• 전자공학회논문지CI
• /
• 제48권4호
• /
• pp.9-20
• /
• 2011

미래 전쟁의 양상은 네트워크 중심전(network-centric warfare) 및 효과중심 작전(effects-based operations)으로 변화하고 있다. 전장에서 적을 먼저 발견하고 타격하기 위해서는 실시간 표적획득 및 첩보수집, 정확한 상황판단과 적시적인 지휘결심이 필요하다. 첨단 센서기술과 무선네트워크의 급속한 발전으로 인하여 전장감시의 운영개념에도 큰 변화가 요구된다. 특히, 자동화된 정보수집 자산이 부족한 지상군에게 있어서 전장감시 센서네트워크시스템의 도입은 필수 과제이다. 따라서 이 논문에서는 지상군 작전에서 적의 조기 발견과 전장가시화에 필요한 전장감시 센서네트워크시스템 구축을 위한 온톨로지 기반 상황인식 프레임워크를 제안한다. 제안한 온톨로지 기반 상황인식 프레임워크의 성능을 상황정보시스템의 평가방법을 적용하여 기존 시스템과 비교 분석한 결과 양호하게 평가되었으며, 장비협업도를 활용한 구조적 평가방법으로도 만족한 결과를 입증하였다. 온톨로지 기반 상황인식 프레임워크는 확장성과 재사용성의 측면에서 매우 장점이 많은 방식으로서, 향후 지상군 감시정찰체계에 폭 넓게 확대 적용할 수 있다. 또한, 온톨로지로 인한 데이터 량의 증가, 집중화로 인한 네트워크 대역폭 제한 및 처리시간 증가 문제들은 제대별 임무와 특성에 맞게 커스터마이징하거나, 차세대 통신 인프라의 구축으로 인하여 지능형 감시정찰 서비스를 촉진시키게 되므로 지상군의 정보능력 확충에 크게 기여할 것으로 기대된다.

• 한국통신학회논문지
• /
• 제31권2C호
• /
• pp.156-165
• /
• 2006

본 논문에서는 지능적인 보안 시스템 구현의 새로운 접근 방식으로, 인공지능형 시각 시스템에 기반한 팬/틸트 탑재형 스테레오 카메라의 기하학적 정보를 이용한 사람 키 높이 추정기법을 제안하였다. 제안된 시스템에서는 먼저, 스데레오 카메라에서 입력된 영상으로 부터 YCbCr 컬러 모델과 위상형 상관 기법을 사용하여 표적 얼굴영역의 중심좌표를 검출한 다음, 지능형 시각 시스템에 기반한 팬/틸트 탑재형 스테레오 카메라의 능동적인 제어각도 산출을 통해 표적의 다양한 변화에 관계없이 표적의 3차원 좌표를 실시간적으로 검출하고, 이를 통한 표적 대상의 적응적인 신체 크기 추정을 수행하였다. 각기 다른 신장을 가진 3사람의 다양한 이동경로를 가진 480 프레임의 테스트용 스테레오 영상을 사용한 실험 결과, 표적의 추정된 신체 크기값 역시 계산치 및 측정치 사이의 표준편차가 평균 1.03의 작은 값으로 유지됨은 물론, 제안된 시스템에서 계산된 좌표값과 실제 실험대상으로 참여한 사람의 정확한 실제 위치와의 차이 역시 평균 1.2cm 미만의 오차와 전체적으로 1.18$\%$의 오차를 보임으로써 이를 통한 새로운 실시간 스테레오 표적 감시추적 시스템의 구현 가능성을 제시하였다.

• 한국인터넷방송통신학회논문지
• /
• 제9권5호
• /
• pp.115-121
• /
• 2009

요즈음, 지능형 감시 시스템을 이용해서 철도역사에서 발생하는 범인을 쉽게 검색하는 연구가 이루어지고 있다. 본 논문에서는 철도역 부근에서 범죄가 발생하였을 경우에, 1차로 DB에 저장된 전과자 (위험 인물군 DB)를 검색해서 범인을 검색하는 시스템을 모의실험 하였다. 뿐만 아니라, 2차로 현장에서 범인의 옷 색깔을 입력하면 역사부근 범죄현장에서 범인의 옷 색깔과 같은 사람을 검색할 수 있는 모의실험을 개발하였다.

• 한국통신학회논문지
• /
• 제35권3B호
• /
• pp.485-492
• /
• 2010

지능형 교통 시스템에는 도로 환경 정보 제공, 차량 근거리 네트워크 연동, 추돌사고예방 및 보행자 안전 제공 등의 다양한 분야의 연구가 진행되고 있다. 이와 관련하여 운전자 및 보행자 안전을 위한 감지 정확도, 정보 신뢰성, 유지보수 편의성을 기초하는 USN 기술이 주목 받고 있다. 본 연구는 다양한 센서를 이용하여 USN을 도로에 구축하고 개발된 도로기지국(RSU)과 연동하여 실시간 도로 환경 정보 수집하고 차량단말기(OBU) 및 교통 센터에 제공하는 Road Weather Information System을 개발하였다. RSU는 운전자 안전을 위해 노변 정보를 수집하고 이를 분석하여 서비스 우선순위에 따라 IP와 비콘 서비스를 OBU 및 상위 터미널에 제공한다. 상위 터미널에는 IP 기반 셋톱박스 응용 프로그램을 개발하여 교통 정보 및 도로 환경 정보, 환경 센서 오류 등에 정보를 제공한다. 결과적으로, RWIS는 노변 정보의 실시간 수집을 발전시켜 지능형 교통 시스템에 운전자 안전을 보완하고, 기술융합으로 다양한 서비스 방법을 제시하였다.

• 한국지능시스템학회논문지
• /
• 제18권2호
• /
• pp.187-192
• /
• 2008

본 논문은 실내외 공간에서 인간을 포한함 이동물체의 영상정보를 이용하여 이동로봇의 자기위치를 인식하기 위한 방법을 제시하고 있다. 제시한 방법은 로봇자체의 DR센서 정보와 카메라에서 얻은 영상정보로부터 로봇의 위치추정방법을 결합한 것이다. 그리고 이동물체의 이전 위치정보와 관측 카메라의 모델을 사용하여 이동물체에 대한 영상프레임 좌표와 추정된 로봇위치간의 관계를 표현할 수 있는 식을 제시하고 있다. 또한 이동하는 인간과 로봇의 위치와 방향을 추정하기 위한 제어방법을 제시하고 이동로봇의 위치를 추정하기 위해서 칼만필터 방법을 적용하였다. 그리고 시뮬레이션 및 실험을 통하여 제시한 방법을 검증하였다.

• 한국정보통신학회논문지
• /
• 제11권11호
• /
• pp.2179-2184
• /
• 2007

본 논문에서는 인간과 환경사이의 물리적 또는 심리적 인터액션을 통한 인간중심의 적절한 서비스를 제공하는 공간지능화(iSpace: Intelligent Space) 구현하고자 네트웍 센서 인식공간을 소개하고 있다. 영상 데이터 처리 및 정보 네트웍 기능을 갖는 다수의 컬러 CCD 카메라를 iSpace 공간에 분산 배치하였다. iSpace내의 정보획득을 위한 네트웍 센서를 분산 지능형 네트웍 디바이스(DIND: Distributed Intelligent Network Devices)라고 명명하고 있으며, 각 DIND는 일종의 클라이언트 역할을 수행하도록 하였으며, DIND는 카메라 센서를 이용하는 이른바 카메라 네트워크를 구성한 것으로 이를 통해 실내 환경을 인식하고 모델링 하며 공간 내 거주자의 의도를 인식하기 위한 시스템을 구축하였다.

• 한국항행학회논문지
• /
• 제27권6호
• /
• pp.770-775
• /
• 2023

최근 디지털 데이터 양의 기하급수적 증가는 데이터 처리 시스템의 중요성을 부각시켰다. 이 연구는 클라우드 컴퓨팅 (CC; cloud computing), 엣지 컴퓨팅 (EC; edge computing), 그리고 UAV (unmanned aerial vehicle) 기반 지능형 에지 컴퓨팅 (UEC; unmanned aerial vehicle-based intelligent edge computing) 간의 성능을 비교하였으며, 특히 회랑감시와 같은 실시간 대용량 데이터 처리 상황에 초점을 맞추었습니다. UAV 기반 지능형 에지 컴퓨팅은 이동성과 특수 환경에서의 대규모 데이터 처리 및 분석에 높은 효과성을 보인다. 이러한 연구 결과를 바탕으로 각 상황에 맞게 최적화된 시스템 선택 방법론을 제안한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권3호
• /
• pp.1213-1237
• /
• 2019

Vehicular Ad-hoc Network (VANET) facilities envision future Intelligent Transporting Systems (ITSs) by providing inter-vehicle communication for metrics such as road surveillance, traffic information, and road condition. In recent years, vehicle manufacturers, researchers and academicians have devoted significant attention to vehicular communication technology because of its highly dynamic connectivity and self-organized, decentralized networking characteristics. However, due to VANET's high mobility, dynamic network topology and low communication coverage, dissemination of large data packets (e.g. multimedia content) is challenging. Clustering enhances network performance by maintaining communication link stability, sharing network resources and efficiently using bandwidth among nodes. This paper proposes a mobility-based, multi-hop clustering algorithm, (MBCA) for multimedia content broadcasting over an IEEE 802.11p-LTE-enabled hybrid VANET architecture. The OMNeT++ network simulator and a SUMO traffic generator are used to simulate a network scenario. The simulation results indicate that the proposed clustering algorithm over a hybrid VANET architecture improves the overall network stability and performance, resulting in an overall 20% increased cluster head duration, 20% increased cluster member duration, lower cluster overhead, 15% improved data packet delivery ratio and lower network delay from the referenced schemes [46], [47] and [50] during multimedia content dissemination over VANET.

• 한국정보기술학회논문지
• /
• 제17권5호
• /
• pp.105-116
• /
• 2019

국내 대다수의 공공장소 및 사유건물은 범죄 예방 및 사후 조치, 내부자 보안, 시설안전 및 화재 예방 등을 위해 CCTV(Closed Circuit Television)를 설치하고 있으며, 매년 설치 대수는 늘어나는 추세이다. 늘어나는 CCTV에 대하여 진행된 설문에서는 다수의 반응이 CCTV의 촬영으로 인한 프라이버시 침해 등의 부정적 시선보다 설치로 인해 발생할 수 있는 범죄의 예방적 측면에서 긍정적으로 보고 있다. 하지만 CCTV는 프라이버시 측면에서 많은 위험성을 내포하고 있으며, 클라우드를 이용하여 영상 데이터를 수집할 경우 피사체의 개인정보가 유출될 수 있다. 인세캠은 각국의 CCTV 감시 영상을 실시간으로 중계하였으며, 중계 대상에는 노트북의 전면카메라까지 포함되어 큰 이슈를 불러일으켰다. 본 논문에서는 CCTV를 통해 영상정보에 대한 프라이버시 기법 처리를 통한 개인정보 유출 방지 및 클라우드 시스템 보안성 강화를 위한 시스템을 소개하기로 한다.

• 한국ITS학회 논문지
• /
• 제17권5호
• /
• pp.173-187
• /
• 2018

본 논문에서는 주차장 관리 시스템의 한 부분으로 차량 계수를 위한 감시 카메라 시스템의 컴퓨터 비전과 심층 학습 기반 기법을 제안하고자 한다. You Only Look Once 버전 2 (YOLOv2) 탐지기를 적용하고 YOLOv2 기반의 심층 컨볼루션 신경망(CNN)을 다른 아키텍처와 두 가지 모델로 구성하였다. 제안 된 아키텍처의 효과를 Udacity의 자체 운전 차량 데이터 세트를 사용하여 설명하였다. 학습 및 테스트 결과, 자동차, 트럭 및 보행자 탐지 시 원래 구조(YOLOv2)의 경우 47.89%의 mAP를 나타내는 것에 비하여, 제안하는 모델의 경우 64.30 %의 mAP를 달성하여 탐지 정확도가 향상되었음을 증명하였다.