• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10b
• /
• pp.538-540
• /
• 2004

이 논문에서 제안된 인간행동패턴 결정을 위한 상황인식 미들웨어는 Intelligent Home환경에서 인간과 Home환경과의 지능적인 Agent로써의 역할을 담당한다. 우리는 제시된 논문에서 인간행동패턴 결정을 위한 상황인식 미들웨어의 아키텍처를 제안하고 상황인식 미들웨어 내에서 동작하는 인간행동패턴 학습 및 결정 프로세서에 대한 구조와 구현내용에 대한 설명을 한다. 인간행동패턴을 결정하기 위한 기본 컨텍스트들을 환경 컨텍스트와 생체 컨텍스트로 크게 두 그룹으로 분리하였고 각 그룹은 세 개의 컨텍스트를 포함하고 있다. 환경과 생체로 나뉘어진 총 6개의 컨텍스트들을 정의하고 그 구성에 대하여 설명한다. 또한 컨텍스트는 9단계로 정규화 되어 상황인식 미들웨어에서의 다음 단계인 인간행동패턴 학습 및 결정 프로세서로 정규화 된 값을 전달된다. 인간행동패턴 학습 및 결정 프로세서에서는 패턴인식에 대한 세부사항을 설명한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.11a
• /
• pp.225-228
• /
• 2005

본 논문에서는 생물의 2차원영상에서 4가지의 특징을 추출한 다음 약품에 대한 생물의 행동 패턴 반응에 대하여 의사결정나무를 적용하여 패턴의 인식 및 분류를 하였다. 생물의 행동패턴을 대변하는 물리적인 특징인 속도, 방향전환 각도, 이동거리에 대하여 각각 중간이상속도비율, FFT(Fast Fourier Transformation), 2차원 히스토그램 면적, 프렉탈, 무게중심을 사용하여 특징을 추출하였다. 이렇게 추출된 4가지의 특징변수들을 사용하여 의사결정나무 모델을 구성한 다음 생물의 약품 첨가에 대한 반응을 분석하였다. 또한 결과에서는 기존의 생물의 행동패턴 구분에 쓰였던 전형적인 기법(conventional methods)보다 본 연구에서 적용한 의사결정나무가 생물의 행동패턴이 가지는 물리적 요소에 대한 독해력을 가짐을 보임으로써 특정환경에서 이동행동에 대한 분석을 용이하게 하고자 하였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.15 no.6
• /
• pp.682-687
• /
• 2005

Behavioral sequences of the medaka(Oryzias latipes) were investigated through an image system in response to medaka treated with the insecticide and medaka not treated with the insecticide, diazinon(0.1 mg/1). After much observation, behavioral patterns could be divided into 4 patterns: active smooth, active shaking, inactive smooth, and inactive shaking. These patterns were analyzed by 5 features: speed ratio, x and y axes projection, FFT to angle transition, fractal dimension, and center of mass. Each pattern was classified using decision tree. It provide a natural way to incorporate prior knowledge from human experts in fish behavior, The main focus of this study was to determine whether the decision tree could be useful in interpreting and classifying behavior patterns of the animal.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2007.11a
• /
• pp.63-65
• /
• 2007

본 연구에서는 비디오 영상데이터로부터 인간의 행동패턴의 인식기술 및 상황인식 기법을 소개하고 이를 활용한 실용적 응용으로서 지능형 감시시스템을 제안한다. 순차적 영상신호에서 형태기반의 정적 특징과 목표물의 움직임 요소를 측정한 동적 특징을 결합한 형태의 특징 표현 및 추출기법과 행동패턴 및 상황패턴에 대한 인식 모델을 제시하고 구현한다. 모듈구조의 시스템에서 영상처리 모듈과 패턴인식 모듈은 특징추출 및 인식과정을 수행하며, 감시영상에 대한 상황판단 기능은 데이터베이스 모듈과 연동하여 효과적인 검색기능과 경보기능 등을 지원한다. 이러한 기능은 기존의 시스템에서 운영자의 지속적인 감시작업과 상황판단 작업을 보조 또는 대행하여 수행할 수 있을 뿐만 아니라 데이터저장 공간을 획기적으로 줄이고 부수적으로 효율적인 영상의 조회기능 및 추적기능 등의 유용한 인터페이스를 지원한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.10c
• /
• pp.475-479
• /
• 2007

본 논문은 Hidden Markov Model을 사용하여 사람의 특정한 행동을 인식하여 사용자에게 알려주는 지능형 영상 감시 시스템을 제안한다. 본 방법에는 카메라를 통해 입력된 영상에서 사람 영역을 찾은 후 발 영역만을 추출하여 특징이 되는 관측열을 생성한다. 특징 영역은 입력 영상의 각 프레임을 16개의 영역으로 나누어 발바닥이 위치한 곳의 코드를 읽어 사용하고, 인식하고자하는 패턴 행동들에 대해서는 각각의 관측열을 구하고 HMM의 Baum-Welch 알고리즘을 사용하여 학습한다. 인식에는 전향 알고리즘을 사용하여 입력된 행동과 학습된 행동을 확률적으로 비교하므로써 영상 내의 행동이 어떤 패턴 행동인지를 결정하여 출력하도록 한다. 제시된 방법은 복도에서 사람의 특정 행동을 인식하는데 성공적으로 적용될 수 있음을 실험을 통해 확인 하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.04a
• /
• pp.257-260
• /
• 2007

인간의 행위에는 외부환경으로부터 감각정보가 입력되어 반응되는 무의식적인 행동과 뇌에 의한 추론과 인지에 의한 행동으로 분류할 수 있다. 동일한 환경 조건하에서의 인간 행위분류의 통해 활용 적합한 응용프로그램을 개발하여 적용하여 본다. 본 논문에서는 인간의 몸에 부착하여 움직임을 데이터로 분석할 수 있도록 행동인식 시스템을 개발하였다. 인간행동의 인식패턴을 분류하기 위해 Soft-Computing Algorithm을 행위 추출센서에 적용시킨 단독 시스템을 개발하여 센서모듈로부터 인간의 행동 패턴을 분류할 수 있도록 한다. 이러한 센서모듈은 3축 각속도 및 가속도 센서를 부착시킨 모듈로 Micro-Processor를 사용하여 모듈을 구성하였으며, 구축된 모듈은 인간의 몸에 착용하여 인간의 움직임을 디지털 데이터로 변환된다. 변환된 데이터를 무선통신을 통해 워크스테이션에 전달되어 인간행위에 대한 패턴분류 알고리즘 처리가 가능하며, 추출된 데이터를 기반으로 인간의 행동분석과 교정이 이루어 질 수 있도록 한다. 본 논문에서의 최종 시나리오는 운전자의 행동패턴을 이용한 행동 감지 및 서비스 시스템을 구성하는 데에 목적을 둔다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.10a
• /
• pp.597-598
• /
• 2016

행동 인식을 위한 기존의 심층신경망은 행동 패턴 모델링과 행동 인식 성능 향상에 큰 기여를 하였다. 그러나 이 신경망은 영상 전체를 하나의 행동 인식 대상으로 보기 때문에 다중 객체의 개별적인 행동 인식에는 한계가 있다. 이에 본 논문에서는 R-CNN과 LSTM을 융합한 RC-LSTM 심층신경망을 통해 다중 객체의 행동 인식을 위한 방법을 제안한다.

• Journal of the Institute of Electronics and Information Engineers
• /
• v.51 no.12
• /
• pp.123-129
• /
• 2014

In accordance with the development of various convergence devices, cameras are being used in many types of the systems such as security system, driver assistance device and so on, and a lot of people are exposed to these system. Therefore the system should be able to recognize the human behavior and support some useful functions with the information that is obtained from detected human behavior. In this paper we use a machine learning approach based on 2D image and propose the human behavior pattern recognition methods. The proposed methods can provide valuable information to support some useful function to user based on the recognized human behavior. First proposed one is "phone call behavior" recognition. If a camera of the black box, which is focused on driver in a car, recognize phone call pose, it can give a warning to driver for safe driving. The second one is "looking ahead" recognition for driving safety where we propose the decision rule and method to decide whether the driver is looking ahead or not. This paper also shows usefulness of proposed recognition methods with some experiment results in real time.

• 한국HCI학회:학술대회논문집
• /
• 2008.02a
• /
• pp.245-250
• /
• 2008

최근 동작 및 행동 인식에 대한 연구가 활발하다. 특히, 센서가 소형화되고 저렴해지면서 그 활용을 위한 관심이 증가하고 있다. 기존의 많은 행동 인식 연구에서 사용되어 온 정적 분류 기술 기반 동작 인식 방법은 연속적인 데이터 분류 기술에 비해 유연성 및 활용성이 부족할 수 있다. 본 논문에서는 연속적인 데이터의 패턴 분류 및 인식에 효과적인 확률적 추론 기법인 은닉 마르코프 모델(Hidden Markov Model)과 사전 지식 없이도 자동 학습이 가능하며 의미 깊은 궤적 패턴을 클러스터링하고 효과적인 양자화가 가능한 자기구성지도(Self Organizing Map)를 이용한 동작 인식 기술을 소개한다. 또한, 그 유용성을 입증하기 위해 실제 가속도 센서를 이용하여 다양한 동작에 대한 데이터를 수집하고 분류 성능을 분석 및 평가한다. 실험에서는 실제 가속도 센서를 통해 수집된 숫자를 그리는 동작의 성능 평가 결과를 보이고, 행동 인식기 별 성능과 전체 인식기별 성능을 비교한다.

• Journal of Satellite, Information and Communications
• /
• v.11 no.1
• /
• pp.55-57
• /
• 2016

In this paper, we present an algorithm to determine the abnormal behavior through a CCTV-based behavioral recognition and a pattern of hand using ConvexHull. In the existing way that using CCTV for crime prevention, facial recognition is mainly used. Facial recognition is the way that compares the faces that are seen on the screen and faces of criminals for determining how dangerous targets are, however, this way is hard to predict future criminal behavior. Therefore, to predict more various situations, abnormal behaviours are determined with targets' incline of arms, legs and bodys and patterns of hand movements. it can forecast crimes when an acting has been getting within common normality out, comparing whose acting patterns with the crime patterns.