• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.431-433
• /
• 2021

본 논문에서는 YOLO 인공 지능 플랫폼을 이용하는 이상행동 감시 시스템을 구현하였으며, YOLO 시스템의 one-shot 감지 시스템 사용으로 기존 감시 시스템에 비해 우수한 응답 특성을 갖는다. YOLO 인공 플랫폼은 폭행, 절도, 방화와 같은 이상행동들로 구성된 이미지 세트로 학습되었다. 이상행동 감시 시스템은 서버와 클라이언트로 구성되어 있으며, 상용화될 경우 각종 범죄 문제를 풀기 위해 스마트시티에 적용이 가능하다.

• 정보과학회 논문지
• /
• 제41권9호
• /
• pp.633-641
• /
• 2014

본 논문에서는 자동으로 점프 동작을 인식하여 촬영하기 위한 점프 동작 인식 알고리즘을 제안하고, 가속도계가 장착된 스마트폰을 이용하여 촬영 시스템을 구현한다. 점프 동작은 개인의 신체적, 성별, 연령별 특성에 따라 다르기 때문에, 이들 특성에 비 의존적인 공통점을 감지할 수 있는 방법이 중요하다. 또한 점프 동작의 지속시간을 고려할 때 감지 알고리즘의 실시간 동작 가능성도 고려되어야 한다. 본 논문에서는 이를 고려한 두 가지 알고리즘을 제안하며, 이들을 스마트폰 어플리케이션으로 구현하여 촬영 실험을 진행하였다. 실험 결과 점프 동작 감지와 도약 동작을 포착한 사진 촬영이 가능하였다.

• 전기전자학회논문지
• /
• 제23권2호
• /
• pp.448-453
• /
• 2019

모바일 앱의 신뢰성 향상과 개발 환경 변화라는 제약 조건을 모두 만족시키려면 모바일 앱의 동작을 자동으로 검증할 필요가 있다. 모바일 앱의 동작 검증 과정에서 다양한 이슈가 발생하나, 사용 상태 변화 탐지도 중요한 이슈 중 하나이다. 본 논문에서는 모바일 앱의 사용 상태 변화 탐지를 위하여 딥뉴럴넷을 이용하여 모바일 앱 GUI의 UI 위젯을 인식한 후 인식된 위젯간의 관계를 그래프로 변환하고, 변환된 그래프의 그래프 엔트로피를 계산하여 사용 상태 변화를 감지하는 방법을 제안한다. 제안 방법은 SIFT(Scale-Invariant Feature Transform)에 기반한 감지 방법과 비교되었으며 20개의 실제 모바일 앱의 동작 데이터를 통해 검증한 결과 대부분의 경우 제안 방법이 우수하나, 엔트로피 계산이 어려울 때는 제안 방법의 성능이 저하됨을 확인하였다.