• 스마트미디어저널
• /
• 제9권4호
• /
• pp.102-108
• /
• 2020

본 논문에서는 사람의 손동작에 의해 모바일장치상의 전기장센서를 통해 감지되는 동작신호의 실시간 검출 및 프레임 추출 알고리즘을 제안한다. 동작인식에 사용되는 전기장센서는 주변 환경 및 시점에 따라 랜덤잡음 및 센서 표면의 초기 대전상태의 가변적인 특성으로 인해 안정적으로 동작신호를 검출하는데 어려움이 있다. 본 논문에서는 이와 같은 환경에서도 안정적이고 강건하게 동작신호를 감지하여 검출할 수 있는 동적문턱치 방법(dynamic thresholding method)을 제안한다. 동작발생감지여부는 10Hz low-pass 필터와 MA(Motion Average) 필터를 통한 입력신호가 특정 문턱 전압값을 넘을 경우 감지되는데 감지 시점 센서상의 정전하상태가 가변적이므로 주기적으로 offset 값을 계산하여 새로운 문턱치를 동적으로 적용하는 방법이다. 이러한 방법으로 동작신호 감지율을 98% 이상으로 향상 시킬 수 있었다. 또한 일단 동작이 감지되면 정문턱치(positive thresold)와 부문턱치(negative threshold)의 통과시점, 횟수와 평균 동작주기를 고려한 동작신호프레임 알고리즘을 제안하였으며 이의 프레임추출 성공률도 98% 이상의 성능을 보였다. 본 논문에서 제안한 알고리즘으로 추출된 동작신호는 이후 신호정규화를 거쳐 LSTN 심층신경망 인식부를 거쳐 높은 손동작 인식률을 보임으로서 제안된 알고리즘의 우수함을 입증하였다.

• 지능정보연구
• /
• 제28권2호
• /
• pp.101-125
• /
• 2022

최근 컴퓨팅 기술의 발전과 클라우드 환경의 개선에 따라 딥 러닝 기술이 발전하게 되었으며, 다양한 분야에 딥 러닝을 적용하려는 시도가 많아지고 있다. 대표적인 예로 정상적인 데이터에서 벗어나는 값이나 패턴을 식별하는 기법인 이상 탐지가 있으며, 이상 탐지의 대표적 유형인 점 이상, 집단적 이상, 맥락적 이중 특히 전반적인 상황을 파악해야 하는 맥락적 이상을 탐지하는 것은 매우 어려운 것으로 알려져 있다. 일반적으로 이미지 데이터의 이상 상황 탐지는 대용량 데이터로 학습된 사전학습 모델을 사용하여 이루어진다. 하지만 이러한 사전학습 모델은 이미지의 객체 클래스 분류에 초점을 두어 생성되었기 때문에, 다양한 객체들이 만들어내는 복잡한 상황을 탐지해야 하는 이상 상황 탐지에 그대로 적용되기에는 한계가 있다. 이에 본 연구에서는 객체 클래스 분류를 학습한 사전학습 모델을 기반으로 이미지 캡셔닝 학습을 추가적으로 수행하여, 객체 파악뿐만 아니라 객체들이 만들어내는 상황까지 이해해야 하는 이상 상황 탐지에 적절한 2 단계 사전학습 모델 구축 방법론을 제안한다. 구체적으로 제안 방법론은 ImageNet 데이터로 클래스 분류를 학습한 사전학습 모델을 이미지 캡셔닝 모델에 전이하고, 이미지가 나타내는 상황을 설명한 캡션을 입력 데이터로 사용하여 학습을 진행한다. 이후 이미지와 캡션을 통해 상황 특질을 학습한 가중치를 추출하고 이에 대한 미세 조정을 수행하여 이상 상황 탐지 모델을 생성한다. 제안 방법론의 성능을 평가하기 위해 직접 구축한 데이터 셋인 상황 이미지 400장에 대해 이상 탐지 실험을 수행하였으며, 실험 결과 제안 방법론이 기존의 단순 사전학습 모델에 비해 이상 상황 탐지 정확도와 F1-score 측면에서 우수한 성능을 나타냄을 확인하였다.

• 한국건설관리학회논문집
• /
• 제23권4호
• /
• pp.3-14
• /
• 2022

건설현장 생산성 및 안전성 향상을 위해 건설장비 자율화를 위해 산학에서 많은 노력을 기울이고 있다. 장비 자율화를 위해서는 다양한 환경과 많은 양의 데이터 수집이 필요하다. 하지만 실제 환경에서 데이터 수집을 위한 테스트베드 확보에 많은 시간과 비용이 소모되며 불확실성 역시 크기 때문에 효과적인 데이터 수집과 처리에 어려움이 존재한다. 이에 본 연구에서는 타워크레인을 대상으로 자율화기술 개발을 위한 데이터 수집 및 테스트가 가능한 가상환경을 개발하는 것을 목표로 한다. 본 연구에서 달성한 연구성과는 다음과 같다. 1. 타워크레인 자율운행에 필요한 기술과 기술이 적용될 수 있는 환경을 운영설계 도메인, 물체 및 이벤트 감지 및 반응, 최소기능조건이라는 세 가지 성능기준을 활용하여 정의함. 2. 정의된 환경 내에서 자율화 장비의 인지, 판단, 제어를 위한 각 기술을 학습하고 테스트하기 위한 가상 환경을 Unity를 활용하여 구축함. 3. 가상환경의 목적 달성 여부를 위한 평가지표로 Visual, Motion, Functional Fidelity를 사용해 가상환경이 현실 공사현장을 충실하게 표현하고 있음을 검증함. 본 연구에서 구축한 가상환경 플랫폼을 통해 등 타워크레인 자율화에 있어 요구되는 가상 데이터를 수집하고, 각 기능들을 테스트하는 데 소모되는 비용 및 시간을 절감할 수 있을 것이며, 또한 타워크레인 뿐 아니라 타 건설장비의 자율화기술 개발에 있어서도 기여할 수 있을 것으로 기대된다.

• 한국콘텐츠학회논문지
• /
• 제22권3호
• /
• pp.71-80
• /
• 2022

과거 양식장에서 어류 질병은 세균성이었던 반면 최근은 바이러스성 및 혼합된 형태가 되면서 어류 질병의 빈도가 높아졌다. 양식장이라는 밀폐된 공간에서 바이러성 질병은 확산속도가 높으므로 집단 폐사로 이어질 확률이 매우 높다. 집단 폐사를 방지하기 위해서는 어류 질병의 빠른 식별이 중요하다. 그러나 어류의 질병 진단은 고도의 전문지식이 필요하고 매번 어류의 상태를 눈으로 확인하기 어렵다. 질병의 확산을 막기 위해서는 병이든 어류의 자동식별 시스템이 필요하다. 본 논문에서는 딥러닝 기반의 넙치의 질병 식별 시스템의 성능을 높이기 위해서 기존 전처리 방법을 비교 실험한다. 대상 질병은 넙치에서 가장 빈번히 발생하는 3가지 질병 스쿠티카병, 비브리오증, 림포시스티스를 선정하였고 이미지 전처리 방법으로 RGB, HLS, HSV, LAB, LUV, XYZ, YCRCV를 사용하였다. 실험결과 일반적인 RGB를 사용하는 것보다 HLS가 가장 좋은 결과를 얻을 수 있었다. 간단한 방법으로 질병의 인식률을 향상해 어류 질병 식별 시스템을 고도화 할 수 있을 것으로 예상한다.

• 한국비블리아학회지
• /
• 제34권1호
• /
• pp.121-143
• /
• 2023

본 연구는 국가지식정보자원의 효과적인 구축과 활용을 위해 국립중앙도서관을 중심으로 한 국가 전거데이터 구축 사업의 현황을 파악하고, 국가전거의 국제표준식별체계와의 연계 가능성 및 개선사항을 밝히고, 향후 발전 방안을 제시하는 것을 목적으로 하여 수행되었다. 이를 위해 이 연구는 국가전거공동활용시스템 가입 기관을 대상으로 면담 및 설문조사를 실시하였다. 조사는 전거 관련 현황과 어려움, 국가전거공동활용시스템의 활용, 식별자에 대한 인식 및 활용, ISNI와의 연계에 대한 인식 및 활용, 국가전거공동활용시스템 활성화 요인에 대한 중요도 및 달성도, 전반적인 만족도 및 개선 방향에 대한 항목으로 구성되었고, 이러한 조사 연구를 통해 국가전거공동활용시스템을 통한 국가 전거데이터 구축과 활용의 현황 및 문제점을 파악하고, 국가 전거데이터와 국제 표준 식별 시스템의 연계 가능성을 분석하였으며, 중요도-성과 분석을 통해 개선 사항의 우선순위를 제시하였다. 분석의 결과, 향후 국가 전거 구축의 발전 방안으로는 국가전거공동활용시스템의 활성화를 위해 전거 관련 규칙과 지침 개발, 전거데이터의 양적 확보 및 품질 제고, 전거 업무의 중요성 인식 제고와 효율적인 업무 체계 마련, 전거 서비스의 다양화와 활용 모델 개발, 국가전거공동활용시스템과 국제표준 식별자의 연계, 국가전거공동활용시스템의 필요성 공유 등이 제안되었다.

• 지능정보연구
• /
• 제28권2호
• /
• pp.57-74
• /
• 2022

최근 인공지능 주차관제시스템은 딥러닝을 활용해 차량 번호판에 대한 인식률을 높이고 있지만 위조번호판 부착 차량을 판별하지 못한다는 문제점이 있다. 이러한 보안상의 문제점이 있음에도 불구하고 현재까지 여러 기관에서 기존의 시스템을 그대로 사용하고 있는 상황이다. 실례로 위조번호판을 이용한 실험에서 정부의 주요 기관을 대상으로 진입에 성공한 사례도 있다. 본 논문에서는 이러한 위조번호판을 부착한 차량의 출입을 방지하기 위해서 기존 인공지능 주차관제시스템의 개선 방안을 제시한다. 이를 위해 제안하는 방법은 기존 시스템이 차량의 번호판의 일치여부를 통과기준으로 사용하듯이 이미지에서 특징이 되는 특징점의 정보를 추출해내는 ORB 알고리즘을 활용하여 추출한 차량 앞면 특징점들의 매칭 정도를 통과기준으로 사용하는 방법이다. 또한 내부에 차량이 존재하는지 여부를 확인하는 절차를 제안 시스템에 포함시켜 위조번호판을 부착한 동일 차종 차량의 진입도 방지하였다. 실험 결과, 위조번호판을 부착한 차량들의 진입을 막아내며 기존시스템에 비해 위조번호판을 막아내는 개선된 성능을 보였다. 이러한 결과를 통해 기존 인공지능 주차관제시스템의 체계를 유지하면서 본 논문에서 제안하는 방법들을 기존의 주차관제시스템에 적용하여 위조번호판을 부착한 차량의 출입을 방지할 수 있음을 확인할 수 있었다.

• 한국비블리아학회지
• /
• 제33권3호
• /
• pp.239-265
• /
• 2022

이 연구의 목적은 국내 RDA 도입 현황과 RDA 도입에 대한 대학도서관 사서의 인식을 고찰하기 위한 것이다. 이를 위해 국내 도서관 중 RDA를 도입한 2개 도서관의 도입 현황을 분석하였다. 또한, 대학도서관 사서 8명을 대상으로 면담을 시행하였고, RDA 도입 관련 서술형 답변을 수집하고 분석하였다. 면담 조사 결과, 연구참여자들은 RDA에 대해, RDA의 개념은 매우 어렵고 추상적이며, RDA를 적용한 구현 사례가 적고, 단위도서관의 인력과 예산 여건상 RDA 도입은 매우 어려울 것이라고 인식하고 있었다. 연구참여자들이 인식하고 있는 RDA 도입 방안은 RDA에 관한 인식을 개선하고, RDA에 관한 교육을 진행하고, RDA 도입을 위한 하이브리드 서지레코드 구축을 위한 지침을 마련하고, RDA 시범 기관 운영이 바람직하고, 성과 모델을 수립해야 한다는 것이다. 또한, 연구참여자들은 구현을 위해 업체와 조율이 필요하고, 일괄 소급 변환보다는 특정 시점 변경이 바람직하고, 성공 사례를 발굴하고, RDA 관련 온라인 채널을 마련하고, 국가전거 DB를 구축하여 활용하고, 국가적 예산 및 시스템 지원이 필요하다고 인식하고 있었다. 이 연구에서는 연구 결과를 토대로 국내 대학도서관 RDA 도입 방안을 제시하였다.

• 해양환경안전학회지
• /
• 제28권5호
• /
• pp.780-790
• /
• 2022

해양사고 예방을 위해서는 사고의 원인과 결과에 대한 분석 및 진단뿐만 아니라, 사고의 발생 패턴과 변화 추이를 예측함으로써 정량적 위험도를 제시할 필요성이 있다. 선박교통과 관련된 해양사고 예측은 선박의 충돌위험도 분석 및 항해 경로 탐색 등 선박교통의 흐름에 관한 연구가 주로 수행되었으며, 해양사고의 발생 패턴에 대한 분석은 전통적인 통계 분석에 따라 제시되었다. 본 연구에서는 해양사고 통계 자료 중 선박교통관련 사고의 월별, 시간대별 발생 현황 데이터를 활용하여 해양사고 발생 예측 모델을 제시하고자 한다. 국내 해양사고 발생 현황 중 월별, 시간대별 데이터 집계가 가능한 1998년부터 2021년까지의 통계자료 중 선박교통 관련 데이터를 분류하여 정형 시계열 데이터로 변환하였으며, 대표적인 인공지능 모델인 순환 신경망 기반 장단기 기억 신경망을 통하여 예측 모델을 구축하였다. 검증데이터를 통하여 모델의 성능을 검증한 결과 RMSE는 초기 신경망 모델에서 월별 52.5471, 시간대별 126.5893으로 나타났으며, 관측값으로 신경망 모델을 업데이트한 결과 RMSE는 월별 31.3680, 시간대별 36.3967로 개선되었다. 본 연구에서 제안한 신경망 모델을 기반으로 다양한 해양사고의 특징 데이터를 학습하여 해양사고 발생 패턴을 예측할 수 있을 것이다. 향후 해양사고 발생 위험의 정량적 제시와 지역기반의 위험지도 개발 등에 관한 추가 연구가 필요하다.

• 한국정보전자통신기술학회논문지
• /
• 제16권1호
• /
• pp.41-49
• /
• 2023

CNN(Convolutional Neural Network) 알고리즘은 인공신경망 구현에 활용되는 대표적인 알고리즘으로 기존 FNN(Fully connected multi layered Neural Network)의 문제점인 연산의 급격한 증가와 낮은 객체 인식률을 개선하였다. 그러나 IT 기기들의 급격한 발달로 최근 출시된 스마트폰 및 태블릿의 카메라에 촬영되는 이미지들의 최대 해상도는 108MP로 약 1억 8백만 화소이다. 특히 CNN 알고리즘은 고해상도의 단순 이미지를 학습 및 처리에 많은 비용과 시간이 요구된다. 이에 본 논문에서는 고해상도 단순 이미지의 객체 분류 학습모델 구현을 위한 개선된 CNN 알고리즘을 제안한다. 제안하는 알고리즘은 고해상도의 이미지들의 학습모델 생성 시간을 감소하기 위해 CNN 알고리즘의 풀링계층의 Max Pooling 알고리즘 연산을 위한 인접 행렬 값을 변경한다. 변경한 행렬 값마다 4MP, 8MP, 12MP의 고해상도 이미지들의 처리할 수 있는 학습 모델들을 구현한다. 성능평가 결과, 제안하는 알고리즘의 학습 모델의 생성 시간은 12MP 기준 약 36.26%의 감소하고, 학습 모델의 객체 분류 정확도와 손실률은 기존 모델 대비 약 1% 이내로 오차 범위 안에 포함되어 크게 문제가 되지 않는다. 향후 본 연구에서 사용된 학습 데이터보다 다양한 이미지 종류 및 실제 사진으로 학습 모델을 구현한 실질적인 검증이 필요하다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.41-43
• /
• 2022

최근 코로나-19의 유행에 따른 전염병 예방 및 차단을 위해 비접촉 생체 정보 취득 및 분석 기술이 주목을 받고 있다. 습식 및 부착형 생체정보 취득 방법은 정확하게 생체정보를 측정 할 수 있는 장점이 있지 만 밀 접촉에 따른 전염이 높아지는 위험성을 내포하고 있다. 이러한 문제점을 해결하기 위해 사람의 지문, 얼굴, 홍채, 정맥, 음성, 서명 등의 생체 정보를 자동화된 장치로 추출하는 비접촉 방식은 빅데이터와 AI 기술 적용으로 데이터 처리 속도가 빨라지고 인식 정확도가 높아지면서 다양한 산업에서 활용이 증가하고 있다. 그러나, 비접촉식 생체 데이터 취득 기술의 정확도가 개선되었지만, 비접촉 방법은 측정 대상 객체를 둘러싸고 있는 외부 온도, 습도, 조도 등의 주위 환경에 많은 영향을 받아 측정정보가 왜곡되는 현상이 발생하고 또한 정확도가 떨어지는 단점이 있다. 본 논문에서는 생체정보 분석을 위한 개인화 정보(이미지, 신호 등)의 해석을 위한 맥락기반 생체신호 모델링 기법을 제안 한다. 맥락기반 생체정보 모델링 기법은 성능 개선을 위해 생체정보 측정의 정황 정보와 사용자 정보를 복합적으로 고려하는 모델을 제시한다. 제안 모델은 예측 값 확률을 최대화할 수 있는 맥락기반 신호 해석을 통한 특징 확률분포를 기반으로 신호 정보를 분석한다.