• 한국멀티미디어학회논문지
• /
• 제12권5호
• /
• pp.745-756
• /
• 2009

자율 가상 캐릭터는 인공시각을 이용하여 가상 환경을 인지하고 인지한 정보를 바탕으로 상황에 맞게 판단하여 지능적인 인간처럼 행동한다. 자율 가상 캐릭터는 주로 인공 시각을 이용하여 환경을 인식하며 현재까지 연구된 대부분의 인공 시각은 정해진 시야각에 들어온 정보를 여과 없이 모두 인지하는 방법을 사용하고 었다. 그러나 이러한 시각 체계는 한 번에 너무 많은 정보를 저장함으로 시스템의 효율성과 현실성을 떨어뜨리며, 게임과 같은 동적 환경에서는 실시간 처리가 어렵다. 따라서 실제 인간과 같은 시각 체계를 구현하려면 주목한 정보만 저장하는 시각적 주목 알고리즘이 필요하다. 본 논문에서는 인공 시각을 통해 얻은 정보 중에서 시각적으로 중요한 정보만올 저장하는 주목 시각 기법을 연구하고 이를 구현하기 위해 기존 주목 맵을 향상시켜 적용하였다. 특히 주목 맵 요소 중에서 처리 속도가 느린 방위 랩을 제거하고 침입자 검출을 적용한 동적 특정 맵을 추가하여 향상된 주목 맵을 제안하였다. 실험을 통해 자율 가상 캐릭터가 3차원 가상 환경에서 정적 동적 객체에 대한 주목 영역을 정확하게 찾는 것을 확인하였으며, 처리 속도 또한 기존 연구보다 1.6배 정도 향상되었음을 확인하였다.

• 대한원격탐사학회지
• /
• 제36권5_1호
• /
• pp.823-833
• /
• 2020

안정적인 작물 생산을 위하여 국내 농업지역에 대한 효과적인 작황 모니터링 기법의 요구가 증대되고 있다. 본 연구에서는 작물 재배지역 추출을 위하여 딥러닝 기법을 이용한 분류 모델을 개발하고, 이를 위성영상에 적용하고자 하였다. 이를 위하여, 식생분석에 유용한 blue, green, red, red-edge, NIR 밴드를 포함하고 있는 RapidEye 위성영상을 이용하여 작물 재배지역에 대한 훈련자료를 구축하고, 이를 활용하여 국내 양파 및 마늘 작물에 대한 재배면적을 추정하고자 하였다. 대기보정된 RapidEye 위성영상을 활용하여 훈련자료를 구축하였으며, 작물지역의 분류를 위하여 대표적인 의미론적 분할을 위한 딥러닝 모델인 FC-DenseNet을 이용하여 딥러닝 모델을 생성하였다. 최종적인 작물 재배지역은 지적도와의 결합을 통하여 객체 기반의 자료로 생성하였다. 실험결과, 대기보정된 훈련자료를 이용하여 학습된 FC-DenseNet 모델은 훈련에 사용되지 않은 타 지역의 작물 재배지역을 효과적으로 검출할 수 있음을 확인하였다.

• 한국측량학회지
• /
• 제23권3호
• /
• pp.233-238
• /
• 2005

각종 응용분야에서 3차원 도시 건물 모형에 대한 관심이 대두되면서 효율적인 3차원 도시 모형 생성에 대한 연구가 진행되고 있다. 3차원 도시 건물 모형을 생성하는 데는 항공사진, 위성영상 및 LIDAR 자료가 많이 이용되며, 대부분 건물의 고도 추출 및 건물 복원에 관한 기법 개발에 초점을 두고 있다. 항공사진, 위성영상 및 LIDAR 자료를 이용하여 3차원 도시 모형을 생성할 경우, 영상자료로부터 건물 객체를 자동으로 검출하는 것은 쉽지가 않으므로 자동 3차원 도시 모형 생성에는 많은 어려움이 있다. 최근에는 단일 자료만을 이용하지 않고 상호 융합을 하거나 혹은 관련 자료원과 통합하여 보다 효과적이고 정확한 3차원 도시 모형 생성에 관한 연구가 활발히 진행되고 있다. 항공사진과 수치지형도를 통합 활용할 경우, 수치지형도에서 건물의 수평 위치를 추출하고 이 정보를 이용하여 항공사진에서 개략적인 건물 위치를 확인함으로써 효과적인 3차원 건물 모형 생성이 가능하다. 본 연구에서는 수치지형도(1/1,000)와 항공사진(l/5,000)을 이용하여 효율적인 3차원 도시 모형 생성에 관한 연구를 수행하였다. 관심점 추출 기법과 영상정합 과정에서 탐색 범위를 제한하기 위한 수단인 수직선 궤적 이론을 이용함과 동시에 기존의 템플릿 기법과 달리 건물의 형태에 따른 가변 템플릿 정합 기법을 개발하였다. 정확도 검증을 위하여 연구 성과 수치도화시스템을 이용하여 생성한 3차원 도시 모형을 비교분석하였다.

• 정보처리학회논문지D
• /
• 제11D권5호
• /
• pp.1167-1176
• /
• 2004

인터넷 기술의 발달로 다양한 응용분야의 컴퓨팅 환경은 상당한 변화를 겪어 왔다. 특히 지난 3년여 동안 물류분야에서는 물류 회사간 인터넷 기반의 가상 비즈니스 활동 또는 서비스 아키텍처를 의미하는 e-로지스틱스라는 새로운 개념에 대한 활발한 연구가 진행되었다. 효과적인 e-로지스틱스 프레임워크 구축을 위해서 GIS, GPS 및 시공간 데이터베이스를 포함하는 이동체 기술 개발이 진행 중에 있다. 이동체 기술은 자동차, 비행기, 선박 등과 같이 시간에 따라 공간상의 위치를 변경하는 시공간 객체에 대한 효율적인 데이터 관리를 의미한다. 그러나 기존의 관련 시스템은 여러 가지 이유로 이동체에 대하여 오직 가장 최근에 검출된 위치정보만을 관리하기 때문에, 과거 및 미래의 불확실한 위치 추정방법에 대한 구체적인 제시는 미약한 상태에 있다. 따라서 이 논문에서는 이동체에 대한 이력정보 관리와 이를 이용한 과거의 위치 추정이 가능한 시스템을 제안한다. 이를 위해 물류 운송차량 위치 추적을 위한 모델링과 데이터베이스 및 시스템 구조를 제시한다. 아울러 제안 시스템을 e-로지스틱스 분야의 주요 응용인 택배 차량에 대한 위치정보 불확실성 처리 시나리오에 적용하는 예를 가지고 설명한다.

• 지적과 국토정보
• /
• 제52권1호
• /
• pp.17-36
• /
• 2022

본 연구의 목적은 현행 개발제한구역 단속 및 관리체계의 문제점을 진단하고 데이터 기반 모니터링 체계로 전환할 수 있도록 구축방안을 마련하는 것이다. 개발제한구역은 타 용도지역지구와 달리 최소한의 유지 외 모든 개발행위를 금지하고 지자체에서 엄격히 단속 및 관리해야 하는 구역이다. 그러나 현재의 개발제한구역 관리체계는 지자체별 여건에 따라 분산 운영되고, 설문 결과와 같이 전체 개발제한구역의 변화를 모니터링하기보다 민원(신고)에 의존하거나 단속업무 수행에 어려움을 겪는 등 데이터 기반의 모니터링체계를 필요로 하고 있다. 특히 본 연구에서는 AI 기반 모니터링체계를 도입하여 국토교통부에서 매년 정기적 시점(월별·분기별)을 두고 동일한 단속 기준으로 전국 권역별 변화를 탐지한 결과를 지자체에 송부하고 지자체에서는 단속 결과를 입력하면서 신뢰할 수 있는 개발제한구역 관리현황 통계정보가 생산될 수 있는 체계로의 전환 방법을 구체적으로 제안하였다. 이러한 방법론 제안을 위해 첫째, 지자체와 관련 전문가를 대상으로 설문조사 및 인터뷰를 수행하였다. 설문 결과 현장 단속과 인허가 관련 행정업무에 어려움을 겪고 있으며, AI 기반 모니터링체계 도입에 대해서는 긍정적 답변이 우세하였다. 둘째, AI 영상분석을 통한 객체 검출 방법론을 실증 지자체에 적용한 사례를 분석하여 모니터링체계 도입에 따른 단속업무 효율화 방안을 제안하였다. 셋째, (현(現))개발제한구역관리정보시스템의 고도화를 기반으로 한 개발제한구역 모니터링체계 구축방안을 마련하였다. 지자체업무 수요에 기반해 드론 촬영 및 분석, 모바일 단속지원체계 등 필요한 서비스들이 지원될 수 있도록 프레임워크를 구성하였다. 이러한 모니터링체계는 향후 주기적 단속과 관리가 필요한 토지를 대상으로 확대 적용이 가능하며 본 연구에서는 이를 실현하기 위한 방법론과 정책을 제안하고자 하였다.

• 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.

• 한국컴퓨터정보학회논문지
• /
• 제27권9호
• /
• pp.1-12
• /
• 2022

안과 환자의 질병을 판단하기 위해서는 특수 촬영 장비를 통해 찍은 안구영상을 이용한 안과의사의 주관적 판단의 개입이 전통적으로 활용되고 있다. 본 연구에서는 안과 의료진이 질병을 판단할 때 보조적 도움이 될 수 있도록 객관적 진단결과를 제시해주는 각막궤양 의미론적 분할방법에 대하여 제안하였다. 이를 위해 DeepLab 모델을 활용하였고 그 중 Backbone network으로 Xception과 ResNet 네트워크를 이용하였다. 실험결과를 나타내기 위한 평가지표로 다이스 유사계수와 IoU 값을 이용하였고 ResNet101 네트워크를 사용하였을 때 'crop & resized' 이미지에 대해 최대 평균 정확도 93%의 다이스 유사계수 값을 보였다. 본 연구는 객체 검출을 위한 의미론적 분할모델 또한 안구의 각막궤양 부분과 같은 불규칙하고 특이한 모양을 추출하고 분류하는데 뛰어난 결과를 도출할 수 있는 성능을 보유하고 있음을 보여주었다. 향후 학습용 Dataset을 양적으로 보강하여 실험결과의 정확도를 제고할 수 있도록 하고 실제 의료진단 환경에서 구현되어 사용되어 질 수 있도록 할 계획이다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.165-167
• /
• 2022

반려동물 중 반려묘의 비중이 2012년 이후 연평균 25.4%의 증가율을 보이며 증가하는 추세이다. 고양이는 강아지에 비해 야생성이 강하게 남아있기 때문에 질병이 생기면 잘 숨기는 특성이 있다. 보호자가 반려묘가 질병이 있음을 알게 되었을 때는 병이 이미 악화되어진 상태일 수 있다. 반료묘의 식욕부진(식사회피), 구토, 설사, 다음, 다뇨 등과 같은 현상은 당뇨, 갑상선기능항진증, 신부전증, 범백혈구감소증 등 고양이 질병 시 나타나는 증상 중 일부이다. 반려묘의 다음(물 많이 마심), 다뇨(소변의 양이 많음), 빈뇨(소변을 자주 봄) 현상을 보호자가 보다 빨리 알아차릴 수 있다면 반려묘의 질병 치료에 크게 도움이 될 것이다. 본 논문에서는 인공지능 서버에서 작동하는 1) 자세 예측 DeepLabCut의 Efficient버전, 2) 객체 검출 yolov4, 3) 행동 예측은 LSTM을 사용한다. 인공지능 기술을 이용하여 홈 CCTV의 영상에서 반려묘의 행동 패턴 분석과 물그릇의 무게 센서를 통해 반려묘의 다음, 다뇨 및 빈뇨를 예측한다. 그리고, 반려묘 행동 패턴 분석을 통해, 질병 예측 및 이상행동 결과를 보호자에게 리포트 하는, 메인 서버시스템과 보호자의 모바일로 전달하는 애플리케이션을 제안한다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.1-25
• /
• 2020

본 연구에서는 모바일 기기를 이용하여 획득한 가스계량기 사진을 서버로 전송하고, 이를 분석하여 가스 사용량 및 계량기 기물 번호를 인식함으로써 가스 사용량에 대한 과금을 자동으로 처리할 수 있는 응용 시스템 구조를 제안하고자 한다. 모바일 기기는 일반인들이 사용하는 스마트 폰에 준하는 기기를 사용하였으며, 획득한 이미지는 가스 공급사의 사설 LTE 망을 통해 서버로 전송된다. 서버에서는 전송받은 이미지를 분석하여 가스계량기 기물 번호 및 가스 사용량 정보를 추출하고, 사설 LTE 망을 통해 분석 결과를 모바일 기기로 회신한다. 일반적으로 이미지 내에는 많은 종류의 문자 정보가 포함되어 있으나, 본 연구의 응용분야인 가스계량기 자동 검침과 같이 많은 종류의 문자 정보 중 특정 형태의 문자 정보만이 유용한 분야가 존재한다. 본 연구의 응용분야 적용을 위해서는 가스계량기 사진 내의 많은 문자 정보 중에서 관심 대상인 기물 번호 및 가스 사용량 정보만을 선별적으로 검출하고 인식하는 관심 문자열 인식 기술이 필요하다. 관심 문자열 인식을 위해 CNN (Convolutional Neural Network) 심층 신경망 기반의 객체 검출 기술을 적용하여 이미지 내에서 가스 사용량 및 계량기 기물번호의 영역 정보를 추출하고, 추출된 문자열 영역 각각에 CRNN (Convolutional Recurrent Neural Network) 심층 신경망 기술을 적용하여 문자열 전체를 한 번에 인식하였다. 본 연구에서 제안하는 관심문자열 기술 구조는 총 3개의 심층 신경망으로 구성되어 있다. 첫 번째는 관심 문자열 영역을 검출하는 합성곱신경망이고, 두 번째는 관심 문자열 영역 내의 문자열 인식을 위해 영역 내의 이미지를 세로 열 별로 특징 추출하는 합성곱 신경망이며, 마지막 세 번째는 세로 열 별로 추출된 특징 벡터 나열을 문자열로 변환하는 시계열 분석 신경망이다. 관심 문자열은 12자리 기물번호 및 4 ~ 5 자리 사용량이며, 인식 정확도는 각각 0.960, 0.864 이다. 전체 시스템은 Amazon Web Service 에서 제공하는 클라우드 환경에서 구현하였으며 인텔 제온 E5-2686 v4 CPU 및 Nvidia TESLA V100 GPU를 사용하였다. 1일 70만 건의 검침 요청을 고속 병렬 처리하기 위해 마스터-슬레이브 처리 구조를 채용하였다. 마스터 프로세스는 CPU 에서 구동되며, 모바일 기기로 부터의 검침 요청을 입력 큐에 저장한다. 슬레이브 프로세스는 문자열 인식을 수행하는 심층 신경망으로써, GPU에서 구동된다. 슬레이브 프로세스는 입력 큐에 저장된 이미지를 기물번호 문자열, 기물번호 위치, 사용량 문자열, 사용량 위치 등으로 변환하여 출력 큐에 저장한다. 마스터 프로세스는 출력 큐에 저장된 검침 정보를 모바일 기기로 전달한다.