• /
• 2010

A real-time image georeferencing system requires all inputs to be determined in real-time. The intrinsic camera parameters can be identified in advance from a camera calibration process while other control information can be derived instantaneously from real-time GPS/INS data. The bottleneck process is tie point acquisition since manual operations will be definitely obstacles for real-time system while the existing extraction methods are not fast enough. In this paper, we present a fast-and-automated image matching technique based on the KLT tracker to obtain a set of tie-points in real-time. The proposed work accelerates the KLT tracker by supplying the initial guessed tie-points computed using the GPS/INS data. Originally, the KLT only works effectively when the displacement between tie-points is small. To drive an automated solution, this paper suggests an appropriate number of depth levels for multi-resolution tracking under large displacement using the knowledge of uncertainties the GPS/INS data measurements. The experimental results show that our suggested depth levels is promising and the proposed work can obtain tie-points faster than the ordinary KLT by 13% with no less accuracy. This promising result suggests that our proposed algorithm can be effectively integrated into the real-time image georeferencing for further developing a real-time surveillance application.

• 대한교통학회지
• /
• 제14권3호
• /
• pp.7-26
• /
• 1996

The estimation of real-time Origin-Destination(O-D) parameters, which gives travel demand between combinations of origin and destination points on a urban freeway network, from on-line surveillance traffic data is essential in developing an efficient ATMS strategy. On this need a real-time O-D parameter estimation model is formulated as a parameter adaptive filtering model based on the extended Kalman Filter. A Monte Carlo test have shown that the estimation of time-varying O-D parameter is possible using only traffic counts. Tests with field data produced the interesting finding that off-ramp volume predictions generated using a constant freeway O-D matrix was replaced by real-time estimates generated using the parameter adaptive filter.

• Journal of Information Processing Systems
• /
• 제17권2호
• /
• pp.227-241
• /
• 2021

Object detection techniques based on deep learning such as YOLO have high detection performance and precision in a single channel video stream. In order to expand to multiple channel object detection in real-time, however, high-performance hardware is required. In this paper, we propose a novel back-end server framework, a real-time AI vision platform (RAVIP), which can extend the object detection function from single channel to simultaneous multi-channels, which can work well even in low-end server hardware. RAVIP assembles appropriate component modules from the RODEM (real-time object detection module) Base to create per-channel instances for each channel, enabling efficient parallelization of object detection instances on limited hardware resources through continuous monitoring with respect to resource utilization. Through practical experiments, RAVIP shows that it is possible to optimize CPU, GPU, and memory utilization while performing object detection service in a multi-channel situation. In addition, it has been proven that RAVIP can provide object detection services with 25 FPS for all 16 channels at the same time.