Earticle

넓은 지역에서의 종합감시시스템 구축은 인력을 효율적으로 관리할 수 있으며 자동화된 감시망을 구축하여 비감시 지역을 줄일 수 있는 특징이 있다. 본 논문에서는 넓은 지역에서 적용할 수 있는 지능형 종합감시시스템에서 입력되는 비디오의 특징을 위치와 용도별로 분석하여 적합한 비디오 감시 알고리즘을 선택할 수 있는 방안을 제시하였다. 7가지 대표적인 상황으로서 침입, 물건 버림/없어짐, 배회, 혼잡도 측정 등이다.

In this paper, we introduced design of intelligent surveillance camera system and typical event processing scenario for urban transit. To analyze video, we studied events that frequently occur in surveillance camera system. Event processing scenario is designed for seven representative situations(designated area intrusion, object abandon, object removal in designated area, object tracking, loitering and congestion measurement) in urban transit. Our system is optimized for low hardware complexity, real time processing and scenario dependent solution.

본 논문에서는 대규모 종합감시시스템 환경에서 비디오의 특징을 분석하여 비디오가 촬영되는 환경에 적합한 지능형 영상분석 알고 리즘 선택 기준을 제안하였다. 대규모 종합감시시스템 환경의 예로 도시철도 감시시스템을 사용하였다. 본 시스템에 설치된 카메라 에 입력되는 비디오의 특징을 위치와 용도 및 상황별로 분석하였다. 분석을 기반으로 하여 적합한 비디오 감시 알고리즘을 선택하는 기준을 제시하였으며 상황 처리 시나리오를 제시하였다.

In this paper we proposed an algorithm selection method based on the features of video inputs which are acquired from the large scale integrated surveillance system. The example of integrated surveillance system is the metro railway system. Automated surveillance system at large area saves the human resource and minimizes the non-observing spots. We have analyzed the input video under this system in order to apply adequate video analytics algorithms in each installing places and for each situation. Based on the analysis, we suggested event processing scenarios and video analytic algorithm selection.

Recently, in computer vision behavior recognition is an active research area that plays a significant role in smart cities for crime prevention and urban safety. However, without base knowledge of Artificial Intelligence (AI) designing an efficient model is very difficult because we need data and programing skills for implementing the system. To tackle this problem, we designed and implemented a system that allows a user having no professional knowledge to easily and conveniently create a deep learning model. The interface of this system consists of Data Selection, Model Training and Testing, and Model Parameter values according to domains and categories. In addition, we designed a function to check the test results for the model selected by the user. This system allows users to quickly and easily create and test models.

영상 빅데이터를 인덱싱하고 검색하고 분석하는 시도는 DARPA, Microsoft, IBM, 버지니아 대학등 많이 있었으나, 실시간으로 영상 빅데이터를 처리하여 분석하고, 검색하며 GPS정보를 활용하여 영상에 나타난 목표 객체를 GIS에서 추적하는 종합적인 실시간 분석 시스템은 아직은 없다. 실시간 영상인식 국방빅데이터 플랫폼(D-NET) 개발은 현재 국방과학연구소에서 수행중인 과제로서 전반적인 설계가 완료가 된 상태이다. 이 연구논문은 D-NET에 대한 아키텍처적인 다양한 결정요소와 실제 기능에 대한 소개를 하는 것이 목적이다.

There were many attempts to index, search and analyze image big data from DARPA, Microsoft, IBM, University of Virginia and other institutes, but these attempts to build a system to process, analyze, search, and track a target object in real-time appeared in thousands of screens have not produced promising results. This paper introduces current efforts to build “Defense Big data Platform for Real-time video analytics” (D-NET) and points out the architectural designs and various functionalities.

In order to apply the video analytic algorithms in metro railway system, the input images should be classified according to the camera installation environment and its role to handle corresponding events. Before we implement the integrated surveillance system at subway stations, we investigated the required camera’s role at each location to employ the video analytics. Resultantly, desirable event processing scenarios are suggested.

The security issue in urban transit system has been widely considered as the common matters in mass transition system. The safe urban transit system is highly demanded because of the vast number of daily passengers, and providing safety is one of the most challenging projects. We implemented a field model for integrated security system at subway stations and demonstrated its performance. This system consists of cameras, sensor networks and central monitoring software. We described the smart camera functionality in more detail. The proposed smart camera includes video analytics, video encoder and the server modules that transmit video and audio information. The video analytic functions in the system range from enter detection to crowdedness estimation, or fire detection. By the experiment, we obtained the high detection rate for tested events. We expect that the system would prove high performance at various events in our integrated intelligent surveillance system.

본 논문에서는 기존 지능형 영상감시 시스템에서의 영상정보 분석 시 발생하는 XML 데이터가 불필요하게 많이 생성(XML data 30ea/1s)되어 스토리지의 저장 및 관리 부하를 개선하기 위해 분석되어진 XML 데이터를 Parsing & Filtering하여 저장함으로써 생성되는 데이터를 간소화함으로써, 효율적인 관리가 가능한 스토리지 부하 최적화를 위한 영상분석정보 관리시스템을 설계하였다.

본 논문에서는 CCTV설치 증가로 많은 양의 영상정보 데이터가 저장되고 있지만 활용되지 못하고 있는 문제를 해결하기 위해서 빅데이터 분석 동향과 기술을 조사 및 분석하였다. 이를 통해 영상정보 빅데이터 분석을 하고 소상공인 창업지원 서비스와 도시 인프라 개 보수 지원 서비스를 제공하는 도시고도화 지원 시스템을 설계하였다.

본 논문에서는 다양한 재난치안안전 임무 상황에서 적용할 수 있는 드론 영상 종합정보 처리 및 분석용 시스템을 제안한다. 제안하는 시스템은 드론에서 획득한 영상을 서버에 저장하고, 다양한 시나리오에 따른 영상 처리 및 분석을 수행한다. 각 임무에 따라 필요한 기능은 딥러닝을 활용하여 드론으로부터 확보하는 영상에서 영상분석 시스템을 구성한다. 실험 영상을 통해 교통량 측정, 용의자 및 차량 추적, 조난자 식별 및 해상 초계 임무에 적용할 수 있음을 확인했다. 드론 운용자가 임무에 따른 필요 기능을 선택하고 신속하게 대처할 수 있는 시스템을 구현하였다.

In this paper, we propose a system for processing and analyzing drone image information which can be applied variously in disasters-security situation. The proposed system stores the images acquired from the drones in the server, and performs image processing and analysis according to various scenarios. According to each mission, deep-learning method is used to construct an image analysis system in the images acquired by the drone. Experiments confirm that it can be applied to traffic volume measurement, suspect and vehicle tracking, survivor identification and maritime missions.

ONVIF is becoming a de factor standard specification for supporting interoperability among network video products, which also supports a specification for video analytics service. A smart IP network camera is an IP network supporting video analytics. In this paper, we present our efforts in integrating ONVIF Video Analytics Service into our currently developing smart IP network camera(SS IPNC; Soongsil Smart IP Network Camera). SSIPNC supports object detection, tracking, classification, and event detection with proprietary configuration protocol and meta data formats. SSIPNC is based on TI' IPNC ONVIF implementation which supports ONVI Core specification, and several ONVIF services such as device service, imaging service and media service, but not video analytics service.

최근 CCTV(Closed Circuit Television)의 설치가 증가하면서 효율적인 모니터링을 위하여 지능형 영상분석 기술에 대한 관심이 높아지고 있다. 지능형 영상분석 기술은 영상의 정보를 분석하여 자동으로 이상 행위를 탐지하고 관리자에게 경보를 전송하는 기술로써, 사고를 사전에 예방하고 사고가 발생한 경우에는 신속하게 대응하여 피해를 줄일 수 있게 해준다. 본고에서는 지능형 영상분석 기술이 탐지할 수 있는 이상 행위, 즉 이벤트를 그 목적에 따라서 보안, 비즈니스 인텔리전스, 객체인식으로 구분하여 현재 기술 수준을 살펴볼 것이다. 그리고 앞으로 지능형 영상분석에서 이벤트 탐지 기술의 발전 방향을 사람의 행동인식, 행위 기반 이상 현상 탐지, 군중 환경에서 이벤트 탐지, 지능형 영상분석 구조의 변화 등의 관점으로 구분하여 살펴보고자 한다.

코로나19 팬데믹으로 인해 비대면 교육이 증가하면서 동영상 강의의 중요도가 높아졌다. 동영상 강의의 효과를 높이기 위해서는 교수자가 학습결과를 사전에 예측하여 학습 지원을 적시에 제공하는 것이 필요하다. 최근에는 학습결과 예측의 정확도를 높이기 위해서 생리심리데이터를 포함하여 다양한 학습 데이터를 통합적으로 수집하고 분석하는 다중양식 학습분석 연구가 증가하고 있다. 하지만 예측 모델이 다양한 학습 맥락에 일반화 가능한지에 대한 연구는 부족하다. 본 연구는 동영상 학습결과를 예측하는 주요 요인인 메타인지 활동에 초점을 두고, 동영상 강의에서 메타인지 지원 여부가 학습결과 예측 모델에 어떠한 영향을 미치는지 탐구하고자 한다. 이를 위해 총 33명의 학습자를 메타인지 지원 집단(n=17)과 메타인지 미지원 집단(n=16)으로 무선 할당하고, 개별적으로 약 40분 동안 인체의 삼투압에 대한 동영상 강의를 학습하도록 하였다. 다중양식 학습분석을 위해 동영상 학습 과정을 영상으로 촬영하고, 손목밴드를 이용하여 피부전도도를 측정하고, 설문지로 인지부하를 측정하고, 사전 및 사후 검사를 실시하였다. 이렇게 수집된 데이터와 다양한 머신러닝 알고리즘을 이용해서 학습결과 상․하 집단을 예측하는 모델을 만들고, 각 모델의 성능을 평가하여 최적의 예측 모델을 도출하였다. 연구 결과, 메타인지 지원 여부에 따라 최적의 동영상 학습결과 예측 모델이 서로 상이하게 나타났다. 메타인지 미지원 집단에서는 메타인지 활동과 피부전도도로 측정한 각성도가 최적 모델의 예측 변인으로 나타났지만, 메타인지 지원 집단에서는 인지부하와 사전지식 수준이 최적 모델의 예측 변인으로 나타났다. 본 연구는 메타인지 지원과 같은 교수 방법의 변화가 예측 모델에 주요한 영향을 미칠 수 있음을 보여주며, 이는 예측 모델을 새로운 맥락에 적용할 때 많은 주의가 필요하다는 것을 시사한다.

Video lectures have played an important role during the COVID-19 pandemic, which significantly increased remote learning in school. To enhance the effectiveness of video lectures, instructors should predict students’ learning outcomes and provide learning supports at the right time. Recently, multimodal learning analytics has been developed in order to accurately predict learning outcomes using diverse learning data like psychophysiological measures. Nevertheless, there is a lack of research on whether a prediction model is generalizable across diverse learning contexts using different instructional methods. This research intends to explore the influence of metacognitive support on the prediction model of learning outcomes in video lectures. A total of 33 learners were randomly assigned to metacognitive support (n=17) and non-support (n=16) groups, and they individually studied video lectures of the osmotic pressure in the human body for 40 minutes. This study recorded the learning process with video, measured skin conductance responses with a wristband, collected the data of cognitive load using a survey, and conducted pre- and post-tests. Using the data collected, machine learning algorithms generated models to predict high- and low-achievement groups, and an optimal prediction model was selected through evaluating the performance of the models. This study found that the optimal prediction model of the metacognitive support group was different from that of the non-support group. In the non-support group, metacognitive activities and arousal levels measured by skin conductance responses were included in the optimal prediction model, whereas cognitive load and prior knowledge were included in the optimal prediction model of the metacognitive support group. This study shows that instructional methods like metacognitive support can significantly influence predicting learning outcomes in video lectures, so prediction models should be carefully applied to novel learning contexts.

본 연구는 비대면 교수역량 배양을 위해 개발된 온라인 콘텐츠 기반 비동시적 교수법 워크숍의 맥락에서 콘텐츠 설계가 대학교수의 학습과정과 결과에 어떠한 영향을 주는지 검토하기 위한 목적 으로 이루어졌다. 연구대상 프로그램은 총 32차의 구글 앱의 교육적 활용법 콘텐츠로 구성되었고, 2020년 8월 2주간 구글클래스룸을 통해 비동시적 온라인 워크숍으로 진행되었다. 이 프로그램에는 A대학에 재직 중인 45명의 교수가 참여하였다. 온라인 비디오 자율학습으로 이루어지는 비동시적 방식으로 운영하되 학습효과 제고를 위해 비디오의 상호작용성을 제공하는 플랫폼인 에드퍼즐을 활용하였다. 개발 기간의 제한으로 1주차 콘텐츠는 구글에서 개발한 사용법 콘텐츠의 설계를 그대로 따라서 제작하였다. 운영 중에 콘텐츠 학습의 어려움이 보고되었고 문제해결을 위해 2주차 콘텐 츠는 Mayer의 멀티미디어 설계원리 중 다중양식, 중복회피, 음성원리를 부가적으로 적용하여 재설 계하였다. 워크숍 종료 후 학습경험과 인지부하를 설문을 통해 조사하고, 에드퍼즐에서 제공하는 퀴즈점수 및 비디오 시청 관련 학습데이터를 수집하여 분석하였다. 주요 연구결과로는 첫째, 1주차에 비하여 2주차의 퀴즈점수가 유의하게 상승하였다. 둘째, 1주차에 비하여 2주차의 비디오 구간 반복 시청 횟수가 유의하게 감소하였다. 셋째, 2주차의 인지된 과제 부담이 감소하였고 콘텐츠의 사용성이 유의하게 높게 인식되었다. 인지된 과제 난이도는 1주차와 2주차가 비슷하게 나타났고, 정신적인 노력은 2주차에 더 많이 투입한 것으로 나타났다. 이를 통해 교수 대상 온라인 비디오 콘텐츠에서 청각적 정보인 강사의 내레이션의 포함과 내레이션과 자막이 겹치지 않도록 설계하는 방식은 교수들의 멀티미디어 학습의 효율과 효과를 높이고 인지부하 감소에 효과적인 것으로 나타났 다. 이 연구는 온라인 콘텐츠의 학습효율과 효과를 위해서는 대상 학습자의 정보처리, 학습과정에 대한 고려를 통한 적절한 설계가 필요하다는 시사점을 제공한다. 또한 온라인 비디오 콘텐츠의 상호작용성을 더해주는 도구이자 학습분석 도구로서의 에드퍼즐의 교육적 활용가능성을 제시하였다.

The purpose of this study was to examine how online video content design influences the learning process and outcomes of university professors in a teaching method workshop. The program consisted of 32 videos for how to use Google programs for educational purposes and was implemented asynchronously through Google Classroom for 2 weeks in August, 2020. In order to enhance the professor’s learning with the online videos, Edpuzzle, a platform that provides interactivity with videos by inserting quizzes or instructional notes within a video was used. The first week’s contents replicated the design of Google’s ‘how-to’ video contents. However, the participants reported difficulties in learning the video contents in terms of understanding and attention. To respond to these claims, the second week's contents were redesigned by applying the modality, redundancy, and voice principles from Mayer's multimedia design principles. The learning experience and perceived cognitive load were investigated through a survey questionnaire after the workshop, and the learning data from Edpuzzle was collected and analyzed. As the key research results, ① the quiz scores in week 2 significantly increased compared to week 1; ② the mean number of times of viewing of each section of videos in week 2 was significantly reduced compared to the 1st week; ③ the burden on the task as a cognitive load was reduced in week 2, and the usability of the content was recognized significantly higher than week 1. The perceived task difficulty was similar and the mental effort was more invested in week 2. It was found that the application of the modality, redundancy, and voice principles increases the efficiency and effectiveness of multimedia learning and reduces cognitive load. This study stresses the need for appropriate video content design through consideration of learner's information processing and learning process. In addition, the educational applicability of Edpuzzle as a tool for adding interactivity to online lectures and as a learning analysis tool was presented.