• 전자공학회논문지
• /
• 제51권9호
• /
• pp.139-147
• /
• 2014

본 논문에서는 다중객체 검출과 동시에 추적을 수행하는 이중계층구조의 파티클 샘플링을 제안한다. 제안된 방법은 다중 객체 검출을 위한 상위 계층 파티클 샘플링과 검출된 객체의 추적을 위한 하위 계층 파티클 샘플링으로 구성된다. 상위 계층에서는 빠른 객체 검출을 위해 슬라이딩 윈도우 대신 움직임 추정 기반의 부모 파티클 (parent particles; PP) 윈도우를 사용하여, 이동 객체 주위로 리샘플링된 파티클을 통해 객체를 검출한다. 하위 계층에서는 상위 계층에서 검출한 객체의 객체영역에 자식 파티클 (child particles; CP)을 생성하여 해당 객체를 추적한다. 실험결과를 통해 비디오 시스템에서 기존 객체 검출 방법보다 빠른 검출이 가능하고, 다중 객체를 효과적으로 추적할 수 있음을 확인하였다.

• 한국ITS학회 논문지
• /
• 제7권5호
• /
• pp.64-76
• /
• 2008

근본적인 교차로에서의 안전도 향상을 위해서는 사고발생 이전에 나타나는 사고의 개연성에 대한 연구가 필요하다. 교통사고는 교통상충상황의 연장선에서 발생하는 것으로써, 적은 시간과 한정된 공간에서 조사가 용이하고 자료취득이 수월하며 적은 비용으로 연구를 수행할 수 있다는 장점이 있다. 따라서 교통상충기법은 그 활용도가 높으며, 많은 필요성이 제기되고 있는 실정이다. 이에 본 연구에서는 신호교차로 영상을 입력받아서 교통상충을 자동으로 분석하고 처리할 수 있는 프로그램을 개발하였다. 본 프로그램은 CCTV카메라에서 입력되는 영상입력부, 입력된 영상을 배경영상, 현재영상, 차영상(difference image), 이동차량 분할(segmentation)영상을 저장하는 영상저장부, 저장된 영상을 상충알고리즘에 의해 상충판단을 하는 영상처리부, 그 처리된 결과는 디스플레이 해주는 영상출력부로 구분하여 처리한다. 프로그램 개발은 그래픽 언어인 LabVIEW 8.5버전과 VISION모듈 라이브러리를 이용하여 개발하였다.

• 한국전자통신학회논문지
• /
• 제17권4호
• /
• pp.571-576
• /
• 2022

무인화 기술의 획기적인 발달로 인해, 사용자 또는 객체의 위치를 정확히 추정하는 위치추정기술(Location Detection Technology : LDT)이 매우 중요하게 부각되고 있다. 대표적인 위치추정기술로 도달 시간을 측정하여 위치를 계산하는 TOA(: Time of Arrival)와 신호의 도달 시간차를 이용하여 위치를 계산하는 TDOA(: Time Difference of Arrival) 방식이 있다. 이들 기술은 3개 이상의 기지국들로부터 수신된 신호들을 기반으로 TOA의 경우에는 원을 TDOA의 경우에는 쌍곡선을 그려 교점을 계산해 위치를 추정하는 기술이다. 도심의 경우 전파 음영지역이 많이 발생하는데, 이 문제점을 개선하기 위해 많은 중계기가 설치되어 있다. 이러한 중계기를 거쳐서 수신되는 신호를 기반으로 단말기의 오차를 추정할 시 심각한 오차가 발생하게 된다. 본 논문은 중계기를 거쳐 수신된 신호를 이용하여, 위치를 정확하게 추정할 수 있는 기술을 제안한다. 제안된 기술은 한 개의 중계기와 두 개의 기지국으로부터 수신된 신호를 기반으로 TOA 및 TDOA 기법을 이용하여 단말기의 위치를 추정한다.

• 한국ITS학회 논문지
• /
• 제15권3호
• /
• pp.45-51
• /
• 2016

기존 실시간 신호제어시스템은 과포화 상황, 지점검지 및 매설식 검지체계의 문제점이 제기됨에 따라 ITS의 활성화와 검지체계의 발전 등으로 진보된 차세대 신호제어시스템의 개발이 요구되고 있다. 본 논문은 차세대 신호제어시스템을 위해 신호제어 기초 변수를 기존 통과교통량이 아닌 교차로 대기행렬을 활용할 수 있도록 대기행렬길이의 산출을 목적으로 하였다. 기존 시스템의 한계로 나타난 과포화 상황에 중점을 두어 범위를 설정하였다. 실시간으로 수집되는 개별차량 위치정보를 좌표로 변환하여 최소제곱법을 이용한 회귀모형에 적용하여 추출한 직선식을 충격파 모형에 적용하였다. 산출된 대기길이와 링크길이의 비교를 통해 대기길이가 링크를 초과하는 경우 상류부 대기차량이 하류부 교차로에 영향을 미친다고 판단하여 하류부 교차로 대기행렬까지 대기길이로 포함하였다. 추출된 대기행렬길이의 신뢰성을 판단하고자 링크 통행시간과의 상관분석을 실시한 결과 두 링크 모두 0.9이상의 수치를 나타내며 높은 상관관계를 보이는 것으로 판단되었다. 본 연구는 실시간으로 수집되는 데이터를 이용하여 대기행렬길이를 산출할 수 있다는 점과 이를 이용하여 신호제어시스템의 개선에 기여할 수 있다는데 의의가 있다.

• 한국ITS학회 논문지
• /
• 제20권2호
• /
• pp.95-111
• /
• 2021

인구의 감소 및 고령화 사회가 진행되면서 운전자의 평균 연령은 높아지게 된다. 그에 따라 잠재적인 사고의 위험성이 높은 고령 운전자들은 자율 주행형 개인 이동체가 필요하게 된다. 이러한 이동체가 도로 주행 중에 안전성을 확보하기 위하여 여러 장애물에 대응할 기술이 요구된다. 그 중에서도 주행 중에 마주할 수 있는 차량, 자전거, 사람과 같은 동적 장애물뿐만 아니라 도로 노면의 불량 상태와 같은 정적 장애물을 인식하는 기술이 가장 우선적으로 필요하다. 이를 위해서 본 논문에서는 두 종류의 장애물을 동시에 탐지할 수 있는 심층 신경망 알고리즘을 제안했다. 이 알고리즘을 개발하기 위해서 1,418장의 영상을 이용하여 7종의 동적 장애물에 표기한 annotation data와 도로 노면 파손을 표시한 label 영상을 확보했다. 이를 이용하여 학습한 결과, 46.22%의 평균 정확도로 동적 장애물을 탐지하고 74.71%의 mean intersection over union으로 도로 노면 파손을 탐지했다. 또한 한 장의 영상을 처리하는데 평균 소요시간은 89ms로 일반 차량보다 느린 개인 이동 차량에 사용하기 적합한 알고리즘을 개발했다. 향후 주행 중 마주할 있는 도로 장애물을 탐지하는 기술을 활용하여 개인 이동 차량의 주행 안전성이 향상되길 기대한다.

• 한국지반공학회논문집
• /
• 제37권11호
• /
• pp.107-118
• /
• 2021

Scan-to-BIM은 라이다(Light Detection And Ranging, LiDAR)로 구조물을 계측하고 이를 바탕으로 3D BIM(Building Information Modeling) 모델을 구축하는 방법으로 정밀한 모델링이 가능하지만 많은 인력과 시간, 비용이 소모된다는 한계를 가진다. 이러한 한계를 극복하기 위해 포인트 클라우드 데이터를 대상으로 딥러닝(Deep learning) 알고리즘을 적용하여 구조물의 객체 분할(Semantic segmentation)을 수행하는 연구들이 진행되고 있으나 학습 데이터에 따라 객체 분할 정확도가 어떻게 변화하는지에 대한 연구는 미흡한 실정이다. 본 연구에서는 딥러닝을 통한 철도 터널의 객체 분할에 학습 데이터를 구성하는 철도 터널의 크기, 선로 유형 등이 어떤 영향을 미치는지 확인하기 위해 매개변수 연구를 수행하였다. 매개변수 연구 결과, 학습과 테스트에 사용한 터널의 크기가 비슷할수록, 단선 터널보다는 복선 터널로 학습하는 경우에 더 높은 객체 분할 성능을 보였다. 또한, 학습 데이터를 두 가지 이상의 터널로 구성하면 전체 정확도(Overall Accuracy, OA)와 MIoU(Mean Intersection over Union)가 적게는 10%에서 많게는 50%가량 증가하였는데 이로부터 학습 데이터를 다양하게 구성하는 것이 효율적인 학습에 기여할 수 있음을 확인하였다.

• 대한원격탐사학회지
• /
• 제39권6_3호
• /
• pp.1693-1705
• /
• 2023

국토 면적의 약 90%를 차지하는 농촌은 여러가지 공익적 기능을 수행하는 공간으로서 중요성과 가치가 증가하고 있지만 주거지 인근에 축사, 공장, 태양광패널 등 주민생활에 불편을 미치는 시설들이 무분별하게 들어서면서 농촌 환경과 경관이 훼손되고 주민 삶의 질이 낮아지고 있다. 농촌지역의 무질서한 개발을 방지하고 농촌 공간을 계획적으로 관리하기 위해서는 농촌지역 내 위해시설에 대한 탐지 및 모니터링이 필요하다. 주기적으로 취득 가능하고 전체 지역에 대한 정보를 얻을 수 있는 위성영상을 통해 데이터의 취득이 가능하고, 합성곱 신경망 기법을 통한 영상 기반 딥러닝 기술을 활용하여 효과적인 탐지가 가능하다. 따라서 본 연구에서는 의미적 분할(Semantic segmentation)에서 높은 성능을 보이는 U-Net 모델을 이용하여 농촌 지역에서 잠재적으로 위해시설이 될 수 있는 농촌시설을 분류하는 연구를 수행하였다. 본 연구에서는 2020년에 제작된 공간해상도 0.7 m의 KOMPSAT 정사모자이크 광학영상을 한국항공우주연구원으로부터 제공받아 사용하였으며 축사, 공장, 태양광 패널에 대한 AI 학습용 데이터를 직접 제작하여 학습 및 추론을 진행하였다. U-Net을 통해 학습시킨 결과 픽셀 정확도(pixel accuracy)는 0.9739, mean Intersection over Union (mIOU)은 0.7025의 값을 도출하였다. 본 연구 결과는 농촌 지역의 위험 시설물 모니터링에 활용될 수 있으며, 농촌계획 수립에 있어 기초 자료로 활용될 수 있을 것으로 기대된다.

• 한국인터넷방송통신학회논문지
• /
• 제22권2호
• /
• pp.63-70
• /
• 2022

2D 객체 감지 시스템은 최근 몇 년 동안 심층 신경망과 대규모 이미지 데이터세트의 사용으로 크게 개선되었지만, 아직도 범주 내에서 데이터 부족, 다양한 외관 및 객체 형상 때문에 자율 탐색 등과 같은 로봇 공학과 관련된 응용에서 2D 물체 감지 시스템은 적절하지 않다. 최근에 소개되고 있는 구글 Objectron 또한 증강 현실 세션 데이터를 사용하는 새로운 데이터 파이프라인이라는 점에서 도약이라 할 수 있지만, 3D 공간에서 2D 객체 이해라는 측면에서 마찬가지로 한계가 있다. 이에 본 연구에서는 더 성숙한 2D 물체 감지 방법을 Objectron에 도입하는 3D 물체 감지 시스템을 나타낸다. 대부분의 객체 감지 방법은 경계 상자를 사용하여 객체 모양과 위치를 인코딩한다. 본 작업에서는 가우스 분포를 사용하여 객체 영역의 확률적 표현을 탐색하는데, 일종의 확률적 IoU라 할 수 있는 Hellinger 거리를 기반으로 하는 가우스 분포에 대한 유사성 측도를 제시한다. 이러한 2D 표현은 모든 객체 감지기에 원활하게 통합할 수 있으며, 실험 결과 데이터 집합에서 주석이 달린 분할 영역에 더 가까워서 Objectron의 단점이라 할 수 있는 3D 감지 정확도를 높일 수 있다.

• 대한원격탐사학회지
• /
• 제39권2호
• /
• pp.193-205
• /
• 2023

집중강우 시 육상으로부터 다량으로 유입된 부유쓰레기는 사회, 경제적 및 환경적으로 부정적인 영향을 주고 있으나 부유쓰레기 집적 구간 및 발생량에 대한 모니터링 체계는 미흡한 실정이다. 최근 인공지능 기술의 발달로 드론 영상과 딥러닝 기반 객체탐지 모델을 활용하여 수계 내 광범위한 지역을 신속하고 효율적인 연구의 필요성이 요구되고 있다. 본 연구에서는 육상기인 부유쓰레기의 효율적인 탐지 기법을 제시하기 위해 드론 영상뿐만 아니라 다양한 이미지를 확보하여 You Only Look Once (YOLO)v5s와 최근에 개발된 YOLO7 및 YOLOv8s로 학습하여 모델별로 성능을 비교하였다. 각 모델의 정성적인 성능 평가 결과, 세 모델 모두 일반적인 상황에서 탐지성능이 우수한 것으로 나타났으나, 이미지의 노출이 심하거나 수면의 태양광 반사가 심한 경우 YOLOv8s 모델에서 대상물을 누락 또는 중복 탐지하는 사례가 나타났다. 정량적인 성능 평가 결과, YOLOv7의 mean Average Precision (intersection over union, IoU 0.5)이 0.940으로 YOLOv5s (0.922)와 YOLOvs8(0.922)보다 좋은 성능을 나타냈다. 데이터 품질에 따른 모델의 성능 비교하기 위해 색상 및 고주파 성분에 왜곡을 발생시킨 결과, YOLOv8s 모델의 성능 저하가 가장 뚜렷하게 나타났으며, YOLOv7 모델이 가장 낮은 성능 저하 폭을 보였다. 이를 통해 수면 위에 존재하는 부유쓰레기 탐지에 있어서 YOLOv7 모델이 YOLOv5s와 YOLOv8s 모델에 비해 강인한 모델임을 확인하였다. 본 연구에서 제안하는 딥러닝 기반 부유쓰레기 탐지 기법은 부유쓰레기의 성상별 분포 현황을 공간적으로 파악할 수 있어 향후 정화작업 계획수립에 기여할 수 있을 것으로 판단된다.

• 전기전자학회논문지
• /
• 제27권3호
• /
• pp.345-349
• /
• 2023

본 논문은 영상장치를 이용한 차세대 스마트 LED 전광판의 불량픽셀 검출을 위한 딥러닝 구조 개발에 관한 연구를 제안한다. 이 연구에서는 영상장치를 활용하여 딥러닝을 통해 실외 LED 전광판의 결함을 자동으로 검출하는 기법을 제안한다. 이를 통해 LED 전광판의 효율적인 관리와 발생할 수 있는 다양한 오류와 문제를 해결하고자 한다. 연구 과정은 3단계를 거쳐 이루어진다. 첫 번째로, 평면화된 전광판 이미지 데이터를 calibration을 통해 배경을 완전히 제거하고 필요한 전처리 과정을 거쳐 학습 데이터셋을 생성한다. 두 번째로, 생성된 데이터셋은 객체 인식 네트워크를 학습을 시키는 데 활용된다. 네트워크는 Backbone과 Head로 구성된다. Backbone에서는 CSP-Darknet을 활용하여 특징 맵을 추출하고, Head에서는 추출된 Feature Map을 기반으로 물체를 검출한다. 이 과정에서 네트워크는 Confidence score와 IoU가 일치하도록 오차를 수정하며 지속적으로 학습된다. 세 번째에서는 생성된 모델을 활용하여 실제 실외 LED 전광판에서 불량픽셀을 자동으로 검출한다. 본 논문에서 제안하는 방법을 적용하여 LED 전광판의 불량픽셀 검출에 대한 공인 측정 실험 결과로는 실제 LED 전광판에서 불량픽셀을 100% 검출한 결과를 얻을 수 있었다. 이를 통해 LED 전광판의 불량 관리와 유지보수의 효율성이 향상되었음을 확인할 수 있다. 이러한 연구 결과는 LED 전광판 관리의 획기적인 개선을 이룰 것으로 기대된다.