Earticle

고령인구의 증가가 사회적 문제로 부상하면서 고령자 상황인지 및 응급상황 대응 기술에 대한 수요가 증가하고 있다. 낙상은 고령자의 일상생활에서 빈번히 발생하는 동시에 고령자의 건강과 삶의 질을 위협하는 중대한 위험요인이므로 이에 대한 대비가 중요하다. 보폭 및 보행 속도 측정과 같은 보행 분석은 낙상 가능성을 감지하는 데 중요한 인자로 알려져 있다. 본 연구에서는 저가의 가속도 센서만을 이용하여 보행속도를 측정하는 방법을 제안한다. 실험을 통해 측정 데이터와 실제 보행속도에 따른 오차 경향을 분석함으로써 일상 생활 중 보행 분석이 가능함을 확인하였다.

빅데이터 또는 적외선 감지 센서 등을 활용한 다양한 사물인터넷 기술은 평소 어디에서나 쉽게 접 할 수 있다. 적외선 센서를 통한 무인 출입감지 기술, 지문인식 기술을 통한 사물함 보안 시스템, 기 상 정보 및 다양한 센서를 통해 수집된 지하철 빅데이터를 기반으로 한 DB정보 시각화, 음성인식 기능을 이용한 AI서비스 제공 등의 기술을 스마트 미러라는 디스플레이 한 곳에 담아 한정적인 장 소가 아닌 다양한 상황에서 범용적으로 사용할 수 있도록 구현한다.

Recently due to natural disasters, the world is facing huge ecological, social, economic, and loss of precious lives. Traditionally during natural disasters, emergency response teams are physically visiting different areas to inspect and stop their further damages. Therefore, the existing monitoring system is facing issues such as human accessibility and unable to analyze disaster in real-time. To address these issues, we propose a machine learning inspired framework for automatically recognized disaster scenes that contains three main steps. In the first step preprocessing is applied for condense and normalize the image dimension. Next, histogram of oriented gradient (HOG) descriptor is utilize to extract discriminative features and extracted features are classified through SVM. Finally in testing step, in case of disaster scenes our system trigger notification to nearby disaster management centers to take an appropriate action. We provide comprehensive experiments on various machine learning approaches among them we obtain 64% accuracy on HOG with SVM.

Recently, cloud computing technology is rapidly growing at a faster rate offering cloud-based driver profiling applications with lower latency. In this study, we have proposed a computational efficient cloud-based architecture for the deployment of driver profiling deep learning algorithms. In order to validate the efficacy of the proposed architecture, we have evaluated the performance of the proposed deep learning architecture for the recent driver behavior identification using time series sensor data. We have utilized an Amazon web service-based cloud computing solution for the deployment of the proposed architecture. The experimental results show that the proposed architecture improves end-to-end latency by 3.1 times compared to the traditional method.

Emotion recognition technology, a core for human-robot interaction, must have fast data processing speed and real-time characteristics. This paper proposes an emotion classification method using two bio-signals for real-time emotion recognition. The proposed method is a technique to classify human emotions into three (high or low, neutral arousal / valence) emotions by extracting features from one pulse of PPG(Photoplethysmogram) signal and GSR(Galvanic Skin Response) signal through a 1D CNN model. For real-time emotion recognition, input data requires a short length from 1 to 3 seconds and fast preprocessing. Therefore, in this paper, we use three preprocessing processes and one short pulse of Window size 1.1s without feature extraction, and the label of each pulse uses annotation labeling. The Experiments show that average accuracy is 71.1% arousal and 71.8% valence, confirming the possibility of emotion recognition with pulse-wise data and a real-time possibility with 0.17 seconds of preprocessing time per sample data.

신종 코로나바이러스 감염증(코로나19)으로 커져버린 배달 시장에 자율주행차가 필요하다. 그럼에도 불구하고 아직 안전을 위한 기술이 부족해 실용화되지 않았다. 본 논문은 좀 더 안전한 주행을 찾아보고 어떤식으로 물건을 안전하게 전달할 건지에 대한 방법을 찾기 위한 연구입니다. 추진 계획으로는 주행을 위한 신호등 표지판 인식과 자동주차 그리고 여러 상황에 대한 긴급정지 및 Database를 연결한 후 학교 근처나 사고가 많이 일어났던 장소에서는 서행을 하도록 하는 성능을 실험한다. 그리고 배달에서 가장 중요한 물품받을 사람을 찾기위한 휴대폰과 연결하여 구매자에게 전달하기 위한 다양한 통신 체계를 구축한다.

The performance of a deep learning model significantly improves on challenging datasets when using transfer learning. However, the pre-trained networks have certain constraints in terms of their architecture. For example, the available pre-trained models are trained for a specific input size. Therefore, require resizing the input images of different sizes. When training a model from scratch, higher resolution image offers better performance. However, our study has shown that this is not true when using pre-trained models. We have compared the pre-trained MobileNetV2 performance on CIFAR10 and CIFAR100 datasets. The pre-trained weights of MobileNetV2 are available for image resolutions of 92x92, 128x128, 160x160, 192x192 and 224x224. The performance of the model is evaluated in terms of classification accuracy. Our analysis have shown that for image resolution of 160x160, the pre-trained model has achieved better classification accuracy.

Engineering design problems rely mainly on human knowledge. So it is difficult to present creative designs and has limitations that they do not deviate from certain design patterns. Machine learning has been suggested as a solution to address these problems. Therefore, there are ongoing efforts to apply machine learning to engineering design. Unlike supervised learning, which learns based on correct answers, reinforcement learning finds good action through trial and error without prior knowledge. So it is possible to find new design methods that are different from existing practices. In this paper we introduce a multitask reinforcement learning that has been modified to handle different design goals from existing reinforcement learning, and then introduce some case studies that applied reinforcement learning to engineering design problems.

태양광 발전 시스템은 센서 및 외부 데이터 수집에 의해 발전량을 측정한다. 하지만 발전량 저장과 전송에 따른 예측 발전량 측에 대한 수요가 증가하고 그에 따라 예측 정확도 기술이 요구되어지고 있다. 본 논문에서는 다양한 센서로부터 얻어지는 데이터 값에 따라 고장 예측 및 실시간 발전량 예측을 수행한다. 결과적으로 기존 발전량 예측 시스템의 오차율보다 더 낮은 오차율을 갖도록 설계할 것이다. 또한 상용화 제품에 적용하여 태양광 발전 접속함과 연동하여 발전상태를 모니터링하고 예측할 수 있는 단일화 시스템 구축이 목표이다.

시장에서 판매되고 있는 일산화탄소 경보기는 유독가스를 감지하면 경보음을 울린다. 하지 만 증가하는 생활 지역 가스 사고로 인해 국민들의 관심은 증가하고 있고, 국민들은 더욱 더 안전한 기술을 요구하고 있다. 본 논문에서는 센서를 통해 유독가스에 대한 정보를 습득 하고 사고 발생 시 환기 시스템을 자동적으로 가동시킨다. 그리고 황사와 미세먼지로 인한 국민들의 공기질에 대한 관심 또한 크게 높아지고 있어, 실내의 공기질 정보 또한 습득해 DB에 저장하고, 해당 데이터를 분석해 자동으로 환기 시스템을 가동시킨다. 결과적으로 보다 안전하고 스마트한 키친 시스템을 구축해 국민들의 안전과 건강을 증진시키는 것이 목표이다.

스마트 휴대용 기기로써 앞이 잘 보이지않는 시각장애인에게 보행 활동의 위험을 진동으로 먼저 알려줌으로써 보행 활동에 도움을 주고, 일상 생활을 할 때 뜨거운 물체 또는 너무 차가운 물체의 위험을 먼저 알려줌으로써 생활에 편의를 도와주며, 긴급상황 때 바로 긴급연락을 할 수 있는 편하고 간편한 팔찌 형식으로 기기를 고안하였다. 따라서 본 논문에서는 다양한 센서데이터를 받아서 음성인식과 함께 응급상황을 알리고 전파하는 스마트 세이프티 팔찌를 구현한다.

In many evacuation induction systems, they still use wireless signal-based indoor location detection despite of its unstable accuracy. In our research, we propose the indoor location detection for the evacuation induction system using architectural drawing and indoor image.

In this paper, an Intent-based networking Framework is proposed leveraging the central controller intelligence premise of software-defined networking (SDN). The quality-of-service (QoS) is provisioned according to the application service request priorities by the SDN controller. To achieve this, in this paper, we use the Analytic hierarchy process (AHP) as a module on the SDN controller for intent-based routing. An AHP module employed at the SDN controller prioritizes the application objectives and overarching parameters to compute the route from source to destination. The AHP module at the SDN controller prioritizes the application service priorities, and the SDN controller will compute the route according to the intents from the AHP module. The controller will prioritize the intents of the applications according to the eigen priority vector obtained for that application service requests from the AHP module according to the criteria priority values.

현재 평균 수명 증가와 더불어 고령자의 일상 생활 중 안전 사고가 빈번히 발생하고 있으며, 이 중 낙상 사고가 큰 비중을 차지하고 있다. 피해를 최소화하기 위해서는 낙상 사고가 발생 시 신속하게 응급상황 대응기관으로 사고 발생 여부 및 위치를 알리는 기술이 필요하다. 본 연구에서는 가속도 센서가 탑재된 스마트 밴드와 영상 기반 자세 정보를 동시에 사용하여 낙상 여부를 판단하는 기법을 제안한다. 특히 복합 센서의 취득 정보 처리 지연시간을 일정 수준으로 관리하여, 응급 상황시에도 이를 활용할 수 있도록 하는 것을 목표로 한다. 이를 확인하기 위해 처리 프로세스의 지연시간을 분석하는 실험을 진행하였다.

이 논문에서는 기존 2차원 웹사이트 기반 온라인 전시와 달리 3차원 가상현실 기술을 이용하여 가상 전시 공간을 구축하고, 3차원 웹 서비스와 HMD를 이용해 배포하는 가상 전시회를 제안한다. 가상 전시의 몰입감을 위해 실제와 유사한 전시 공간을 모델링하고 사실적인 텍스처를 매핑하였고 사용자 인터랙션을 이용해 현장감 있는 전시참여가 가능하다. 이 가상 전시를 통해 참가자는 온라인이지만 보다 사실적인 전시회를 체험해 볼 수 있다.

오늘날 빅데이터 분석, 사물인터넷(IoT) 등 여러 ICT 기술이 발전하면서, 전 세계적으로 빅데이터 중심의 경제 및 사회적 가치 창출을 위한 빅데이터 분석 기술 연구가 진행되고 있다. 그러나 최근 들어 기업 및 기관에서 다중 플랫폼으로부터 분석하기 위한 방법이 필요하기 시작하면서 크로스 플랫폼 관련 연구가 주목받기 시작하였다. 본 논문에서는 플랫폼 연계를 위하여 서로 다른 기관의 데이터를 묶기 위한 방법과 쿼리 입력을 통해 서로 다른 플랫폼의 DB가 가상으로 릴레이션 되어 결과물을 도출하는 크로스 플랫폼 정보 연결 방법에 대하여 제안하고 해당 방법을 임의로 구축한 시스템을 통해 확인할 수 있는 분석 결과를 유즈케이스(Use Case)를 통해 소개한다.

인공지능을 활용한 사업이 활발히 진행되면서 범죄 예방 및 안전분야와 관련하여 이상행동 및 행동 인식에 대한 연구와 관심이 높아지고 있다. 하지만 딥러닝 등 인공지능 모델을 생성하는 것은 전문 지식이 없는 경우 많은 어려움이 따른다. 본 논문에서는 사용자가 편리하게 딥러닝 모델을 생성할 수 있도록 데이터셋을 제공하고 이상행동 및 행동 인식 기술을 API화하여 인터페이스에서 호출하는 방식을 사용하는 사용자 친화적인 모델 학습 및 테스트를 위한 시스템 UI를 제안하였다. 본 논문에서 제안한 시스템은 딥러닝에 대한 사전 지식이 없는 사용자가 편리하게 딥러닝 모델을 생성할 수 있을 것으로 기대된다.

반려동물 시장의 성장속도가 매우 가파른 상황이지만, 아직 반려동물 시장의 인프라 발전속도는 시장의 성장 속도를 따라가지 못하고 있다. 접근성이 매우 떨어지는 종이 서류를 통한 혈통서 인증 과정으로 인해 수많은 조작 혈통서가 작성되고 있다. 본 논문에서는 반려동물 시장에서 가장 큰 이슈가 되고 있는 혈통 조작 문제를 이더리움 블록체인 기반의 조작 불가능한 혈통서 인증 플랫폼을 제안함으로써 해결하고자 한다.

최근 클라우드 서비스가 더욱 보편화되면서 경제성과 확장성, 탄력성 등 클라우드의 도입으로 인한 장점뿐만 아니라 클라우드 서비스의 도입으로 인해 발생하는 보안 위험에 대한 우려가 증가하고 있다. 하지만 기존의 전통적인 정보보호 관리체계에서 요구되는 보안 요구사항은 이러한 클라우드 서비스의 보안 위험을 적절히 대응하지 못하고 있는 실정이다. 이에 본 논문은 클라우드 보안 프레임워크의 선행연구와 클라우드 컴퓨팅의 보안 위험을 분석하고 종합하여 클라우드 서비스 정보보호 프레임워크를 수립하기 위해 필요한 보안 요구사항을 제안하였다. 본 논문에서 제안한 보안 요구사항은 기업의 정보보호 관점에서 관리적, 물리적, 기술적인 전체 최적화를 이루는 데 도움을 줄 수 있고, 클라우드 서비스를 안전하게 도입 및 활용하고자 하는 기업에서 수립해야 할 클라우드 서비스 정보보호 프레임워크의 기초를 제공할 것으로 예상한다.

Forest fire is one of the most dangerous disasters worldwide, due to which its management is a key concern of the research community to prevent social, ecological, and economic damages. Wildfires are extremely catastrophic disasters that lead to the destruction of forests, human assets, reduction of soil fertility and cause global warming. To overcome such kind of losses early fire detection and quick response is the key concern of research community. Therefore, in this paper, we propose a lightweight convolution neural network (CNN) method to efficiently detect the forest fire for unmanned aerial vehicles (UAVs) or drones. For the experimental evaluations, we develop an aerial images dataset from YouTube, movies, and google images. The results of the proposed architecture reveal its good performance in terms of 96% accuracy.

최근 사람들은 Artificial Intelligent (AI) 기반 빅데이터 분석 시스템에 많은 관심을 가지고 있고 자신만의 빅데이터 모델을 원한다. 하지만 이들은 데이터가 있음에도 불구하고 프로그래밍 지식, 컴퓨팅 파워, 인공지능 경험 등 제한으로 인해 해당 빅데이터 데이터를 분석하기 어려운 문제점이 있다. 본 연구에서는 이러한 문제점을 해결하기 위해 웹(web) 기반 문화 빅데이터 분석 모델 개발 스튜디오를 제안한다. 제안한 시스템은 정형 데이터 분석 모듈, 토픽 모델링 모듈, 전통문양 검색 모듈 3개 부분으로 구성되었다. 정형 데이터 분석 모듈에서는 사용자가 가지고 있는 문화 정형 데이터를 기계학습을 사용해 분석할 수 있다. 토픽 모델링 모듈은 사용자가 가지고 있는 문화 텍스트 데이터를 기계학습 및 자연어처리 기술을 사용해 해당 데이터의 문서 집합의 추상적인 주제를 추출할 수 있다. 전통문양 검색 모듈에서는 사용자가 가지고 있는 전통문양 이미지를 입력해 분석할 이미지의 10개 유사 이미지를 추출할 수 있다. 사용자는 필요한 모듈을 선택해 자신만의 데이터로 문화 빅데이터 모델을 구현할 수 있을 뿐만 아니라 모델의 성능도 측정할 수 있다.

길이가 같은 두 순위문자열의 상대적인 순위가 일치하면 순위동형이라한다. 순위문자열의 순위동형을 표현하는 방법들에는 접두사에서의 순위를 표현한 최근접이웃표현과 전체 문자열에서의 순위를 표현한 자연표현법, 선행자의 위치를 표현한 시그니처 표현법 등이 있다. 본 논문에서는 다양한 순위표현법에 따른 순위동형 검증시간을 실험을 통해 비교하고 분석한다.