http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
가상 사격 훈련자 자세인식을 위한 훈련자와 엄폐물 인식 알고리즘 연구
김형오(Hyung-O Kim),홍창호(ChangHo Hong),조성호(Sung Ho Cho),박영규(Youster Park) 한국정보통신학회 2021 한국정보통신학회 종합학술대회 논문집 Vol.25 No.1
국방부에서는 “국방개혁 2.0”의 과학화 훈련체계 확대에 따라 가상현실·증강현실 기반의 실감형 전투모의 훈련체계를 구축하기로 하였다. 실감형 전투 모의 훈련체계는 훈련자간 교전을 통해 실전과 같은 긴장감 조성과 훈련효과를 극대화할 수 있어야 한다. 또한, 엄폐훈련을 통해 실전과 유사한 사격훈련과 동시에 생존훈련 효과 배가가 가능해야 한다. 선행 연구들은 훈련자의 사격 정밀도를 향상시키기에는 적합한 기술이지만 실전과 같이 쌍방 교전을 연습하기는 어려우며 특히 엄폐물을 활용한 전투사격훈련을 하기에는 부족한 점이 있다. 따라서 본 논문에서는 가상 사격 훈련자의 스크린에 상대 훈련자의사격 자세를 인식하여 가상의 아바타를 생성하기 위해 Depth센서를 통해 취득된 깊이 정보를 토대로 훈련자와 엄폐물을 인지하고 훈련자의 자세를 추정할 수 있는 S/W 알고리즘을 제시한다. The Ministry of National Defense decided to build a realistic combat simulation training system based on virtual reality and augmented reality in accordance with the expansion of the scientific training system of “Defense Reform 2.0”. The realistic combat simulation training system should be able to maximize the tension and training effect as in actual combat through engagement between trainers. In addition, it should be possible to increase the effectiveness of survival training at the same time as shooting training similar to actual combat through cover training. Previous studies are suitable techniques to improve the shooting precision of the trainee, but it is difficult to practice bilateral engagement like in actual combat, and it is particularly insufficient for combat shooting training using cover. Therefore, in this paper, we propose a S/W algorithm for generating a virtual avatar by recognizing the shooting posture of the opponent on the screen of the virtual shooting trainer. This S/W algorithm can recognize the trainer and the cover based on the depth information acquired through the depth sensor and estimate the trainer's posture.
비대면 스마트 인증 발열 감지기를 위한 스마트 인증 프로세스 연구
김형오(Hyung-O Kim),홍창호(ChangHo Hong),이효재(Hyo Jae Lee),김응석(Eung-seok Kim) 한국정보통신학회 2021 한국정보통신학회 종합학술대회 논문집 Vol.25 No.1
최근 COVID-19 팬데믹으로 인해 전 세계적으로 사람의 왕래가 많은 장소에서 발열 검사는 선택이 아닌 필수가 되었다. 특히 K-방역으로 세계를 선도하고 있는 우리나라에서도 방역기기의 일환으로 건물 출입 시 감염 예방을 위해 출입자를 대상으로 체온계 혹 은 열화상 카메라를 통해 발열 검사를 하고 있다. 하지만 현재의 프로세스는 체열 검사와 출입 명부 작성이 이원화 되어있기 때문에 출입을 통제하는 인력이 배치되어야만 하고, 출입자가 직접 체열을 검사하고 개인정보를 기록하여야 하는 상황이라 신뢰성도 낮고 개인정보 유출의 위험도 높은 상황이다. 따라서 본 논문에서는 비대면 스마트 인증 발열 감지기에 대해 고찰하고 이원화된 체열 측정과 출입 기록에 대한 프로세스를 단일화하기 위한 스마트 인증 프로세스를 제시한다. Recently, A fever test is essential in a crowded places over the world because of COVID-19. A fever test is also conducted for visitors through a thermometer or a thermal imaging camera In Korea leading world with K-quarantine. However, the current body heat measurement process is divided into the steps of body heat examination and entry register. Therefore, access control person must be deployed at the entrance. In addition, since the accessor directly measures body heat and records personal information, the reliability of the information is low and the risk of personal information leakage is high. Therefore, in this paper, we consider the non-face-to-face smart authentication fever detector and propose a smart authentication process to unify the process for dualized body heat measurement and access recording.
김형오(Hyung-O Kim) 한국정보전자통신기술학회 2016 한국정보전자통신기술학회논문지 Vol.9 No.4
본 논문은 DWT에너지 기반의 연기 검출 방법을 제안하였다. 일반적으로 연기는 형태가 명확하지 않고 주변환경에 의하여 색상, 형태, 확산방향 등의 특징이 가변적이기 때문에 특정 정보만을 이용할 경우에는 오검출율이 높아진다. 따라서 본 논문에서는 환경변화에 강인한 전경 추출 방법을 이용하여 객체를 검출하고 추출된 객체의 색상, 형태, DWT 에너지 정보를 통합적으로 사용하여 연기를 판단한다. 제안된 방법은 평균 30fps의 처리속도를 가지므로 실시간 처리가 가능하고 화재 발생 시점으로부터 연기 감지까지의 평균 소요시간이 약 7초로 빠른 조기감지가 가능하며 낮은 오검출율을 나타내었다. In this paper, We proposed a realtime smoke detection using hidden markov model and DWT. The smoke type is not clear. The color of the smoke, form, spread direction, etc., are characterized by varying the environment. Therefore, smoke detection using specific information has a high error rate detection. Dynamic Object Detection was used a robust foreground extraction method to environmental changes. Smoke recognition is used to integrate the color, shape, DWT energy information of the detected object. The proposed method is a real-time processing by having the average processing speed of 30fps. The average detection time is about 7 seconds, it is possible to detect early rapid.