• 한국항행학회논문지
• /
• 제19권1호
• /
• pp.74-79
• /
• 2015

본 논문에서는 실내 위치 추적의 오차를 개선하기 위해 AP (access point)의 RSSI (received signal strength indication)가 미약한 지점에서 위치 정보의 정확성을 높일 수 있도록 스마트폰 센서를 이용하여 사용자의 보행정보를 검출하여 실내 위치 추적 오차를 개선할 수 있는 실내 위치 추적 시스템을 제안한다. 가속도 센서는 사용자의 보행 중 활동을 감지하고 이를 이용하여 보폭과 이동 거리를 검출할 수 있고, 방향 센서는 디지털 나침반으로써 활용되어 사용자의 이동 방향을 검출한다. 실험을 통해 센서를 이용한 보행 정보 검출 결과 걸음 수와 이동방향 검출에 대해 정확도를 높였다. 따라서 추가적인 장비와 비용 없이 센서와 RSSI를 활용하여 사용자의 이동 방향과 거리를 추정하고 기존 실내 위치 추적 시스템에서 오차를 보정할 수 있는 가능성을 확인하였다.

• 정보보호학회논문지
• /
• 제26권5호
• /
• pp.1161-1170
• /
• 2016

본 논문에서는 스마트폰에서 손가락으로 서명하는 동적서명에서 위조서명에 강건한 검증 방법을 제안한다. 본 논문에서는 위조서명을 효과적으로 구분할 수 있도록 재생산 신경망의 일종인 1 class Auto-Encoder 모델을 사용한다. 핑거서명에서는 지원되지 않는 펜 압력 등 기존의 특징 정보 대신 대부분의 스마트폰에서 지원하는 가속도센서를 추가로 활용하여 서명이 이루어지고 있는 동안 스마트폰의 동적인 움직임의 특징정보를 추출한다. 서명 데이터는 리샘플링을 통해 길이를 맞추고, 일정한 크기로 정규화하여 사용한다. 제안 방법의 성능을 평가하기 위해 테스트셋을 구축하여 단일세션검증, 시간차 검증, 위조서명 검증의 3가지 실험을 실시하였다. 실험결과 위조서명 구분에 있어서 제안방법은 기존 방법보다 EER이 최대 6.9% 더 낮았다. 또한, 서명의 모양과 속도만 사용한 기존의 방식보다 가속도센서를 추가한 방식이 1.5% 나은 성능을 보였고, 최고 3.5%의 에러율을 얻었다.

• 한국인터넷방송통신학회논문지
• /
• 제22권1호
• /
• pp.111-120
• /
• 2022

가구는 실내에서 다른 구조물과 잘 어울리는지 확인하는 것이 구매결정에 있어서 필수적이며 COVID-19 사태로 인한 언택트 마케팅 상황에서는 더욱 중요한 요소가 되고 있다. 이에 따라 가구 배치 인테리어 시뮬레이션을 위해 ARCore, ARKit 등 AR(Augmented Reality) 오픈 소스의 등장으로 AR을 이용한 길이 측정법이 등장하고 있는 추세이다. AR를 이용하는 이러한 기존 방식은 평면 카메라 이미지를 토대로 깊이 맵(Depth Map)을 생성하고 복잡한 입체화 연산이 수반되는 방식이라 스마트폰을 사용하여 정확한 실내 크기 정보가 요구되는 작업에서는 한계가 드러난다. 본 논문에서는 ARCore, ARKit 사용 없이 스마트폰에 내장된 가속도 센서, 자이로스코프 센서만으로 정확한 실내 크기를 측정하는 방법을 제안한다. 또한 제시된 기법을 이용한 활용 예제로 미리 디자인된 방 인테리어를 각방에 맞게 적용하는 방법을 제시하였다.

• 국제학술발표논문집
• /
• The 9th International Conference on Construction Engineering and Project Management
• /
• pp.353-360
• /
• 2022

Due to the dense and complicated working environment, the construction industry is susceptible to many accidents. Worker's fall is a severe problem at the construction site, including falling into holes or openings because of the inadequate coverings as per the safety rules. During the construction or demolition of a building, openings and holes are formed in the floors and roofs. Many workers neglect to cover openings for ease of work while being aware of the risks of holes, openings, and gaps at heights. However, there are safety rules for worker safety; the holes and openings must be covered to prevent falls. The safety inspector typically examines it by visiting the construction site, which is time-consuming and requires safety manager efforts. Therefore, this study presented a worker-driven approach (the worker is involved in the reporting process) to facilitate safety managers by developing integrated computer vision and inertia sensors-based mobile applications to identify openings. The TensorFlow framework is used to design Convolutional Neural Network (CNN); the designed CNN is trained on a custom dataset for binary class openings and covered and deployed on an android smartphone. When an application captures an image, the device also extracts the accelerometer values to determine the inclination in parallel with the classification task of the device to predict the final output as floor (openings/ covered), wall (openings/covered), and roof (openings / covered). The proposed worker-driven approach will be extended with other case scenarios at the construction site.