[논문]딥러닝 기반의 사용자인증을 활용한 어린이 버스에서 안전한 승차 및 하차 시스템 설계

문형진

doi:10.22156/cs4smb.2020.10.05.111

딥러닝 기반의 사용자인증을 활용한 어린이 버스에서 안전한 승차 및 하차 시스템 설계
Design for Safety System get On or Off the Kindergarten Bus using User Authentication based on Deep-learning 원문보기

융합정보논문지 = Journal of Convergence for Information Technology, v.10 no.5, 2020년, pp.111 - 116

문형진 (성결대학교 정보통신공학과)

초록
AI-Helper

최근 어린이 차량의 승하차 과정에서 어린이 안전사고가 발생한다. 차량 인솔 교사가 없는 경우 버스에서 하차하지 않은 어린이의 질식사나 차량 전후방의 사각지대의 어린이 안전사고가 빈번하게 발생한다. 딥러닝 기반의 얼굴인식기술을 스마트 미러에 적용하여 사용자인증의 활용시 안전사고 방지를 위한 서비스가 가능하다. 스마트미러는 어린이를 위한 도우미 역할이 가능하고, 운전기사나 선생님이 미처 발견하지 못해 발생 가능할 사고를 방지할 수 있다. 어린이의 얼굴을 사전에 등록하여 어린이의 승하차시에 사용자인증을 수행하여 누락되지 않고, 버스의 전후방에 근접센서 및 카메라를 통해 안전사고를 미연에 방지할 수 있다. 본 연구는 어린이의 버스 승하차 과정에서 누락여부를 확인하고, 차량 전후방의 사각지대를 줄일 수 있는 시스템을 설계하고, GPS 정보를 활용하여 다양한 서비스가 가능한 안전시스템을 제안한다.

Abstract ▼ AI-Helper

Recently, many safety accidents involving children shuttle buses take place. Without a teacher for help, a safety accident occurs when the driver can't see a child who is getting off in the blind spot of both frontside and backside. A deep learning-based smart mirror allows user authentication and provides various services. Especially, It can be a role of helper for children, and prevent accidents that can occur when drivers or assistant teachers do not see them. User authentication is carried out with children's face registered in advance. Safety accidents can be prevented by an approximate sensor and a camera in frontside and backside of the bus. This study suggests a way of checking out whether children are missed in the process of getting in and out of the bus, designs a system that reduce blind spots in the front and back of the vehicle, and builds a safety system that provide various services using GPS.

주제어

표/그림 (7)

그림 Fig. 1. Raspberry Pi 4 B
그림 Fig. 2. Face Recognition System
그림 Fig. 3. The component of Smart Mirror
그림 Fig. 4. Architecture of the Getting On and Off in the Bus
그림 Fig. 5. Registration of User for Smart Mirror
그림 Fig. 6. Authentication of User for Getting On the Bus
그림 Fig. 7. Authentication of User for Getting Off the Bus

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

버스 승하차과정에서 스마트 미러를 이용하여 어린이의 얼굴을 식별 및 인증후 승하차 정보를 DB에 저장하고 보호자에게 SMS로 정보를 전달하여 안전한 승하차 서비스를 제공할 수 있다. 또한 하차 후에 버스 전방과 후방의 사각지대에 있을 수 있는 어린이를 탐지하여 운전자에게 알람기능을 제공함으로써 안전성을 높이고자 하였다.
본 연구에서는 스마트 미러에 어린이의 얼굴을 등록하고, 이를 식별하며, 안전사고 방지를 위한 IoT 기술을 적용한 안전시스템의 설계를 제안하고자 한다.

제안 방법

어린이가 안전한 버스 승하차를 위해 승하차 과정에서 사용자인증이 실행된다. 버스내에 있는 스마트 미러를 통해 어린이의 얼굴을 인식하고, API를 이용하여 식별하고, 저장된 정보와 비교하여 인증을 실행한다. 안전하고 정확한 인증을 위해 어린이의 가방에 있는 Tag를 통해 2차 인증을 한다.
본 논문에서는 사용자인 어린이를 사전에 시스템에 이름을 비롯한 얼굴 사진 및 보호자 SMS 전송번호를 116 융합정보논문지 제10권 제5호 등록한 후 버스 승차 및 하차시 사용자 인증을 실시하고, 인증이 되지 않을 경우 재차 확인하는 기능을 추가함으로써 버스 승하차과정에서 안전시스템을 제안하였다. 향후 연구로는 얼굴이 닮은 형제자매나 쌍둥이 등 잘못된 인증을 방지하기 위해 스마트 폰이나 스마트 밴드 등의 다양한 기기에 블루투스를 이용한 추가적인 인증이 가능한 연구 및 개발이 필요하다.
제안 기법은 어린이 식별 및 인증을 통해 안전한 승하차를 지원할 수 있다. 서론에서 제기된 승하차 안전 시스템의 요구사항을 만족하는 스마트 미러를 활용한 어린이 사용자인증 기반의 안전시스템에 제안하였다.
교통의 약자인 어린이의 안전사고가 많이 발생한다. 스마트 미러 및 IoT 기술을 적용하여 버스 승하차 안전 시스템을 제안하였다. 버스 승하차과정에서 스마트 미러를 이용하여 어린이의 얼굴을 식별 및 인증후 승하차 정보를 DB에 저장하고 보호자에게 SMS로 정보를 전달하여 안전한 승하차 서비스를 제공할 수 있다.
7는 하차과정에서 수행되는 인증 및 운행을 위한 플로차트이다. 어린이가 하차할 지점에서 하차를 하는지 확인하고, 또한 하차시에도 인증을 실시한 후 학부모에 SMS를 송신한다. 운전자는 모니터를 통해 탑승자가 정확한 시점에서 하차되었는지 시스템에서 체크하고 문제가 없음을 모니터를 통해 확인하고, 전후방에 근접센서와 카메라를 통해 어린이가 있는지 확인한 후 운행을 시작한다.
어린이가 하차할 지점에서 하차를 하는지 확인하고, 또한 하차시에도 인증을 실시한 후 학부모에 SMS를 송신한다. 운전자는 모니터를 통해 탑승자가 정확한 시점에서 하차되었는지 시스템에서 체크하고 문제가 없음을 모니터를 통해 확인하고, 전후방에 근접센서와 카메라를 통해 어린이가 있는지 확인한 후 운행을 시작한다.
필요한 경우 어린이의 목소리를 이용하여 추가인증을 하므로 오탐지나 미탐지를 막을 수 있다. 제안 기법은 어린이집 버스나 초등학교 학원 버스 등에서 활용가능하다. 제안된 안전시스템은 어린이집이나 학원의 출석시스템과 연동되어 탑승여부학인, 잘못된 하차를 막을 수 있고 버스 전후방에 발생가능한 사각지대의 안전사고를 막을 수 있다.
제안 기법은 어린이집 버스나 초등학교 학원 버스 등에서 활용가능하다. 제안된 안전시스템은 어린이집이나 학원의 출석시스템과 연동되어 탑승여부학인, 잘못된 하차를 막을 수 있고 버스 전후방에 발생가능한 사각지대의 안전사고를 막을 수 있다.
첫째, 사전에 어린이의 여러 사진을 취합하여 등록하고, 딥러닝을 이용하여 어린이의 얼굴을 식별한다. 식별이 되지 않을 경우 제안 시스템에서 음성을 통해 “너는 누구니?” 묻고 답하는 과정에서 DB에 있는 어린이를 식별한다.

대상 데이터

어린이는 버스에 승차 및 하차시 스마트 미러 앞에 있으면 근접센서를 통해 어린이를 인지하고, 어린이가 소지한 가방의 Tag와 카메라로 얼굴을 인식하여 식별 및 인증을 한다. 제안시스템에서 인증을 위한 스마트 미러는 Fig. 3와 같이 카메라, PIR 근접센서, 마이크, 스피커, 라즈베리 파이로 구성되어 있다.

성능/효과

넷째, 어린이를 제안 시스템에 등록할 때 승하차 지점의 GPS를 같이 등록함으로써 승하차 GPS지점 근처에 차량이 도달하였을 때 제안 시스템의 모니터를 통해 승하차해야 하는 어린이의 사진과 정보를 제공하므로 누락을 없앨 수 있다.
셋째, 어린이들이 하차하여 도로를 건너거나 헤어지는 친구와 인사 등으로 사각지대에 머무를 수 있다. 차량의 전후방에 근접세서를 제안시스템에 연결하여 알려주고, 카메라를 이용하여 확인이 가능하다.
제안 기법은 어린이 식별 및 인증을 통해 안전한 승하차를 지원할 수 있다. 서론에서 제기된 승하차 안전 시스템의 요구사항을 만족하는 스마트 미러를 활용한 어린이 사용자인증 기반의 안전시스템에 제안하였다.

후속연구

본 논문에서는 사용자인 어린이를 사전에 시스템에 이름을 비롯한 얼굴 사진 및 보호자 SMS 전송번호를 116 융합정보논문지 제10권 제5호 등록한 후 버스 승차 및 하차시 사용자 인증을 실시하고, 인증이 되지 않을 경우 재차 확인하는 기능을 추가함으로써 버스 승하차과정에서 안전시스템을 제안하였다. 향후 연구로는 얼굴이 닮은 형제자매나 쌍둥이 등 잘못된 인증을 방지하기 위해 스마트 폰이나 스마트 밴드 등의 다양한 기기에 블루투스를 이용한 추가적인 인증이 가능한 연구 및 개발이 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	Raspberry Pi는 무엇인가?	Raspberry Pi는 학교 및 개발도상국에서 기초 컴퓨터 과학 교육 증진을 위해 개발된 싱글보드 컴퓨터이다. Raspberry Pi 4 Model B은 Fig.
	버스 승하차 과정에서 스마트 미러를 활용한 어린이 인증 기반의 안전시스템에 대한 요구 사항으로 어떤 것들이 있는가?	• 어린이의 얼굴을 식별하는 과정에서 오류 발생시 대안이 제시되어야 한다. • 모든 어린이들이 버스에서 하차하지 않은 상태에서 발생할 수 있는 질식 사고를 방지할 수 있어야 한다. • 차량 전후방의 사각지대을 줄이거나 안전사고를 줄일 수 있는 대안이 있어야 한다. • 운전 기사가 어린이의 하차 지점을 파악하고, 정확한 지역에서 하차할 수 있도록 대안이 필요하다.
	스마트 미러에는 어떤 것들이 필요한가?	스마트 미러는 인증을 위한 Raspberry Pi 4, 얼굴 인식이외의 음성인식을 위한 마이크, 어린이와의 대화를 위해 디스플레이 및 스피커, 위치정보를 측정하기 위한 GPS 모듈, 이미지 및 정보 등의 송수신을 위한 인터넷 모듈이 필요하다[15,16]. 어린이는 버스에 승차 및 하차시 스마트 미러 앞에 있으면 근접센서를 통해 어린이를 인지하고, 어린이가 소지한 가방의 Tag와 카메라로 얼굴을 인식하여 식별 및 인증을 한다.

참고문헌 (16)

H. Ko, S. Kim & N. Kang. (2017). Design and implementation of smart-mirror supporting recommendation service based on personal usage data. KIISE transactions on computing practices, 23(1), 65-73.

원문보기 상세보기
H. J. Mun. (2019). A Study on the User Identification and Authentication in the Smart Mirror in Private. Journal of Convergence for Information Technology, 9(7), 100-105. DOI : 10.22156/CS4SMB.2019.9.7.100
Eben Upton. (2019). Raspberry Pi 4 on sale now from $35. Raspberry(Online). https://www.raspberrypi.org/blog/raspberrypi-4-on-sale-now-from-35/
S. W. Lee, D. M. Ji, H. S. Shin, Y. B. Chae & Y. G. Kim. (2018). A Personalised Smart Mirror Based on Face Recognition. Proc. of Korea Information Science Society, 1644-1646.
P. Y. Kumbhar, A. Mulla, P. Kanagi & R. Shah. (2018). Smart Mirror Using Raspberry PI. International Journal for Research in Emerging Science and Technology, 5(4), 2349-2610.
Raspbian. Welcome to Raspbian. https://www.raspbian.org/
W. Harrington. (2015). Learning Raspbian. Packt Publishing Ltd.
H. J. Mun. (2018). Biometric Information and OTP based on Authentication Mechanism using Blockchain. Journal of Convergence for Information Technology, 8(3), 85-90. DOI : 10.22156/CS4SMB.2018.8.3.085
J. Shin, Z. Liu, C. M. Kim & H. J. Mun. (2018). Writer identification using intra-stroke and inter-stroke information for security enhancements in P2P systems. Peer-to-Peer Networking and Applications, 11(6), 1166-1175. DOI : 10.1007/s12083-017-0606-0

상세보기
J. Shin, M. R. Islam, M. A. Rahim & H. J. Mun. (2020). Arm movement activity based user authentication in P2P systems. Peer-to-Peer Networking and Applications, 13, 635-646 (2020). Issue Date March 2020. DOI : 10.1007/s12083-019-00775-7 Springer US.

상세보기
S. V. Viraktamath, M. Katti, A. Khatawkar & P. Kulkarni. (2013). Face detection and tracking using OpenCV. The SIJ Transactions on Computer Networks & Communication Engineering (CNCE), 1(3), 45-50.
Y. C. Hwang, H. J. Mun & J. W. Lee. (2015). Face Recognition System Technologies for Authentication System-A Survey. Journal of Convergence for Information Technology, 5(3), 9-13. DOI : 10.22156/CS4SMB.2015.5.3.009.
Face detection.(2020). An AI service that analyzes faces in images. Microsoft Azure(Online). https://azure.microsoft.com/en-us/services/cognitive-services/face
H. J. Mun & G. H. Kim. (2019). A Survey on Deep Learning based Face Recognition for User Authentication. Journal of Industrial Convergence, 17(3), 23-29. DOI : 10.22678/JIC.2019.17.3.023

원문보기 상세보기
O. Abdel-Hamid, A. R. Mohamed, H. Jiang, L. Deng, G. Penn & D. Yu. (2014). Convolutional neural networks for speech recognition. IEEE/ACM Transactions on audio, speech, and language processing, 22(10), 1533-1545.

상세보기
T. Kimura, T. Nose, S. Hirooka, Y. Chiba & A. Ito. (2018, November). Comparison of Speech Recognition Performance Between Kaldi and Google Cloud Speech API. In International Conference on Intelligent Information Hiding and Multimedia Signal Processing (pp. 109-115). Springer, Cham.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증