Earticle

본 논문은 자율주행 차량 적용을 위한 객체 검출과 거리 추정을 수행하는 시스템을 제안한 다. 객체 검출은 최근 활발하게 사용되는 딥러닝 모델 YOLOv4의 특성을 이용해서 입력 이미 지 비율에 맞춰 분할 grid를 조정하고 자체 데이터셋으로 전이학습된 네트워크로 수행한다. 검 출된 객체까지의 거리는 bounding box와 homography를 이용해 추정한다. 실험 결과 제안하는 방법에서 전반적인 검출 성능 향상과 실시간에 가까운 처리 속도를 보였다. 기존 YOLOv4 대 비 전체 mAP는 4.03% 증가했다. 도심로 주행시 빈출하는 보행자, 차량 및 공사장 고깔(cone), PE드럼(drum) 등의 객체 인식 정확도가 향상되었다. 처리 속도는 약 55 FPS이다. 거리 추정 오차는 X 좌표 평균 약 5.25m, Y 좌표 평균 0.97m으로 나타났다.

This paper proposes a system that performs object detection and distance estimation for application to autonomous vehicles. Object detection is performed by a network that adjusts the split grid to the input image ratio using the characteristics of the recently actively used deep learning model YOLOv4, and is trained to a custom dataset. The distance to the detected object is estimated using a bounding box and homography. As a result of the experiment, the proposed method improved in overall detection performance and processing speed close to real-time. Compared to the existing YOLOv4, the total mAP of the proposed method increased by 4.03%. The accuracy of object recognition such as pedestrians, vehicles, construction sites, and PE drums, which frequently occur when driving to the city center, has been improved. The processing speed is approximately 55 FPS. The average of the distance estimation error was 5.25m in the X coordinate and 0.97m in the Y coordinate.

본 논문에서는 건설 현장의 실내 작업자 안전사고 예방을 위한 실내 위치 인식 기술에 대한 연구로 Frequency Modulated Continuous Wave (FMCW) 레이더의 목표물과의 상대적 거리에 따라 선형으로 주파수가 변경되는 원리를 기반으로 특정 대 상물의 거리 정보를 추정하고자 한다. 실험은 대학 건물 내에서 진행하였고 목표물에 반사되어 수신 된 신호의 고속 푸리에 변 환 정보를 수집하여 목표물과의 거리를 추정하였다.

본 논문은 스마트공장과 같은 산업 현장에서 작업자가 산업용 중장비나 로봇과의 충돌하는 등의 안전사고를 예방하기 위한 딥러닝 기반 거리 추정 기법을 제안하고자 한다. 제안 기법은 고속 푸리에 변환 정보를 기반으로 대상물의 거리를 추정하는 Frequency Modulated Continuous Wave (FMCW) 레이더를 통해 수집된 데이터를 학습한 딥러닝 모델을 활용하여 특정 대상 물과의 거리 정보를 추정한다. 한편 제안된 기법은 여러 개의 학습 모델 중 하나 이상의 모델을 선택한 후 적용하는 과정을 포함 하고자 하였다.

객체 거리 추정은 자율 주행 및 로봇 시야 확보의 핵심 기술이나, 객체의 일부가 가려지는 occlusion 환경에서는 기존의 특징점 매칭 방식의 정확도가 급격히 저하되는 문제가 있다. 본 논문은 이러한 환경에서 안정적인 거리 추정을 수행하기 위해 경량 스테레오 트랜스포머 ‘STTR-nano’를 제안한다. STTR-light를 패치 8, 블록 3, 헤드 4, 차원 128로 축소하고 Flash-Attention을 적용해 효율성을 높였다. 제안하는 방식을 평가하기 위하여 KITTI Raw 2011 dataset에서 YOLOv8n 기반 검출 후 특징점 기반 매칭 SIFT 알고리즘 + 중심 시차 비교 방식과 STTRnano를 비교하였다. STTR-nano는 MAE 36.15m, RMSE 334.69m, MRE 132.19%로 SIFT 기반 방식보다 크게 개선되었으며, 특히 20–30m 구간에서 약 3.4배, occlusion 10–15% 구간에서 10배 이상의 성능 향상을 보였다. FPS 측면에서는 SIFT 기반 방식과 비교했을 때 STTR-nano가 실시간에는 미치지 못했으나 기존 STTR 대비 3배 이상의 처리 속도 향상을 달성함으로써 실제 occlusion 환경에서의 실시간 거리 추정 가능성을 확인하였다.

Accurate object distance estimation is crucial for autonomous systems, yet conventional featurematching methods often suffer from significant performance degradation in occluded environments. To address this challenge, this paper proposes a lightweight stereo transformer, STTR-nano, designed for robust distance estimation even when objects are partially obscured. STTR-nano reduces STTR-light by configuring patch size 8, 3 blocks, 4 heads, and 128 dimensions, while incorporating Flash-Attention to enhance computational efficiency. To evaluate the proposed method, experiments were conducted on the KITTI Raw 2011 dataset, comparing STTR-nano with a feature-matching approach using the SIFT algorithm combined with central disparity after YOLOv8n-based detection. STTR-nano achieved a MAE of 36.15 m, RMSE of 334.69 m, and MRE of 132.19%, showing significant improvements over the SIFT-based approach. In particular, performance improved by about 3.4× in the 20–30 m range and more than 10× in the 10–15% occlusion range. In terms of FPS, STTR-nano did not reach real-time performance compared to the SIFT-based method, but its processing speed was more than three times faster than the original STTR, demonstrating its potential for real-time distance estimation in practical occluded environments.

본 논문은 기존 강화학습 기반 수중통신 예약방식에서 성능 저하 요인 중 하나인 긴 학습 시간을 단축시킴으로써 에너 지 소모를 감소시킬 수 있는 향상된 채널 접속 기법을 제안한다. 수중 무선 네트워크에서 노드 간 거리를 추정하여 이를 바탕으 로 기존 강화 학습 기반 채널 접속 방법의 학습 범위의 최대, 최소치를 결정한다. 이는 기존 강화학습의 학습 범위를 줄일 수 있다. 수중 무선 네트워크 환경의 특성에 따른 거리 추정값의 오차를 고려하여 NAV 학습 범위를 고려하며, 이를 적용하기 위해 인위적으로 간섭의 크기를 변경시켜가며 학습 진행률에 대한 성능 테스트를 진행하였다. 실험 결과 기존 방법 대비 제안 된 AQ-NAV 방안의 경우, 20-40회 학습에서도 360개의 학습 배열 중 평균 340-350개 이상의 학습 배열이 학습이 진행되었 고 50회 이상 학습에서는 모든 학습 배열에 대하여 학습이 진행되었다. 반면, 기존 연구의 경우 학습이 120회 이상 진행되어도 360개의 배열 중 300-320개의 배열에 대한 학습이 진행되었다. 실험에서는 기존 대비 적은 횟수의 시도로 학습이 가능함을 보여준다. AQ-NAV가 수중 무선 네트워크에 적용될 경우 에너지 소비 절감을 통해 기존의 방안의 문제점을 완화하고 네트워 크 성능 향상을 이룰 것으로 예상된다.

This work tackles the problem of conventional reinforcement learning scheme which has a relatively long training time to reduce energy consumption in underwater network. The enhanced scheme adjusts the learning range of reinforcement learning based on distance estimation. It can be reduce the scope of learning. To take account the fact that the distance estimation may not be accurate due to the underwater wireless network characteristics. this research added noise in consideration of the underwater environment. In simulation result, the proposed AQ-NAV scheme has completed learning much faster than existing method. AQ-NAV can finish the training process within less than 40 episodes. But the existing method requires more than 120 episodes. The result show that learning is possible with fewer attempts than the previous one. If AQ-NAV will be applied in Underwater Networks, It will affect energy efficiency. and It will be expected to relieved existing problem and increase network efficiency.

본 연구에서는 OFDM(orthogonal frequency division multiplexing) 레이다 환경에서 YOLO(You Only Look Once)를 활용하여 다중 표적의 개수, 속도 및 거리를 동시에 추정하는 기법을 제안한다. 제안 기법은 2차원 주기도에서 각 표적의 피크 영역을 검출하고, 검출된 영역의 개수와 중심좌표를 이용하여 표적의 개수와 거리·속도를 추정한다. 단일 스테이지 객체 검출 구조를 사용하므로 표적 수에 따라 별도의 회귀 모델을 적용하는 기존 CNN(convolutional neural network) 기반 기법보다 추정 절차가 간결하다. 모의실험 결과, 표적 수 1~5 개와 SNR -10~20 dB의 전체 시험 조건에서 조건별 MAE를 평균하였을 때, OFDM 심볼 개수가 32개인 경우 속도 평균절대오차 1.34 km/h와 거리 평균절대오차 0.71 m를 기록하였으며, CA-CFAR(cell-averaging constant false alarm rate) 및 CNN 기반 기법보다 낮은 추정 오차를 보였다. 또한 표적 수가 증가하는 환경에서도 상대적으로 안정적인 거리 및 속도 추정 성능을 유지하였다.

This paper proposes a YOLO(You Only Look Once)-based method for simultaneously estimating the number, distances, and velocities of multiple targets in an OFDM(orthogonal frequency division multiplexing) radar environment. The proposed method detects the peak region corresponding to each target in a two-dimensional periodogram and estimates the number of targets and their distance–velocity values using the number and center coordinates of the detected regions. By employing a single-stage object detection architecture, the proposed method provides a simpler estimation procedure than conventional CNN(convolutional neural network)-based methods that require separate regression models according to the number of targets. Averaged over all test conditions with one to five targets and SNRs ranging from -10 to 20 dB, the proposed method achieves a velocity mean absolute error of 1.34 km/h and a distance mean absolute error of 0.71 m with 32 OFDM symbols, outperforming the CA-CFAR(cell-averaging constant false alarm rate) and CNN-based methods. The proposed method also maintains relatively stable distance and velocity estimation performance as the number of targets increases.

본 연구는 맘퀴스트(Malmquist) 생산성지수를 이용하여 2004-2005년 및 2005-2006년의 총요소생산성의 변화와 이의 구성성분을 이루는 다양한 효율성 변 화의 지표들을 39개 수협단위의 산지위판장을 대상으로 추정하였다. 투입요소로는 단위수협별 위판장의 수, 물리적 시설물로서 유개경매장, 인적 자원으로 중도매인 과경매사의 수 등 4개의 변수를 선정하였고 산출요소로서는 위판물량과위판금액 의 2개의 변수를 이용하였다. 그 분석결과을 정리하면 다음과 같다. 첫째, 2004-2005년에는 총요소생산성이 13% 가까이 감소되었으나 2005-2006년 에는 8% 정도의 상승으로 반전되었다. 하지만 전체적으로는 분석기간 동안 연평 균 3% 정도의 총요소생산성의 감소를 경험하였다. 이러한 총요소생산성의 변화는 연6%의 기술적효율성의 상승과 연 9% 정도의 기술수준의 퇴보, 즉 생산가능곡성 의 하향이동을 통하여 나타났다. 기술적효율성의 경우도 규모의 효율성에는 변화 가 없었던 반면 위판장관리 및 운영상의 효율성의 상승을 보여준 순수기술적 효율 성이 연 6%씩 증가한 결과였다. 둘째, 2004-2005년의 기간에는 거제가 129%에 가까운 생산성의 향상으로 최대 값을 기록하였는데 5%에 해당하는 기술수준의 퇴보에도 불구하고 순수기술효율 성이 85%로 분석 DMU 가운데 역시 최대치로 증가한데 따른 결과였다. 이 기간 진동의 경우는 91%에 가까운 생산성의 최대 감소폭을 보여주었는데 이는 기술적 인 효율성이 51%, 기술수준이 81% 가까이 감소한 결과였다. 셋째, 2005-2006년의 기간에는 완도가 134%로 총요소생산성 향상의 최대값을 기록하였는데 이는 순수 기술적 효율성이 최대치인 148%로 향상된데 힘입은 바 크다. 이 기간 영흥은 35%에 가까운 생산성의 최대 하락폭을 기록하였으며 이는 순수기술효율성이 30% 가까이 하락한 데에 따른 것이었다. 넷째, 분석대상 39개 DMU들 가운데 목포, 해남군, 마산, 권현망, 부산시, 및 한 림의 6개는 분석기간 동안에 총요소생산성의 변화가 전적으로 기술수준의 변화에 의하여 결정되었으며 기술적인 효율성에는 아무런 변화가 없었던 DMU들로 나타 났다. 따라서 기술적인 효율성과 분리하여 기술수준의 진보 및 퇴보로 대표할 수 있는 효율변경 혹은 생산가능곡선의 전체적인 이동에 대한 정보의 열쇠를 쥐고 있 는 이들 6개 DMU들의 위판장 운영을 정밀 분석함으로써 기술수준의 향상에 관련 한 시사점을 도출할 수 있을 것이다.

This study is to estimate total factor productivity changes in Korean fisheries port markets utilizing the input-oriented Malmquist distance functions of DEA. The study investigated 39 port markets with 4 input and 2 output factors for the period of both year 2004-2005 and year 2005-2006. In the period of 2004-2005 PM26 had recorded the highest MPI of 2.2853 with the highest PECI of 1.8536. On the other hand, PM35 had recorded the lowest MPI of 0.0925 with the lowest scores of TECI as 0.4926. There had been, on the average, almost 13% of deterioration of total factor productivity among 39 DMU's. On the next period, year 2005-2006, PM14 had the hightest MPI of 2.3404 with the highest TECI of 2.6001 and PECI of 2.4814 while PM4 had showed the lowest MPI of 0.6444. There had been, on the average, 8% increase in total factor productivity. However, the entire study period had showed us 3% annual decrease in productivity over all. The study could identify 6 DMU's like PM12 which had the same values for both TCI and MPI while TECI, PECI and SECI were all remained 1, meaning that no changes in these figures of efficiency. This means that the Technical changes resulted in entire changes in total factor productivity without any changes in any kind of efficiency. These results suggest us that close investigation of these DMU's might provide the keys to the information on technical changes represented by shifts of efficient frontiers.

눈, 비, 안개, 미세먼지는 차량 운전자의 시야를 방해하고 이는 안전거리 미확보와 속도 편 차의 증가를 야기하여 반복적인 대형 교통사고의 원인이 되고 있다. 본 연구에서는 안개, 눈, 비, 온도, 습도, 풍향, 풍속, 일사량, 기압, 미세먼지, 강수량 등 11종류를 측정할 수 있는 보급형 국산 도로환경센서를 개발하였으며, 기존에 상용되고 있는 안개 가시거리 센서로부터 측정된 가시거리와 개발 센서의 적외선 송ㆍ수신부를 통해 측정된 적외선 신호값을 비교하여, 두 측 정값의 관계를 도출하였다. 기존 안개 가시거리 센서와 개발센서 측정값의 관계는 도로 안전 에 직접적 영향을 미치는 500m 이하의 가시거리에서 측정된 데이터를 대상으로 도출되었다. 개발센서의 적외선 신호값과 기준 센서에서 도출된 가시거리의 비교 결과, 통계적으로 두 데 이터 간 상관관계가 매우 높은 것으로 분석되었으며, 개발 센서의 적외선 신호값을 활용하여 안개 가시거리를 기준 센서와 매우 유의한 수준으로 추정할 수 있는 것으로 판단된다.

Snow, rain, fog, and particulate matter interfere with the vehicle driver's vision, which causes a non-secure safety distance and an increase in speed deviation, causing repetitive large-scale traffic accidents. This study developed a road environment sensor capable of measuring 11 types of fog, snow, rain, temperature, humidity, direction of wind, speed of wind, Insolation, atmospheric pressure, fine particles, rainfall, etc. and compared the visibility measured by the infrared signal value of the development sensor. The relationship between the existing fog visibility sensor and the development sensor measurement was derived from data measured at a visibility of 500m or less that directly affects road safety.

There are various sensor technologies used to obtain target information, such as camera-based position estimation methods, LiDAR, radar, and sensor fusion. Radar technology is capable of estimating long-distance targets and determining positions even in challenging environments, such as rain, snow, fog, and darkness. Sensor data provides position information such as speed, distance, azimuth, and elevation. This paper focuses on distance measurement among these position parameters. The method for acquiring distance information applies the linear limited minimum variance method to improve the signal-to-noise ratio of the received signal, remove interference, and estimate the distance from the radar to the target using the radar equation. Through simulation experiments, the transmission signal is generated by mixing the source signal and the interference signal, and the reception signal is input to the antenna. The target distance is estimated by removing signals other than the desired components from the received signal. The simulation results show that the signal-tonoise ratio is improved by removing the interference signal, and the target distance estimation accuracy is improved.

The application of Wireless Sensor Networks requires a wise utilization of limited energy resources. Therefore, a wide range of routing protocols with a motivation to prolong the lifetime of a network has been proposed in recent years. Hierarchical clustering based protocols have become an object of a large number of studies that aim to efficiently utilize the limited energy of network components. In this paper, the effect of mismatch in parameter estimation is discussed to evaluate the robustness of a distanced based algorithm called distributed clustering protocol in homogeneous and heterogeneous environment. For quantitative analysis, performance simulations for this protocol are carried out in terms of the network lifetime which is the main criteria of efficiency for the energy limited system.

IT기술의 발전과 함께 유비쿼터스 (Ubiquitous)환경이 도래하여, 무선 센서 네트워크(Wireless Sensor Networks)기반 연구가 다방면에서 활발히 진행 중에 있다. 본 논문에서는 무선 센서 네트워크에서 센서간 거리를 전방위로 측정할 수 있는 간단한 방안에 대해 제안한다. 그리고 이를 직접 설계하고 구현하여 실험을 통해 검증해 본다. 전방향성 장치를 이용하면 거리 측정 최대 거리는 줄어드는 단점이 있지만 360〫 방향을 측정 할 수 있다는 장점이 있다. 본 논문에서는 실제 환경에서 실험을 통하여 전방향성 장치가 존재할 경우와 그렇지 않은 경우에 대하여 초음파를 통한 거리측정 방식의 누락율 및 정확도를 분석해 본다.

Because ubiquitous environment has come with growing IT technology, Researches wireless sensor network are actively on going in many aspects. In this paper, we proposed simple method of distance measurement for omnidirectional distance calculation in wireless sensor network. In addition, we design and implement the proposed method. Then, we verify it through experiments at real environments. when we use the proposed method, maximum distance of measurement is decreased, but we measure distance from degrees. In this paper, we show drop rate and accuracy rate of ultrasonic distance estimation with and without omnidirectional device through experiments at real environments.

본 논문에서는 모바일 디바이스에 기본적으로 제공되는 모노 카메라와 모노 마이크의 멀티 모달 입력을 통 하여 사용자와 모바일 디바이스간의 거리를 추정하는 방법을 제안한다. 영상을 이용한 거리 추정은 모노 카메라로 입 력되는 영상에서 피부색 영역을 추출하고, 노이즈를 제거한 후에 얼굴 영역 및 눈 영역을 검출하여 사용자의 거리를 추정한다. 음성을 이용한 거리 추정은 모노 마이크로 입력되는 음성으로부터 가장 큰 피크(Peak)를 선정하고, ROI( Region of Interest)를 지정한 후에 FFT(Fast Fourier Transform)을 수행하여 주파수 축에서의 크기(Magnitude)를 계산한 다. 계산된 크기 값과 거리별 크기 값의 모델을 비교하여 거리 별 우도(Likelihood)를 계산하고, 정렬한 후 가중치를 주어 더함으로써 사용자의 거리를 추정한다. 실험결과 영상 및 음성을 멀티 모달 입력으로 이용하여 거리를 추정한 결과 단일 모달로 거리를 추정한 결과 보다 향상된 결과를 얻을 수 있었다.

This paper present the multi-modal user distance estimation system using mono camera and mono microphone basically equipped with a mobile device. In case of a distance estimation method using an image, we is estimated a distance of the user through the skin color region extraction step, a noise removal step, the face and eyes region detection step. On the other hand, in case of a distance estimation method using speech, we calculates the absolute difference between the value of the sample of speech input. The largest peak value of the calculated difference value is selected and samples before and after the peak are specified as the ROI(Region of Interest). The samples specified perform FFT(Fast Fourier Transform) and calculate the magnitude of the frequency domain. Magnitude obtained is compared with the distance model to calculate the likelihood. We is estimated user distance by adding with weights in the sorted value. The result of an experiment using the multi-modal method shows more improved measurement value than that of single modality.

Distance function introduced by Shephard (1953) can be used to describe multi-inputs multi-outputs production technologies without price information. Estimated distance functions have been used for analyzing the economies of scale, the substitutability of inputs and outputs, the shadow prices of inputs and outputs, the tehcnical and allocative efficiencies of production organizations. Distance functions can be estimated using several techniques which include corrected ordinary least squares (COLS), stochastic frontier analysis (SFA), linear programming model (LPM), and quadratic programming model (QPM). In this paper we compared the merits and demerits of the four distance function estimation methods from a theoretical standpoint. Also we applied the estimation methods to the real data set used in some previous studies and we observed a guideline which allow researchers to select an appropriate distance function estimation method.

스마트폰을 이용한 실내 위치 추적 기술에 관한 연구가 활발하게 진행되고 있다. 특히 스마트폰의 이동 거리를 정확하게 측정하여 사용자의 이동 경로를 지도에 표시하여야 한다. 스마트폰에 탑재 되어있는 센서를 이용한 위치 추적 기술은 오래 전부터 사용 되어 왔으나, 센서만 이용하여 사용자의 이동 거리를 측정하기에는 정확하지 못하다. 따라서 사용자가 스마트폰을 일정한 자세로 들고 이동할 때, 이동 거리를 정확하게 측정할 수 있는 적절한 알고리즘을 연구 개발해야 한다. 본 논문에서는 피라미드 기반 광류 추정 방법에서 스마트폰의 화면을 제한하여 사용자의 발모양을 제거 함으로써 이동거리 추정 오차를 줄이기 위한 방법을 제안하고, 실험으로 그 성능을 검증하였다.

Research on indoor location tracking technology using smartphone is actively being carried out. Especially, the movement distance of the smartphone should be accurately measured and the movement route of the user should be displayed on the map. Location tracking technology using sensors mounted on smart phones has been used for a long time, but accuracy is not good enough to measure the moving distance of the user using only the sensor. Therefore, when the user moves the smartphone in a certain posture, it must research and develop an appropriate algorithm to measure the distance accurately. In this paper, we propose a method to reduce moving distance estimation error by removing user 's foot shape by limiting the screen of smartphone in pyramid - based optical flow estimation method.

In this paper, a practical estimation method is developed for the lot travel distance in order to evaluate semiconductor unified fabrication layouts using the absorbing Markov chain. The lot travel distance is defined as the total distance that a lot travels from the first process to the last process; it can be used to investigate whether a fabrication layout design is reasonable. Furthermore, unified fabrication has not yet been introduced in the literature; it is a fabrication method that uses only one type of automated material handling system (AMHS). When designing semiconductor fabrication layouts, every aspect of all alternatives should be investigated meticulously. The widely known and accepted methods, such as sophisticated simulations and mathematical modeling with high accuracy, require an extensive time period to build the model. However, in the early stages of the layout design, simple and insightful methods are required in order to investigate the numerous alternatives during a short time period. This paper presents a simple estimation method for the travel distance of a lot during its lifetime in a fabrication.

건설업에서의 2023년 사망사고 통계 분석에 따르면 주요 사고 유형은 추락과 충돌이다. 추락은 고소작업 및 개구부와 관련하여 자주 발생하며, 충돌은 건설장비의 시야확보 미비와 근로자간 의사소통 부재로 발생한다. 떨어짐, 충돌 사고의 경우 중상이나 사망으로 이어질 수 있으므로 안전관리가 중요하다. 본 연구는 단안 깊이 추정과 객체 탐 지를 활용하여 영상 내 근로자의 상황을 효과적으로 판단하는 방법을 제안하였다. 우선 실시간 객체탐지 알고리즘인 YOLOv9(You Only Look Once ver.9)을 사용하여 건설 현장 내 장비, 개구부 등의 위험요소를 인식하고 ZoeDepth 모델을 통해 객체별 거리 정보를 추정하여 작업자와 위험요인과의 거리 관계를 분석하였다. 이러한 거리 정보를 바탕 으로 작업자가 위험한 상황에 속해 있는지를 판별하는 것이다. 위험 상황의 기준은 작업자가 위험요인과의 안전기준 을 초과하는 경우로 설정되며, 이 경우 잠재적인 사고를 예방하기 위한 경고 시스템이 필요할 수 있다. 향후 연구에 서는 제안된 접근법을 이동형 CCTV 등의 실시간 영상 시스템이 운영되는 현장에 적용하여 실효성을 검증하고, 다양 한 환경에서의 범용성을 확인하는 것이 필요하다.

In 2023 statistical analysis of fatal accidents, the main types of accidents are falls and collisions with equipment. Falling accidents frequently occur in relation to openings and collision accidents also occur due to poor visibility to construction equipments and lack of communication. Safety management is important because falling and collision accidents can result in serious injuries or death. This study proposes a method to effectively assess such accidents by utilizing ‘Mono depth estimation’ and object detection images. First, YOLOv9 was used to recognize risk factors such as equipment, and openings, and ZoeDepth was applied to estimate distance between objects. Based on the estimated distance, we can evaluate whether the worker is in a dangerous situation. The criteria are set when workers exceed the safety standards for risk factors, in which case a warning system may be required to prevent potential accidents. In future, it is necessary to apply this approach to verify its versitility in various environments.

Basu et al. (1998) proposed a new density-based estimator, called the minimum density power divergence estimator (MDPDE), which avoid the use of nonparametric density estimation and associated complication such as bandwidth selection. Woodward et al. (1995) examined the minimum Hellinger distance estimator (MHDE), proposed by Beran (1977), in the case of estimation of the mixture proportion in the mixture of two normals. In this article, we introduce the MDPDE for a mixture proportion, and show that both the MDPDE and the MHDE have the same asymptotic distribution at a model. Simulation study identifies some cases where the MHDE is consistently better than the MDPDE in terms of bias.

The minimum distance estimation based on the L$_2$ distance between a model density and a density estimator is studied from M-estimation point of view. We will show that how a model density and a density estimator are incorporated in order to create an M-estimation function. This method enables us to create an M-estimating function reflecting the natures of both an assumed model density and a given set of data. Some new types of M-estimation functions for estimating a location and scale parameters are introduced.