Earticle

본 논문에서는 객체를 감지할 수 있는 복합 센서 시스템과 이를 활용하여 객체 감지 시에만 차량 내 전장 시스템 이 동작해 에너지를 절약할 수 있는 시스템을 제시하고자 한다. 기존의 객체 감지 센서들은 대부분 하나의 센서 를 사용하여 객체를 감지하였으며, 가장 많이 사용된 센서로는 적외선 센서와 초음파 센서를 들 수 있다. 적외선 센서는 가격이 저렴하고 구현이 쉬워 가장 많이 사용되고 있지만, 객체에서 발생하는 열적외선을 감지하는 수동 형으로 객체가 움직임이 있을 때에만 감지할 수 있는 단점이 있다. 또한 초음파 센서는 움직임이 없어도 감지가 가능하지만 정확도가 떨어지고 감지 오류가 많은 단점이 있다. 이에 본 논문에서는 적외선 센서와 초음파 센서의 장점만을 모아 객체를 정확하게 감지할 수 있는 시스템을 제시하고 구현하고자 한다.

In this paper, we proposed object detecting system using combined ultra-sonic and infrared sensors. Previous object detecting systems usually use passive infrared sensor. But, passive infrared sensor did not detect without movement. This is one of a disadvantage fact to energy saving. Therefore, we propose the object detecting system using ultra-sonic and infrared sensors. This system can gives further energy saving because they eliminate delay time of infrared sensor. And we implement object detecting system using combined ultra-sonic and infrared sensors.

빌딩 등 건물에너지 절약에 대한 관심이 전 세게적으로 날로 증가하고 있으며, BEMS(Building Energy Management System)을 효율적으로 운용하기 위한 IT 기술에 대한 연구를 지속적으로 진행하고 있다. 최근 LED 조명기술의 발전으로 LED를 제어하여 에너 지 절감효과를 극대화 할 수 있으며 BEMS에 이러한 LED 조명 제어기술들이 개발되고 있다. 본 논문에서는 건물에 설치되어 있는 LED조명과 연동되어 있는 객체감지 센서를 ZigBee 통신을 활용하여 서버와 연결이 되며, 사용자가 서버와 연결된 PC를 통해 모니 터링 및 제어가 가능한 시스템을 제안하였다. 설계한 구조를 기반으로 빌딩에서 객체를 감지하여 LED 조명을 실시간으로 모니터링 및 제어 가능한 기능을 제안하고, 관련 Software 개발을 통해 구현가능성을 입증하였다.

A building energy-saving have been increased worldwide interest. There is continuing research on IT technology for efficient management of BEMS. Recently, It is able to control of LED and to maximize energy savings to the development of LED lighting technology. We propose the security image processing system to improve efficiency and we implement the real-time status monitoring system to surveil the object in the building energy management system. In this paper, we proposed the system of LED control using Zigbee network for connect the server. User is able to control LED light and monitering by the desktop. We implemented LED light control software on the based of Real-time monitering and LED control. Also detect human body movement.

공장 자동화 분야에서 자동 검사 시스템은 기존의 수작업 검사 작업을 대체하여 효율성과 생산성을 향상 시키며, 제조업체들은 생산 과정의 품질 관리를 강화하고 불량률을 감소시키는 경제적 이점을 얻을 수 있다. 본 연구에서는 공정 라인의 압출부 타겟 검출, 즉 압출부의 정확한 위치를 식별하는 것을 목표로 한다. 일반 RGB 카 메라를 사용하여 실제 공정 라인에서 이미지 데이터를 획득하였고, 템플릿 매칭(Template Matching) 알고리즘을 활용하여 압출부의 위치를 검출하였다. 평가 지표로는 IoU(Intersection over Union) 임계값이 주어진 경우에 대 한 평균 정밀도(Average Precision)를 사용하였다. 본 연구에서 제안한 템플릿 매칭 기반의 압출부 타겟 검출 방 법은 기존의 비전 검사 시스템에 비해 경제적이고 간편한 솔루션을 제공하며, 공정의 생산성을 향상시키고 제품의 품질 유지에 도움이 될 것으로 기대된다.

In the field of factory automation, an automated inspection system replaces manual inspection tasks, leading to improved efficiency and productivity. Manufacturing companies can enhance quality control in the production process and achieve economic benefits by reducing defect rates. This research focuses on the detection of extrusion target positions in a production line. Real-world image data was acquired using a standard RGB camera, and a template matching algorithm was employed to detect the positions of extrusion targets. The evaluation metric used was the average precision for a given Intersection over Union (IoU) threshold. The proposed template matching-based approach for extrusion target detection offers an economical and straightforward solution compared to traditional vision inspection systems. It is expected to enhance production efficiency and contribute to maintaining product quality in the manufacturing process.

열처리 시설은 뿌리산업 중에서 고열에 의한 열악한 환경과 긴 근로시간 등으로 원격 IOT 시스템의 적용 범위가 확대되는 상황이다. 이러한 열처리 공정 환경에서 IOT 미들웨어는 사물인터넷 기기(센서 등)의 데이터 정보를 해석하고 관리하며 제어할 수 있는 중추적 역할이 요구된다. 그간 열처리 원격에서 제어하는 시스템은 현장 상황에 대한 전반적 감시 없이 작업자의 일괄 시스템 명령으로 운영되었다. 하지만 열처리 시설의 안전성과 정밀한 제어를 위해서는 다양한 센서 컨트롤과 주변 작업환경 인지가 필요하다. 본 논문에서 제시한 열처리 안전지원 시스템은 그에 대한 해결책으로 열화상 감지를 통해 열처리로의 작업인력 접근을 파악하고 원격에서 작업 가동 시 열처리 장비의 Safety를 위한 지원시 스템을 제안하였다. 또한 일반적인 고정된 열점 감시 기반 열화상 분석보다 더욱 빠르고 정확한 인식을 위해 DNN 딥러 닝 네트워크를 활용한 OPEN CV 기반 열화상 분석 시스템을 구성하였다. 이를 통해 열처리 산업에 특성화된 안전관리 지원과 향후 열처리 환경에서 범용적으로 활용 할 수 있는 시스템을 제안하고자 한다.

The heat treatment facility is in a situation where the scope of application of the remote IOT system is expanding due to the harsh environment caused by high heat and long working hours among the root industries. In this heat treatment process environment, the IOT middleware is required to play a pivotal role in interpreting, managing and controlling data information of IoT devices (sensors, etc.). Until now, the system controlled by the heat treatment remotely was operated with the command of the operator's batch system without overall monitoring of the site situation. However, for the safety and precise control of the heat treatment facility, it is necessary to control various sensors and recognize the surrounding work environment. As a solution to this, the heat treatment safety support system presented in this paper proposes a support system that can detect the access of the work manpower to the heat treatment furnace through thermal image detection and operate safely when ordering work from a remote location. In addition, an OPEN CV-based deterioration analysis system using DNN deep learning network was constructed for faster and more accurate recognition than general fixed hot spot monitoring-based thermal image analysis. Through this, we would like to propose a system that can be used universally in the heat treatment environment and support the safety management specialized in the heat treatment industry.

Frame difference is a quick dissimilarity based segmentation approach for object detection, unfortunately, it gets trapped in over-segmented when the pixels of interest over time overlap each other. This paper presents a rather fast visual object detection approach capable of approximating the location of moving object under heavy background noise or big overlap caused by negative similarity. Specifically, frame forward-backward difference concept is proposed to extract object features in current frame through fusion of pixel-based current-previous and current-following frame difference. Based on this, we formulate object localization applying the statistics of horizontal-vertical projection of the fused difference. Therefore, our object detection can be regarded as a direct thresholding process which guarantees high efficiency while holds good accuracy performance. We evaluate our method on Weizmann human action dataset and some traffic videos for both single and multiple objects detection which demonstrates its applicability and prospect.

This paper describes a new mechanism of detecting object of interest from a noisy image, without using any a-priori knowledge about the target. It employs a parallel set of filters inspired upon biological findings of mammalian vision. In our proposed system, several basic features are extracted directly from original input visual stimuli, and these features are integrated based on their local competitive relations and statistical information. Through integration process, unnecessary features for detecting the target are spontaneously decreased, while useful features are enhanced. Experiments have been performed on a set of computer generated and real images corrupted with noise.

Using the still image through the camera reports which the moving object tracking system. Moving object direction detected to compare the two difference images. And base block set at moving object. Matching area set current difference image. The edge image of prior frame and current frame implement the moving object tracking system to block matching.

현재의 영상정보를 이용한 이동물체 검출 알고리즘에서는 물체를 인식하는데 많은 처리시간을 소비한다. 이는 물체의 특징을 사용하여 대상 물체를 일치시키기 위해 대량의 컨볼루션 처리를 하기 때문이다. 따라서, 본 논문에서는 움직이는 물체에 대한 효율적인 궤적 추적 알고리즘의 하나로 행렬필터를 제시하고, 이를 적용한 어플리케이션을 통하여 이를 검증하려 한다.

도심 항공 모빌리티(UAM; urban air mobility)는 급증하는 도시권의 인구집중과 교통혼잡으로 인한 새로운 해결책으로서 차세대 교통수단으로 주목받고 있다. 하지만 이러한 UAM의 도입에 있어 기존의 교통 관리 체계(ATM; air traffic management)와는 다른 새로운 교통 관리 체계가 필요하며, 다양한 감시 시스템의 종류 중 하나로 해당 논문에서는 본 감시 시스템의 기능을 보조하는 측면으로서 UAM 감시 및 탐지 사용 기술로 카메라 센서를 사용한 단안 카메라 기반의 UAM 회랑 내 비행체의 2차 감시 시스템을 제안한다. 이에 실시간 객체 탐지 방법으로 이전 모델 대비 높은 FPS 성능과 첨단 백본 네트워크, 향상된 피라미드 구조를 사용하여 실시간 탐지에 우수한 YOLOv8 인공지능 연산 기술을 사용한다. 실제 외부 환경에서 학습된 알고리즘 기반으로 실험을 수행한 결과 객체를 정상적으로 탐지하는 것을 확인하였다.

Urban air mobility (UAM) is attracting attention as a next-generation transportation method as a new solution due to the rapidly increasing population concentration and traffic congestion in urban areas. However, the introduction of such UAM requires a new traffic management system different from the existing traffic management system (ATM), and as one of the types of surveillance systems, this paper proposes a secondary surveillance system of a flying object in a monocular camera-based UAM corridor using a camera sensor as a technology to assist the function of this surveillance system. Therefore, the real-time object detection method uses YOLOv8 artificial intelligence computational technology, which is superior for real-time detection using higher FPS performance, advanced backbone network, and improved pyramid structure compared to previous models. As a result of conducting experiments based on algorithms learned in the actual external environment, it was confirmed that objects were detected normally.

본 논문은 레이더를 통해 입력받은 데이터를 분석하여 같은 물체에 관한 데이터를 구분하는 방법을 제시한다. 큰 영역을 감시하는 레이더에 비해 영역이 좁을 때 레이더는 한 물체에 대해서 물체 형태에 따라 데이터가 들어오게 된다. 이 데이터들은 같은 물체인지 아닌지 구분이 없어서 응용된 알고리즘을 적용하기 힘들다. 따라서 응용된 알고리즘을 적용하기 전 하나의 물체에 대한 데이터의 그룹핑 작업이 필요하다. 본 논문에서 그룹핑 방법을 제시하며 실제 도로에서 취득한 데이터를 가지고 시뮬레이션을 하였다.

모바일 디바이스 화면상의 클릭 가능한 객체를 인지하기 위한 데이터셋을 구축하고 새로운 네트워크 구조를 제안한다. 모바일 디바이스 화면에서 클릭 가능한 객체를 기준으로 다양한 해상도를 가진 디바이스에서 여러 애플리케이션을 대상으로 데이터를 수집하였다. 총 24,937개의 annotation data를 text, edit text, image, button, region, status bar, navigation bar의 7개 카테고리로 세분화하였다. 해당 데이터셋을 학습하기 위한 모델 구조는 Deconvolution Single Shot Detector를 베이스라인으로, backbone network는 기존 ResNet에 Squeeze-and-Excitation block을 추가한 Squeeze-and-Excitation networks를 사용하고, Single shot detector layers와 Deconvolution module을 Feature pyramid networks 형태로 쌓아 올려 header와 연결한다. 또한, 기존 input resolution의 1:1 비율에서 오는 특징의 손실을 최소화하기 위해 모바일 디바이스 화면과 유사한 1:2 비율로 변경하였다. 해당 모델을 구축한 데이터셋에 대하여 실험한 결과 베이스라인에 대비하여 mean average precision이 최대 101% 개선되었다.

We propose a novel network architecture and build dataset for recognizing clickable objects on mobile device screens. The data was collected based on clickable objects on the mobile device screen that have numerous resolution, and a total of 24,937 annotation data were subdivided into seven categories: text, edit text, image, button, region, status bar, and navigation bar. We use the Deconvolution Single Shot Detector as a baseline, the backbone network with Squeeze-and-Excitation blocks, the Single Shot Detector layer structure to derive inference results and the Feature pyramid networks structure. Also we efficiently extract features by changing the input resolution of the existing 1:1 ratio of the network to a 1:2 ratio similar to the mobile device screen. As a result of experimenting with the dataset we have built, the mean average precision was improved by up to 101% compared to baseline.

최근 양봉 산업에서 꿀벌의 외부 기생충 감염이 주요 문제로 대두되고 있으며, 특히 꿀벌 응애(Varroa destructor)는 벌의 체액을 흡수하여 체중과 수명을 단축시키고 군체 붕괴를 유발하는 주요 원인으로 알려져 있다. 기존의 기생충 검출 방법은 육안 검사 및 화학적 진단법에 의존하고 있으며, 이는 탐지의 정확성과 효율성에서 한계를 가진다. 이에 본 연구에서는 딥러닝 기반 객체 탐지 모델인 YOLOv8을 활용하여 꿀벌 외부 기생충 탐지를 자동화하고 정확도를 향상시키는 알고리즘을 제안하였다. 연구에서는 양봉 농가에서 촬영한 고해상도 이미지를 활용하여 1,000장의 데이터셋을 구축하고, 이를 기반으로 YOLOv8을 학습하였다. 성능 비교를 위해 YOLOv5 및 RetinaNet 모델과 비교 평가를 수행하였으며, YOLOv8이 빠른 연산 속도와 높은 정확도를 바탕으로 최적의 성능을 보였다. 실험 결과, YOLOv8은 기존 모델 대비 정확도(AP50 0.92)와 속도(22분 학습 시간)에서 균형 잡힌 성능을 보이며, 실시간 탐지가 중요한 양봉 산업에서 적용 가능성이 높음을 확인하였다. 본 연구의 알고리즘을 현장에 적용할 경우, 육안 검출의 한계를 극복하고 기생충 감염에 대한 조기 대응이 가능해져 꿀벌 개체 수 감소 문제 해결에 기여할 수 있을 것으로 기대된다.

The infestation of external parasites in honeybees has emerged as a significant issue in the beekeeping industry, with Varroa destructor being the primary cause of colony collapse due to its parasitic feeding on bee hemolymph, leading to reduced weight and lifespan. Traditional detection methods rely on visual inspection and chemical diagnostics, which suffer from limitations in accuracy and efficiency. To address this challenge, this study proposes an automated external parasite detection algorithm using YOLOv8, a deep learning-based object detection model. A dataset of 1,000 high-resolution images captured from beekeeping farms was utilized to train YOLOv8, and its performance was compared with YOLOv5 and RetinaNet. The evaluation results demonstrated that YOLOv8 outperformed other models in terms of detection speed and accuracy, achieving an AP50 score of 0.92 with a training time of 22 minutes. Enhancements such as multi-scale learning and the implementation of CIoU Loss improved the detection capability for small parasites. The results indicate that YOLOv8 provides an optimal balance of accuracy and speed, making it highly applicable in real-time beekeeping environments. Implementing this algorithm in the field could overcome the limitations of manual detection and enable early intervention against parasite infestations, contributing to the mitigation of honeybee population decline.

간암에는 크게 두 종류가 있는데 하나는 간에서 생긴 종양이 악성종양으로 진행된 것이고 다른 하나는 다른 장기에서 생긴 암이 간으로 전이되는 것이다. 본 논문에서는 간에서 생긴 종양이 악성종양으로 진행되는 것을 조기 발견하고 막고자 Object Detect 모델인 YOLO v5의 다섯 가지 모델을 비교하여 악성 종양으로의 발전 가능성이 있는 간의 lesion을 찾아보았다.

A new detecting system for moving objects of coastal region has been designed by directional antenna and driving circuits. The designed system has been investigated by CAD for linear and planar antenna arrays of various radiating elements for antenna simulations and by P-spice of device simulations. For detecting the displacement of moving objects, we constructed four wideband dipole antenna, diode switching circuit, mixer, filter and amplifier. The results of antenna receiver were shown a possibility of distance measuring system through phase difference of radiation patterns in antenna simulation

본 연구는 미디어가 스포츠 경기를 중계할 때 여성의 신체적 특징을 어떻게 섹슈얼리티로 재현하는지 살펴보는 연구이다. 기존의 연구들은 남녀 경기의 등장 비율 비교 등 성별 차이를 주로 다뤄왔는데, 본 연구는 동일한 여성만의 경기에서도 선수별 신체 특징에 따라 미디어가 선수를 재현하는 방식이 다르다고 보고 이를 탐구하였다. 특히 이러한 차이는 명확하게 드러나지 않고, 중계 화면에 각 선수의 신체를 드러내는 세밀한 영상요소들 - 구체적으로 빈도, 재생 길이, 화면 점유 크기 등 – 을 통해 은연중에 나타난다고 보고 분석하였다. 성적이 우수한 선수와 그렇지 못한 선수의 영상 화면을 비교함으로써 여성 선수 사이에서도 경기력보다는 신체적 특징이 더욱 중요하게 다루어지고 있는지를 양적 지표를 통해 검증하고자 했다. 방법론은 컴퓨터 비전(Computer Vision) 분석 방법의 신체 감지 알고리즘과 인공지능 객체 인식 기법을 활용하였다. 구체적으로 2020년 팬텀클래식 여성 골프 경기의 유튜브 하이라이트 영상에 나타난 2명의 하이라이트 3편을 분석하였는데, 그 결과 두 선수의 상반신이 화면에 나타나는 빈도는 유사했으나 신체적 매력도에 따라 화면에 등장하는 길이에는 차이가 있었다. 화면에서 신체가 점유하는 크기를 살펴보니, 섹슈얼리티가 강조되는 선수의 화면은 그렇지 않은 경우보다 평균 약 2.5배 더 큰 것으로 나타났다. 또한 화면의 세로 길이는 유사하게 나타났지만 가로 길이는 신체 매력도가 높은 선수의 화면에서 더 길게 나타나, 결론적으로 신체 매력도로 인한 화제성이 높은 선수일수록 신체가 더 앞으로 당겨진, 구체적으로 가슴이 강조된 영상 구도인 것으로 분석되었다. 본 연구 결과는 1개 대회의 하이라이트 영상 3편을 분석했다는 한계가 있지만, 지금까지 연구자가 질적 방법으로 직접 분석하여 수행되었던 영상화면 연구를 인공지능 알고리즘을 활용한 양적 연구 방법으로 시도하여 구체적인 수치로 표현했다는 실험적 연구의 의의와 함께, 운동경기 중계에서 여성 신체 섹슈얼리티의 강조가 중계의 일환으로 내재된 은밀성을 가지고 있음을 밝혔다는 의의를 가진다.

This study examines whether media present and reproduce the sexuality of female sports players through highlight videos. Unlike previous studies, that foucsed on the disparity between men and women sports on the media, this study looked at the disparity in women’s games. We hypothesized that the media represents bodies of female players differently depending upon their physical attractiveness, sexuality and not their atheletism. Particularly, this distinction is made by more covert and clandestine media practices. We examined three highlights of the 2020 Phantom Classic KLPGA competition using key frame extraction and deep learning approaches for object detection. As a consequence, we discovered that 1) one of the differences between the highlighted images of female players is sexuality. The female player who was popular with body shape had upper body graphics that were up to 2.5 times longer than the the competition winner. In addition, the size of visual screen image was greater than the winner's. Although the findings of this study are limited to three highlights from a single tournament, the implications are strong enough to suggest that more covert and clandestine media techniques are being used to emphasize the sexuality of female players, and that deep learning can be used to distinguish visual images from broadcasting sports channels.

객체 인식 연구에 있어서 딥러닝 기반의 사람 인식에 있어서 많은 연구들이 공개되고 있다. 특히 화재사고에 있어서 연기로 인해 가시성이 떨어져 인명구조에 어려움이 발생한다. 이에 열화상 카메라와 딥러닝을 통해 사람을 인식하는 기술이 연구되고 있다. 기존 연구에서는 열화상 카메라와 YOLO 딥러닝을 통해 사람을 인식하는데 95%의 성능을 보였지만, YOLO는 그리드 셀에서 하나의 분류만하기 때문에 물체에 가려진 사람을 판별하는데 정확도가 낮았다. 본 논문에서는 이와 같은 한계를 극복하기 위해 기존 Faster R-CNN 알고리즘을 사용한다. 신체부위 Guided Attention mechanism을 사용하여 가중치를 준 Feature Map을 RPN에 적용시켜 학습모델을 구현한다면 더 높은 정확도를 얻을 수 있다. 향후 본 논문에서 제안하는 기법은 많은 실험과 다양한 데이터 셋을 통해 실질적인 검증을 할 예정이다.

본 논문은 유전자알고리즘과 영상처리기법을 이용해 특정 대상물의 절단위치를 추출하는 방법을 제시한 것으로서, 최근에는 기존의 아날로그 센서를 사용하여 단지 대상의 명암으로 물체를 구분한 대신에 CCD(Charge-Couple Device)카메라로부터 얻어진 화상 데이터를 이용해 물체의 정보를 추출해 이용하는 방법이 많이 응용되고 있고, 영상의 형태학, 지식기반의 영상 해석 시스템에 대한 관심이 많이 높아 졌다. 그리고 지금에는 거의 모든 분야에서 화상처리기법들이 사용되어지고 있다. 따라서 본 논문에서는 실시간 그레이 레벨의 입력 화상에 대하여 특정 물체의 특정위치를 유전 알고리즘과 영상처리기법을 이용해 검출 방법을 제안하고, 실제의 시스템에 적용한 예를 제시하려고 한다.