사용자가 현재 응시하고 있는 위치를 자동으로 인식하는 응시점 추정과 추정된 응시점을 기반으로 객체를 탐지하는 기술을 활용한다면 사람의 시각적 행동을 파악하는데 더 정확하고 효율적인 방안이 될 수 있을 것이다. 본 논문에서는 응시점을 중심으로 관심 영역을 생성하고 해당 영역 내에서 객체를 탐지하는 방안을 제시한다. 자세하게는, 삼차원 응시점을 추정한 후에 추정된 응시점을 기반으로 관심 영역을 생성하여 관심 영역 내에서만 객체 탐지가 이루어지도록 설계한다. 실험을 통해 일반적인 객체 탐지와 제안된 관심 영역 내 객체 탐지 성능을 비교한 결과, 프레임당 처리 시간은 각각 1.4ms, 1.1ms로 관심 영역 내 객체 탐지가 처리 속도 면에서 더 우수한 것을 확인할 수 있었다.

응시점을 통해 어떤 것을 보고 있는지 알 수 있다면 많은 정보를 얻을 수 있다. 응시 추적 기술의 발달로 응시점에 대한 정보는 다양한 응시 추적 기기에서 제공해주는 소프트웨어를 통해 얻을 수 있다. 하지만 실제 응시 깊이와 같은 정확한 정보를 추정하기란 어렵다. 응시 추적 기기를 통해 만약 실제 응시 깊이로 보정할 수 있다면 시뮬레이션, 디지털 트윈, VR 등 다양한 분야에서 현실적이고 정확한 신뢰성 있는 결과를 도출하는 것이 가능해질 것이다. 따라서 본 논문에서는 응시 추적 기기와 소프트웨어를 통해 원시 응시 깊이를 획득하고 보정하는 실험을 진행한다. 실험은 Deep Neural Network(DNN) 모델을 설계한 후 소프트웨어에서 제공하는 응시 깊이 값을 300mm에서 10,000mm까지 지정한 거리별로 획득한다. 획득한 데이터는 설계한 DNN 모델을 통해 학습을 진행하여 실제 응시 깊이와 대응하도록 보정하였다. 보정한 모델을 통해 실험을 진행한 결과, 300mm에서 10,000mm까지 지정한 거리별 297mm, 904mm, 1,485mm, 2,005mm, 3,011mm, 4,021mm, 4,972mm, 6,027mm, 7,026mm, 8,043mm, 9,021mm, 10,076mm로 실제와 비슷한 응시 깊이 값을 획득할 수 있었다.

최근 농촌문제를 해결하기 위해 주목받고 있는 스마트팜은 작물의 생육환경을 최적화하고 효율적인 관리를 통해 작물의 생산성과 품질을 높이는 기술을 의미한다. 이러한 스마트팜에 생육환경 데이터 간 관계를 분석한다면 추가적인 생산성 향상과 작물 관리가 가능할 것이다. 본 논문에서는 온도, 습도, CO2, 토양온도, 토양습도, 일사, 토양EC, EC, pH 9개의 생육환경 데이터를 획득하고, 이를 분석하는 방법을 제안한다. 데이터 획득은 Main board와 Sensor board 간 RS-485 통신을 통해 획득 후 데이터베이스에 저장하였다. 저장된 데이터는 엑셀 시트 형식으로 내려받아 히스토그램, 데이터 차트, 상관관계 히트맵 분석을 진행하였다. 먼저 히스토그램 분석을 통해 전체, 주간, 야간 데이터의 분포를 파악하였고, 주간과 야간을 구분하여 데이터 차트 분석을 통해 월별로 평균, 중앙값, 최소값, 최대값을 파악하여 월별 데이터 변화 추이를 확인했다. 마지막으로 주간과 야간을 구분하여 상관관계 히트맵 분석을 통해 데이터의 상관관계를 파악하였다. 결과 주간에서는 온도와 토양온도, 토양EC와 EC 간에 매우 강한 양의 상관관계를 보였으며, 야간에는 온도와 토양온도, 토양EC와 EC 간에 매우 강한 양의 상관관계, 온도와 토양EC 간에 강한 음의 관계를 확인할 수 있었다.

우리나라 항만 인프라는 공용연수가 30년이 넘은 노후 항만시설물은 2019년 약 23%에서 2029년에는 47%로 증가하여 노후화가 빠르게 진행되고 있다. 오래된 기존의 항만은 경쟁력을 상실하고 항만 인프라의 발전을 저하하며 시설물에 대한 인적자원 기반 유지보수에 따른 인명사고가 증가한다. 이러한 문제를 디지털 트윈 기반의 체계적인 관리 기술 구축으로 해결하고자 한다. 본 연구는 항만 인프라의 재해와 노후화 현황과 스마트 항만의 사례를 살펴본 뒤 스마트 항만 기술이 반영된 디지털 트윈 구현 단계를 구체적으로 제시하고자 한다. 항만 인프라 연계 시스템을 분석하고 디지털 트윈 구현에 필수적인 시나리오를 작성하여 맵핑을 한다. 재해와 노후화 관리를 위한 3D 모델링과 시뮬레이션 데이터를 수집하여 디지털 트윈을 구현하며 항만 인프라에서 획득한 센싱 데이터, 영상 데이터 등의 데이터를 실시간으로 연동하여 상황별 항만 디지털 트윈 시뮬레이션 구현한다. 항만 인프라 재해와 노후화 관리를 위한 디지털 트윈 항만을 구현하는 경우 실시간 통합관제로 예지적인 항만 인프라 관리로 할 수 있을 뿐 아니라 재해에 관한 안전을 확보할 수 있다.

최근 코로나19 사태 이후에 건강관리에 신경을 쓰는 사람이 늘어나고 있으며, 많은 사람들이 취미활동으로 스포츠나 운동 후 근육통의 발생으로 생활에 불편함을 느끼고 운동을 쉬는 경우가 많다. 오랜만에 운동하거나, 무리해서 운동하고 나면 운동 후 24~48시간 이내에 온몸에 알이 배긴 것 같은 통증이 나타난다. 이러한 통증을 '지연성 근육통(DOMS(Delayed onset muscle soreness))'이라고 한다. 본 연구에서는 심부열을 발생시키는 고주파 통증치료기를 사용하여서 지연성 근육통의 통증을 완화에 효과가 있는지 유효성 검증을 진행하였다. 평상시, 통증치료 전, 통증치료 후의 근전도를 측정하고 분석을 통해 RMS 값을 구하고 SPSS 프로그램을 이용해서 통계분석을 진행하였고, 통계적으로 유의성이 있는 것으로 판단하였다. 그리고 평상시와 통증치료 후의 RMS 값의 통계분석을 진행하여서 유의성이 없는 것을 확인하여서 통증치료 후 얼마만큼 평상시로 회복했는지 확인하였다. 또한, 통증은 같은 통증의 크기라도 사람마다 느끼는 기준이 다르기 때문에 통증의 크기에 대한 NRS 설문지를 진행하여서 피험자들이 느끼는 통증의 크기를 SPSS 프로그램을 이용해서 통계분석을 진행하였고, 통계적으로 유의성이 있는 것으로 판단하였다. 그래서 본 연구 결과 고주파 통증치료기가 통증부위의 심부열을 발생시켜 온도를 상승시키고, 동맥 및 모세혈관을 확장시켜 혈류량을 증가시켜서 혈액순환 및 신진대사가 증가되면서 지연성 근육통의 통증이 완화되는 효과가 있는 것으로 판단된다.

최근 바이너리 코드에 대한 신종·변종 해킹이 증가되고 있으며 소스 프로그램에서 악성코드를 탐지하고 공격에 대한 방어 기술의 한계점이 자주 노출되는 상황이다. 바이너리 코드에 대해 머신러닝, 딥러닝 기술을 활용하여 고도화된 소프트웨어 보안 취약점 탐지 기술과 공격에 대한 방어와 대처 능력이 필요하다. 본 논문에서는 바이너리 코드의 실행 경로를 추적(execution trace)하여 동적 오염 정보를 입력한 후 오염 정보를 따른 특징을 기반으로 멀웨어를 그룹핑하는 멀웨어 클러스터링 방법을 제안한다. 멀웨어 취약점 탐지는 3-계층으로 구성한 Few-shot 학습 모델에 적용하여 각 계층의 CPU, GPU에 대해 F1-score를 산출하였다. 학습 과정에서 97~98%의 성능과 테스트 과정에서 80~81% 정도의 탐지 성능을 얻었다.