Earticle

최근, 군사나 산업 응용 목적으로 UAV를 활용하는 연구가 매우 고무적으로 진행되고 있다. 이들 응용 중의 한 가지는 적의 의심스러운 정찰 비행체의 비행경로를 뒤따라 은밀하게 추적할 필요가 있을 때 앞서가는 비행체를 추적하는 것으로, Roll, Yaw, Pitch와 같은 대상 비행체의 비행 자세 정보들을 매 순간마다 실시간으로 추정할 필요가 있다. 본 논문에서는 뒤따르는 비행체에 장착되어 있는 외부 카메라에서 제공하는 비디오 정보를 사용해서 대상 비행체의 자세를 실시간으로 추정할 수 있는 방법을 제시한다. 키 포인트와 오일러 각을 탐지하고 추정하기 위해서 컬러 공간 분할, 템플레이트 정합 등과 같은 여러 가지 영상 처리 방법들과 선형 회귀와 같은 통계적 방법이 적용되었다. 시뮬레이션 실험을 통해서 X-플레인 비행데이터와 추정한 비행데이터를 비교한 결과 제안하는 방법이 앞서가는 비행체의 비행 자세 정보를 추정하는데 효과적인 방법이 될 수 있음을 보여준다.

Recently, researchers are actively addressed to utilize Unmanned Aerial Vehicles(UAV) for military and industry applications. One of these applications is to trace the preceding flight when it is necessary to track the route of the suspicious reconnaissance aircraft in secret, and it is necessary to estimate the attitude of the target flight such as Roll, Yaw, and Pitch angles in each instant. In this paper, we propose a method for estimating in real time the attitude of a target aircraft using the video information that is provide by an external camera of a following aircraft. Various image processing methods such as color space division, template matching, and statistical methods such as linear regression were applied to detect and estimate key points and Euler angles. As a result of comparing the X-plane flight data with the estimated flight data through the simulation experiment, it is shown that the proposed method can be an effective method to estimate the flight attitude information of the previous flight.

오늘날의 다양한 게임 형태 중 웹브라우저를 통해 가볍게 즐길 수 있는 플래시 게임은 여러 장르로 꾸준히 개발되어 많은 사용자들에게 제공되고 있다. 플래시 게임의 발전 및 다양화에 따라 게임의 비주얼 측면도 지속적으로 발전하고 있다. 초기 간단한 벡터 그래픽 중심에서 이제는 외부 비트맵 이미지를 불러들여 사용하는 형태로 발전하였다. 하지만 비트맵 이미지 사용의 경우 단순히 이미지를 불러들여 사용하는 방식으로는 원본 100%의 크기일 때만 최상의 퀄리티를 얻을 수 있었다. 이 논문에서는 비트맵 이미지를 사용함에 있어 이미지의 퀄리티 저하를 최소화 할 수 있는 처리 기술의 연구 및 테스트 결과를 정리하여 일반 개발자들이 쉽게 비트맵 이미지를 다룰 수 있는 방법을 제시하고자 한다.

Today, flash games which can be run through a web browser are constantly developed in various genres. As flash game developes, the game's graphics side has become more important. At first, using a simple vector graphics, now it is used to import external bitmap image into flash. But, if you use a bitmap image, the only 100% scale maintain the best quality. In this paper, I present how to minimize the degradation of image quality of using bitmap image that people can easily use to develop flash games and the result of test.

In this paper describe configuration about QCM system for image processing device. It presents that QCM's image processing board video from the camera recognized by the PLC's battery removable exact location coordinates to the robot image processing technology to deliver. In addition, QCM video image processing technology for improved data reliability is described. In this paper define the landmarks of battery for obtaining the location coordinates and verify battery the location coordinates acquisition process from field tests of the QCM/QTPE-BUS Battery Exchange System.

본 논문은 영상처리 기반의 낙상 감지 알고리즘의 설계 및 구현에 관한 내용을 기술한다. 영상처리 기반의 낙상 감지 알고리즘은카메라로 획득한 입력 영상을 그레이 스케일 변환 후 배경차분과 이진화를 통해 객체를 분리하고, 라벨링을 통해 인체를 인식한다. 인식된 인체는 출력 영상으로 확인이 가능하며 낙상을 감지하게 되면 알람이 발생한다. 컴퓨터 시뮬레이션을 통하여 제안한 알고리즘을 실험한 결과 90%의 검출율을 보여주었다. DSP 영상처리 보드에 구현한 시제품 시험을 통하여 기능을 검증함으로서 실용화가능성을 확인하였다.

This paper describes the design and implementation of fall-down detection algorithm based on image processing. The fall-down detection algorithm separates objects by using background subtraction and binarization after grayscale conversion of the input image acquired by the camera, and recognizes the human body by using labeling operation. The recognized human body can be monitored on the display image, and an alarm is generated when fall-down is detected. By using computer simulation, the proposed algorithm has shown a detection rate of 90%. We verify the feasibility of the proposed system by verifying the function by using the prototype test implemented on the DSP image processing board.

본 논문은 시각 장애인들을 위해 영상처리 기반의 숫자-자동 점자 변환기의 설계 및 구현에 관한 내용을 기술한다. 영상처리 기반의숫자-점자 변환 알고리즘은 카메라로 획득한 입력 영상을 이진 영상화 한 다음, 문자 영역을 팽창과 라벨링 연산을 수행하고 저장되어 있는 문자 패턴 영상과 상호 상관도를 계산하여 해당되는 점자로 변환한다. 컴퓨터 시뮬레이션을 통하여 제안한 알고리즘을 모의실험한 결과, A4 용지에 인쇄된 숫자(0-9)에 대하여 91.8% 변환 성공률을 보여 주었고, DSP 영상처리 보드에 구현한 시제품 시험을통하여 90% 변환 성능을 확인함으로서 구현된 숫자-자동 점자 변환기의 실용화 가능성을 확인하였다.

This paper describes the implementation of automatic number-braille converter based on image processing for the blind people. The algorithm is consists of four main steps. First step is binary image conversion of the input image obtained by the camera. the second step is segmentation operation by means of dilation and labelling of the character. Next step is calculation of cross-correlation between segmented text image and pre-defined text-pattern image. The final step is generation of brail output which is relevant to input image. The computer simulation result was showing 91.8% correct conversion rate for arabian numbers which is printed in A4-sheet and practical possibility was also confirmed by using implemented automatic number-braille converter based on DSP image processing board.

In this paper, we proposed and tested an indoor obstacle recognition and avoidance algorithm using vision and ultrasonic sensors for effective operation of drone with low-power. In this paper, the indoor flight of a drone is mainly composed of two algorithms. First, for the indoor flight of the drone, the vanishing point and the center point of the image were extracted through Hough transform of the input image of the vision sensor. The drone moves along the extracted vanishing point. Second, we set an area of interest so that the drone can avoid obstacles. The area of interest is a space where the drone can fly after recognizing an obstacle at a distance from the ultrasonic sensor. When an obstacle is recognized in the drone's area of ​​interest, the drone performs an obstacle avoidance action. To verify the algorithm proposed in this paper, a simple obstacle was installed in an indoor environment and the drone was flown. From the experimental results, the proposed algorithm confirmed the indoor flight and obstacle avoidance behavior of the drone according to the vanishing point.

머신러닝과 딥러닝을 비롯한 인공지능 기술은 다양한 분야에서 데이터를 처리하기 위해 적용되고 있다. 한의학 분야에서도 이러한 기술을 적용하여 전통적 진단 방법을 정량적으로 분석하고 개선하고자 하는 시도가 이 루어지고 있다. 본 연구에서는 한의학 분야에서 인공지능기술을 적용한 연구 동향에 대해 알아보고자 하였다. 데 이터베이스를 탐색해 분석 대상 문헌을 배제해 10개의 논문을 분석하였고, 분석 결과 크게 진단 및 체질 분류, 한 의 데이터에 대한 자연어 처리 및 텍스트마이닝, 이미지 프로세싱에 대한 연구들이 확인되었다. 이러한 기술들은 한의학의 진단 정확성을 향상시키며, 체질 분류 및 질병 예측에 기여하고, 한약재의 정확한 분류와 품질 보증을 가능하게 한다. 한의학에서의 인공지능기술 적용은 기존 지식을 재검증하고 데이터 기반 진단과 치료 방법의 혁신 을 추진하는 것이 기대된다.

Artificial Intelligence (AI) technologies, including machine learning and deep learning, have become integral tools for processing vast amounts of data. Their application extends to Traditional Korean Medicine (TKM), where they are employed to quantitatively analyze and refine traditional diagnostic methods. After conducting a database search, 10 articles were extracted from the retrieved results and analyzed. This study investigates the emerging trends in AI integration within TKM. Key areas of focus include diagnosis and constitutional classification, natural language processing, text mining of TKM data, and image processing. The utilization of AI methodologies holds significant potential for enhancing diagnostic accuracy in TKM, facilitating constitutional classification, predicting diseases, and ensuring precise categorization and quality assurance of herbal medicines. By incorporating AI, TKM stands poised to validate established knowledge and foster innovation in data-driven diagnostic and therapeutic approaches, thereby advancing the field significantly.

This study conducted a cross-sectional analysis of 10 beads and a surface analysis of 38 beads among 48 glass beads excavated from the Naedeok-ri site in the Gimhae region, Korea. According to the cross-sectional analysis results, all glass beads were cobalt blue, and depending on the period, the bead colors from wooden coffin tomb No. 19 from the Proto-Three Kingdoms period and wooden coffin tomb No. 92 from the Three Kingdoms period were determined to be ultramarine and Wedgewood blue. According to the surface analysis results, the colors of the beads were divided into blue from the Proto-Three Kingdoms and Three Kingdoms eras, and brown from the Joseon Dynasty. Furthermore, the size of the beads was estimated to be Gimhae “small-sized”. These small beads were popular until the late Gaya period. As a result of analyzing the composition of the glass, only potash 1 type was confirmed in the cross section, but lead, potash, and soda glass were confirmed in the surface analysis. This is because glass from the Proto-Three Kingdoms period was easily broken, and glass from the Three Kingdoms period was excavated relatively complete. Through this study, Gimhae Naedeok-ri is confirmed to be a group that uses glass with various ingredients. These results reveal a trend moving in the following order: lead-barium Ⅱ → potash Ⅰ⋅Ⅱ → soda alumina → potash Ⅲ⋅lead glass.

본 연구에서는 서울 기상관측소의 창틀, 벽체에 도장된 페인트 시료를 연구 대상으로 선정해 단면 관찰 및 단면 분석, 성분 분석을 실시했다. 창틀의 적갈색은 주로 적색 산화철 (Fe2O3)으로 티탄백(TiO2)과의 혼합된 상태이고 일부 층위에서는 광명단(Pb3O4) 또는 황연 (PbCrO4)이 확인되며 녹색의 기여안료는 유기안료로 추정된다. 창틀에 사용된 수지는 알키드 수지이다. 벽체의 백색은 탄산칼슘(CaCO3)과 티탄백(TiO2)이며 옥색은 유기안료 프탈로시아닌 그린이다. 내벽은 아크릴 수지를 사용하였다고 판단된다. 페인트의 특성을 서울 기상관측소의 벽체와 창경궁 대온실의 기둥, 부산 송정역 외벽과 비교 및 고찰한 결과, 세 건축물에서 공통 색상인 백색 페인트는 아연백(ZnO)과 탄산칼슘(CaCO3)을 혼합한 페인트와 티탄백(TiO2)과 탄 산칼슘(CaCO3)을 혼합한 페인트 두 종류로 확인된다. 주황색 페인트는 광명단(Pb3O4) 또는 황연 (PbCrO4)을, 녹색 계통의 페인트는 유기안료를 사용한 것으로 보인다. 이상의 연구 결과를 기초 로 건축물에 도장된 페인트는 건물이 건립된 후 여러 차례의 도장을 실시했다고 여겨지며 이력 을 파악하기 위해서는 자연과학적 조사가 필수적으로 수행되어야 할 것이다.

In this study, scientific analysis(cross-section and component analysis) was conducted by selecting paint samples painted on the window frames and walls of the Seoul Weather Station. The color of the window frame is reddish brown and green. The reddish brown is mainly red iron oxide(Fe2O3), mixed with titanium white(TiO2), and in some layers, red lead oxide(Pb3O4) or lead(II) chromate(PbCrO4) is identified, and the green pigment is considered organic pigments. The resin used in the window frame is Alkyd Resin. The color of the wall is divided into pale blue green, white, and ivory colors, and the white color of the wall is calcium carbonate(CaCO3) and titanium white(TiO2), and the pale blue green is the phthalocyanine green. It is determined that paint containing acrylic resin was used for the inner wall. The characteristics of paint were compared and considered with the walls of the Seoul Weather Station, the columns of the Grand Greenhouse of Changgyeonggung Palace, and the outer wall of Busan Songjeong Station. White paint, a common color identified in the three buildings, is identified as two types of paint mixed with zinc White(ZnO) and calcium carbonate(CaCO3), and titanium white(TiO2) and calcium carbonate(CaCO3). It seems that the orange paint uses red lead oxide(Pb3O4) or Lead(II) chromate(PbCrO4) and the green paint uses organic pigments. Based on the above research results, paint painted on buildings is believed to have been painted several times after the building was built, and natural science research should be carried out to determine the history.

LiDAR는 자율 주행뿐만 아니라 다양한 산업 현장에 적용되어 대상의 크기와 거리를 측정 하는 데 사용되고 있다. 이에 더하여 이 센서는 반사된 빛의 양을 바탕으로 반사 강도 영상 또한 제공한다. 이는 측정 대상의 형상에 대한 정보를 제공하여 센서 데이터 처리에 긍정적인 효과를 일으킨다. LiDAR는 고해상도가 될수록 높은 성능을 보장하지만 이는 센서 비용의 증 가를 야기하는데, 이 점은 반사 강도 영상에도 해당된다. 높은 해상도의 반사 강도 영상을 취득 하기 위해서는 고가의 장비 사용이 필수적이다. 따라서 본 연구에서는 저해상도의 반사 강도 영상을 고해상도의 영상으로 개선하는 인공지능을 개발하였다. 이를 위해서 본 연구에서는 최 적의 초해상화 신경망 모델을 위한 파라미터 분석을 수행하였다. 또한, 초해상화 알고리즘을 2,500여 장의 반사 강도 영상에 적용하여 훈련과 검증을 하였다. 결과적으로 반사 강도 영상의 해상도를 향상시켰다. 바라건대 본 연구의 결과가 향후 자율 주행 분야에 적용되어 주행환경 인식과 장애물 탐지 성능 향상에 기여할 수 있기를 기대하는 바이다.

LiDAR is used in autonomous driving and various industrial fields to measure the size and distance of an object. In addition, the sensor also provides intensity images based on the amount of reflected light. This has a positive effect on sensor data processing by providing information on the shape of the object. LiDAR guarantees higher performance as the resolution increases but at an increased cost. These conditions also apply to LiDAR intensity images. Expensive equipment is essential to acquire high-resolution LiDAR intensity images. This study developed artificial intelligence to improve low-resolution LiDAR intensity images into high-resolution ones. Therefore, this study performed parameter analysis for the optimal super-resolution neural network model. The super-resolution algorithm was trained and verified using 2,500 LiDAR intensity images. As a result, the resolution of the intensity images were improved. These results can be applied to the autonomous driving field and help improve driving environment recognition and obstacle detection performance

딥러닝의 발전으로 인하여 의미론적 분할 방법은 다양한 분야에서 연구되고 있다. 의료 영상 분석과 같이 정확성을 요구하는 분야에서 분할 정확도가 떨어지는 문제가 있다. 본 논문은 의미론적 분할 시 특징 손실을 최소화하기 위해 딥러닝 기반 분할 방법인 PSPNet을 개선하였다. 기존 딥러닝 기반의 분할 방법은 특징 추출 및 압축 과정에서 해상도가 낮아져 객체에 대한 특징 손실이 발생한다. 이러한 손실로 윤곽선이나 객체 내부 정보에 손실이 발생하여 객체 분류 시 정확도가 낮아지는 문제가 있다. 이러한 문제를 해결하기 위해 의미론적 분할 모델인 PSPNet을 개선하였다. 기존 PSPNet에 제안하 는 multi scale attention을 추가하여 객체의 특징 손실을 방지하였다. 기존 PPM 모듈에 attention 방법을 적용하여 특징 정제 과정을 수행하였다. 불필요한 특징 정보를 억제함으로써 윤곽선 및 질감 정보가 개선되었다. 제안하는 방법은 Cityscapes 데이터 셋으로 학습하였으며, 정량적 평가를 위해 분할 지표인 MIoU를 사용하였다. 실험을 통해 기존 PSPNet 대비 분할 정확도가 약 1.5% 향상되었다.

With the development of deep learning, semantic segmentation methods are being studied in various fields. There is a problem that segmenation accuracy drops in fields that require accuracy such as medical image analysis. In this paper, we improved PSPNet, which is a deep learning based segmentation method to minimized the loss of features during semantic segmentation. Conventional deep learning based segmentation methods result in lower resolution and loss of object features during feature extraction and compression. Due to these losses, the edge and the internal information of the object are lost, and there is a problem that the accuracy at the time of object segmentation is lowered. To solve these problems, we improved PSPNet, which is a semantic segmentation model. The multi-scale attention proposed to the conventional PSPNet was added to prevent feature loss of objects. The feature purification process was performed by applying the attention method to the conventional PPM module. By suppressing unnecessary feature information, eadg and texture information was improved. The proposed method trained on the Cityscapes dataset and use the segmentation index MIoU for quantitative evaluation. As a result of the experiment, the segmentation accuracy was improved by about 1.5% compared to the conventional PSPNet.

Masonry structures account for a large proportion of the building stock worldwide. Presently, the structural conditions of such structures are mostly inspected manually, and which is expensive, laborious and subjective processes. As deep learning technique for computer vision advances, there is an opportunity to automate the visual inspection process using digital images. Several studies are in progress to automatically detect cracks in masonry structures using Deep Learning. However, it is important not only detecting a crack, but also measuring a length of the crack. This is because it is necessary to consider various factors required in the actual environment, such as calculating the cost of reinforcement work. In this paper, we propose the method that detects masonry cracks and measures the length of cracks with digital images. The aim of this study is to implement Deep Learning model for crack detection on masonry structure and to apply the method of crack length measurement additionally.

웹캠을 이용한 온라인 회의 및 수업에서 크로마키 기법을 이용한 콘텐츠 제작은 중요한 기법중의 하나이다. 본 연구에서는 크로마키 배경을 사용하지 않고 배경 합성이 가능한 기술을 제안하였다. 제안하는 방법은 HSI 이미 지 변환 단계, 배경에서 변경된 영역을 감지하는 단계, 배경 영역을 크로마키로 대체하여 적용하는 단계의 3단계로 구성된다. 입력 영상에서 각 프레임의 블록 평균 영상을 계산하고, 배경 영상의 블록 평균 영상과 입력 영상의 블록 평균 영상의 차이를 이용하여 변화 영역을 검출한다. 개발된 크로마키 효과 기술은 하나의 카메라에서 물체 가 없는 배경 이미지를 획득하고 움직이는 물체와 배경을 구분하여 물체만 추출하는 기술을 사용하였다. 실험결과, 제안한 방법은 배경색이 다양한 경우에도 처리가 가능할 뿐만 아니라 물체의 경계선을 매끄럽게 처리할 수 있어서 현장에서 쉽게 적용할 수 있을 것으로 기대할 수 있다.

In online meetings and classes using webcams, the chromakey technique is a very necessary part to produce content. We proposed a technology that enables background synthesis without using a cloth for chromakey. The proposed method consists of three steps: an HSI image conversion step, a step of detecting a region changed from a background, and a step of replacing the background region with a chromakey and applying it. In the input video, the block average image of each frame is calculated, and the difference between the block average image of the background image and the block average image of the input image is used to detect the change area. The developed chromakey effect technology uses a technique of acquiring a background image without an object from a single camera and extracting only an object by distinguishing the moving object and the background. The proposed method is not only capable of processing even if the background has a variety of colors, but also has the seamless processing of the boundary lines of objects.

도로 노면 파손 탐지는 쾌적한 주행 환경과 안전사고의 예방을 위해 필요하다. 도로 관리 기관은 자동화 기술 기반의 검사 장비와 시스템을 활용하고 있다. 이러한 자동화 기술 중에서 도 도로 노면의 파손을 탐지하는 기술은 중요한 역할을 수행한다. 최근 들어 딥러닝을 이용한 기술에 대한 연구가 활발하게 진행 중이다. 이러한 딥러닝 기술 개발을 위해서는 도로 영상과 라벨 영상이 필요하다. 하지만 라벨 영상을 확보하기 위해서는 많은 시간과 노동력이 요구된 다. 본 논문에서는 이러한 문제를 해결하기 위하여 준지도 학습 기법 중 하나인 적대적 학습 방법을 제안했다. 이를 구현하기 위해서 5,327장의 도로 영상과 1,327장의 라벨 영상을 사용하 여 경량화 심층 신경망 모델을 학습했다. 그리고 이를 400장의 도로 영상으로 실험한 결과 80.54%의 mean intersection over union과 77.85%의 F1 score를 갖는 모델을 개발하였다. 결과적 으로 라벨 영상 없이 도로 영상만을 학습에 추가하여 인식 성능을 향상시킬 수 있는 기술을 개발하였고, 향후 도로 노면 관리를 위한 기술로 활용되길 기대한다.

Road surface damage detection is essential for a comfortable driving environment and the prevention of safety accidents. Road management institutes are using automated technology-based inspection equipment and systems. As one of these automation technologies, a sensor to detect road surface damage plays an important role. For this purpose, several studies on sensors using deep learning have been conducted in recent years. Road images and label images are needed to develop such deep learning algorithms. On the other hand, considerable time and labor will be needed to secure label images. In this paper, the adversarial learning method, one of the semi-supervised learning techniques, was proposed to solve this problem. For its implementation, a lightweight deep neural network model was trained using 5,327 road images and 1,327 label images. After experimenting with 400 road images, a model with a mean intersection over a union of 80.54% and an F1 score of 77.85% was developed. Through this, a technology that can improve recognition performance by adding only road images was developed to learning without label images and is expected to be used as a technology for road surface management in the future.

본 논문에서는 U-Net 기반의 semantic segmentation 방법에서 정확도를 향상시키기 위해 residual learning을 활용한 인코더-디코더 구조의 모델을 제안하였다. U-Net은 딥러닝 기반의 semantic segmentation 방법 이며 자율주행 자동차, 의료 영상 분석과 같은 응용 분야에서 주로 사용된다. 기존 U-Net은 인코더의 얕은 구조로 인해 특징 압축 과정에서 손실이 발생한다. 특징 손실은 객체의 클래스 분류에 필요한 context 정보 부족을 초래하고 segmentation 정확도를 감소시키는 문제가 있다. 이를 개선하기 위해 제안하는 방법은 기존 U-Net에 특징 손실과 기울기 소실 문제를 방지하는데 효과적인 residual learning을 활용한 인코더를 통해 context 정보를 효율적으로 추출 하였다. 또한, 인코더에서 down-sampling 연산을 줄여 특징맵에 포함된 공간 정보의 손실을 개선하였다. 제안하는 방법은 Cityscapes 데이터셋 실험에서 기존 U-Net 방법에 비해 segmentation 결과가 약 12% 향상되었다.

In this paper, we proposed an encoder-decoder model utilizing residual learning to improve the accuracy of the U-Net-based semantic segmentation method. U-Net is a deep learning-based semantic segmentation method and is mainly used in applications such as autonomous vehicles and medical image analysis. The conventional U-Net occurs loss in feature compression process due to the shallow structure of the encoder. The loss of features causes a lack of context information necessary for classifying objects and has a problem of reducing segmentation accuracy. To improve this, The proposed method efficiently extracted context information through an encoder using residual learning, which is effective in preventing feature loss and gradient vanishing problems in the conventional U-Net. Furthermore, we reduced down-sampling operations in the encoder to reduce the loss of spatial information included in the feature maps. The proposed method showed an improved segmentation result of about 12% compared to the conventional U-Net in the Cityscapes dataset experiment.

본 논문에서는 이미지에서 돌출되는 객체를 검출하기 위해 Saliency Attention을 이용한 딥러닝 기반의 검출 방법을 제안하였다. 돌출 객체 검출은 사람의 시선이 집중되는 물체를 배경으로부터 분리시키는 것이며, 이미지에서 관련성이 높은 부분을 결정한다. 객체 추적 및 검출, 인식 등의 다양한 분야에서 유용하게 사용된다. 기존의 딥러닝 기반 방법들은 대부분 오토인코더 구조로, 특징을 압축 및 추출하는 인코더와 추출된 특징을 복원 및 확장하는 디코더에서 많은 특징 손실이 발생한다. 이러한 손실로 돌출 객체 영역에 손실이 발생하거나 배경을 객체로 검출하는 문제가 있다. 제안하는 방법은 오토인코더 구조에서 특징 손실을 감소시키고 배경 영역을 억제하기 위해 Saliency Attention을 제안 하였다. ELU 활성화 함수를 이용해 특징 값의 영향력을 결정하며 각각 정규화된 음수 및 양수 영역의 특징값에 Attention을 진행하였다. 제안하는 Attention 기법을 통해 배경 영역을 억제하며 돌출 객체 영역을 강조하였다. 실험 결과에서는 제안하는 방법이 기존 방법과 비교하여 향상된 검출 결과를 보였다.

In this paper, we proposed a deep learning-based detection method using Saliency Attention to detect salient objects in images. The salient object detection separates the object where the human eye is focused from the background, and determines the highly relevant part of the image. It is usefully used in various fields such as object tracking, detection, and recognition. Existing deep learning-based methods are mostly Autoencoder structures, and many feature losses occur in encoders that compress and extract features and decoders that decompress and extend the extracted features. These losses cause the salient object area to be lost or detect the background as an object. In the proposed method, Saliency Attention is proposed to reduce the feature loss and suppress the background region in the Autoencoder structure. The influence of the feature values was determined using the ELU activation function, and Attention was performed on the feature values in the normalized negative and positive regions, respectively. Through this Attention method, the background area was suppressed and the projected object area was emphasized. Experimental results showed improved detection results compared to existing deep learning methods.

정보통신의 급격한 발전으로 인해 우리는 정보화 사회의 스마트시대에 살고 있다. ICT(정보통신기술)가융합된 스마트 팩토리는 대표적인 4차 산업혁명 시대의 기술로 주목받고 있다. 공장은 물류, 제조 및 유통 등 인간의 생산활동에 많은 부분을 차지한다. 이렇게 공장은 정보화 사회에 들어서면서 자동화에 있어서 많은 발전을 이루어왔다. 본 논문에서는 Kinect를 활용해 모션을 통한 공장의 편의시스템 구현에 대하여 연구하였다. Kinect는 사용자의 행동(Motion)을 촬영하고 영상의 정보를 통해 시스템을 제어하기 때문에 사용자에게 여러 가지 편의를 제공한다. 이 연구를 통해 영상처리로 스마트 팩토리를 구현하도록 했고 공장에서 일하는 사람들의 여러 가지 편의를 제공함으로써 생산의 능률에 영향을 줄 수 있을 것으로 기대 된다.

Due to the rapid development of information and communication, we live in the smart age of information society. Smart Factory, which integrates Information and communication technology, is being hailed as the technology of the 4th industrial revolution. As a result of entering the information society, the factory has made a lot of progress in automation. In this thesis, we used kinetization to research and implement the leisure system of the factory through motion. Kinect provides users with various convenience because they can take advantage of the user's actions and control the system through information. This study is expected to produce a smart factory with video processing, and it is expected to affect the efficiency of the production by providing various conveniences for people working in factories.

본 논문에서는 정지궤도관측위성의 영상품질 보장과 이에 기반한 성공적 임무수행을 위해 필수불가결한 구성요소인 INR (Image Navigation and Registration) System의 핵심적 기술 요체를 요약하여 기술한다. 이를 위해, 그 원천기술의 모태인 최초 INR System 의 근원과 이후 다른 위성시스템들을 통해 부분적 변화를 거쳐 구현된 변천과정을 검토하고, 그 핵심 구성요소와 각 구성요소의 기술적 요체를 기술하며, 이러한 기술적 요체를 포괄적으로 반영하며 과거와 현재 및 미래의 다양한 INR System들에 공통적으로 적용될 수 있는 generic한 INR system 구성을 제안한다. 이는 INR System 개발의 표준적 접근방법을 제시하고 그 핵심적 기술사항 과 추가적 발전가능 영역을 규명함으로써 향후의 INR System 개발, 검증 및 운용에 있어 하나의 지표로 삼고자 하기 위함이다.

In this paper, we provide a summary on the core essence of INR (Image Navigation and Registration) System technology which is an essential function of geostationary remote sensing satellites. Its origin and evolution history is reviewed, its core elements and governing concept for each element are described, and a generic INR architecture is suggested which can cover all seemingly conceivable INR systems of the past, the current and the future. By this, we intend to identify and illuminate the core technical contents and the key aspects in the foreseen prospect of the up-coming INR systems and the related technologies.

최근 첨단산업이 발달함에 따라 일상생활의 다양한 부분에서 드론의 이용이 급격하게 발전되어 지고 있 다. 드론은 기술성과 기능성의 증가 및 여러 생활방식에 맞춰 활용이 가능한 분야에 대한 접목이 쉬운 장점을 가지 고 있다. 또한 드론 서비스에 대한 다양화를 통하여 카메라와 CCTV같은 영상처리를 할 수 있는 매체를 융합해 사람 대신 경비를 할 수 있는 자동화 시스템이 도입되어 질 예정이다. 이러한 무인경비 기술을 설계하여 기존 드론 응용기술력을 강화하는 새로운 융합적 경비드론 서비스 기법을 제안하고자 한다. 제안하는 기법에는 OpenCV 기술 및 객체 추적 알고리즘인 CAM-Shift 알고리즘을 통해 초기 윈도우와 탐색 윈도우에서 객체를 중심으로 물체를 탐색 및 영역을 설정하여 안전의 유무를 판단하고 보안성에 대하여 드론에 접목시킬 수 있는 추가적인 인증수단인 생체인증기술을 설계한다. 이를 통해 기동성 및 실시간 영상 처리에 대한 기술의 분석이 지속적으로 증가될 수 있는 드론을 이용하여 무인 경비를 하는데 있어서 효율성이 높은 경비드론 융합서비스 모델에 대한 내용을 제안한다.

Recently, with the development of high-tech industry, the use of the drones in various aspects of daily life is rapidly advancing. With technical and functional advancements, drones have an advantage of being easy to be utilized in the areas of use according to various lifestyles. In addition, through the diversification of the drone service converged with image processing medium such as camera and CCTV, an automated security system that can replace humans is expected to be introduced. By designing these unmanned security technology, a new convergence security drone service techniques that can strengthen the previous drone application technology will be proposed. In the proposed techniques, a biometric authentication technology will be designed as additional authentication methods that can determine the safety incorporated with security by selecting the search and areas of an object focusing on the objects in the initial windows and search windows through OpenCV technology and CAM-Shift algorithm which are an object tracking algorithm. Through such, a highly efficient security drone convergence service model will be proposed for performing unmanned security by using the drones that can continuously increase the analysis of technology on the mobility and real-time image processing.