• ETRI Journal
• /
• 제35권1호
• /
• pp.80-88
• /
• 2013

A passive infrared or pyroelectric infrared (PIR) sensor is mainly used to sense the existence of moving objects in an indoor environment. However, in an outdoor environment, there are often outbreaks of false alarms from environmental changes and other sources. Therefore, it is difficult to provide reliable detection outdoors. In this paper, two algorithms are proposed to reduce false alarms and provide trustworthy quality to surveillance systems. We gather PIR signals outdoors, analyze the collected data, and extract the target features defined as window energy and alarm duration. Using these features, we model target and false alarms, from which we propose two target decision algorithms: window energy detection and alarm duration detection. Simulation results using real PIR signals show the performance of the proposed algorithms.

• Computers and Concrete
• /
• 제20권5호
• /
• pp.521-527
• /
• 2017

This paper proposes using the multi-type sensor vibration measurements, such as from a relative displacement sensors and a traditional accelerometer for the damage detection of shear connectors in composite bridge under moving loads. Hilbert-Huang Transform (HHT) spectra of these responses will be fused with a data fusion approach i.e., Dempster-Shafer method, to detect the damage of shear connectors. Experimental studies on a composite bridge model in the laboratory are conducted to demonstrate the effectiveness and performance of using the proposed approach in detecting the damage of shear connectors in composite bridges. Both undamaged and damaged scenarios are considered. The detection results with the data fusion of multi-type sensor measurements show a more reliable and robust performance and accuracy, avoiding the false identifications.

• 한국디지털정책학회:학술대회논문집
• /
• 한국디지털정책학회 2007년도 춘계학술대회
• /
• pp.333-339
• /
• 2007

본 연구는 재해를 줄이고 철저한 대비를 하기 위하여 재난에 관한 정보를 체계적으로 수집 및 분석하고 이를 활용 할 수 있는 소방방재 또는 정보시스템이 요구되고 있다. 도시방재관리시스템이란 관점에 있어서 도시건물의 센서네트워크 환경의 방재 및 피난대피 유도시스템 모델 구축을 통한 효과 및 개선방안을 고찰하였다.

• ETRI Journal
• /
• 제45권5호
• /
• pp.847-861
• /
• 2023

Dynamic object detection is essential for ensuring safe and reliable autonomous driving. Recently, light detection and ranging (LiDAR)-based object detection has been introduced and shown excellent performance on various benchmarks. Although LiDAR sensors have excellent accuracy in estimating distance, they lack texture or color information and have a lower resolution than conventional cameras. In addition, performance degradation occurs when a LiDAR-based object detection model is applied to different driving environments or when sensors from different LiDAR manufacturers are utilized owing to the domain gap phenomenon. To address these issues, a sensor-fusion-based object detection and classification method is proposed. The proposed method operates in real time, making it suitable for integration into autonomous vehicles. It performs well on our custom dataset and on publicly available datasets, demonstrating its effectiveness in real-world road environments. In addition, we will make available a novel three-dimensional moving object detection dataset called ETRI 3D MOD.

• Structural Monitoring and Maintenance
• /
• 제5권2호
• /
• pp.273-295
• /
• 2018

In this study, an investigation of a damage detection methodology for global condition assessment is presented. A particular emphasis is put on the utilization of wireless sensors for more practical, less time consuming, less expensive and safer monitoring and eventually maintenance purposes. Wireless sensors are deployed with a sensor roving technique to maintain a dense sensor field yet requiring fewer sensors. The time series analysis method called ARX models (Auto-Regressive models with eXogeneous input) for different sensor clusters is implemented for the exploration of artificially induced damage and their locations. The performance of the technique is verified by making use of the data sets acquired from a 4-span bridge-type steel structure in a controlled laboratory environment. In that, the free response vibration data of the structure for a specific sensor cluster is measured by both wired and wireless sensors and the acceleration output of each sensor is used as an input to ARX model to estimate the response of the reference channel of that cluster. Using both data types, the ARX based time series analysis method is shown to be effective for damage detection and localization along with the interpretations and conclusions.

• Nuclear Engineering and Technology
• /
• 제53권7호
• /
• pp.2229-2236
• /
• 2021

In nuclear-related facilities, such as nuclear power plants, research reactors, accelerators, and nuclear waste storage sites, radiation detection, and mapping are required to prevent radiation overexposure. Sensor network systems consisting of radiation sensor interfaces and wxireless communication units have become promising tools that can be used for data collection of radiation detection that can in turn be used to draw a radiation map. During data collection, malfunctions in some of the sensors can occasionally occur due to radiation effects, physical damage, network defects, sensor loss, or other reasons. This paper proposes a reproduction strategy for radiation maps using a U-net model to compensate for the loss of radiation detection data. To perform machine learning and verification, 1,561 simulations and 417 measured data of a sensor network were performed. The reproduction results show an accuracy of over 90%. The proposed strategy can offer an effective method that can be used to resolve the data loss problem for conventional sensor network systems and will specifically contribute to making initial responses with preserved data and without the high cost of radiation leak accidents at nuclear facilities.

• 전기학회논문지
• /
• 제59권9호
• /
• pp.1673-1679
• /
• 2010

A photovoltaic (PV) generator is significantly regarded as one important alternative of renewable energy systems recently. Fault detection and diagnosis of engineering dynamic systems is a fundamental issue to timely prevent unexpected damages in industry fields. This paper presents an intelligent monitoring approach and fault detection technique for PV generator systems by means of artificial neural network and statistical signal detection theory. We devise a multi-Fourier neural network model for representing dynamics of PV systems and apply a general likelihood ratio test (GLRT) approach for investigating our decision making algorithm in fault detection and diagnosis. We make use of a test-bed of ubiquitous sensor network (USN) based PV monitoring systems for testing our proposed fault detection methodology. Lastly, a real-time experiment is accomplished for demonstrating its reliability and practicability.

• 한국정보과학회논문지:데이타베이스
• /
• 제36권4호
• /
• pp.292-305
• /
• 2009

무선 센서 네트워크는 산업 공정 제어, 기계 및 자원 관리, 환경 및 서식지 모니터링 등 다양한 분야에서 활용되고 있다. 그리고 이러한 분야들에서 무선 센서 네트워크를 사용하는 주된 목적 중 하나는 이벤트 탐지이다. 사용자의 요청에 따른 다수의 이벤트를 탐지하기 위해서는 센서 데이터와 이벤트의 조건들과의 조인(Join) 연산이 필요하다. 만약 이벤트의 조건들이 너무 많고 그에 비해 센서 노드의 저장용량이 작을 경우, 센서 노드에 이벤트의 조건들을 저장하여 인-네트워크 조인(In-Network Join)을 할 수 가없다. 본 논문에서는 다수의 이벤트 조건들과 센서 노드의 제한적인 저장 용량을 고려하여, 에너지 효율적으로 다중 이벤트 탐지를 할 수 있는 조건 병합 기반의 인-네트워크 조인 방법을 제안하고자 한다. 이 방법은 원래의 이벤트 조건들 중에 일부를 병합된 조건으로 대체함으로써, 전체 이벤트의 조건의 개수를 줄인다. 메시지 전송에 대한 예측 모델을 만들어서 조건 병합의 대상을 선택하는 알고리즘에 적용하였다. 실험을 통하여 제안한 예측 모델에 대한 검증을 하고, 기존의 방법에 비해서 제안한 방법의 성능이 우수함을 입증하였다.

• 한국추진공학회지
• /
• 제20권2호
• /
• pp.56-66
• /
• 2016

모델기반 FDI 과정에서 모델오차와 센서잡음은 피할 수 없으므로 견실성은 모델기반 FDI에서 매우 중요하다. 본 연구에서는 이러한 선형모델 오차 및 신호잡음으로 인하여 고장진단 과정에서 발생하는 결함판단 오류들을 비선형 NARX (Nonlinear Auto Regressive eXogenous) 모델과 칼만추정기를 적용하여 개선하는 방법을 제안하였다. 최종 고장판단은 퍼지로직을 이용하여 발생하는 오차의 추이에 대한 확률로 결정하여 순간적인 신호잡음에 강인하도록 설계하였다. 시뮬레이션을 통하여 운용 환경조건에서 엔진제어기의 고장허용에 따른 성능을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제27권10호
• /
• pp.1-9
• /
• 2022

본 논문에서는 영상 데이터와 센서 데이터를 활용한 딥러닝 기반의 반려동물 이상행동 탐지 서비스를 제안한다. 최근 반려동물 보유 가구의 증가로 인해 기존 푸드 및 의료 중심의 반려동물 시장에서 인공지능을 더한 펫테크(Pet Tech) 산업이 성장하고 있다. 본 연구에서는 인공지능을 통한 반려동물의 건강관리를 위해 영상 및 센서 데이터를 활용한 딥러닝 모델을 기반으로 반려동물의 행동을 분류하고, 이상행동을 탐지하였다. 자택의 CCTV와 직접 제작한 펫 웨어러블 디바이스를 활용하여 반려동물의 영상 데이터 및 센서 데이터를 수집하고, 모델의 입력 데이터로 활용한다. 행동의 분류를 위해 본 연구에서는 반려동물의 객체를 검출하기 위한 YOLO(You Only Look Once) 모델과 관절 좌표를 추출하기 위한 DeepLabCut을 결합하여 영상 데이터를 처리하였고, 센서 데이터를 처리하기 위해 각 센서 별 연관관계 및 특징을 파악할 수 있는 GAT(Graph Attention Network)를 활용하였다.