Eun-young Ahn

지능형 감시 분야에서 이상행위를 검출하는 것은 오랫동안 연구되어온 주제로 다양한 방법들이 제안되어 왔다. 그러나 많은 연구가 움직이는 객체의 개별적인 추적이 가능하다는 것을 전제로 하여 잦은 가려짐이 발생하는 실생활에 적용하는데 한계가 있다. 본 논문에서는 객체 추적이 어려운 복잡한 환경에서 장면의 주된 움직임을 분석하여 비정상적인 행위를 검출하는 방법을 제안한다. 먼저, 입력영상에서 움직임 정보를 추출하여 Visual Word와Visual Document를 생성하고, 문서 분석 기법 중 하나인 LDA(Latent Dirichlet Allocation)알고리즘을 이용하여장면의 주요한 움직임 정보(위치, 크기, 방향, 분포)를 추출 한다. 이렇게 분석된 장면의 주요한 움직임과 입력영상에서 발생한 움직임과의 유사도를 분석하여 주요한 움직임에서 벗어나는 움직임을 비정상적인 움직임으로 간주하고, 이를 이상행위로 검출하는 방법을 제안한다.

손상된 영상의 복원은 디지털 영상 처리기술이 등장하기 이전부터 시도되었던 근원적 문제이다. 컴퓨터의 연산 능력과 다양한 기술의 발전에 따라 손상된 영상을 복원하는 다양한 연구가 소개되었으나 그 결과는 사람에 의한 수동적 결과물과 비교하여 낮은 복원 결과를 보여 왔다. 최근 심층 신경망 (DNN, Deep Neural Network)의 발전으로 이미지 복원에 이를 적용한 다양한 연구가 소개 되고 있지만, 광범위한 영역이 손상된 경우 근접한 화소를 활용하는 방법으로 해결이 어렵다. 이와 같은 경우는 주변의 영상의 문맥적 정보를 통해 손상된 영역을 추론을 통한 복원이 필요하다. 본 논문에서는 심층 신경망 기술 중 하나인 적대적 생성신경망(GAN, Generative Adversarial Network)을 이용한 이미지 복원 네트워크를 제안한다. 제안하는 시스템은 이미지 생성 네트워크, 생성 결과 판별 네트워크로 구성 된다. 본 논문에서는 제안하는 방안을 통해 다양한 종류의 이미지를 복원함

다양한 IT 기술의 발전으로 동영상 데이터의 사용이 폭발적으로 증가하면서 중복 동영상 또한 증가하게 되었다. 원본 동영상에 여러 종류의 변환을 가하여 생성된 중복 동영상들은 저작권 침해 및 동영상 관리와 검색 시 정확도를 떨어뜨리고 작업 시간을 증가시키는 문제를 일으키고 있다. 이러한 문제를 해결하기 위하여 본 논문에서는 블록 히스토그램 기반의 특징 추출과 동적 매칭을 사용하여 빠르게 중복 동영상을 검출하는 방법을 제안한다. 다양한 변환에 강인하도록 블록 단위로 시간적 히스토그램을 특징 벡터로 사용하였다. 본 논문에서 제안하는 방법의 성능을 평가하기 위하여 두 개의 동영상 데이터 집합을 사용하여 중복 동영상 검출, 중복 동영상 클러스터링, 속도 평가 등의 실험을 수행한 결과, 제안하는 방법이 기존의 방법들보다 우수한 정확도를 나타내고 매칭 작업에서 약 5배 빠른 속도로 처리되는 것을 확인하였다.

최근 Flickr, Facebook과 같은 사진 공유 기반의 소셜 미디어 공유 사이트의 발전으로 인해 이미지의 양이 폭발적으로 증가하면서, 효율적인 이미지 검색을 위한 연구가 활발히 진행되고 있다. 이와 함께 이미지에 자동으로 관련된 태그를 어노테이션하는 이미지 태깅 연구가 진행되고 있으며, 이미지 뿐 아니라 태그와 같은 이미지에 달린 컨텍스트 정보까지도 함께 고려함으로써 태깅 성능을 높이려는 시도를 하고 있다. 본 논문에서는 일관성 있는 태그 추출을 위해 Tag refinement를 이용한 웹이미지 어노테이션 방법을 제안한다. 제안하는 방법은 1) 관심영역 기반의 이미지 특징을 이용하여 쿼리의 이웃 이미지를 검색한다, 2) 검색된 이웃 이미지의 태그로부터 NMF 클러스터링을 기반으로 하여 쿼리와 관련된 태그를 추출한다, 3) 추출된 태그의 순서를 Tag Refinemt를 통해 관련성 순으로 결정하여 태깅한다. Flickr로부터 수집한 태그가 달린 이미지 데이터셋에 대해 실험하였고,

카메라가 탑재된 모바일 기기의 보급이 증대되고, 사용자가 저장하는 영상의 양이 증가함에 따라 영상 데이터의 효율적인 관리 및 검색을 가능하게 하는 영상 검색 시스템의 필요성이 증대되고 있다. 색상 기반 영상 검색 시스템은 영상을 분할하여 각 분할 공간의 색상에 따라 영상의 특징을 부여하고, 다른 영상의 각 공간의 색상 특징과의 차이를 구하여 영상의 유사도를 판단하는 시스템이다. 모바일 기기에서 지원하는 영상의 크기와 양이 증가함에 따라 영상 검색 시스템은 기존의 모바일 CPU를 이용한 소프트웨어 처리 방식으로는 실시간 처리에 한계가 있다. 본 논문에서는 모바일 기기에서 실시간으로 색상 기반 영상 검색을 수행할 수 있는 하드웨어 구조를 제안 및 구현하였다. 본 논문에서 제안한 하드웨어 구조는 기존의 모바일 CPU를 이용한 방식에 비해 영상 변환은 99%, 영상 검색은 99%의 수행 시간을 단축하였다.

어린이집에서 교사 한 명당 관리할 수 있는 아동 수가 제한적인 상황에서, 아이들의 안전을 확보하면서 동시에 개별 행동 및 일과를 모니터링하는 것은 상당히 어려운 과제이다. 인공지능 기술, 특히 객체 탐지, 재식별, 추적 기술의 발전은 이러한 문제를 해결할 수 있는 새로운 가능성을 제시한다. 본 연구는 어린이집 내 CCTV 영상을 활용하여 유아와 교사를 자동으로 식별하고 추적하는 방법을 제안한다. 이를 통해 안전사고 예방을 위한 기술적 토대를 마련하고, 각 아동의 일상 활동을 효율적으로 모니터링하여 아이들의 행동 패턴과 발달 상황을 신속하게 파악할 수 있도록 한다. 또한, 실험실 환경이 아닌 실제 어린이집 상황에 적합한 탐지 및 개인 식별 방법을 제시하여 실용성을 높였다. 본 연구의 결과는 어린이집 환경에서의 안전 관리와 아동 발달 모니터링을 위한 효과적인 도구로 활용될 수 있으며, 향후 유아 교육 및 보육 분야에서의 기술 혁신에 기여할 것으로 기대된다.