• Proceedings of the KAIS Fall Conference
• /
• 2009.05a
• /
• pp.186-190
• /
• 2009

최근 무선통신과 전자공학의 발전으로 무선 통신 관리와 연산 능력을 할 수 있는 마이크로 센서의 개발을 가능하게 했다. 현재, 사람, 컴퓨터 그리고 사물이 유기적으로 연계되어 다양하고 편리한 서비스를 제공해 주는 컴퓨팅 기술에 대한 연구들이 진행 되고 있다. 또한, 실외 위치탐지 서비스 뿐만 아니라 실내에서의 위치탐지 서비스에 대한 사회적 관심이 증가하고 있다. 본 논문에서는 빈번이 변화하는 실내 환경에서 802.11 beacon frame를 통한 하나의 전송 객체에 개선된 Kalman-Filter를 적용한 효과적인 위치탐지 알고리즘은 제안한다. 제안 알고리즘의 접근 방식은 두 단계로 나눠진다. 첫 번째 단계는 기존 알고리즘의 문제점과 실내 적용 시 센서 범위와 전력소비에 관한 문제점을 제시한다. 두 번째 단계에서는 제시된 문제점들을 해결하기 위해, 개선된 Kalman-Filter 알고리즘과 오차보정 알고리즘을 제안한다.

• The Journal of The Korea Institute of Intelligent Transport Systems
• /
• v.8 no.6
• /
• pp.36-45
• /
• 2009

Recently, there are interested in the automatic traffic flowing and accident detection using various low level information from video in the road. In this paper, the automatic traffic flowing and algorithm, and application of traffic accident detection using traffic management systems are studied. To achieve these purposes, the spatio-temporal relation models using topological and directional relations have been made, then a matching of the proposed models with the directional motion verbs proposed by Levin's verbs of inherently directed motion is applied. Finally, the synonym and antonym are inserted by using WordNet. For the similarity measuring between proposed modeling and trajectory of moving object in the video, the objects are extracted, and then compared with the trajectories of moving objects by the proposed modeling. Because of the different features with each proposed modeling, the rules that have been generated will be applied to the similarity measurement by TSR (Tangent Space Representation). Through this research, we can extend our results to the automatic accident detection of vehicle using CCTV.

• Journal of the Korea Society of Computer and Information
• /
• v.27 no.9
• /
• pp.21-32
• /
• 2022

Image labeling must be preceded in order to perform object detection, and this task is considered a significant burden in building a deep learning model. Tens of thousands of images need to be trained for building a deep learning model, and human labelers have many limitations in labeling these images manually. In order to overcome these difficulties, this study proposes a method to perform object detection without significant performance degradation, even though labeling some images rather than the entire image. Specifically, in this study, low-resolution oriental painting images are converted into high-quality images using a super-resolution algorithm, and the effect of SSIM and PSNR derived in this process on the mAP of object detection is analyzed. We expect that the results of this study can contribute significantly to constructing deep learning models such as image classification, object detection, and image segmentation that require efficient image labeling.

• Journal of Internet Computing and Services
• /
• v.24 no.6
• /
• pp.81-89
• /
• 2023

In modern society, blind people face difficulties in navigating common environments such as sidewalks, elevators, and crosswalks. Research has been conducted to alleviate these inconveniences for the visually impaired through the use of visual and audio aids. However, such research often encounters limitations when it comes to practical implementation due to the high cost of wearable devices, high-performance CCTV systems, and voice sensors. In this paper, we propose an artificial intelligence fusion algorithm that utilizes low-cost video sensors integrated into smartphones to help blind people safely navigate their surroundings during walking. The proposed algorithm combines motion capture and object detection algorithms to detect moving people and various obstacles encountered during walking. We employed the MediaPipe library for motion capture to model and detect surrounding pedestrians during motion. Additionally, we used object detection algorithms to model and detect various obstacles that can occur during walking on sidewalks. Through experimentation, we validated the performance of the artificial intelligence fusion algorithm, achieving accuracy of 0.92, precision of 0.91, recall of 0.99, and an F1 score of 0.95. This research can assist blind people in navigating through obstacles such as bollards, shared scooters, and vehicles encountered during walking, thereby enhancing their mobility and safety.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• fall
• /
• pp.201-204
• /
• 2021

최근 전동 킥보드 사용량이 크게 늘었으나, 다른 이동수단 대비 낮은 안정성과 사용자들의 헬멧 착용에 대한 인식 부족으로 인해 사고의 위험성이 큰 상황이다. 이에 대하여 정부는 헬멧 착용을 강제하는 법률을 제정하였으나, 경찰력의 한계에 따른 단속 미비로 여전히 헬멧 착용율은 낮다. 본 연구는 YOLO v3 알고리즘을 통해 학습시킨 딥러닝 모델을 활용하여 도로 상황을 촬영한 동영상 내에서 헬멧 착용자와 미착용자를 구분하고 미착용자 탐지 시 알람을 제공하는 시스템을 제시한다. 기존 YOLO 알고리즘 및 신경망을 적용하되, 전동 킥보드 데이터를 새로 수집하고 클래스를 구분하여 학습시켰다. 소수의 탐지 및 분류 오류를 보정하기 위해, 히스토그램 간 유사도를 측정해 최종적으로 객체를 추적 및 확정하고, 객체에 대한 헬멧 착용 여부를 통계적으로 확인한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.920-921
• /
• 2023

미디어 공유 활성화에 따라 개인정보 노출의 위험성이 증가하고 있다. 본 논문에서는 YOLOv5를 통해 학습한 모델을 바탕으로 이미지에서 개인정보가 담긴 물체를 탐지하는 연구를 진행하였다. 모델로 탐지된 객체에는 광학 인식 기술(OCR)을 적용하여 객체 내의 텍스트 속 개인정보 영역을 마스킹한다. 설계된 알고리즘은 여러 분야에 활용되어 개인정보에 대한 서비스 강화를 제공해 줄 수 있을 것으로 기대된다.

• Journal of Broadcast Engineering
• /
• v.24 no.3
• /
• pp.495-505
• /
• 2019

Typical algorithms of deep learning include CNN(Convolutional Neural Networks), which are mainly used for image recognition, and RNN(Recurrent Neural Networks), which are used mainly for speech recognition and natural language processing. Among them, CNN is able to learn from filters that generate feature maps with algorithms that automatically learn features from data, making it mainstream with excellent performance in image recognition. Since then, various algorithms such as R-CNN and others have appeared in object detection to improve performance of CNN, and algorithms such as YOLO(You Only Look Once) and SSD(Single Shot Multi-box Detector) have been proposed recently. However, since these deep learning-based detection algorithms determine the success of the detection in the still images, stable object tracking and detection in the video requires separate tracking capabilities. Therefore, this paper proposes a method of combining Kalman filters into deep learning-based detection networks for improved object tracking and detection performance in the video. The detection network used YOLO v2, which is capable of real-time processing, and the proposed method resulted in 7.7% IoU performance improvement over the existing YOLO v2 network and 20 fps processing speed in FHD images.

• Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography
• /
• v.37 no.6
• /
• pp.481-489
• /
• 2019

Change detection, one of the main applications of multi-temporal satellite images, is an indicator that directly reflects changes in human activity. Change detection can be divided into pixel-based change detection and object-based change detection. Although pixel-based change detection is traditional method which is mostly used because of its simple algorithms and relatively easy quantitative analysis, applying this method in VHR (Very High Resolution) images cause misdetection or noise. Because of this, pixel-based change detection is less utilized in VHR images. In addition, the sensor of acquisition or geographical characteristics bring registration noise even if co-registration is conducted. Registration noise is a barrier that reduces accuracy when extracting spatial information for utilizing VHR images. In this study object-based change detection of VHR images was performed considering registration noise. In this case, object-based change detection results were derived considering various pixel-based change detection methods, and the major voting technique was applied in the process with segmentation image. The final object-based change detection result applied by the proposed method was compared its performance with other results through reference data.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.01a
• /
• pp.39-40
• /
• 2022

최근 전동 킥보드, 전동휠, 전기 자전거 등 개인형 이동수단(Personal Mobility)의 보급이 늘면서 관련 인명 교통사고가 급증하고 있다. 본 논문에서는 개인형 이동수단의 사용위험 및 사고 감소를 목적으로, 딥러닝 객체탐지 기술을 적용하여 다양한 위험요소를 증강현실 기술을 기반으로 한 HMD(Helmet mounted display)에 표시하는 '딥러닝 객체 인식과 증강현실을 적용한 개인 이동장치를 위한 HMD(Helmet Mounted Display) 어플리케이션'을 설계한다. 제시하는 방법은 실시간으로 수집된 전방의 실시간 영상 정보를 객체 탐지 알고리즘을 통해 위험요소 및 안전한 주행을 보조하는 객체를 감지하고 증강현실을 적용해 사용자에게 적절한 운전 보조장치 및 기능을 제공한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.01a
• /
• pp.17-18
• /
• 2022

현재 국내에서는 1인 1스마트폰 시대를 맞이하게 되었고 이에 맞춰 많은 종류의 관련 산업들이 발전하고 있다. 특히 멀티미디어와 콘텐츠 산업 또한 크게 성장하고 있다. 이런 상황에서 필수적으로 사용되는 편집 기술을 위하여, 많은 소프트웨어가 등장하고 이용되고 있다. 편집을 자유롭게 이용하기 위해서는 전문적인 인력이 필요하거나 시간이나 자본을 들여서 이해와 학습을 필수적으로 해야 한다. 본 논문에서는 이러한 편집 과정의 수고로움을 덜어줄 수 있도록 인공지능의 객체탐지 기술을 이용하여 특정 상표에 대한 모자이크 처리 작업을 자동으로 할 수 있는 B.A.M.O.S를 개발하였다. YOLO 알고리즘을 이용하여 목표 상표를 학습시켜 이를 B.A.M.O.S에 적용하였고, 목표 상표를 인식하여 모자이크 처리를 하도록 하였다.