http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 신광성(Kwang-Seong Shin) (검색결과 118 건)
- 무료
- 기관 내 무료
- 유료
-
엘리베이터 내의 폭행 추출을 위한 영상포렌식 시스템 구현
신광성,신성윤,Shin, Kwang-Seong,Shin, Seong-Yoon 한국정보통신학회 2014 한국정보통신학회논문지 Vol.18 No.10
장면전환검출 기법의 하나인 컬러-$X^2$ 히스토그램을 이용하여 엘리베이터 내에서 발생하는 폭행 장면을 추출하여 범죄행위에 대한 실시간 감시와 사후 증거확보 및 분석과정에서의 증거 자료로 활용한다. 또한 디지털포렌식 분야에서 범죄와 연관된 영상물에 대한 효율적인 증거분석을 위한 다양한 방법에 관한 연구를 "영상포렌식"으로 정의한다. 컬러히스토그램의 차이를 이용한 방법은 두 프레임으로부터 얻은 R,G,B 컬러에 대하여 각각을 따로 계산한 히스토그램의 차이 값을 측정하여 검출하는 방법이다. 본 논문에서는 엘리베이터 내에서의 폭행 장면을 효율적으로 추출하기 위해 컬러히스토그램의 장점과 $X^2$ 히스토그램의 장점을 결합한 컬러-$X^2$ 히스토그램을 이용하였다. 또한 기존의 컬러-$X^2$ 히스토그램을 이용하여 키프레임을 찾아내기 위해 임계값을 찾아낼 때, 실제 폭행 장면 인지 아닌지를 판별하는 확률을 높이기 위해 20개의 샘플영상을 이용하여 통계적인 판단을 이용하였다. Color-$X^2$ is used as a method for scene change detection. It extracts a violent scene in an elevator and then could be used for real-time surveillance of criminal acts. The scene could be also used to secure after-discovered evidences and to prove analysis processes. Video Forensic is defined as a research on various methods to efficiently analyze evidences upon crime-related visual images in the field of digital forensic. The method to use differences of color-histogram detects the difference values of histogram for RGB color from two frames respectively. Our paper uses Color-$X^2$ histogram that is composed of merits of color histogram and ones of $X^2$ histogram, in order to efficiently extract violent scenes in elevator. Also, we use a threshold so as to find out key frame, by use of existing Color-$X^2$ histogram. To increase the probability that discerns whether a real violent scene or not, we take advantage of statistical judgments with 20 sample visual images.
-
시멘틱세그멘테이션을 활용한 태양광 패널 고장 감지 시스템 구현
신광성,신성윤,Shin, Kwang-Seong,Shin, Seong-Yoon 한국정보통신학회 2021 한국정보통신학회논문지 Vol.25 No.12
대단위 신재생 에너지 발전단지의 효율적인 유지관리를 위해 드론의 활용이 점차 증가하고 있다. 오래전부터 태양광 패널을 드론으로 촬영하여 패널의 유실 및 오염 등을 관리하고 있다. 본 논문에서는 열화상카메라를 장착한 드론을 이용하여 획득된 태양광패널 이미지에서 아크, 단선, 크랙 등의 고장 유무를 판별하기 위해 시멘틱세그멘테이션 기법을 이용한 분류모델을 제안한다. 또한 적은 데이터셋으로도 강인한 분류 성능을 보이는 U-Net의 튜닝을 통해 효율적인 분류모델을 구현하였다. The use of drones is gradually increasing for the efficient maintenance of large-scale renewable energy power generation complexes. For a long time, photovoltaic panels have been photographed with drones to manage panel loss and contamination. Various approaches using artificial intelligence are being tried for efficient maintenance of large-scale photovoltaic complexes. Recently, semantic segmentation-based application techniques have been developed to solve the image classification problem. In this paper, we propose a classification model using semantic segmentation to determine the presence or absence of failures such as arcs, disconnections, and cracks in solar panel images obtained using a drone equipped with a thermal imaging camera. In addition, an efficient classification model was implemented by tuning several factors such as data size and type and loss function customization in U-Net, which shows robust classification performance even with a small dataset.
-
신광성,이희권,염성관,Shin, Kwang-Seong,Lee, Heekwon,Youm, Sungkwan 한국정보통신학회 2021 한국정보통신학회논문지 Vol.25 No.1
측위 기술은 증강현실, 스마트 팩토리, 자율주행 등에서 중요한 기능을 수행하고 있다. 측위 기술 중에서 비콘을 이용한 측위 방법은 RSSI(Receiver Signal Strength Indicator) 값의 편차로 인하여 도전적인 과제로 여겨져 왔다. 본 논문에서는 수신기의 RSSI 값을 입력으로 하고 거리를 목표 값으로 하는 신경망을 학습시켜서 이동하는 객체에 대한 위치를 예측하였다. 이를 수행하기 위해 RSSI 대비 거리 실측값을 수집하였다. 수집한 데이터로 합성 데이터를 만들기 위한 신경망을 도입하였다. 이 신경망을 바탕으로 거리 대비 RSSI 값을 예측하였다. 합성 데이터를 바탕으로 가상으로 좌표계를 구성하여 객체의 위치를 예측하였다. 합성 데이터를 생성하기 위한 신경망으로 RSSI의 표준편차는 구하였고 이 값을 기반으로 가상환경에서 단말의 위치를 추적하는 신경망을 학습시켜 객체의 좌표를 추정하였다. Positioning technology is performing important functions in augmented reality, smart factory, and autonomous driving. Among the positioning techniques, the positioning method using beacons has been considered a challenging task due to the deviation of the RSSI value. In this study, the position of a moving object is predicted by training a neural network that takes the RSSI value of the receiver as an input and the distance as the target value. To do this, the measured distance versus RSSI was collected. A neural network was introduced to create synthetic data from the collected actual data. Based on this neural network, the RSSI value versus distance was predicted. The real value of RSSI was obtained as a neural network for generating synthetic data, and based on this value, the coordinates of the object were estimated by learning a neural network that tracks the location of a terminal in a virtual environment.
-
신광성,정념,염성관,Shin, Kwang-Seong,Jung, Nyum,Youm, Sungkwan 한국정보통신학회 2020 한국정보통신학회논문지 Vol.24 No.1
최근 드론의 활용 분야가 다양해짐에 따라 측량뿐만 아니라 수색 및 구조 작업에서도 활발하게 사용되고 있다. 이러한 활용분야에서는 목표물의 위치나 UAV의 위치를 파악하는 것은 매우 중요하다. 본 논문은 드론에서 촬영한 이미지를 이용한 목표물 탐지 기법을 제안한다. 제안하는 방법에서는 드론이 촬영한 이미지를 찾고자 하는 이미지와 비교하여 목표물의 위치를 찾아 해당 목표물의 위경도 정보를 계산한다. 목표물의 정확한 위경도 정보는 핀홀 카메라의 특성을 이용하여 이미지 영상의 거리에 상응하는 실제 거리를 계산하여 위경도를 계산한다. 실제 실험을 통해 제안하는 방법을 이용하여 목표물의 위경도 위치를 정확하게 파악할 수 있음을 확인하였다. Recently, as the field of use of drones is diversified, it is actively used not only for surveying but also for search and rescue work. In these applications it is very important to know the location of the target or the location of the UAV. This paper proposes a target detection method using images taken from drones. The proposed method calculates the latitude and longitude information of the target by finding the location of the target by comparing it with the image to find the image taken by the drone. The exact latitude and longitude information of the target is calculated by calculating the actual distance corresponding to the distance of the image image using the characteristics of the pinhole camera. The proposed method through the actual experiment confirmed that the latitude and longitude of the target was accurately identified.
-
-
신광성(Kwang-seong Shin),신성윤(Seong-yoon, Shin) 한국정보통신학회 2021 한국정보통신학회 종합학술대회 논문집 Vol.25 No.1
영상의 픽셀기반처리는 한 픽셀의 값을 변환하는데 다른 픽셀의 값에 관계없이 단지 현재의 픽셀의 값에만 의존하여 변환하는 처리를 의미한다. 픽셀기반 처리는 영상 변환, 영상 개선, 영상 합성 등의 많은 분야에서 가장 기초적인 연산으로 사용된다. 산술연산, 히스토그램 평활화, 명암대비 스트레칭 등의 처리 방법들이 있다. 본 논문에서는 드론으로 촬영된 서해안 갯벌 영상에서 갯벌 영역을 명확하게 구분하기 위하여 전처리 과정 중 경계 검출 부분에서 픽셀기반처리를 이용하여 효율적인 윤곽선을 찾기 위한방법을 모색한다. The pixel-based processing of an image refers to a process of converting a value of one pixel only depending on the value of the current pixel, regardless of the value of another pixel. Pixel-based processing is used as the most basic operation in many fields such as image conversion, image enhancement, and image synthesis. There are processing methods such as arithmetic operation, histogram smoothing, and contrast stretching. In this paper, in order to clearly distinguish the tidal flat region from the tidal flat image of the west coast taken with a drone, we seek a method to find an efficient outline using pixel-based processing in the boundary detection part of the pre-processing process.
-
-
-
-
DBpia연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
