최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기The journal of the institute of internet, broadcasting and communication : JIIBC, v.19 no.2, 2019년, pp.161 - 168
장재영 (한성대학교 컴퓨터공학부) , 홍성문 (한성대학교 컴퓨터공학부) , 손다미 (한성대학교 컴퓨터공학부) , 유호진 (한성대학교 컴퓨터공학부) , 안형우 (한성대학교 컴퓨터공학부)
Recently, video equipments such as CCTV, which is spreading rapidly, is being used as a means to monitor and cope with abnormal situations in almost governments, companies, and households. However, in most cases, since recognizing the abnormal situation is carried out by the monitoring person, the i...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
최근에 확산되고 있는 CCTV와 같은 영상기기들의 문제점은 무엇인가? | 최근에 빠르게 확산되고 있는 CCTV와 같은 영상기기들은 거의 모든 공공기관, 기업, 가정 등에서 비정상적인 상황을 감시하고 대처하기 위한 수단으로 활용되고 있다. 그러나 대부분의 경우 이상상황에 대한 인식은 모니터링하고 있는 사람에 의해 수동적으로 이루어지고 있어 즉각적인 대처가 미흡하며 사후 분석용으로만 활용되고 있다. 본 논문에서는 최신 딥러닝 기술과 실시간 전송기술을 활용하여 이벤트 발생시 스마트폰으로 이상 상황을 동영상과 함께 실시간으로 전송하는 동영상 감시 시스템의 개발 결과를 제시한다. | |
오픈포즈는 무엇인가? | 인간을 인식하기 위한 방법으로 동영상 데이터로부터 인간객체를 스켈레톤(skeleton)으로 모델링해주는 오픈포즈(Openpose)[6] 라이브러리를 활용하였다. 오픈포즈는 2017년 카네기멜른(Carnegie Mellon) 대학에서 개발한 오픈소스(open source)로, OpenCV와 Caffe 프레임워크를 기반으로 개발되었다. 이러한 스켈레톤 모델을 이용하여 딥러닝 알고리즘을 통해 다양한 인간에 대한 행동들을 학습한 후 폭력 등의 행동을 자동으로 인식하도록 구현하였다. | |
동영상 감시 시스템은 기술의 진화로 어떻게 발전하였는가? | 동영상 감시 시스템(video surveillance system)은 범죄, 화재, 사고 등을 실시간으로 감시하고 예방하기 위한 시스템으로 최근 CCTV의 광범위한 보급으로 공공기관, 기업, 가정 등 다양한 분야에서 활용되고 있다. 과거의 동영상 감시 시스템은 카메라와 연결된 녹화장치에 단순히 기록하는 수준에 머물렀으나 점차 기술의 진화로 인터넷을 이용하여 원격으로 저장하거나 감시자가 실시간으로 모니터링하는 수준으로 발전하였다. 하지만 다수의 감시 영상을 24시간 모니터링하는 것은 시간과 비용 측면에서 매우 비효율적이다. |
National Institute of Justice(NIJ), Buyer Beware Vol.10/11, Ministry of Justice, USA, 2002.
X. Ji and H. Liu, Advances in view-invariant human motion analysis: A review, IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews), 40(1) (2010), pp. 13-24. DOI: 10.1109/TSMCC.2009.2027608
J. Aggarwal and Q. Cai, Human motion analysis, Computer Vision and Image Understanding, 73(3) (1999), pp. 428-440. DOI: https://doi.org/10.1006/cviu.1998.0744
Z. Yin, C. Quanqi, and Z. Yujin. Deep learning and its new progress in object and behavior recognition, Journal of image and graphics 19(2) (2014), pp. 175-184.
J. Redmon, Darknet: Open Source Neural Networks, Available in http://pjreddie.com/darknet/.
A. Banks and E. Porcello, Learning React: Functional Web Development with React and Redux, O'Reilly Media, Inc., (2017).
A. Krizhevsky, I. Sutskever, and G. E. Hinton, Imagenet classification with deep convolutional neural networks. In Advances in neural information processing systems, (2012), pp. 1097-1105. DOI: 10.1145/3065386
S. Hochreiter and J. Schmidhuber, Long short-term memory, Neural Computation. 9 (8), (1997), PP. 1735-1780. DOI: https://doi.org/10.1162/neco.1997.9.8.1735
J. Kim and P. Rhee, Image Recognition based on Adaptive Deep Learning, The Journal of The Institute of Internet, Broadcasting and Communication (IIBC) 18(1), (2018), pp.113-117
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.