• Steel and Composite Structures
• /
• 제29권6호
• /
• pp.703-716
• /
• 2018

Rapid detection of damages in civil engineering structures, in order to assess their possible disorders and as a result produce competent decision making, are crucial to ensure their health and ultimately enhance the level of public safety. In traditional intelligent health monitoring methods, the features are manually extracted depending on prior knowledge and diagnostic expertise. Inspired by the idea of unsupervised feature learning that uses artificial intelligence techniques to learn features from raw data, a two-stage learning method is proposed here for intelligent health monitoring of civil engineering structures. In the first stage, $Nystr{\ddot{o}}m$ method is used for automatic feature extraction from structural vibration signals. In the second stage, Moving Kernel Principal Component Analysis (MKPCA) is employed to classify the health conditions based on the extracted features. In this paper, KPCA has been implemented in a new form as Moving KPCA for effectively segmenting large data and for determining the changes, as data are continuously collected. Numerical results revealed that the proposed health monitoring system has a satisfactory performance for detecting the damage scenarios of a three-story frame aluminum structure. Furthermore, the enhanced version of KPCA methods exhibited a significant improvement in sensitivity, accuracy, and effectiveness over conventional methods.

• 한국콘텐츠학회논문지
• /
• 제11권12호
• /
• pp.28-39
• /
• 2011

멀티미디어 산업의 발달과 함께 디지털 콘텐츠 시장의 확산을 가져오고 있다. 그 중 인터넷 만화와 같은 디지털 만화 시장의 확장은 급속하게 커지고 있어서, 콘텐츠의 부족과 다양성 때문에 동영상 카투닝에 대한 연구가 계속되고 있다. 지금까지는 동영상 카투닝은 비사실적 렌더링과 말풍선에 초점이 맞추어졌으나, 이러한 것들을 적용하기 위해서는 카투닝 서비스에 적합한 프레임 추출이 우선시 되어야만 한다. 기존의 방법으로는 동영상의 장면전환이 일어나는 샷(shot)안의 프레임을 추출하여, 사용자가 지정한 영역을 임의의 색상으로 렌더링(Rendering)하는 시스템이 있다. 하지만 이러한 방법은 사람의 손을 거치는 반자동적인 방법으로서 정확한 프레임 추출을 위해 사람의 손을 거쳐야하는 단점이 있다. 따라서 본 논문에서는 이러한 문제점을 해결하고, 보다 정확한 카투닝에 적용할 프레임을 추출하기 위해 오디오 및 비디오 분리를 통한 방법을 제안한다. 먼저 동영상으로부터 오디오와 비디오를 분리한다. 오디오는 먼저 MFCC와 영교차율의 특징을 추출하고, 이 특징 정보를 미리 학습된 데이터와 GMM 분류기를 통하여 음악, 음성, 음악+음성으로 분류한 후 음성 영역을 설정한다. 비디오는 히스토그램을 이용한 방법과 같은 일반적인 장면전환 프레임을 추출 후 얼굴 검색을 통해서 만화에서 의미가 있는 프레임을 추출한다. 그 후 음성 영역내에 얼굴이 존재하는 장면전환 프레임이나 일정 시간동안 음성이 지속되는 영역 중 장면전환 프레임을 추출하여 동영상 카투닝에 적합한 프레임을 자동으로 추출한다.

• 대한의용생체공학회:의공학회지
• /
• 제24권2호
• /
• pp.77-82
• /
• 2003

삼차원 CT 영상을 이용하여 대장 내부의 병변을 관찰하고 진단하기 위한 비침습적 검사 방법인 가상 대장 내시경을 위하여 가상 카메라의 관찰점과 관찰 방향을 제공하기 위한 적절한 경로가 필요하다. 특히. 인간의 대장은 매우 길고 복잡하므로 사용자가 직접 경로를 생성하려면 많은 시간이 걸리고 정확한 결과를 기대하기 어렵다. 또한 경로를 자동으로 생성하는 기존의 방법들은 계산량이 많아 약 수 분에서 수 십분 이상의 수행 시간이 걸리고. 사람의 대장이 가지는 대표적인 구조인 두께가 급격히 변하거나 곡률이 큰 영역에서 적절한 중앙선을 얻기 어려우며. 끊김이 있는 부적절한 경로를 생성하고, 평활화된 경로가 대상체의 표면과 충돌할 가능성을 배제할 수 없다. 이 논문에서는 계산량이 적은 거리 지도 및 제안된 순서 지도를 이용하여 끊김이 없고 적절한 중앙선을 얻는 고속의 알고리즘을 제안한다 순서 지도는 대상체 내부의 각 복셀에서의 가능한 경로의 방향을 나타내며 거리 지도는 대상체 내부의 각 복셀과 가장 가까운 배경 복셀까지의 거리를 나타낸다. 제안한 방법에서는 두 지도들을 이용하여 끝점에서 출발하여 시작점을 향하는 동시에 더욱 넓은 영역으로 진행하는 경로를 얻으므로, 대상체의 두께와 곡률의 크기에 관계없이 적절한 중앙선을 얻을 수 있다. 이와 함께 경로의 충돌 가능성을 완전히 제거할 수 있는 간단한 평활화 방법을 제안한다 알고리즘의 적절성을 검증하기 위해 사람의 대장의 특징을 가진 팬텀(phantom) 데이터를 이용하여 실험하였다. 사람의 대장 CT 데이터를 이용하여 800MHz PC에서 1분 이내에 적절한 경로를 얻었으며 이를 따라 이동하는 가상의 카메라로부터 만족할만한 가상 대장 내시경 영상을 얻을 수 있음을 보였다.

• 한국통신학회논문지
• /
• 제40권4호
• /
• pp.666-677
• /
• 2015

효과적인 네트워크 관리를 위해 응용 트래픽 분석의 중요성이 강조되고 있다. Snort는 트래픽 탐지를 위해 사용되는 보편적인 엔진으로써 기 정의된 규칙을 기반으로 트래픽을 차단하거나 로그를 기록한다. 하지만 Snort 규칙을 생성하기 위해서는 탐지 대상 트래픽을 전수 조사해야하기 때문에 많은 한계점이 존재할 뿐만 아니라 생성된 규칙의 정확성을 보장하기 어렵다. 본 논문에서는 순차 패턴 알고리즘을 활용하여 입력된 트래픽에서 최소 지지도를 만족하는 문자열을 찾는 방법을 제안한다. 또한, 추출된 문자열을 사용한 규칙을 입력 트래픽에 적용하여 트래픽에서 해당 문자열이 존재하는 위치 정보 및 헤더 정보를 추출한다. 이렇게 추출된 문자열과 위치정보, 그리고 헤더 정보를 조합하여 Snort 규칙을 자동 생성하는 방법을 제안한다. 생성된 규칙을 이용하여 다시 트래픽 분석을 실시했을 때 대부분의 응용이 97%이상 탐지되는 것을 확인하였다.

• Journal of Power Electronics
• /
• 제6권4호
• /
• pp.307-314
• /
• 2006

This paper presents a wavelet and neural network based technology for the monitoring and classification of various types of power quality (PQ) disturbances. Simultaneous and automatic detection and classification of PQ transients, is recommended, however these processes have not been thoroughly investigated so far. In this paper, the hardware and software of a power quality data acquisition system (PQDAS) is described. In this system, an auto-classifying system combines the properties of the wavelet transform with the advantages of a neural network. Additionally, to improve recognition rate, extraction technology is considered.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2003년도 ICCAS
• /
• pp.2235-2239
• /
• 2003

The aim of this research is to study and develop enabling technologies for home healthcare device with ubiquitous network. The motivation of this paper is to enable healthcare in home, to development the device for smart home health care. To achieve the aim, we must develop the prototype platform based on home gateways, distributed context user interface based on UPnP and support for information sharing with high speed power line communication and mobile infra-structures. And IPv6 is the base technology of this platform. In this paper, we concern that physical health, mental health and medical emergencies is all of home healthcare. With the smart device, we evaluate the connectivity, automatic information extraction and private data exchange and event driven message. The result of this paper is demonstration of smart device for ubiquitous communication in a healthcare application such as patient monitoring device and several information services. In conclusion, home healthcare will support more healthy and easy living for a human.

• 디지털산업정보학회논문지
• /
• 제5권2호
• /
• pp.167-176
• /
• 2009

In this paper, a system that detects driver's drowsiness has been implemented based on the automatic extraction and the tracking of pupils. The research also focuses on the compensation of illumination and reduction of background noises that naturally exist in the driving condition. The system, that is based on the principle of Haar-like feature, automatically collects data from areas of driver's face and eyes among the complex background. Then, it makes decision of driver's drowsiness by using recognition of characteristics of pupils area, detection of pupils, and their movements. The implemented system has been evaluated and verified the practical uses for the prevention of driver's drowsiness.

• Journal of Mechanical Science and Technology
• /
• 제20권12호
• /
• pp.2013-2024
• /
• 2006

This paper proposes a condition classification system using wavelet transform, feature evaluation and artificial neural networks to detect faulty products on the production line of reciprocating compressors for refrigerators. The stationary features of vibration signals are extracted from statistical cumulants of the discrete wavelet coefficients and root mean square values of band-pass frequencies. The neural networks are trained by the sample data, including healthy or faulty compressors. Based on training, the proposed system can be used on the automatic mass production line to classify product quality instead of people inspection. The validity of this system is demonstrated by the on-site test at LG Electronics, Inc. for reciprocating compressors. According to different products, this system after some modification may be useful to increase productivity in different types of production lines.

• 한국콘텐츠학회논문지
• /
• 제7권5호
• /
• pp.10-15
• /
• 2007

본 논문에서는 기존의 컴퓨터비전 기술을 이용한 생물체의 자동 추적 시스템을 통하여 얻어진 움직임 데이터를 이용하여 일반적인 움직임의 범위를 벗어나는 비정상적인 움직임 제적을 탐지하여 주는 방법을 제안하고 있다. 또한 웨이블릿 변환을 통한 부대역간 주파수 성분의 특성을 이용하여 움직임 궤적의 분석에 적용하는 방법을 제시하고 있다. 실험 결과를 통하여 인위적인 약물 처리 전 후에 탐지되는 활동성을 표현하는 특징점의 수가 통계학적으로 유의함을 확인하였다.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2006년도 춘계학술대회 논문집
• /
• pp.61-62
• /
• 2006

A new neural network classifier is proposed for the automatic real-time surface inspection of high-speed cold steel strips having 11 different types of defects. 46 geometrical and gray-level features are extracted for the defect classification. 3241 samples of Posco's Kwangyang steel factory are used for training and testing the neural network classifier. The developed classifier produces plausible 15% error rate which is much better than 20-30% error rate of human vision inspection adopted in most of domestic steel factories.