Earticle

본 논문에서는 CCTV 기반의 행동인식과 ConvexHull을 이용한 손의 패턴 인지를 통한 이상행동을 판단하는 알고리즘을 제시하고있다. CCTV를 이용한 기존 범죄 예방에는 주로 얼굴 인식이 쓰인다. 이는 화면에 보이는 얼굴과 기존 범죄자와 수배자의 얼굴 정보를 대조하여 대상의 위험도를 판단하는 방식으로, 앞으로의 범죄행동 예측에는 어려움이 따른다. 따라서 보다 다양한 상황을 예측하기 위해 대상의 팔과 다리, 몸의 기울기 등의 움직임과 손의 패턴을 파악하여 이상행동을 판단한다. 몸의 움직임이 일반적인 행동을벗어났다고 판단될 때 대상의 행동패턴을 파악하여 폭력과 납치 등의 행동패턴과 비교하여 범죄를 예측할 수 있다.

In this paper, we present an algorithm to determine the abnormal behavior through a CCTV-based behavioral recognition and a pattern of hand using ConvexHull. In the existing way that using CCTV for crime prevention, facial recognition is mainly used. Facial recognition is the way that compares the faces that are seen on the screen and faces of criminals for determining how dangerous targets are, however, this way is hard to predict future criminal behavior. Therefore, to predict more various situations, abnormal behaviours are determined with targets' incline of arms, legs and bodys and patterns of hand movements. it can forecast crimes when an acting has been getting within common normality out, comparing whose acting patterns with the crime patterns.

It is an essential factor in automatic navigation systems of ground vehicles, railroad and aviation fields which require high stability to detect the global position of vehicles with credibility and accuracy. This paper proposes an approach to estimate the global position of vehicles moving in the predefined path with a set pattern. Because the information of location received by GPS is included various errors, the errors are minimized using GPS error filter and map matching to obtain correct information. The velocity profile is one of key information for the system model of moving vehicles. We propose an estimation scheme using adaptive Kalman filter where the system model is derived from the moving pattern of vehicles. Since there is high probability that the position obtained from the adaptive Kalman filter is deviated from actual road and/or railway path, we remove the error by using map matching technique. The proposed scheme was experimented in position detection of train moving along predefined section of railway.

본 논문에서는 MPEG(Moving Picture Experts Group) 영상 디코더에서 영상을 압축, 비교, 복원, 저장한후 디코딩 처리하는 방법을 종래의 픽셀 단위로 처리하는 방법과는 다르게 영상의 단위 화소 주변을 군집화소로 분류한 후 이를 클러스터링하여 오버랩정도를 결정 한다. 오버랩 정도의 임계치값을 결정하는데는 패턴식별을 취한후 샘플 패턴에 대한 기하구조의 파악과 결정함수의 도출로 활용된다. 특징공간이 4차원 이상이면 주어진 패턴 구조를 시각적으로 관찰할 수 없다. 이 때, 분포구조를 고찰해 볼수 있는 방법은 군집중심간의 거리, 군집별 패턴의 수 및 표준편차등을 이용하는 방법이다. 임계치 값을 넘는 중복화면은 소거되고 넘지않는 군집화면은 패턴인식으로 복원된후 동영상으로 구현된다. 이방법이 기존의 픽셀 단위 처리하는 방법 과는 20%정도의 메모리 감축과 15%정도의 화면 복원에 성능이 향상된 것으로 판정된다.

In this paper,it is presented the method of image recovering which existing is only pixel processing, but suggesting method is concluding image clustering overlap degree after classfying around unit fixel to crowd pixel. Concluding overlap degree threshold value is after identifying pattern pixel and grasping geometry structure of sample pattern and deduction of deciding function. distinguishing feature space is above four dimension is reason of not visual observation of pattern structure. consideration of distribution structure is distance of center of crowd pixel, the number of each crowd pattern pixel and standard deviation. The over threshold value elimate the overlap image and the downward is recovered and established dynamic image. memory storage deduction of 20% and elevation of 15% performance is estimated in recovery of image.

Moving pattern is as a kind of sequential pattern, which can be extracted from the large volume of location history data. This sort of knowledge is very useful in supporting intelligence to the LBS or GIS. In this paper, we proposed the continuous moving pattern mining approach in LBS platform and LBS Miner. The location updates of moving objects affect the set of the rules maintained. In our approach, we use the validity thresholds that indicate the next time to invoke the incremental pattern mining. The mining system will play a major role in supporting the various LBS solutions.

On farm evaluation for the control of airborne diseases like FMD and flu virus has been done in past but control of disease in process of transportation of livestock and manures is still needed. The objective of this study was to predict a common pattern of livestock vehicles movement. The analysis were done on GPS data, collected from drivers of livestock vehicles in Jeju Island, South Korea in year 2012 and 2013. The GPS data include the coordinates of moving vehicles according to time and dates, livestock farms and manure keeping sites. 2012 year data was added to ArcGIS and different tools were used for predicting common vehicle moving pattern. The common pattern of year 2012 were determined and considered as predicted common pattern for year 2013. To compare with actual pattern of year 2013 the same analysis was done to find the difference in 2012 and 2013 pattern. When the manure keeping sites and livestock farms were same in both years, as a result common pattern of 2012 and 2013 were similar but difference were found in patterns when the manure keeping sites and livestock farms were changed. In future for more accurate results and to predict the accurate pattern of vehicles movement, more dependent and independent variables will be required to make a suitable model for prediction.

Future market forecasting is a challenging task in the financial time-series study field. Factors such as the economic environment, political policies, and market news affect it. Although only a few people can profit from it, many researchers and professional investors are eager to spend considerable effort studying the future market in an attempt to develop profitable methods. Certainly, many investment strategies exist in the market including traditional technical analysis and modern emerging artificial intelligence analysis. However, most methods are too complicated or heavily require investors to select and analyze many technical indicators. Moreover, most individual investors do not understand financial statements, the meaning of various technical indicators, and their influence on the future market. These non-professional investors are inevitably in need of a simple and intelligible investment method. Hence, this study proposes a head-and-shoulder combined pattern recognition model based on perceptually important point identification matching (PIP), template matching, and the floating weighted method using two basic technical indicators (5MA and 20MA). A four-year period (2017~2020) of the Crude Oil, NASDAQ100, and S&P500 index was analyzed as the experimental dataset to validate the proposed model. The experimental results show that the proposed model is effective in forecasting accuracy and can be applied to develop investment strategies.

실시간으로 입력되는 영상으로부터 이동객체의 움직임 특징을 분석하는 시간적 히스토그램 기반의 행동패턴분석 알고리즘을 제안한다. 이동객체의 추적 및 분석을 위해 배경과 이동객체를 분리하는 배경학습을 행한다. 배경학습으로 추출된 이동객체는 무게중심 및 좌표연관성을 이용하여 객체를 식별한 후 객체별 추적을 행한다. 추적된 각 객체의 시작프레임, 종료프레임, 좌표정보, 크기정보를 연결리스트에 저장하여 관리한다. 시간적 히스토그램은 x, y좌표와 시간을 이용해 움직임 특징 패턴을 정의한 것으로 각 객체의 좌표정보와 비교하여 움직임특징 및 행동패턴을 파악한다. 시간적 히스토그램 기반 행동패턴분석시스템은 자체 수집한 데모영상에 대한 실험을 통해 초당 45~50 fps의 높은 처리속도를 유지하며 95%이상의 높은 추적율을 확인하였다.

This paper propose a temporal histogram -based behavior pattern analysis algorithm to analyze the movement features of moving objects from the image inputted in real-time. For the purpose of tracking and analysis of moving objects, it needs to be performed background learning which separated moving objects from the background. Moving object is extracted as a background learning after identifying the object by using the center of gravity and the coordinate correlation is performed by the object tracking. The start frame of each of the tracked object, the end frame, the coordinates information and size information are stored and managed by the linked list. Temporal histogram defines movement features pattern using x, y coordinates based on time axis, it compares each coordinates of objects for understanding its movement features and behavior pattern. Behavior pattern analysis system based on temporal histogram confirmed high tracking rate over 95% with sustaining high processing speed 45~50fps through the demo experiment.

최근 위치 측위 기술의 발달 및 GPS 기술의 상용화로 인해 무선 통신 기기의 보급이 증가하면서 다양한 위치 기반 서비스 개발을 위한 노력이 활발히 진행되고 있다. 사용자들의 특성에 맞게 개인화되고 세분화된 위치 기반 서비스를 제공하기 위해서는 방대한 이동 객체의 위치 이동 데이터로부터 의미있는 지식인 유용한 패턴을 추출하기 위한 시간 패턴 탐사가 필요하다. 기존의 시간 패턴 탐사 기법들 중 일부는 이동 객체의 시간에 따른 공간 속성들의 변화를 충분히 고려하지 못하거나 또는 시공간 속성을 동시에 고려한 패턴 탐사는 가능하나 전체 이동 패턴들 중 추출하고자 하는 패턴에 반드시 포함되어야 하는 공간 정보에 대한 제약이 없어 특정 지점들 사이의 최적 이동 경로 탐색 문제나 단위기간 동안 이동 객체가 순회해야 지점들에 대한 스케줄링 경로 예측 문제 등에 적용하기 어렵다. 따라서 본 논문에서는 이동 객체의 위치 이력 데이터들에 대한 시공간 속성들을 고려하여 다양한 이동 패턴들 중 객체의 최적 이동 경로에 해당하는 패턴을 탐색하기 위한 새로운 시간 패턴 마이닝 알고리즘을 제안한다. 제안된 알고리즘은 특정한 지점들 사이를 이동한 객체의 위치 데이터들 중 객체가 가장 빈번하게 이동한 경로를 탐색하여 최적 경로를 결정하는 알고리즘으로, 공간 추상 계층의 각 계층별 영역 내 포함여부를 고려한 위치 일반화를 수행하여 보다 효과적으로 이동 패턴을 탐색할 수 있다.

본 논문은 Fog/Edge Computing(FEC) 환경에서 애플리케이션 서비스의 사용자 근접성을 지원하는 컴퓨팅 리소스의 최적 할당 및 지연시간 감소를 위한 이동에이전트 기반 오프로딩의 효율성을 제고하기 위한 선행연구로써, 이동객체들의 방대한 시공간 이동 이력데이터 집합으로부터 복합적인 시공간 제약을 적용한 최적 이동패턴 추출 시 수행시간 및 소요 메모리양을 효과적으로 감소시키는 알고리즘을 제안한다. 제안 알고리즘은 빈발도 기반의 최적경로 추출을 통하여 향후 FEC 환경에서 계산 오프로딩을 위한 컴퓨팅 리소스의 분배 및 배치에 유용하게 사용될 수 있다.

This paper is a prior study to improve the efficiency of offloading based on mobile agents to optimize allocation of computing resources and reduce latency that support user proximity of application services in a Fog/Edge Computing (FEC) environment. We propose an algorithm that effectively reduces the execution time and the amount of memory required when extracting optimal moving patterns from the vast set of spatio-temporal movement history data of moving objects. The proposed algorithm can be useful for the distribution and deployment of computing resources for computation offloading in future FEC environments through frequency-based optimal path extraction.

최근 사용자들의 특성에 맞게 개인화되고 세분화된 위치 기반 서비스를 개발하기 위한 목적으로 이동 객체의 다양한 패턴들 중 의미있는 지식인 유용한 이동 패턴을 탐사하는 문제가 주요 이슈로 부각되고 있다. 이에 본 논문에서는 방대한 이동 객체의 이력 데이터 집합으로부터 특정 지점들 간의 최적 이동 경로나 정해진 시간내의 스케줄링 경로 탐색과 같이 복합적인 시간 및 공간 제약을 갖는 최적 이동 패턴을 탐사하는 문제에 대해 정의하고, 다양한 이동 패턴들 중 가장 빈발하게 발생하는 패턴이 최적의 비용을 소요할 것이라는 가정을 기반으로 최대 빈발 2-시퀀스를 추출하는 방법을 제안한다. 후보 시퀀스 집합으로부터 지지도 계산을 통해 추출되는 빈발 2-시퀀스들의 순차적인 조합은 패턴 탐사를 수행하는 각 패스 진행 시 후보 시퀀스 항목의 차수가 점차 감소하여 최적 이동 패턴 탐사 방법에 효과적으로 적용된다.

인터넷의 보급이 급속히 확대됨과 동시에 전자상거래가 급속도로 증가하고 있다. 지금까지는 컴퓨터를 통한 전자상거래가 대부분을 차지하였으나 무선이동 통신의 보급이 급속도로 빨라지면서 무선통신을 통한 전자상거래인 m-Commerce가 부각되어지고 있다. m-Commerce를 원활히 하기 위해서는 필요한 대역폭과 단말기의 프로세싱 파워와 자원이 확보하여야 한다. 그러나 무선이동 통신에서는 일반유선 통신과는 다르게 많은 제한 사항들이 있다. 이동 통신에서 고려해야 할 사항들 중 가장 크게 고려해야 할 사항들은 계속해서 이동을 하는 handoff와 그리고 무선이동 단말기의 부족한 자원을 들 수 있다. 본 논문에서는 m-Commerce을 위해 필요한 이동 통신의 부족한 자원중 하나인 대역폭을 예약함으로써 이동통신에서도 더욱더 놀은 QoS를 지원하여 원활한 m-Commerce을 하고자 한다. QoS를 지원하기 위한 기존의 대역폭 예약 시스템에서 여러 가지 인자를 사용하였으나 본 논문에서는 기존의 대역폭 예약 시스템에서 제안하지 않은 시간인자와 가장 최근의 사용자 패턴인자를 적용하여 더욱더 좋은 QoS를 지원하여 대역폭을 낭비하지 않고 최대한 활용하고자 한다.

본 논문에서는 모바일 셀룰러 네트워크상에서 다양한 이동 단말 이동성을 이용한 동적인 Location Update 기법을 제안한다. 동적인 Location Update 기법에서는 다양한 이동 단말들의 이동 패턴을 고려하기 위해서 Differentiated-Walk Model을 이용하고 그 모델에서 제공하는 핸드오프 확률과 이동성 등급을 이용하여 LA(Location Area)를 형성한다. LA는 사용자의 이동 패턴을 고려하여 동적으로 형성되며 본 논문에서는 이러한 LA를 기반으로 제공되는 페이징 기법을 제안한다.

본 논문에서는 모바일 셀룰러 네트워크상에서 다양한 이동 단말 이동성을 이용한 동적인 Location Update 기법을 제안한다. 동적인 Location Update 기법에서는 다양한 이동 단말들의 이동 패턴을 고려하기 위해서 Differentiated-Walk Model을 이용하고 그 모델에서 제공하는 핸드오프 확률과 이동성 등급을 이용하여 LA(Location Area)를 형성한다. LA는 사용자의 이동 패턴을 고려하여 동적으로 형성되며 본 논문에서는 이러한 LA를 기반으로 제공되는 페이징 기법을 제안한다.

최근 모바일 스마트 기기의 보급으로 스마트 기기에 탑재된 다양한 센서에서 수집되는 대량의 데이터를 분석하여 처리하는 빅 데이터의 시대는 위치기반 서비스(LBSs: Location-Based Services)에 까지 확대대고 있다. 이동객체 위치 예측 기술은 차세대 시공간 정보 서비스에서 요구하는 필수적인 기술로 많은 연구가 진행되어 왔다. 그러나 대부분의 기존연구는 특정 어플리케이션에 종속적인 이동객체 위치 예측 질의처리 연구로서 증가하는 차세대 시공간 정보 서비스의 기술적 요구를 반영하기가 어렵다. 따라서 본 논문은 실세계 공간 네트워크에서 이동객체들의 초대용량 시공간적 데이터를 토대로 필수적으로 예측에 필요한 기본적이고 다양한 질의를 효율적으로 처리할 수 있는 범용적 분산 이동객체 예측 질의처리 프레임워크 설계를 제안한다.

Recently, due to the proliferation of mobile smart devices, the inovation of bigdata, which analyzes and processes massive data collected from various sensors implaned in smart devices, expands to LBSs. Many location prediction techniques for moving objects have been studied in literature. However, as the majority of studies perform location prediction which depends on specific applications, they hardly reflect the technical requirements of next-generation spatio-temporal information services. Therefore, this paper proposes the design of general-purpose distributed moving object prediction query processing framework that is capable of performing primitive and various types of queries effectively based on massive spatio-temporal data of moving objects in real-world space networks.

위치 기반 서비스는 이동중인 사용자에게 위치와 관련된 정보를 제공한다. 최소한의 자원으로 사용자에게 유용한 정보를 개인화하여 제공하는 것은 위치 기반 서비스가 가져야 할 필수적인 기능이다. 이 기능은 데이타 마이닝을 통해 실현될 수 있다. 하지만 기존의 데이터 마이닝 연구는 시간 및 공간 속성을 동시에 고려하고 있지 않다. 따라서 시간에 따라 공간 위치 속성이 변경되는 특성을 갖는 위치 기반 서비스의 대상에는 적절하지 않다. 이 논문에서는 시간 및 공간 속성을 가지는 이동 객체의 위치 데이타로부터 유용한 시간 패턴을 탐사하기 위한 새로운 데이타 마이닝 기법을 제안하였다. 평면 상에서 좌표로 표현되는 이동 객체의 위치 정보를 일반화하기 위하여 contains와 같은 공간 연산을 사용하였다. 또한 이동 패턴 탐사 시 실제 유효한 시퀀스를 만들기 위해 객체의 위치 사이에 시간 제약조건을 적용하였다. 이렇게 생성된 이동 객체 위치의 시퀀스로부터 빈발 이동 시퀀스를 구하여 시간 패턴을 생성하였다. 제안한 기법은 기존과는 다른 시, 공간적 접근을 취함으로써 시간과 공간 의미가 중요시되는 위치 기반 서비스에 적합한 새로운 유형의 지식을 제공할 수 있다.

LBS(Location Based Services) provide the location-based information to its mobile users. The primary functionality of these services is to provide useful information to its users at a minimum cost of resources. The functionality can be implemented through data mining techniques. However, conventional data mining researches have not been considered spatial and temporal aspects of data simultaneously. Therefore, these techniques are inappropriate to apply on the objects of LBS, which change spatial attributes over time. In this paper, we propose a new data mining technique for identifying the temporal patterns from the series of the locations of moving objects that have both temporal and spatial dimension. We use a spatial operation of contains to generalize the location of moving point and apply time constraints between the locations of a moving object to make a valid moving sequence. Finally, the spatio-temporal technique proposed in this paper is very practical approach in not only providing more useful knowledge to LBS, but also improving the quality of the services.

위치 기반 서비스가 무선 인터넷의 새로운 이슈로 떠오르고 있다. 이동 객체의 패턴 마이닝은 이동 객체의 시간 패턴을 탐사함으로써 이동 객체에 위치에 기반한 유용한 서비스를 제공할 수 있게 해준다. 이동 객체는 시간에 따라 빈번하게 이동하기 때문에 패턴도 최근의 경향을 반영하기 위해 빈번하게 탐사되어야 한다. 따라서 점진적으로 시간 패턴을 탐사하는 접근법이 요구된다. 이 논문에서는 이동 객체의 시간 패턴을 탐사하는데 있어서 측정된 위치 데이터가 가질 수 있는 모호성을 제시했다. 또한 모호성을 고려한 시간 패턴 마이닝를 위해 패턴 탐사 단계에서의 모호성의 처리를 위해 모호성을 원인에 따라 세 가지 임계치를 정의하였다. 그리고 이러한 임계치를 고려한 시간 패턴 마이닝 프로시저 구조를 제시하였다.

위치 기반 서비스는 이동중인 사용자에게 사용자의 위치와 관련된 정보를 제공하는 서비스를 통칭한다. 이 논문에서는 위치 기반 서비스를 위해서 이동 객체의 시간 패턴을 탐사함으로써 사용자에게 최적화된 서비스를 제공할 수 있는 기법을 제안한다. 제안하는 기법은 이동 객체 중 이동 점의 과거 위치 정보에 대한 시간에 따른 변화 패턴을 구하는 기법이다. 이것은 시간에 따라 위치가 자주 바뀌는 이동 객체의 특성을 고려하여 효율적으로 패턴을 갱신하여 항상 최근의 정보를 유지할 수 있도록 하였다.

본 연구에서는 개선된 영역기반의 패턴매칭 기법을 사용하여 이동물체의 탐색과 검출을 수행하였다. 시간에 따라 변화하는 이동물체의 안정된 추적을 위해 매 영상 프레임마다 이동물체의 윤곽선을 탐지하여 다음 영상에서의 템플릿으로 사용하기 위해 갱신하였으며, 패턴매칭의 연산속도 향상을 위해 패턴 정합률에 따라 영상을 다른 비율로 압축하여 추적하는 방법을 제안하였다. 기존의 영상파일을 사용하여 시뮬레이션 한 결과 이동물체의 검출과 추적에 양호한 동작을 보여주었으며 제안된 방법의 실시간 동작 가능성을 조사하였다.

사용자들의 특성에 맞게 개인화되고 세분화된 위치 기반 서비스를 제공하기 위해서는 방대한 이동객체의 위치 이력 데이터로부터 유용한 패턴을 추출하기 위한 시간 패턴 탐사가 필요하다. 기존의 시간 패턴 탐사 기법들은 이동 객체의 시간에 따른 공간 속성들의 변화를 충분히 고려하지 못하거나, 시공간 속성을 동시에 고려한 패턴 탐사는 가능하나 제약을 가진 공간 정보를 포함하는 패턴 탐사 문제에는 적용하기 어렵다. 따라서 이동 객체의 위치 이력 데이터들에 대한 시공간적 속성들을 동시에 고려하여 다양한 이동 패턴들 중 공간 제약을 만족하는 패턴들을 추출하기 위한 새로운 이동 패턴 탐사 기법이 요구된다. 이러한 패턴 탐사 기법의 개발을 위해서는 상세 수준의 위치 이력 데이터들을 공간 영역 정보 형태로 변환하는 위치 일반화 접근법이 필요하다. 이에 본 논문에서는 객체의 위치값과 공간 영역간의 위상 관계를 고려하여 이동 객체의 위치 속성에 대한 공간영역으로의 일반화 방법을 제안한다. 이동 객체의 상세 수준의 위치 정보에서는 의미있는 패턴을 찾기가 어렵기 때문에 데이터 전처리 과정을 통해 일반화된 데이터 집합을 형성함으로써 효율적인 이동 객체의 시간 패턴 마이닝을 유도할 수 있다.