• 지질공학
• /
• 제28권3호
• /
• pp.379-395
• /
• 2018

탐방로의 전체적인 환경은 크게 탐방로 상부, 탐방로 자체, 탐방로 하부로 나누어진다. 본 연구에서는 현장조사를 기반으로 하여 3가지의 탐방로 환경과 인문/사회 요인을 결합하여 탐방로 위험지수를 개발하였다. 탐방로 현장조사를 위해 체크리스트를 개발하였으며, 체크리스트 항목들은 상대적인 중요도 분석과정을 거쳐 점수화 되었다. 항목들의 상대비중 분석은 AHP 기법을 활용하였다. AHP 분석 결과, 탐방로 상부 환경이 나머지 환경들에 비해 2배 중요한 것으로 나타났으며, 각 환경들에 속한 항목들의 중요도 및 배점이 정해졌다. 위험지수는 항목들의 총합으로 계산되었으며, 기조사 자료를 이용한 가중치가 더해졌다. 위험지수는 총점 200점으로 설정하였으며, 최대 159점, 최소 64.2점으로 산출되었다. 현장 상황과 위험지수의 비교 분석 결과, 위험성이 낮은 구간은 대부분 100점 이하의 값을 보였으며, 위험성이 매우 높거나 사고이력을 가지는 구간은 140점을 초과하는 것으로 나타났다.

• 정보처리학회논문지B
• /
• 제16B권5호
• /
• pp.385-394
• /
• 2009

사람의 얼굴은 강체(Rigid object)가 아니기 때문에 얼굴을 추적하거나 인식하는 일은 쉽지 않다. 특히 얼굴의 포즈나 주변 조명의 변화에 따른 입력 영상의 차이는 얼굴 인식을 어렵게 하는 주된 원인이다. 본 논문에서는 비디오 영상으로부터 얼굴을 추적하고 인식할 때 발생하는 이 두 가지의 문제를 해결하기 위한 프레임웍과 전처리 방법을 제안한다. 얼굴 포즈의 변화에도 효과적으로 얼굴을 추적 및 인식하기 위해 먼저 학습 영상으로부터 주성분 분석법(Principal Component Analysis)을 이용하여 각 얼굴 포즈마다 하나의 독립된 가우시안 분포를 추정하고 이를 이용하여 각 사람마다 가우시안 혼합 모델(Gaussian Mixture Model)을 구성한다. 본 논문에서는 서로 다른 조명 상태를 가진 얼굴 영상을 처리하기 위해 먼저 입력된 얼굴 영상을 SSR(Single Scale Retinex) 모델을 이용하여 반사율(Reflectance)과 조도(Illuminance)로 분해한다. 반사율은 사전 정의된 범위 안에서 히스토그램 평활화를 수행함으로써 재조정되고 조도는 조명의 변화를 포함하고 있지 않은 영상들으로부터 학습된 매니폴드 모델로 다시 근사된다. 이 두 특징을 결합함으로써 실내 환경이나 실외 환경에서 촬영된 영상에서 효율적으로 얼굴을 추적 및 인식한다. 비디오 기반의 영상으로부터 보다 효율적으로 얼굴을 추적하기 위해 본 논문에서는 구성된 모델의 가중치를 각 프레임마다 이전 프레임의 추적 결과에 의해 EM 알고리즘을 이용하여 갱신함으로써 비디오 영상내의 연속적으로 변화하는 얼굴 포즈를 추정하였다. 본 논문에서 제안된 방법은 실내에서의 다양한 조명환경과 실외의 여러 장소에서 획득한 실험 영상을 이용하여 기존에 연구되어 온 다른 방법에 비해 우수한 성능을 보였다.

• 전자공학회논문지
• /
• 제50권10호
• /
• pp.207-216
• /
• 2013

본 연구의 목적은 수면상태 분석을 위한 분류기를 설계해줌과 동시에 생체신호를 기반으로 하여 수면상태 판별에 유효한 주요 특징벡터들을 추출함에 있다. 수면은 인간의 삶에 중요한 영향을 끼친다. 따라서 사람들이 수면부족 혹은 수면장애를 겪게 되면 집중력 감퇴, 인지기능 장애 등의 문제를 가질 우려가 생기게 되므로, 수면단계 판별에 관한 많은 연구들이 이루어지고 있다. 본 연구에서는 피험자가 수면을 취하는 동안 피험자의 생체신호를 획득하였다. 획득 된 생체신호로부터 필터링 등의 전처리 과정을 통하여 특징들을 추출하여 주었다. 추출된 특징들은 유전 알고리즘과 신경망을 결합하여 만든 새로운 알고리즘의 입력으로 사용되었으며, 알고리즘은 수면단계 분석을 위하여 높은 가중치를 가지는 특징을 선택하여 주었다. 이에 따른 결과로 뇌파 신호와 심전도 신호 모두 사용 시 알고리즘의 정확도는 약 90.26%가 나왔으며, 선택되어진 특징은 뇌파 신호의 ${\alpha}$파와 ${\delta}$파의 주파수 파워와 심전도 신호의 SDNN(Standard deviation of all normal RR intervals)이다. 선택된 특징은 수면상태를 분류하는데 중요한 역할을 함을 알고리즘을 반복적으로 수행하여 확인하였고, 이 연구는 추후 수면장애의 진단 혹은 수면분석의 지침을 만드는데 사용가능할 것으로 사료된다.

• 대한전자공학회논문지SP
• /
• 제44권1호
• /
• pp.17-25
• /
• 2007

모든 전자 영상응용에는 고해상도 영상이 요구된다. 고해상도는 영상 안에 픽셀의 밀집도가 높음을 나타내며, 이로 인해 더 세밀하고 중요한 정보를 얻어 다양한 응용에 사용된다. 하지만 CCD 나 CMOS 카메라로 획득된 디지털 영상들은 영상인식 시스템 구현 시 많은 저해상도영상을 가지게 된다. 초해상도 기술은 이와 같은 한계를 넘어서서 영상인식시스템에 적용이 가능하다. 초해상도 기술은 다수의 영상으로부터 정보를 결합하여 해상도를 증가시키는 것으로써, 이 기술은 추정과 이동을 위한 정합알고리즘과 획득된 프레임과 현재 프레임의 가중치를 이용한 최소거리 이웃보간법으로 되어있다. 본 논문에서는 초해상도에 웨이브렛 변환 기저 함수 계수를 이용한 영상 보간 기법을 제안하고자 한다. 기존 초해상도 보간 방식 대신 웨이브렛 기저 계수를 적용한 B-스플라인 보간 함수를 이용하여, 움직이는 영상의 한 부분을 확대할 때 정확한 영상과 자연스러운 영상을 구현하기 위하여 적용하였다. 제안된 보간 알고리즘은 최소거리 이웃보간 알고리즘, bilinear 보간 알고리즘, bicubic 보간 알고리즘 적용한 확대 영상보다 우수한 결과를 얻었음을 모의실험을 통하여 확인하였다.

• 한국수자원학회논문집
• /
• 제43권8호
• /
• pp.721-731
• /
• 2010

강우-유출 관계는 유역의 수많은 시 공간적 변수들에 의해 영향을 받기 때문에 매우 복잡하여 예측하기 힘든 요소이다. 과거에는 추계학적 예측모형이나 확정론적 예측모형 혹은 경험적 모형 등을 사용하여 유출량을 예측하였으나 최근에는 인공신경망과 퍼지모형 그리고 유전자 알고리즘과 같은 인공지능기반의 모형들이 많이 사용되고 있다. 하지만 유출량을 예측하고자 할 때 학습자료 및 검정자료로써 사용되는 유출량은 수위-유량 관계곡선식으로부터 구하는 경우가 대부분으로 이는 이렇게 유도된 유출량의 경우 오차가 크기 때문에 그 신뢰성에 문제가 있을 것으로 판단된다. 따라서 본 논문에서는 선행우량 및 수위자료로부터 단시간 수위예측에 관해 연구하였으며, 이를 위해 오류역전파알고리즘을 이용한 신경망모형과 인공신경망의 가중치를 유전자 알고리즘에 의해 최적화시킨 모형 그리고 최적화된 상태에서 다시 학습을 진행하는 세 가지 모형에 대하여 적용한 결과 유전자 알고리즘을 사용하여 신경망을 학습시킨 모형이 다른 모형들에 비해 우수한 결과를 보여주고 있으며 예측시간이 길어지더라도 예측력이 크게 떨어지지 않았다. 또한 입력자료로 강우와 수위를 사용한 모형보다는 수위를 사용한 모형에서 조금 더 우수한 결과를 보여주었다.

• 한국방사선학회논문지
• /
• 제18권3호
• /
• pp.187-201
• /
• 2024

골다공증은 전 세계적으로 주요한 건강 문제임에도 불구하고, 골절 발생 전까지 쉽게 발견되지 않는 단점을 가지고 있습니다. 본 연구에서는 골다공증 조기 발견 능력 향상을 위해, 복부 컴퓨터 단층 촬영(Computed Tomography, CT) 영상을 활용하여 정상-골감소증-골다공증으로 구분되는 골다공증 단계를 체계적으로 분류할 수 있는 딥러닝(Deep learning, DL) 시스템을 개발하였습니다. 총 3,012개의 조영제 향상 복부 CT 영상과 개별 환자의 이중 에너지 X선 흡수 계측법(Dual-Energy X-ray Absorptiometry, DXA)으로 얻은 T-점수를 활용하여 딥러닝 모델 개발을 수행하였습니다. 모든 딥러닝 모델은 비정형 이미지 데이터, 정형 인구 통계 정보 및 비정형 영상 데이터와 정형 데이터를 동시에 활용하는 다중 모달 방법에 각각 모델 구현을 실현하였으며, 모든 환자들은 T-점수를 통해 정상, 골감소증 및 골다공증 그룹으로 분류되었습니다. 가장 높은 정확도를 갖는 모델 우수성은 비정형-정형 결합 데이터 모델이 가장 우수하였으며, 수신자 조작 특성 곡선 아래 면적이 0.94와 정확도가 0.80를 제시하였습니다. 구현된 딥러닝 모델은 그라디언트 가중치 클래스 활성화 매핑(Gradient-weighted Class Activation Mapping, Grad-CAM)을 통해 해석되어 이미지 내에서 임상적으로 관련된 특징을 강조했고, 대퇴 경부가 골다공증을 통해 골절 발생이 높은 위험 부위임을 밝혔습니다. 이 연구는 DL이 임상 데이터에서 골다공증 단계를 정확하게 식별할 수 있음을 보여주며, 조기에 골다공증을 탐지하고 적절한 치료로 골절 위험을 줄일 수 있는 복부 컴퓨터 단층 촬영 영상의 잠재력을 제시할 수 있습니다.