• Journal of KIISE:Computing Practices and Letters
• /
• v.16 no.4
• /
• pp.477-481
• /
• 2010

In this paper, we try to classify behavior patterns of a person around a bed based on a wireless sensor network system. We define five behavioral patterns and three states of a person around a bed which is described by a state machine. We collected data sensed by motion detection and vibration sensors installed around a bed from which a feature vector was extracted. Based on feature vector corresponding to behavioral patterns and the state machine, we established a model for behavioral patterns. To validate the model, experiments on subjects were performed and the model was fixed. These experimental results revealed that behavior patterns of a person around a bed can be classified well.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.18 no.1
• /
• pp.113-117
• /
• 2018

Human emotions are revealed by various factors. Words, actions, facial expressions, attire and so on. But people know how to hide their feelings. So we can not easily guess its sensitivity using one factor. We decided to pay attention to behaviors and facial expressions in order to solve these problems. Behavior and facial expression can not be easily concealed without constant effort and training. In this paper, we propose an algorithm to estimate human emotion through combination of two results by gradually learning human behavior and facial expression with little data through the deep learning method. Through this algorithm, we can more comprehensively grasp human emotions.

• Journal of Korea Game Society
• /
• v.8 no.4
• /
• pp.95-105
• /
• 2008

In virtual games, Non-Playing Character(NPC)s as game elements tend to frequently communicate with game players. Although the artificial-intelligence (AI) algorithm widely used for games has been greatly developed, basic roles of NPCs have remained on the same. In a life game whose goal is to observe the actions and behaviors of the human-like NPCs, for example, their straightahead actions cause boredom. Actually, NPCs fail to display their various expressions that are characterized by humans. To make NPCs act like humans, several characters with a greater variety of characteristics need to be created. this paper proposes how NPCs both express the wide range of emotions using probability distribution and react based on their different characteristics. To verify the change of NPC actions, personalities were assigned according to the probability distribution and this algorithm was applied to a 3D game to validate the method suggested in this paper.

• Proceedings of the Korea Association of Information Systems Conference
• /
• 2005.12a
• /
• pp.435-440
• /
• 2005

정보기술 도입과 관련된 주류 이론은 혁신확산이론과 기술수용모델이다. 특히 기술수용모델은 도입의사결정자가 합리적 사고를 한다는 전제가 이론 기저에 깔려 있다. 하지만, 실제 현실세계에서는 유행과 집단의식 등에 의해 정보기술을 도입하는 경우가 많다. ERP가 유행이면, 무조건 쫓아서 ERP를 도입하고, KM이 유행이면 또한 쫓아서 KM을 도입하는 현상이 보편적으로 일어나고 있다. 이러한 행태를 군집 행태라 한다. 군집행태는 정보에 대한 비대칭성이 커서 사람들이 느끼는 정보의 불확실성이 큰 경우에 사람들이 보이는 행태 중의 하나이다. 어느 한 사람이 특정한 행동을 하면 다른 사람들도 그를 따라 집단적으로 동일한 행동을 하는 것을 말한다. 그 사람이 왜 그러한 행동을 하는지를 알고 따라하는 것이 아니다. 그가 자신이 모르는 무엇인가를 알고 있다고 믿고 우선 따라 하는 것이 상책이라고 생각하는 것이다. 본 연구에서는 정보기술의 도입과 관련된 군집행태에 영향을 주는 요인을 찾아내고자 한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.11a
• /
• pp.3-6
• /
• 2007

사람들이 어떠한 행동을 할 때는 특정 의도를 가지고 있기 때문에 상황에 맞는 적합한 서비스를 제공하기 위해서는 사용자가 현재 하고 있는 행동에 대한 의도를 파악해야한다. 이를 위해 의도와 행동사이의 연관성을 이용하여 사용자의 의도에 따른 행동의 모델을 만든다. 일상생활에서 사람들이 하는 행동은 작은 단위 행동들의 연속(sequence)으로 이루어지므로, 사용자의 단위행동의 순서를 분석한다면 의도에 따른 행동 모델을 만들기가 용이해진다. 하지만, 이런 단위 행동 분석 방법의 문제점은 같은 의도를 가진 행동이 완벽하게 동일한 단위 행동의 순서로 일어나지는 않는다는 점이다. 시스템은 동일한 동작 순서로 일어나지 않는 행동들을 서로 다른 의도를 가진 행동으로 이해하게 된다. 따라서 이 문제점을 해결할 수 있는 사용자 의도 파악 기법이 필요하다. 본 논문에서는 과거의 사용자의 행동 정보를 기반으로 행동들의 유사성을 판별하였고, 그 결과를 이용하여 행동의 의도를 파악하는 방법을 사용한다. 이를 위해, 과거 사용자가 한 행동들을 단위 시간 별로 나누어 단위 행동의 순서로 만들고, 이를 K-평균 군집화 방법(K-means)으로 군집들의 순서로 나타내었다. 이 변경된 사용자 행동 정보를 사용하여 은닉 마코프 모델을 학습 시키고, 이렇게 만들어진 은닉 마코프 모델은 현재 사용자가 행한 행동이 어떤 행동인지를 예측하여 사용자의 의도를 파악한다.

• Proceedings of the KSCN Conference
• /
• 2004.05a
• /
• pp.413.1-413
• /
• 2004

농촌지역은 건강과 식생활의 자연친화적으로 볼 수 있으나 실제로 농약사용과 과다한 노동 부하와 함께 농업의 세계화 추세에 따라 농업종사자의 정신적 육체적 어려움이 클 것으로 본다. 이에 따라 농촌에서 거주하지만 농업에 종사하는 사람과 비농업에 종사하는 사람들 간에 식품의 생산과 식행동 및 건강관리 행동에 차이를 알아보고 농업종사자의 나은 건강생활을 위한 자료로 활용하기 위하여 본 연구를 실시하였다. 농촌을 행정구역별로 인구비례에 따라 층화추출법으로 1870명을 선발하였다.(중략)

• KIPS Transactions on Software and Data Engineering
• /
• v.10 no.5
• /
• pp.187-194
• /
• 2021

A person's behavioral recognition is the recognition of what a person does according to joint movements. To this end, we utilize computer vision tasks that are utilized in image processing. Human behavior recognition is a safety accident response service that combines deep learning and CCTV, and can be applied within the safety management site. Existing studies are relatively lacking in behavioral recognition studies through human joint keypoint extraction by utilizing deep learning. There were also problems that were difficult to manage workers continuously and systematically at safety management sites. In this paper, to address these problems, we propose a method to recognize risk behavior using only joint keypoints and joint motion information. AlphaPose, one of the pose estimation methods, was used to extract joint keypoints in the body part. The extracted joint keypoints were sequentially entered into the Long Short-Term Memory (LSTM) model to be learned with continuous data. After checking the behavioral recognition accuracy, it was confirmed that the accuracy of the "Lying Down" behavioral recognition results was high.

• Journal of Korea Game Society
• /
• v.11 no.2
• /
• pp.141-149
• /
• 2011

The substantial effort is required to make a virtual character smoothly move like a human being in the virtual environment. Since a virtual character acts on the basis of the actions, it is the most critical to define actions for smooth flow of action. It has been actively studied the programming by demonstration which defines series of actions to be performed by a virtual character based on the actions operated by a person. However, such approaches can't easily draw many sequential actions because they create sequential actions in the same length all the time or restrict the actions used to create such actions. For smooth flow of action, it is required to derive sequential actions as much as possible from the actions of a virtual character and to select the representative set of actions. Accordingly, it is necessary to study how to create sequential actions as reducing diverse limits. This study suggests the approach to select sequential actions suitable for a virtual character by collecting the actions of a character manipulated by a person and deriving a set of actions to be performed by a virtual character. The experiment describes the process to create the actions by applying the approach suggested in this study to the driving game. In accordance with the analysis results, it was found that a set of actions performed by a person was generated without being restricted by a length or a part to divide. Finally, we confirmed that the suggested method selects the best sequential actions, appropriate to virtual character, among more generated actions.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.04a
• /
• pp.892-895
• /
• 2017

본 논문에서는 비분할 비디오로부터 이 비디오에 담긴 사람의 행동을 효과적으로 탐지해내기 위한 심층 신경망 모델을 제안한다. 일반적으로 비디오에서 사람의 행동을 탐지해내는 작업은 크게 비디오에서 행동 탐지에 효과적인 특징들을 추출해내는 과정과 이 특징들을 토대로 비디오에 담긴 행동을 탐지해내는 과정을 포함한다. 본 논문에서는 특징 추출 과정과 행동 탐지 과정에 이용할 심층 신경망 모델을 제시한다. 특히 비디오로부터 각 행동별 시간적, 공간적 패턴을 잘 표현할 수 있는 특징들을 추출해내기 위해서는 C3D 및 I-ResNet 합성곱 신경망 모델을 이용하고, 시계열 특징 벡터들로부터 행동을 자동 판별해내기 위해서는 양방향 BI-LSTM 순환 신경망 모델을 이용한다. 대용량의 공개 벤치 마크 데이터 집합인 ActivityNet 비디오 데이터를 이용한 실험을 통해, 본 논문에서 제안하는 심층 신경망 모델의 성능과 효과를 확인할 수 있었다.

• 한국HCI학회:학술대회논문집
• /
• 2007.02a
• /
• pp.719-724
• /
• 2007

본 논문에서는 광범위한 지역을 감시하기 위해 설치된 여러 대의 카메라로부터 획득된 비디오에 대해 행동을 기반으로 한 비디오 요약 시스템을 제안한다. 제안된 시스템은 시야가 겹쳐지지 않은 다수의 CCTV 카메라를 통해서 촬영한 비디오들을 30분 단위로 나누어 비디오 데이터베이스를 구축하여 시간별, 카메라별 비디오 검색이 가능하다. 또한 비디오에서 키프레임을 추출하여 카메라별, 사람별, 행동별로 비디오를 요약할 수 있도록 하였다. 또한 임계치에 따라 키프레임 검색정도를 조절함으로써 비디오 요약정도를 조절할 수 있다. in. out, stay, left, right, forward, backward와 관련된 11가지 행동을 추출하여 요약된 정보를 가지고 현재 사람의 행동이 어떤 영역에서 어떤 방향으로 움직이고 있는 지에 대한 정보를 보여줌으로써 더 자세히 행동추적을 할 수 있다. 또한 카메라 3대에 대한 전체적인 키프레임에 대한 행동별 통계를 통해서 감시지역의 행동기반 이벤트를 간단히 확인해 볼 수 있다.