• Annual Conference of KIPS
• /
• 2021.05a
• /
• pp.556-559
• /
• 2021

해당 연구는 Insta evo 360° 카메라로 촬영한 Equirectangular 형태의 영상을 활용하여 보행자에게 위험한 차량을 구분한 후 실시간적으로 차량 접근 알림을 주는 시스템에 관한 연구이다. 360° 영상 속 위험 차량 탐지와 추적을 위해 파노라마와 일반도로 이미지 데이터 세트로 전이학습 된 You Look Only Once v5 (YOLOv5), 객체 추적 알고리즘 Simple Online and Realtime Tracking with a Deep Association Metric (DeepSORT), 그리고 실험을 통해 개발한 비 위험 차량 필터링 알고리즘을 활용한다. Insta evo 360° 카메라를 머리 위에 얹어 촬영한 영상을 개발한 최종 시스템에 적용한 결과, 약 90% 정확도로 영상에서 비 위험 차량과 위험 차량을 구분할 수 있고, 위험 차량의 경우 차량의 방향을 시각적으로 알려줄 수 있다. 본 연구를 바탕으로 보행자 시야각 외부의 위험 차량에 대한 경고 알림을 주어 보행자 교통사고 발생 가능성을 줄이고, 전방위를 볼 수 있는 360° 카메라의 활용 분야가 보행 안전 시스템뿐만 아니라 더 다양해질 것으로 기대한다.

• Annual Conference of KIPS
• /
• 2021.11a
• /
• pp.700-703
• /
• 2021

Infrared cameras are widely used in recent research for automatic monitoring the abnormal behaviors of the pig. However, when deployed in real pig farms, infrared cameras always get polluted due to the harsh environment of pig farms which negatively affects the performance of pig monitoring. In this paper, we propose a real-time noise-robust infrared camera-based pig automatic monitoring system to improve the robustness of pigs' automatic monitoring in real pig farms. The proposed system first uses a preprocessor with a U-Net architecture that was trained as a GAN generator to transform the noisy images into clean images, then uses a YOLOv5-based detector to detect pigs. The experimental results show that with adding the preprocessing step, the average pig detection precision improved greatly from 0.639 to 0.759.

• Annual Conference of KIPS
• /
• 2022.11a
• /
• pp.992-994
• /
• 2022

본 논문에서는 시각장애인의 안내견을 위한 인공지능을 활용한 객체 인식 기반 과속 탐지 알고리즘을 제안한다. 이는 안내견이 도로 상에서 이동용 장치를 인식하는 것을 도와줌으로써 위험 요소 탐지 능력을 향상시킬 수 있고, 시각장애인의 안전을 보장할 수 있다. 인식 시스템은 Yolov5를 활용하여 사물 학습 과정을 진행하였고, 이동용 물체의 인식 과정을 통해 속도 측정 및 주변 위험 요소를 구분하여 판단하게 하였다. 판단된 정보는 안내견에게 교육된 신호로 전달되고, 시각장애인을 안전하게 인솔하여 도로상의 사고를 사전에 예방할 것으로 기대된다.

• Annual Conference of KIPS
• /
• 2022.11a
• /
• pp.896-898
• /
• 2022

최근 인건비보다 저렴하게 사용할 수 있는 자율주행 로봇에 대한 수요가 증가하고 있다. 팬데믹의 영향으로 마스크 착용과 체온 측정이 의무화되어 키오스크, 체온 측정기와 같은 비대면 서비스의 수요 또한 증가하였다. 하지만 이러한 기능들은 각기 다른 기계에서 독립적으로 사용되며, 현재 보급된 자율주행 로봇을 병원에서 사용하기에는 적합하지 않다고 판단하였다. 본 연구에서 개발한 마스크 착용 여부 확인, 체온 확인, 자율주행을 활용한 안내 기능을 탑재한 인공지능 병원 안내 로봇을 통해 의료진의 업무 효율화 및 잠재적 비용 감소 효과를 기대한다. 본 연구에서는 마스크 착용 여부 확인을 위해 사용한 YOLOv5 알고리즘 훈련 결과를 통하여 높은 성능을 확인하였고 열화상 카메라를 사용한 체온 측정 알고리즘을 개발하였다. 또한, 실내 자율주행 실험을 통하여 Cartographer, Navigation 기능이 정상적으로 작동함을 확인하였다.

• Annual Conference of KIPS
• /
• 2022.11a
• /
• pp.1068-1070
• /
• 2022

우리나라의 무역 활동을 처리하는 항만은 국가 주요시설로 보안에 만전을 기하고 있다. 그러나 항만의 면적이 넓고 복잡하기 때문에 사각지대가 존재하고 사각지대에서의 불법행위 단속 건수는 매년 증가하고 있다. 이에 항만의 보안 강화를 위한 대책이 필요하다. 본 논문은 항만의 상황을 이동형 CCTV에 부착된 IoT 센서들로 인식하여 YOLOv5 딥러닝 모델로 분석한 후 웹 대시보드에 시각화하는 항만 보안 시스템을 제안한다. 이동형 CCTV는 특정 위치로 직접 이동할 수 있어 거리에 따라 해상도가 낮아지는 기존 CCTV의 단점을 보완할 수 있다. 또한 해당 시스템은 주변에서 쉽게 구할 수 있는 장비들과 오픈소스 라이브러리를 활용하기 때문에 다른 보안장비들에 비해 효율적인 비용으로 높은 보안 효과를 얻을 수 있다는 강점을 지닌다. 본 시스템은 항만시설뿐 아니라 군사시설, 물류시설 등 보안을 중요시하는 다른 분야에 확대 적용될 수 있다는 점에서 의의가 있다.

• Annual Conference of KIPS
• /
• 2023.05a
• /
• pp.615-617
• /
• 2023

In recent years, the growing popularity of dogs due to the benefits they bring their owners has contributed to the increase of the number of dogs raised. For owners, it is their responsibility to ensure their dogs' health and safety. However, it is challenging for them to continuously monitor their dogs' activities, which are important to understand and guarantee their wellbeing. In this work, we introduce a camera-based monitoring system to help owners automatically monitor their dogs' activities. The system receives sequences of RGB images and uses YOLOv7 to detect the dog presence, and then applies post-processing to perform dog-centered image cropping on each input sequence. The optical flow is extracted from each sequence, and both sequences of RGB and flow are input to a two-stream EfficientNet to extract their respective features. Finally, the features are concatenated, and a bi-directional LSTM is utilized to retrieve temporal features and recognize the activity. The experiments prove that our system achieves a good performance with the F-1 score exceeding 0.90 for all activities and reaching 0.963 on average.

• Annual Conference of KIPS
• /
• 2023.11a
• /
• pp.1102-1103
• /
• 2023

안전모 착용 여부를 확인하는 객체 탐지 모델을 물류 현장에서 활용하기 위해서는 안전모를 착용한 경우와 착용하지 않은 경우를 정확하게 탐지해야 한다. 하지만 학습 데이터가 안전모를 착용한 클래스와 착용하지 않은 클래스 간 불균형이 존재하는 경우 해당 데이터만으로는 태스크에 맞게 학습이됐다고 보긴 힘들다. 본 연구는 데이터 증강 기법 적용 시 임의의 데이터에 증강을 적용하는 대신 상대적으로 적은 안전모를 착용하지 않은 클래스를 포함하는 이미지에 대하여 데이터 증강 기법을 적용하였다. 여러 데이터 증강 기법 중 Rotation, Gaussian Noise, 객체를 기준으로 한 Crop을 직접 구현 및 적용하여 객체 탐지 모델인 YOLOv5의 성능을 효과적으로 높이며 더욱 강건한 모델을 개발하는 방법을 제안한다.

• International conference on construction engineering and project management
• /
• 2024.07a
• /
• pp.658-664
• /
• 2024

The importance of 3D city models for sustainable urban development and management is underscored, but existing models often overlook indoor spaces and attribute information. This issue can be tackled with BIM models, though the conventional method requires accurate and extensive information, incurring considerable time and cost in data collection and processing. To overcome these limitations, this study proposes a method to automatically generate BIM models that include indoor spaces using street view images. The proposed method uses YOLOv5 to identify façade elements and DBSCAN to normalize façade layouts, facilitating the generation of detailed BIM models with a parametric algorithm. To validate the method, a case study of a building in Korea was conducted. The results showed that indoor spaces similar to the actual building were generated, with an error rate of object quantities between 8.46% and 9.03%. This study is anticipated to contribute to the efficient generation of 3D city models that incorporate indoor spaces.

• Journal of Biomedical Engineering Research
• /
• v.44 no.3
• /
• pp.211-217
• /
• 2023

Recently, many studies have introduced artificial intelligence systems in the surgical process to reduce the incidence and mortality of complications in patients. Bleeding is a major cause of operative mortality and complications. However, there have been few studies conducted on detecting bleeding in surgical videos. To advance the development of deep learning models for detecting intraoperative hemorrhage, three models have been trained and compared; such as, YOLOv5, RetinaNet50, and RetinaNet101. We collected 1,016 bleeding images extracted from five surgical videos. The ground truths were labeled based on agreement from two specialists. To train and evaluate models, we divided the datasets into training data, validation data, and test data. For training, 812 images (80%) were selected from the dataset. Another 102 images (10%) were used for evaluation and the remaining 102 images (10%) were used as the evaluation data. The three main metrics used to evaluate performance are precision, recall, and false positive per image (FPPI). Based on the evaluation metrics, RetinaNet101 achieved the best detection results out of the three models (Precision rate of 0.99±0.01, Recall rate of 0.93±0.02, and FPPI of 0.01±0.01). The information on the bleeding detected in surgical videos can be quickly transmitted to the operating room, improving patient outcomes.

• Journal of Internet Computing and Services
• /
• v.25 no.1
• /
• pp.99-107
• /
• 2024

Along with economic growth and industrial development, there is an increasing demand for various electronic components and device production of semiconductor, SMT component, and electrical battery products. However, these products may contain foreign substances coming from manufacturing process such as iron, aluminum, plastic and so on, which could lead to serious problems or malfunctioning of the product, and fire on the electric vehicle. To solve these problems, it is necessary to determine whether there are foreign materials inside the product, and may tests have been done by means of non-destructive testing methodology such as ultrasound ot X-ray. Nevertheless, there are technical challenges and limitation in acquiring X-ray images and determining the presence of foreign materials. In particular Small-sized or low-density foreign materials may not be visible even when X-ray equipment is used, and noise can also make it difficult to detect foreign objects. Moreover, in order to meet the manufacturing speed requirement, the x-ray acquisition time should be reduced, which can result in the very low signal- to-noise ratio(SNR) lowering the foreign material detection accuracy. Therefore, in this paper, we propose a five-step approach to overcome the limitations of low resolution, which make it challenging to detect foreign substances. Firstly, global contrast of X-ray images are increased through histogram stretching methodology. Second, to strengthen the high frequency signal and local contrast, we applied local contrast enhancement technique. Third, to improve the edge clearness, Unsharp masking is applied to enhance edges, making objects more visible. Forth, the super-resolution method of the Residual Dense Block (RDB) is used for noise reduction and image enhancement. Last, the Yolov5 algorithm is employed to train and detect foreign objects after learning. Using the proposed method in this study, experimental results show an improvement of more than 10% in performance metrics such as precision compared to low-density images.