• 대한임베디드공학회논문지
• /
• 제17권3호
• /
• pp.167-175
• /
• 2022

With the recent expansion of electric kickboards and bicycle sharing services, more and more people use them. In addition, the rapid growth of the delivery business due to the COVID-19 has significantly increased the use of two-wheeled vehicles and personal mobility. As the accident rate increases, the rule related to the two-wheeled vehicles is changed to 'mandatory helmets for kickboards and single-person transportation' and was revised to prevent boarding itself without driver's license. In this paper, we propose a wearable smart safety equipment, called SafetyHelmet, that can keep helmet-wearing duty and lower the accident rate with the communication between helmets and mobile devices. To make this function available, we propose a safe driving assistance function by notifying the driver when an object that interferes with driving such as persons or other vehicles are detected by applying the YOLO v5 object detection algorithm. Therefore it is intended to provide a safer driving assistance by reducing the failure rate to identify dangers while driving single-person transportation.

• 한국산학기술학회논문지
• /
• 제21권7호
• /
• pp.262-269
• /
• 2020

최근 다양한 쇼핑 환경에서 결제에 소요되는 시간을 줄이기 위한 많은 시도들이 이루어지고 있다. 또한 4차 산업혁명시대에 들어서면서 인공지능 기술이 고도화되고 있으며, IoT 장비들은 더욱 소형화되고 저렴해져서 이 두 가지 기술을 융합시킴으로써 사용자의 시간을 절약할, 인간을 대신하는 무인 환경을 구축하는 것에 대한 접근이 용이해졌다. 본 논문에서는 저가 IoT 장비들과 딥러닝 객체 탐지 기술을 기반으로 하는 스마트 쇼핑카트 시스템을 제안한다. 제안된 스마트 카트 시스템은 실시간 상품 인식을 위한 카메라와 라즈베리파이, 트리거 역할을 하는 초음파 센서, 상품이 쇼핑카트에 들어온 것인지 나간 것인지를 판단하기 위한 무게 센서, 가상의 장바구니에 대한 UI를 제공하는 스마트폰 어플리케이션, 학습된 데이터가 저장되는 딥러닝 서버로 구성된다. 각 모듈 간의 통신은 TCP/IP 네트워크 및 HTTP 네트워크로 이루어지며, 서버의 상품 인식을 위해서는 객체탐지 기술이 구현된 YOLO darknet 라이브러리를 사용한다. 사용자는 스마트폰의 앱을 통하여 스마트 카트에 넣은 물건들의 목록을 점검하고 자동으로 결제할 수 있다. 본 논문에서 제안된 스마트 카트 시스템은 가성비가 높은 무인 상점을 구현하는데 응용될 수 있다.

• 한국ITS학회 논문지
• /
• 제19권6호
• /
• pp.61-73
• /
• 2020

IoT 디바이스로부터 수집된 위치정보를 활용한 실시간 위치센싱 기술은 항만 등 다양한 산업현장에서 활용되고 있다. 그러나 GPS 센서의 특성상 오차는 항상 존재하며, 이를 활용하는 사고위험 검지 알고리즘은 오차의 고려가 필수적이다. 본 연구는 GPS 오차를 고려한 항만 내 낙하물 사고위험 구역 접근검지 알고리즘의 보정 방법론을 제안한다. IoT 디바이스로부터 수집된 GPS 오차 데이터를 확률변수로 하는 확률밀도함수를 추정하였으며 알고리즘의 검증을 위해 미시적 시뮬레이션을 활용하였다. 검증 결과 알고리즘은 디바이스의 위치오차 1m, 5m에 따라 검지 정확도가 각각 93%, 77%로 나타났다. 본 연구는 향후 디바이스의 성능을 고려한 유효 위험범위 설정 및 안전관리에 중요한 역할을 할 수 있을 것으로 기대된다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.437-440
• /
• 2022

현대 사회는 4차 산업 혁명과 IoT 기술 등의 발전으로 영상 처리 분야의 활용이 급증하고 있다. 특히, 에지 검출은 이미지 분류, 객체 검출 등 영상 처리 응용에서 필수적인 전처리 과정으로 여러 분야에서 널리 사용되고 있다. 에지를 검출하기 위한 기존의 방법에는 소벨 필터(Sobel edge detection filter), 로버츠 필터(Roberts edge detection filter), 프리윗 필터(Prewitt edge detection filter), LoG(Laplacian of Gaussian) 등이 있다. 하지만 기존의 방법들은 명암도가 낮은 저조도 환경에서 에지 검출 특성이 다소 미흡한 성능을 보인다는 단점이 있다. 따라서 본 논문에서는 저조도 환경에서도 에지 검출 특성을 높이기 위해 명암도 분석에 기반한 에지 검출 알고리즘을 제안한다.

• 스마트미디어저널
• /
• 제8권2호
• /
• pp.66-73
• /
• 2019

최근 컴퓨터 비전을 활용한 사물인식 기술이 센서 기반 사물인식 기술을 대체할 기술로 주목을 받고 있다. 센서 기반 사물인식 기술은 일반적으로 고가의 센서를 필요로 하기 때문에 기술이 상용화되기 어렵다는 문제가 있었다. 반면 컴퓨터 비전을 활용한 사물인식 기술은 고가의 센서 대신 비교적 저렴한 카메라를 사용할 수 있다. 동시에 CNN이 발전하면서 실시간 사물인식이 가능해진 이후 IoT, 자율주행자동차 등 타 분야에 활발하게 도입되고 있다. 그러나 사물 인식 모델을 상황에 알맞게 선택하고 학습시키기 위해서는 딥러닝에 대한 전문적인 지식을 요구하기 때문에 비전문가가 사물 인식 모델을 사용하기에는 어려움이 따른다. 따라서 본 논문에서는 딥러닝 기반 사물인식 모델들의 구조와 성능을 분석하고, 사용자가 원하는 조건의 최적의 딥러닝 기반 사물 인식 모델을 스스로 선정할 수 있는 플랫폼을 제안한다. 또한 통계에 기반한 사물 인식 모델 선정이 필요한 이유를 실험을 통해 증명한다.

• 사물인터넷융복합논문지
• /
• 제6권1호
• /
• pp.83-95
• /
• 2020

실제 복잡다난한 농작물 밭 환경에서 잡초를 정밀하게 검출하는 것은 이전의 접근방법들로는 이미지 프레임을 정확하게 처리하는 속도 면에서 부족했다. 식물의 질병 분류 문제가 중요시 되는 상황에서 특히 작물의 잡초 문제는 큰 화제가 되고 있다. 이전의 접근방식들은 빠른 알고리즘을 사용하지만 추론 시간이 실시간에 가깝지 않아 통제되지 않은 조건에서 비현실적인 해결책이 된다. 따라서, 복잡한 벼 잡초 검출 과제에 대한 탐지 모델을 제안한다. 실험 결과에 따르면, 우리의 접근 방식의 추론 시간은 잡초 검출 과제에서 상당한 시간절약을 보여준다. 실제 조건에서 실제로 적용할 수 있는 것으로 나타난다. 주어진 예시들은 쌀의 두 가지 성장 단계에서 수집되었고 직접 주석을 달았다.

• 한국정보통신학회논문지
• /
• 제26권9호
• /
• pp.1259-1265
• /
• 2022

최근 인공지능, 빅데이터, 사물인터넷 기술이 안전사고 예방을 위한 화재 감지, 가스나 유해 물질 감지 등 다양한 솔루션에서 활용되고 있다. 2021년 고용노동부에서 발간한 산업 재해 발생 현황에 따르면, 2020년과 비교해 재해율, 재해자 수, 사망자 수가 증가하였으며 최근에는 중대재해 처벌 등에 관한 법률과 같은 안전조치를 강화하는 등 제도적, 사회적 관심이 높아지고 있다. 본 논문에서는 한국지능정보사회진흥원(NIA)에서 제공한 데이터셋 구축 가이드라인을 참고하여 현장에서 직접 수집해 데이터셋을 직접 구축하고 YOLOv4로 학습하여 객체 탐지를 통해 충돌위험 객체 탐지 시스템을 제안하고자 한다. 위험 상황 규칙 위반에 대한 정확도는 실내 88%, 실외 92%의 탐지 성능을 보였다. 이러한 시스템을 통해 산업 현장에서 발생하는 안전사고를 사전에 분석해 지능형 플랫폼 연구에 활용이 가능할 것으로 사료된다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.133-135
• /
• 2022

IoT 및 AI기술과 매체의 발전에 따라 다양한 디지털 장비가 사용되고 있으며, 무인화와 자동화가 급속도로 진행되고 있다. 특히 스마트 팩토리와 자율주행기술 및 지능형 CCTV와 같은 분야에서는 높은 수준의 영상처리 기술이 요구되고 있다. 하지만 영상에 존재하는 잡음은 에지 검출이나 객체 인식과 같은 과정에 영향을 미치고 있으며, 시스템의 정확성과 신뢰도 저하를 야기한다. 본 논문에서는 복합잡음에 훼손된 영상을 복원하기 위해 퍼지 가중치를 사용한 필터링 알고리즘 제안한다. 제안한 알고리즘은 잡음 판단을 사용하여 기준값을 구했으며, 퍼지가중치를 적용하여 최종출력을 계산한다. 제안한 알고리즘의 성능을 검증하기 위해 시뮬레이션을 진행하였으며, 기존 필터 알고리즘과 결과영상을 비교하여 평가하였다.

• 한국정보통신학회논문지
• /
• 제26권6호
• /
• pp.813-826
• /
• 2022

카메라를 이용한 영상 처리와 그에 따른 인공지능 기술의 발달로 다양한 분야의 기술이 발전하기 시작했다. 하지만 보드가 가벼울수록 연산이 많이 필요한 영상 처리 알고리즘을 구현하기 힘들다. 본 논문에서는 경량 임베디드 보드에서 물체 인식 알고리즘을 위한 딥러닝을 사용하는 방법을 제안한다. 비교적 적은 양의 계산으로 segmentation을 처리하는 딥러닝 알고리즘을 사용하여 ROI(Region of Interest)를 결정할 수 있다. 영역을 마스킹한 후, 더 정확한 딥러닝 알고리즘을 사용해 물체 감지를 할 수 있다. Python에서 입력 이미지를 처리하기 위해 OpenCV를 사용했고 ENet과 YOLO(You Only Look Once)를 사용하여 이미지를 처리했다. 이 알고리즘을 실행함으로써 평균 오차가 절반으로 감소해 정확한 객체 검출을 처리할 수 있고 경량 임베디드 보드에서 실시간으로 객체 인식을 실행할 수 있다. 이 연구는 자율주행과 IoT에서 저가격 경량화된 응용에 활용될 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.131-145
• /
• 2020

산업혁신의 흐름에 발맞추어 다양한 분야에서 활용되고 있는 IoT 기술은 빅데이터의 접목을 통한 새로운 비즈니스 모델의 창출 및 사용자 친화적 서비스 제공의 핵심적인 요소로 부각되고 있다. 사물인터넷이 적용된 디바이스에서 누적된 데이터는 사용자 환경 및 패턴 분석을 통해 맞춤형 지능 시스템을 제공해줄 수 있어 편의 기반 스마트 시스템 구축에 다방면으로 활용되고 있다. 최근에는 이를 공공영역 혁신에 확대 적용하여 CCTV를 활용한 교통 범죄 문제 해결 등 스마트시티, 스마트 교통 등에 활용하고 있다. 그러나 이미지 데이터를 활용하는 기존 연구에서는 개인에 대한 사생활 침해 문제 및 비(非)일반적 상황에서 객체 감지 성능이 저하되는 한계가 있다. 본 연구에 활용된 IoT 디바이스 기반의 센서 데이터는 개인에 대한 식별이 불필요해 사생활 이슈로부터 자유로운 데이터로, 불특정 다수를 위한 지능형 공공서비스 구축에 효과적으로 활용될 수 있다. 대다수의 국민들이 일상적으로 활용하는 도시철도에서의 지능형 보행자 트래킹 시스템에 IoT 기반의 적외선 센서 디바이스를 활용하고자 하였으며 센서로부터 측정된 온도 데이터를 실시간 송출하고, CNN-LSTM(Convolutional Neural Network-Long Short Term Memory) 알고리즘을 활용하여 구간 내 보행 인원의 수를 예측하고자 하였다. 실험 결과 MLP(Multi-Layer Perceptron) 및 LSTM(Long Short-Term Memory), RNN-LSTM(Recurrent Neural Network-Long Short Term Memory)에 비해 제안한 CNN-LSTM 하이브리드 모형이 가장 우수한 예측성능을 보임을 확인하였다. 본 논문에서 제안한 디바이스 및 모델을 활용하여 그간 개인정보와 관련된 법적 문제로 인해 서비스 제공이 미흡했던 대중교통 내 실시간 모니터링 및 혼잡도 기반의 위기상황 대응 서비스 등 종합적 메트로 서비스를 제공할 수 있을 것으로 기대된다.