• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2021.10a
• /
• pp.75-77
• /
• 2021

In order to find objects in an image through deep learning technology, an image dataset for learning is required. In order to increase the recognition rate of objects, a large amount of image learning data is required. It is difficult for individuals to build large amounts of datasets because it is expensive. This paper introduces a method for more easily constructing an image dataset including several sides of an object by photographing a rotating image. A method of constructing a dataset by placing an object on a rotating plate, photographing it, and dividing and synthesizing the captured images according to the needs is proposed.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.01a
• /
• pp.277-278
• /
• 2022

최근 전동킥보드 보급이 이루어지면서 이와 관련된 교통사고가 증가하고 있다. 이에 따라 전동킥보드 주행 시 헬멧 착용을 의무화하는 도로교통법 개정안이 시행되고 있지만, 물리적으로 대부분 현장에서 단속이 어렵다. 본 논문에서는 딥러닝 영상인식 기술을 활용한 객체검출(object detection) 모델인 YOLOv4를 기반으로 전동킥보드 사용자의 헬멧 미착용 검출시스템을 제안하였다. 이를 통해 전동킥보드 주행 시 헬멧 착용 여부를 효율적으로 단속하는데 활용 할 수 있을 것으로 기대한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.45-48
• /
• 2022

건축물 안전 점검은 대부분 전문가의 현장 방문을 통한 육안검사다. 그중 균열 검사는 건물 위험도를 나타내는 중요한 지표로써 발생 위치, 진행성, 크기를 조사하는데, 최근 균열 조사 방식에 대해 객관성과 체계성을 보완할 딥러닝 개발이 활발하다. 그러나 균열 이미지는 외부 현장에 모양, 규모도 많은 종류라 도메인이 다양해야 하는데 대부분 제한된 환경과 실제적인 균열 검사와는 무관한 데이터로 구성되어 실효적이지 않다. 본 연구에서는 균열 조사에 적합하고 Wild 환경에 적용 가능한 POC 데이터셋을 소개한다. 기존 균열 공인 데이터셋 4종의 특징과 한계점을 분석을 토대로 고해상도 이미지로써 균열의 세부 특징을 담았고 균열 유사 환경과 조건들을 추가 촬영해 균열 검출에 강인하게 학습되도록 지향하였다. 정제 및 라벨링 작업을 거친 POC 데이터 셋은 균열 검출모델인 YOLO-v5으로 성능을 실험하였고, mAP(mean Average Precision) 75.5%로 높은 검출률을 보였다. POC 데이터셋으로 더욱 도메인에 적응적(Domain-adapted)인 인공지능 모델을 개발하여 건물, 댐, 교량 등 각종 대형 건축물에 대한 안전하고 효과적인 안전 관리 도구로써 활용할 것을 기대한다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2022.10a
• /
• pp.175-177
• /
• 2022

This paper introduces a system that assists the blind to move to their destination, and compares the performance of 3-types of deep learning network (DNN) used in the system. The system is made up with a smartphone application that finds route from current location to destination using GPS and navigation API and a bus station installation module that recognizes and informs the bus (type and number) being about the board at bus stop using 3-types of DNN and bus information API. To make the module recognize bus number to get on, We adopted faster-RCNN, YOLOv4, YOLOv5s and YOLOv5s showed best performance in accuracy and speed.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.465-466
• /
• 2022

본 논문에서는 딥러닝 영상인식 기술을 활용한 객체검출 모델인 YOLOv4를 활용하여 차량의 모델과 번호판인식 시스템을 제안한다. 본 논문에서 제안하는 시스템은 실시간 영상처리기술인 YOLOv4를 사용하여 차량모델 인식과 번호판 영역 검출을 하고, CNN(Convolutional Neural Network)알고리즘을 이용하여 번호판의 글자와 숫자를 인식한다. 이러한 방법을 이용한다면 카메라 1대로 차량의 모델 인식과 번호판 인식이 가능하다. 차량모델 인식과 번호판 영역 검출에는 실제 데이터를 사용하였으며, 차량 번호판 문자 인식의 경우 실제 데이터와 가상 데이터를 사용하였다. 차량 모델 인식 정확도는 92.3%, 번호판 검출 98.9%, 번호판 문자 인식 94.2%를 기록하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.01a
• /
• pp.269-270
• /
• 2023

재해, 재난 발생 시에 구조대가 건물 내부나 지하철 등, 특정 구역 내의 대피하지 못한 잔류인원을 제대로 파악하데 어려움을 겪는다. 이를 개선하고자 YOLO와 DeepSORT를 활용하여 통행자를 인식하여 특정 구역의 잔류인원을 파악하고 이를 서버를 통해 확인할 수 있는 시스템을 개발하였다. 실시간 객체인식 알고리즘인 YOLOv4-tiny와 실시간 객체추적기술인 DeepSORT 알고리즘을 이용하여 제안한 방법을 Ubuntu환경에서 구현하고, 실내 상황에 맞춰 통행자 동선을 고려해서 적용하였다. 개발한 시스템은 인식된 통행자 객체방향으로 출입을 구분하여 데이터를 서버에 저장한다. 이에 따라 재해 발생 시 구역의 잔류인원을 파악하여 빠르고 효율적으로 요구조자 위치와 인원을 예측할 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.271-272
• /
• 2023

목포대학교 교내 장학금 제도인 MNU핵심역량포인트의 문제점을 설문을 통하여 확인한 결과, 취득조건, 공지 가시성 부족, 20대의 행사참여율 저조, 실용성의 부족과 같은 총 4가지 문제점을 분석하였다. 이러한 문제점은 사용자 친화적인 UI 제공 및 무결성과 보안성 제공을 통하여 해결할 수 있으며, 본 논문에서는 무결성과 보안성을 제공하기 위하여 블록체인을 사용하였다. 대학생들의 지역방문을 활성화하기 위하여, 지역의 특정한 장소를 대상으로 미션을 수행하는 기능을 제안하였으며, React-Native와 연동하여 객체 인식하기 위하여, YOLO와 OpenCV를 활용함으로써 미션 수행 결과를 확인한다. 제안하는 방안 및 미션 기능을 통하여, 대학생들의 지역행사 및 교내 행사 참여율이 높아질 것으로 기대되며, 전국 대학교의 장학금제도가 발전할 것으로 사료된다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.07a
• /
• pp.451-452
• /
• 2023

고속도로에 낙하물이 있으면 사고 방지를 위해 바로 치워야 하지만 순찰차가 발견하거나 신고가 들어오기 전까진 낙하물을 바로 발견하기 힘들며, 대다수의 사람들은 신고하지 않고 지나치는 경우가 있기에 이러한 문제점들을 개선하기 위해 드론과 YOLO를 이용하여 도로의 낙하물을 인식하고 낙하물에 대한 정보를 보내 줄 수 있는 시스템을 개발하였다. 실시간 객체 인식 알고리즘인 YOLOv5를 데스크톱 PC에 적용하여 구현하였고, F450 프레임에 픽스호크와 모듈, 카메라를 장착하여 실시간으로 도로를 촬영할 수 있는 드론을 직접 제작하였다. 개발한 시스템은 낙하물에 대한 인식 결과와 정보를 제공하며 지상관제 시스템과 웹을 통해 확인할 수 있다. 적은 인력으로 더 빠르게 낙하물을 발견할 수 있으므로 빠른 상황 조치를 기대할 수 있다.

• Smart Structures and Systems
• /
• v.32 no.5
• /
• pp.309-318
• /
• 2023

The appropriate maintenance of highway roads is critical for the safe operation of road networks and conserves maintenance costs. Multiple methods have been developed to investigate the surface of roads for various types of cracks and potholes, among other damage. Like road surface damage, the condition of expansion joints in concrete pavement is important to avoid unexpected hazardous situations. Thus, in this study, a new system is proposed for autonomous expansion joint monitoring using a vision-based system. The system consists of the following three key parts: (1) a camera-mounted vehicle, (2) indication marks on the expansion joints, and (3) a deep learning-based automatic evaluation algorithm. With paired marks indicating the expansion joints in a concrete pavement, they can be automatically detected. An inspection vehicle is equipped with an action camera that acquires images of the expansion joints in the road. You Only Look Once (YOLO) automatically detects the expansion joints with indication marks, which has a performance accuracy of 95%. The width of the detected expansion joint is calculated using an image processing algorithm. Based on the calculated width, the expansion joint is classified into the following two types: normal and dangerous. The obtained results demonstrate that the proposed system is very efficient in terms of speed and accuracy.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.957-958
• /
• 2023

본 연구에서는 공정 내 인체 끼임 사고 및 저출산 고령화 시대 등의 문제들로 인한 인력 감소 문제들을 해결하기 위하여 인공지능 기반의 모빌리티 플랫폼을 개발하였다. 본 플랫폼은 yolo-v4 기반으로 로봇이 공정 내부를 이동하면서 공정 내 불량 와이어를 검출하여 공정 유지보수 관리자에게 알려 주고 실시간으로 공정 내부 상황을 무선으로 모니터링할 수 있는 기술을 연구하였다. 또한, 로봇에는 무선 충전 기능을 갖추고 있어 추가적인 공정 내 인체 끼임 사고 등을 예방할 수 있도록 하였다. 본 연구 결과에서는 불량 와이어 검출 시, 평균 92.1%의 정확도를 보였으며, 공정 제품에 대한 양품, 불량품의 검출은 평균 98%의 정확도를 보였다. 또한, 실시간 무선 영상 모니터링는 24fps로 전송되어 공정 내부를 살피는 것에 유의미한 결과를 보였다.