• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.07a
• /
• pp.703-704
• /
• 2023

학교폭력은 교육 환경에서 심각한 문제이다. 피해자에게 심리적 고통과 육체적 상해를 입히고 학교 내 안전과 안정성을 위협한다. 이에 많은 교육기관과 정부 기관이 학교폭력 예방과 대처를 위한 다양한 방안을 제시하고 있지만, 여전히 어려운 문제이다. 최근에는 인공지능 기술을 활용하여 학교폭력 방지와 대처에 관한 연구가 이루어지고 있다. 본 연구에서는 YOLOv5(You Only Look Once version 5) 딥러닝 알고리즘을 활용하여 학교 내부에서 발생하는 폭력 행위를 실시간으로 탐지하는 모델을 제안한다. 이 모델은 CCTV와 같은 영상 데이터를 입력으로 받아들여 학교 내부에서 발생하는 폭력 행위를 실시간으로 식별하는 것을 목표로 한다.

• Journal of Advanced Navigation Technology
• /
• v.27 no.5
• /
• pp.685-689
• /
• 2023

The proposed system in the study aims to detect forest fires in real-time stream data received from the drone-camera. Recently, the number of wildfires has been increasing, and also the large scaled wildfires are frequent more and more. In order to prevent forest fire damage, many experiments using the drone camera and vision analysis are actively conducted, however there were many challenges, such as network speed, pre-processing, and model performance, to detect forest fires from real-time streaming data of the flying drone. Therefore, this study applied image data processing works to capture five good image frames for vision analysis from whole streaming data and then developed the object detection model based on YOLO_v2. As the result, the classification model performance of forest fire images reached upto 93% of accuracy, and the field test for the model verification detected the forest fire with about 70% accuracy.

• Journal of Information Processing Systems
• /
• v.19 no.4
• /
• pp.439-449
• /
• 2023

This paper deals with a resource efficient artificial intelligence (AI) service architecture for multi-channel video streams. As an AI service, we consider the object detection model, which is the most representative for video applications. Since most object detection models are basically designed for a single channel video stream, the utilization of the additional resource for multi-channel video stream processing is inevitable. Therefore, we propose a resource efficient AI service framework, which can be associated with various AI service models. Our framework is designed based on the modular architecture, which consists of adaptive frame control (AFC) Manager, multiplexer (MUX), adaptive channel selector (ACS), and YOLO interface units. In order to run only a single YOLO process without regard to the number of channels, we propose a novel approach efficiently dealing with multi-channel input streams. Through the experiment, it is shown that the framework is capable of performing object detection service with minimum resource utilization even in the circumstance of multi-channel streams. In addition, each service can be guaranteed within a deadline.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.678-680
• /
• 2023

본 연구는 2022년 유네스코 인류무형유산 대표목록에 등재된 탈춤 동작을 디지털화하여 후속 세대에게 정보를 제공하는 것을 목적으로 한다. 데이터 수집은 국가무형문화제로 지정된 탈춤 단체 13개, 시도무형문화재 단체 5개에 소속된 무형문화재, 전승자 39명이 관성식 모션 캡처 장비를 착용하고, 8대의 카메라를 이용하여 수집하였다. 데이터 가공은 바운딩박스를 수행하였고, 탈춤동작 추정은 YOLO v8을 사용하였고 탈춤 동작 분류는 YOLO v8에 CNN모델을 결합하여 130개의 탈춤을 분류하였다. 연구결과, mAP-50은 0.953, mAP50-95는 0.596, Accuracy 70%를 달성하였다. 향후 학습용 데이터셋 구축량이 늘어나고, 데이터 품질이 개선된다면 탈춤 분류 성능은 더욱 개선될 것이라 기대한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.619-620
• /
• 2023

본 논문에서는 탄소중립 중요성이 증대됨에 따라 일상 배출되는 생활 쓰레기 중 자원으로 재활용 할 수 있는 다양한 요소를 탄소중립실천요소로서 정의하고 각 행위를 자동적으로 분류하고자 한다. 딥러닝과 영상처리의 한 분야인 객체 인식 기술을 활용하여, 실시간으로 탄소중립실천요소를 인식하고 재활용 자원의 결과를 수집, 관리할 수 있는 모바일 앱 개발한다. 아울러, 플라스틱컵, 유리컵, 텀블러, 종이컵, 빨대 등 실제 재활용 자원의 이미지에 적용하여 인식을 수행하고 그 결과를 분석한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.561-562
• /
• 2023

본 논문에서는 YOLOv5m과 이미지 전처리 기법을 활용한 문 객체 감지 시스템을 제안한다. 이미지 전처리를 하지 않은 Original 이미지 그리고 이미지 전처리를 한 CLAHE 이미지, Bilateral 이미지 세 가지를 사용해서 가장 좋은 기법을 비교한다. mAP 진행 그래프 및 이미지 출력을 통해 결과를 검증한다. 본 논문의 목표는 인공지능이 문을 감지하는 알고리즘을 구현하여 배송 로봇이 목적지의 문을 찾아내는 것이다

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.1035-1036
• /
• 2023

본 논문은 저시력자를 위한 체외진단 의료기기 결과 판독 시스템을 제안한다. 이 시스템은 YOLOv8n 객체 탐지 모델을 기반으로 하며, 라즈베리파이4B+에서 홈 디바이스 형태로 구현하였다. 사용자는 음성 및 물리 버튼을 통해 명령을 입력하고, 동작 감지를 통해 자동으로 체외진단 의료기기를 촬영하여 학습된 모델로 결과를 판독하고 해당 결과를 사용자에게 출력한다. 또한, 판독 결과물과 함께 검사 일시 및 의료기기 종류를 데이터베이스에 저장하여 사용자에게 보다 높은 편의성을 제공한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2024.01a
• /
• pp.291-292
• /
• 2024

국내의 산재 사고 사망 비율 중 대부분은 건설업이 차지하고 있으며 사망 원인 중 42.9%는 추락사가 차지하고 있다. 따라서 국내 사고 사망을 예방하기 위해서는 노동자의 생명을 지켜주는 안전 장비의 착용 여부가 중요하다. 본 논문에서는 객체 탐지에 사용되는 YOLO v4와 YOLO v4-TINY 알고리즘과 영상 처리에 사용되는 OpenCV를 이용하여 실시간 영상에서 안전모 미착용 인원을 감지하고 관리자에게 알려주는 시스템을 개발하였다. 이 시스템을 활용하여 건설 현장에서 현장 카메라로 안전모 미착용 인원을 실시간으로 검출하여 경고하므로써 작업자의 안전에 기여할 수 있다.

• IEMEK Journal of Embedded Systems and Applications
• /
• v.19 no.1
• /
• pp.33-38
• /
• 2024

In this paper, we propose the implementation of a drone delivery system using artificial intelligence in a situation where the use of drones is rapidly increasing and human errors are occurring. This system requires the implementation of an accurate control algorithm, assuming that last-mile delivery is delivered to the apartment veranda. To recognize the delivery location, a recognition system using the YOLO algorithm was implemented, and a delivery system was installed on the drone to measure the distance to the object and increase the delivery distance to ensure stable delivery even at long distances. As a result of the experiment, it was confirmed that the recognition system recognized the marker with a match rate of more than 60% at a distance of less than 10m while the drone hovered stably. In addition, the drone carrying a 500g package was able to withstand the torque applied as the rail lengthened, extending to 1.5m and then stably placing the package down on the veranda at the end of the rail.

• Journal of Broadcast Engineering
• /
• v.25 no.2
• /
• pp.275-278
• /
• 2020

In this paper, we proposed a deep learning based character recognition system through virtual data generation. In order to secure the learning data that takes the largest weight in supervised learning, virtual data was created. Also, after creating virtual data, data generalization was performed to cope with various data by using augmentation parameter. Finally, the learning data composition generated data by assigning various values to augmentation parameter and font parameter. Test data for measuring the character recognition performance was constructed by cropping the text area from the actual image data. The test data was augmented considering the image distortion that may occur in real environment. Deep learning algorithm uses YOLO v3 which performs detection in real time. Inference result outputs the final detection result through post-processing.