Earticle

도로 관리 주체는 도로 파손을 보수하기 위해 적지 않은 비용을 투입한다. 이러한 파손은 자연 요인과 노후화로 인하여 필연적으로 발생을 하는데, 효율적인 보수를 위한 유지보수 기 술이 필요하다. 이런 수요에 대응하기 위해 여러 가지 기술들이 개발되고 적용되고 있지만, 최 근 들어서는 차량용 블랙박스 형태로 수집한 영상 정보를 바탕으로 도로 노면 파손 유지 보수 기술이 개발되고 있다. 이 파손 영역을 추출하는 방법에는 여러 가지가 있지만, 본 논문에서는 최근 활발히 연구되고 있는 심층 신경망 구조의 영상인식 기술에 대해 논하고자 한다. 특히 영역 기반의 합성곱 알고리즘을 이용하여 영상 내에서 도로 파손 유무와 그 영역을 추정할 수 있는 새로운 심층 신경망을 소개한다. 이를 개발하기 위해 실제 주행을 통해서 600여장의 영상 데이터를 수집하였고, 이를 활용하여 학습을 수행하였다. 그 결과 기존 모델과 성능을 비교하 여 10.67% 향상된 신경망을 개발하였다.

The road management institute needs lots of cost to repair road surface damage. These damages are inevitable due to natural factors and aging, but maintenance technologies for efficient repair of the broken road are needed. Various technologies have been developed and applied to cope with such a demand. Recently, maintenance technology for road surface damage repair is being developed using image information collected in the form of a black box installed in a vehicle. There are various methods to extract the damaged region, however, we will discuss the image recognition technology of the deep neural network structure that is actively studied recently. In this paper, we introduce a new neural network which can estimate the road damage and its location in the image by region-based convolution neural network algorithm. In order to develop the algorithm, about 600 images were collected through actual driving. Then, learning was carried out and compared with the existing model, we developed a neural network with 10.67% accuracy.

목적 : 대상의 내적정보 중 라인드로잉이 대상 재인에 미치는 효과를 알아보고 형태항상성에 중요한 역할을 한다는 사실을 제시하고자 한다. 연구방법 : 실험은 물리적 대응과제를 사용하였으며, 나중에 제시되는 대상은 먼저 제시되는 대상과 같거나 다르다. 즉, 연속적으로 제시되는 두 대상이 물리적으로 동일한 대상인지를 신속․정확하게 판단하는 데 있어서 대상의 제시방식과 회전 정도의 효과를 비교하였다. 결과 : 결과는 모두 라인드로잉이 대상재인에 효과적인 것으로 나타났다. 라인드로잉이 윤곽보다 신속․정확하게 재인되었으며, 음영과는 차이를 보이지 않았다. 그리고 물리적 대응에서는 대상의 회전 정도가 재인의 정확도와 반응시간에 영향을 미쳤다. 특히 방향이 가장 압축된 모양으로 제시되었을 경우에 라인드로잉의 효과는 더욱 명확한 것으로 나타났다. 결론 : 대상재인과 형태항상성에 대상의 내적 정보가 긍정적인 영향을 제공한다. 그 중 라인드로잉은 대상재인에 긍정적인 속성이자 단서이다.

Objective : An experiment was performed to investigate the effects of a line-drawing on object recognition and to suggest the importance of an object's internal information on form constancy. Methods : In the experiment, the focus was on a comparison and analysis of whether stimulus types and rotation directions affect the decisions of physical shape sameness of two figures presented successively. Results : The results of the experiment showed that the line-drawing type affects object recognition. A line-drawing-type object was perceived more quickly and accurately than a silhouette-type, and was similar to a shade-type. The accuracy and response time were affected by the change of rotation direction. In particular, a line-drawing effect was seen better than a foreshortened view. Conclusion : These results suggest that the internal information(line-drawing) of an object positively affects object recognition and form constancy.

교량분야에서는 드론 및 AI 기반 점검 연구가 활발히 축적되고 있으나, 하천 수문·보·토출구 등 주요 수리구조물은 안전성과 운영상 중요성이 매우 큼에도 불구하고 관련 연구는 상대적으로 미진하다. 이러한 시설물은 기후위기 시대에 홍수·침수 피해 예방과 직결되므로, 드론 기반 AI 점검 연구는 국민의 생명·재산 보호와 더불어 유지관리 효율성 제고를 위해 반드시 필요하다. 드론 영상을 기반으로 하천 관리시설물의 학습 데이터를 구축하고, 시설물의 종류와 기능에 따른 분류체계를 반영한 AI 객체인식 알고리즘을 개발하는 것을 목표로 한다. 본 연구는 현장 특화된 데이터 및 분석 결과를 제공함으로써 실무 적용성이 높고, 하천 시설물 유지관리의 자동화 및 효율화에 직접적으로 기여할 수 있을 뿐만 아니라 재난예방 및 대응을 위한 실무적 활용 가능성을 제시한다.

Research on drone- and AI-based inspection has been actively advanced in the bridge sector, while studies on hydraulic structures such as river gates, weirs, and outlets remain relatively insufficient despite their crucial role in operational safety and disaster risk reduction. In the era of climate change, these facilities are directly related to flood and inundation prevention, highlighting the urgent need for intelligent inspection and management technologies. This study aims to construct training datasets of river management facilities using drone imagery and to develop an AI-based object recognition algorithm that reflects classification systems according to facility types and functions. By targeting national and local river authorities, the research seeks to establish an open dataset derived from high-resolution orthophotos and to demonstrate the automated extraction of facility geometries. The expected outcomes include site-specific data and analytical results with strong practical applicability, contributing to the automation and efficiency of river facility maintenance. Furthermore, the proposed approach supports disaster prevention and response by providing reliable and scalable tools for next-generation river management.

본 연구는 늘어나는 시각장애인의 안전한 보행과 사회적 상호작용을 지원하며, 안내견 및 기존 보조기기의 구조적, 경제적 힌계를 극복할 수 있는 딥러닝 기반 지능형 로봇 안내 시스템을 개발하는 것을 목적으로 한다. Python 기반 멀티스레딩 구조에서 YOLOv8n 객체 인식과 RealSense를 활용해 실시간 객체 탐지 및 거리를 측정 했으며 또한 딥러닝 기반 얼굴 인식과 GPT API 기반 대화형 음성 인터페이스를 통합하여 시스템을 구현했다. YOLOv8n 모델을 통해 실시간 객체 탐지에서 높은 신뢰도와 정밀도를 입증했고 얼굴 인식 기능은 사용자와 보호 자 식별을 지원하고, GPT API 기반의 대화 인터페이스는 능동적인 정보 접근과 사회적 상호작용을 가능하게 했다. 이는 시각장애인의 독립성을 크게 향상시키고 기존 보조 기기의 적합성, 환경 제약, 비용 문제 등 구조적 한계를 보완하는 새로운 대안을 제시한다.

The purpose of this study is to develop a deep learning-based intelligent robot guidance system that supports safe walking and social interaction of the increasing number of visually impaired people and can overcome the structural and economic hindrance of guide dogs and existing assistive devices. We used YOLOv8n object recognition and RealSense in Python-based multi-threading structure to measure real-time object detection and distance, and also implemented the system by integrating deep learning-based face recognition and GPT API-based interactive voice interface. The YOLOv8n model demonstrated high reliability and precision in real-time object detection, the face recognition function supports user and guardian identification, and the GPT API-based conversation interface enables active information access and social interaction. This greatly improves the independence of visually impaired people and presents new alternatives to supplement structural limitations such as suitability, environmental constraints, and cost issues of existing assistive devices.

교통류에서는 거시적인 지표로 속도, 교통량, 밀도가 중요한 파라미터로 활용되고 있으며, 미시적인 지표로는 가속도와 차두거리가 중요한 파라미터로 활용되고 있다. 속도와 교통량은 현재 설치된 교통정보 수집장치로 수집이 가능하지만 가속도와 차두거리는 안전과 자율주행 분야 등에 필요성이 있지만 현재 교통정보 수집장치로는 수집이 불가능한 실정이다. 객체인식 기법인 YOLO는 정확도와 실시간성이 우수하여 교통분야를 포함하여 다양한 분 야에서 활용되고 있다. 본 연구에서는 YOLO를 활용하여 가속도와 차두거리를 측정하기 위해 측정 간격을 조밀하게 설정하여 간격별 차량의 속도 변화와 차량 간 통행시간 차이를 통해 가 속도와 차두거리를 측정하는 모델을 개발하였다. 지점별 교통특성에 따라 가속도와 차두거리 의 범위가 다름을 확인하였고, 측정률 확보를 위한 기준거리와 화면각도에 따른 비교분석을 수행하다. 측정간격은 20m, 각도는 직각에 가까울수록 측정률이 높아짐을 분석하였다. 이를 통 해 교차로별 안전도 분석과 국내 차량행태모델 분석에 기여할 수 있을 것이다.

While analyzing traffic flow, speed, traffic volume, and density are important macroscopic indicators, and acceleration and spacing are the important microscopic indicators. The speed and traffic volume can be collected with the currently installed traffic information collection devices. However, acceleration and spacing data are necessary for safety and autonomous driving but cannot be collected using the current traffic information collection devices. ‘You Look Only Once’(YOLO), an object recognition technique, has excellent accuracy and real-time performance and is used in various fields, including the transportation field. In this study, to measure acceleration and spacing using YOLO, we developed a model that measures acceleration and spacing through changes in vehicle speed at each interval and the differences in the travel time between vehicles by setting the measurement intervals closely. It was confirmed that the range of acceleration and spacing is different depending on the traffic characteristics of each point, and a comparative analysis was performed according to the reference distance and screen angle to secure the measurement rate. The measurement interval was 20m, and the closer the angle was to a right angle, the higher the measurement rate. These results will contribute to the analysis of safety by intersection and the domestic vehicle behavior model.

이미지 검색은 주어진 이미지에 대해 검색 목적에 맞는 이미지를 찾는 문제이다. 최근 연구는 주로 시각적으로 유사 한 이미지를 찾는 content-based image retrieval(CBIR) 문제를 해결하기 위해 이미지 분류를 위해 대용량 데 이터셋에 대해 사전 학습된 딥러닝 모델의 특징맵(feature map)을 활용한다. 본 논문은 주어진 이미지와 같은 객 체를 포함하고 있는 이미지를 찾는 object-based image retrieval(OBIR) 문제를 제안한다. 기존의 이미지 검색 기법은 global feature나 local feature를 사용해 유사한 이미지를 검색하는데 이때 주어진 이미지가 복잡한 배경 을 가지고 있거나 이미지의 객체가 작은 경우 객체 정보를 얻는 데 어려움이 발생한다. 이를 해결하기 위해 배경에 구애받지 않고 객체의 정보를 사용하는 최신 객체 인식 모델인 Detection Transformer(DETR)와 Bag of Visual Words(BoVW)를 활용한 객체 임베딩(object embedding) 및 이미지 검색 기법을 제안한다. 본 논문은 객체 인식 문제에 주로 쓰이는 COCO 데이터와 기존 이미지 검색 기법에서 사용하는 AID, Oxford & Paris 데이 터를 사용해 기존 이미지 검색 기법들과 비교 실험을 수행하였고, DETR 기반 BoVW가 OBIR 문제에서 기존 방법 대비 우수한 성능을 내는 것을 확인하였다.

Image retrieval is a problem of finding an image suitable for the purpose of search for a given image. Recent work utilizes a feature map of pre-trained deep learning models from large dataset for image classification to solve the content-based image retrival(CBIR) problem, mainly finding visually similar images. This paper proposes an object-based image retrival(OBIR) problem of finding an image containing an object same as a given image. Traditional image retrieval techniques use global or local features to search for similar images, which makes it difficult to obtain object information if a given image has a complex background or if the object of the image is small. To address this, we propose object embedding and image retrieval techniques using the latest object recognition models, DETR (Detection Transformer) and Bag of Visual Words (BoVW), which can represent object information regardless of background. This paper conduct a comparative experiment with existing image retrieval techniques using COCO data mainly used in object recognition problems and AID, Oxford & Paris data used in existing image retrieval techniques, and show that DETR-based BoVW outperforms existing methods in OBIR problems.

Several lines of evidence indicate that scopolamine as a nonselective muscarinic antagonist disrupts object recognition performance and spatial working memory when administered systemically. In the present study, we investigated the different effects of scopolamine on acquisition, consolidation, and retrieval phases of object recognition performance and spatial working memory using the object recognition and the Morris water maze tasks in mice. In the acquisition phase test, scopolamine decreased recognition index on object recognition task and the trial 1 to trial 2 differences on Morris water maze task. In the consolidation and retrieval phase tests, scopolamine also decreased recognition index on object recognition task, where as scopolamine did not exhibited any effects on the Morris water maze task.

Corner detection and feature extraction are essential aspects of computer vision problems such as object recognition and tracking. Feature detectors such as Scale Invariant Feature Transform (SIFT) yields high quality features but computationally intensive for use in real-time applications. The Features from Accelerated Segment Test (FAST) detector provides faster feature computation by extracting only corner information in recognising an object. In this paper we have analyzed the efficient object detection algorithms with respect to efficiency, quality and robustness by comparing characteristics of image detectors for corner detector and feature extractors. The simulated result shows that compared to conventional SIFT algorithm, the object recognition system based on the FAST corner detector yields increased speed and low performance degradation. The average time to find keypoints in SIFT method is about 0.116 seconds for extracting 2169 keypoints. Similarly the average time to find corner points was 0.651 seconds for detecting 1714 keypoints in FAST methods at threshold 30. Thus the FAST method detects corner points faster with better quality images for object recognition.

Visual object recognition has been growing quickly in the field of computer science, as it can be applied to such diverse areas as robotics, smartphones, and artificial intelligence. Although there have been a countless number of researches and methods to develop an effective visual object recognition software, there have been only few attempts to combine visual object recognition with data science. Data science analyzes large volumes of data in different forms and derives useful information from the results. In the experiment, this study developed a specific method to generate sentences that describe what’s happening in a picture by combining visual object recognition software with text mining technologies. This study utilizes CamFind to identify a number of objects in a picture and applies NodeXL from Microsoft Excel to obtain online data from Twitter, a social network service. Information from the analysis of texts induced from objects is used to make stories for the whole image.

Crop diseases and pests are one of the agricultural disasters that adversely affect the yield and quality of crops. To prevent and control them, many researchers have been working on deep learning-based disease and pest recognition. Most of these studies use classification techniques to output one class with the highest probability from a predefined list of pests. However, the accuracy of classification models is not perfect, and they can produce enough incorrect results to require additional aids. In this study, we proposed a novel disease and pest diagnosis pipeline that combines object detection with a similarity-based retrieval model. In our proposed pipeline, we first detect the damaged region in the image and then classify the class to which it belongs. In the similarity-based retrieval model, the detected region image can be used to further show the user the most similar damage symptom images to help them make a final decision. The pipeline proposed in this study was first applied to three diseases: fire blight, scab, and black necrotic leaf spot.

객체 인식은 이미지와 비디오에서 다양한 객체를 검출하고 식별하는 기술이다. LBP는 조명 변이에 강인하게 동작하는 기술자로써, 객체 인식 분야에 활발하게 사용되고 있다. LBP는 이웃 픽셀의 범위, 비교 연산 후 이웃들의 결합 순서, 그리고 결합의 시작 위치를 고려해야 한다. 특히, LBP의 시작 위치는 "최상위 비트"가 되기 때문에 객체 인식의 성능에 큰 영향을 미치게 된다. 따라서, 본 논문에서는 N개의 시작 위치를 기반으로 N개의 특징 공간에서 각각 입력 데이터와 가장 유사한 데이터를 탐색한다. 각 특징 공간의 서로 다른 결과를 동일한 기준에서 비교할 수 있는 신뢰 척도를 정의하고, 가장 신뢰도 높은 결과를 선택함으로써 객체 인식을 수행한다. 실험 결과에서는 LBP의 시작 위치에 따라 성능의 차이가 있다는 것을 확인했다. 또한, 제안한 방법은 기존 LBP 인식 성능과 대비하여 최대 12.66%의 높은 성능을 나타냈다.

Object recognition is a technology that detects and identifies various objects in images and videos. LBP is a descriptor that operates robustly to illumination variations and is actively used in object recognition. LBP considers the range of neighboring pixels, the order of combining the neighbors after the comparison operation, and the starting position of combining. In particular, the starting position of the LBP becomes the "most significant bit"; it dramatically affects the performance of object recognition. In this paper, based on the N starting positions, the data most similar to the input data are searched in each of the N feature spaces. Object recognition is performed by the confidence measure that can compare different results of each feature space under the same criterion and select the most reliable result. In the experimental results, it was confirmed that there is a difference in performance depending on the starting position of LBP. The proposed method showed a high performance of up to 12.66% compared to the recognition performance of the existing LBP.

The introduction of industrial intelligent robot using vision sensor has been interested in automated factory. 2D and 3D vision sensors have used to recognize object and to estimate object pose, which is for packaging parts onto a complete whole. But it is not trivial task due to illumination and various types of objects. Object image has distorted due to illumination that has caused low reliability in recognition. In this paper, recognition method of complex shape object has been proposed. An accurate object region has detected from combined binary image, which has achieved using DoG filter and local adaptive binarization. The object has recognized using neural network, which is trained with sub-divided object class according to object type and rotation angle. Predefined shape model of object and maximal slope have used to estimate the pose of object. The performance has evaluated on ETRI database and recognition rate of 96% has obtained.

3차운 물체 인식 중 오목과 볼록을 갖고 있는 물체의 인식은 대단히 어려운 문제이다. 본 논문에서는 물체의 인식을 위한 피처(Feature)의 추출 방법으로 오픈-볼(Open-Ball)을 제안한다. 이 새로운 방법은 물체의 크기, 이동고 회전에 불변성을 갖는 피처(Feature)를 생성하는 것뿐만이 아니라, 비교되는 물체를 인식하는 것을 상대적인 닮음 정도 측정으로 구현한다.

Recognition of three-dimensional objects with convexities and concavities is a hard and challenging problem. This paper presents a feature extraction method out of three-dimensional objects for the purpose of classification. This new method not only provides invariance to scale, translation, and rotation $R^3$ but also distinguishes any three-dimensional model objects with concavities and convexities by measuring a relative similarity in the information space where a set of characteristics features of objects is mapped.

얼굴인식에서의 근본적인 논쟁점 중 하나는 얼굴인식에서 나타나는 전체적 처리특성과 배열정보처리의 우세성이 생득적 능력인가 아니면 후천적 학습의 결과인가에 관한 것이다. 본 연구는 얼굴인식에만 나타난다고 여겨져 왔던 전체적 처리와 배열정보처리의 특성과 더불어 자동적 처리특성이 전문가적 학습과정을 통해 대상인식에서도 나타나는가를 확인하고(실험 1), fMRI를 이용하여 얼굴자극에 대하여 특수하게 관찰되는 것으로 알려진 FFA에서의 선택적 활성화가 학습의 결과로 그 강도가 변화하는가를 확인하고자 하였다(실험 2). 실험 1에서는 합성얼굴과 합성물고기 자극에 대하여 비전문가 학습 집단과는 달리 전문가 학습 집단에서만 전체적 처리와 배열정보처리 특성과 함께 자동적 처리 특성이 나타났고, 실험 2에서는 전문가 학습의 결과, 얼굴자극 뿐만 아니라 대상자극에 대한 FFA의 활성화가 증가하는 것을 확인하였다. 즉, 얼굴과 대상인식의 배후 뇌 기제에 대한 영역-일반성 특징을 보이는 결과를 얻었다. 이 실험 결과들은 얼굴인식에서 특징적으로 관찰되어지는 것으로 알려진 처리 과정들이 생득적인 능력에 기인하기보다는 전문가적 학습에 의한 결과임을 시사해준다.

One of the basic controversial issues on face recognition differing from object recognition is whether the holistic and configural processing are natural ability or the result of postnatal learning. We examined that the holistic, configural, and automatic processing regarded as the face-specific characteristics could be observed in the object recognition through the expert learning process(experiment 1). We also measured the intensity of selective activation in FFA to the synthetic face and object using fMRI(experiment 2). In experiment 1, we found that the holistic, configural, and automatic processing were observed by the expert group both in face and object recognition. In experiment 2, we found the activation of FFA to synthetic face and object increased after expert learning. FFA might be therefore not face-specific but have domain-general characteristics. These results lend direct evidence that the characteristics of face information processing is not given by natural ability but by the result of expert learning.

A method for pattern recognition based on wavelet transform is proposed in this paper. The boundary of the object to be recognized includes shape information for object of machine parts. The contour is first represented using a one-dimensional signal and normalized about translation, rotation and scale, then is used to build the wavelet transform representation of the object. Wavelets allow us to decompose a function into multi-resolution hierarchy of localized frequency bands. The recognition of 2-dimensional object based on the wavelet is described to analyze the shape of analysis technique; the discrete wavelet transform(DWT). The feature vectors obtained using wavelet analysis is classified using a multi-layer neural network. The results show that, compared with the use of fourier descriptors, recognition using wavelet is more stable and efficient representation. And particularly the performance for objects corrupted with noise is better than that of other method.

모델을 이용한 물체인식을 모델영상들과 입력영상 간의 그래프 매칭과정으로 정의하였다. 본 논문에서는 그래프 매칭 문제를 최적화문제로 모델링하였고 최적화 문제해결을 위하여 유전자 알고리즘을 제안하였다. 이를 위하여 적합성함수, 자료구조, 유전연산자들이 개발되었다. 제안된 유전자 알고리즘이 이차원 영상에서 부분적으로 겹쳐진 물제들을 인식하기 위한 모델영상과 입력영상 간의 특징 점들을 일치시킴을 시뮬레이션을 통하여 보였다. 제안된 방법의 성능을 신경회로망을 이용한 방법과 비교하였다.

The model-based object recognition is defined as a graph matching process between model images and an input image. In this paper, a graph matching problem is modeled as a n optimization problems and a genetic algorithm is proposed to solve the problems. For this work, fitness function, data structured and genetic operators are developed The simulation results are shown that the proposed genetic algorithm can match feature points between model image and input image for recognition of partially occluded two-dimensional objects. The performance fo the proposed technique is compare with that of a neural network technique.

본 연구의 목적은 과제와 무관한 부정적인 정서자극이 공간 및 대상 정보를 기억하는 과제 수행에 미치는 영향을 살펴보는 것이다. 선행 연구들은 과제와 무관한 부정정서 자극이 공간 정보와 대상 정보의 능동적인 갱신이 필요한 과제 수행을 간섭한다고 제안하고 있다. 본 연구에서는 이러한 연구들을 확장하여 능동적인 갱신이 필요한 과제가 아닌, 공간 혹은 대상 정보를 단순히 유지해야 하는 과제를 수행할 때도 과제와 무관한 부정정서 자극의 간섭 효과가 나타나는지 살펴보고자 하였다. 이를 위해 실험 1에서는 다양한 위치에 자극을 제시하고 위치 정보를 기억에 유지하고 있는 동안 정서 사진을 제시한 후 목표자극이 나타나면 그 자극이 이전에 제시된 위치에 있는지를 확인하도록 하였다. 실험 2와 실험 3에서는 추상적 도형 자극을 제시하고 이어 정서 사진이 나타난 후 목표자극이 나타나면 그것이 앞서 기억한 도형 자극들 중에 있는지 판단하도록 하였다. 그 결과 위치를 기억한 후 재인하는 과제(실험 1)에서는 부정정서의 간섭 효과가 나타났지만, 도형을 기억한 후 재인하는 과제(실험 2, 3)에서는 간섭 효과가 나타나지 않았다. 이러한 결과는 부정정서가 공간 정보를 유지해야 하는 과제 수행에는 영향을 주지만 대상 정보를 유지하는 과제 수행에는 영향을 주지 않는다는 것을 보여주며 작업기억의 시각과 공간 정보의 유지가 구분되는 것임을 시사한다.

The purpose of this study was to investigate the effect of the task unrelated negative images on spatial and object recognition memory tasks. Previous studies suggested that task unrelated negative stimuli interfere with performances of the spatial and the object memory tasks requiring active updating. The current study examines whether the task unrelated negative stimuli also have effects on spatial and object recognition memory requiring simple maintenance. In three experiments, to be remembered items were presented in a screen, followed by either an emotionally neutral or a negative image, and then a target stimulus was presented. In experiment 1, the location of the memory items were varied and the participants were asked to judge whether the location of the target was matched with the remembered items. In experiment 2 and 3, various shapes of items were presented and the participants needed to decide whether the target was shown in the remembered items. As results, the emotionally negative stimuli hampered maintaining spatial memory(experiment 1) but had no effect on holding object memory(experiment 2 and 3). The results indicated that the negative emotion affects the performance of the task to maintain spatial information, not to maintain object information, suggesting that the maintenance of the visual and spatial working memory should be distinct.

본 논문은 CCTV 객체 인식 환경에서 관계형 데이터베이스(PostgreSQL)와 벡터 데이터베이스(Milvus)를 결합한 하이브리드 데이터 관리 아키텍처를 제안한다. 객체 탐지 결과에서 얻은 메타데이터는 관계형 DB에, 객체의 시각 특징 임베딩은 벡터 DB에 분리 저장하고, 공통 식별자를 통해 두 저장소를 연계함으로써 조건 기반 질의와 유사도 검색을 하나의 흐름으로 통합한다. 이를 위해 탐지, 저장, 벡터화 그리고 검색에 이르는 end-to-end 파이프라인을 설계하고, 웹 API로 노출되는 프로토타입을 구현하였다. 제안 구조는 모듈화와 느슨한 결합을 통해 운영 로그/메타데이터 관리와 고차원 유사도 검색을 각각의 강점에 맞게 분담하며, 다중 카메라 확장, 추적·재식별, 운영 모니터링 등 기능으로의 확장 가능한 기반을 제공한다. 애플리케이션 레벨에서 메타 필터링과 벡터 검색을 조합하는 하이브리드 질의 패턴을 제시하여, 지능형 CCTV 시스템에서 요구되는 실무적 데이터 흐름을 간결하게 구현할 수 있음을 보인다.

This paper proposes a hybrid data management architecture for CCTV object recognition that combines a relational database (PostgreSQL) with a vector database (Milvus). Detection metadata are stored in the relational DB, while visual feature embeddings are stored in the vector DB; a shared identifier links the two so that conditional queries and similarity search form a single workflow. We design an end-to-end pipeline - detection, storage, vectorization, and retrieval - and implement a prototype exposed via a web API. The architecture leverages modularity and loose coupling to divide responsibilities between operational logs/metadata management and high-dimensional similarity search, providing a foundation that can scale to multi-camera integration, tracking/Re-ID, and operational monitoring. We also present an application-level hybrid query pattern that combines metadata filtering with vector search, enabling a concise, practical data flow for intelligent CCTV systems.

본 논문에서는 실내 환경에서 시각정보를 기반으로 출발지점에서 경유지를 거쳐 목표지점으로 최적의 경로를 찾아 자율 주행하는 바퀴달린 로봇을 구현한다. 로봇은 출발지점에서 경유지를 거쳐 목표지점으로의 최적의 경로를 딥강화학습으로 얻을 수 있다. 그러나 로봇이 구해진 경로로 자율 주행을 할 때 표면의 굴곡과 이물질 등의 외부적 요인으로 목적지까지 정확하게 주행하지 못하는 경우가 발생한다. 이에 본 연구는 카메라만 장착한 로봇이 외부 요인으로 인해 최적의 경로를 이탈할 경우 이를 인지하도록 한다. 이 인지를 토대로 로봇이 스스로 경로를 보정하고 계획된 경유지와 최종 목적지점에 도달할 수 있게 하는 알고리즘을 제안한다. 본 연구를 위해 파이캠을 탑재한 라즈베리파이와 아두이노로 제어하는 바퀴식 자율 주행 로봇이 제작되었다. 로봇은 실내환경에서 OSX 환경의 서버와 실시간 연동하면서 계획된 최적의 경로로 시험주행을 완료하였다.

In this paper, we implement a wheeled mobile robot that accurately and autonomously finds the optimal route from the starting point to the destination point based on computer vision in a complex indoor environment. We get a number of waypoints from the starting point to get the best route to the target through deep reinforcement learning. However, in the case of autonomous driving, the majority of cases do not reach their destination accurately due to external factors such as surface curvature and foreign objects. Therefore, we propose an algorithm to deepen the waypoints and destinations included in the planned route and then correct the route through the waypoint recognition while driving to reach the planned destination. We built an autonomous wheeled mobile robot controlled by Arduino and equipped with Raspberry Pi and Pycamera and tested the planned route in the indoor environment using the proposed algorithm through real-time linkage with the server in the OSX environment.

This paper presents a new approach of recognizing a 3D object using a single camera, based on the extended convex hull of its silhouette. It aims at minimizing the DB size and simplifying the processes for matching and feature extraction. For this purpose, two concepts are introduced: extended convex hull and measurable region. Extended convex hull consists of convex curved edges as well as convex polygons. Measurable region is the cluster of the viewing vectors of a camera represented as the points on the orientation sphere from which a specific set of surfaces can be measured. A measurable region is represented by the extended convex hull of the silhouette which can be obtained by viewing the object from the center of the measurable region. Each silhouette is represented by a relation graph where a node describes an edge using its type, length, reality, and components. Experimental results are included to show that the proposed algorithm works efficiently even when the objects are overlapped and partially occluded. The time complexity for searching the object model in the database is O(N) where N is the number of silhouette models.