[논문]비콘과 딥러닝 기술을 활용한 전자출입명부 자동등록시스템

허지원; 엄성용

doi:10.17703/jcct.2020.6.4.807

초록
AI-Helper

전 세계적으로 감염이 확산되고 있는 코로나19 바이러스의 확산 방지 및 효과적인 추적 관리를 위해 정부에서는 공공시설에 대한 전자출입명부 시스템 도입을 의무화하고 있다. 초기에는 수기로 명부를 작성하는 불편함이 컸으나, 최근에는 QR 코드를 활용한 전자출입명부 작성 시스템이 주로 사용되고 있다. 하지만, QR 코드 생성을 위한 절차가 다소 번거로운 측면이 있다. 본 논문에서는 QR 코드 생성이 불필요한 새로운 방식의 전자출입명부 작성 시스템을 제안한다. 제안된 시스템에서는 딥러닝 기술로 구현된 마스크 착용 판별기와 비접촉 온도계를 활용하여 감염 의심 방문자를 효과적으로 통제한다. 또한 근거리 무선통신 기술인 비콘과 방문자의 스마트폰 앱을 연동하여 시설 출입자의 기본 정보를 서버를 통해 질병관리청에 자동 등록되도록 한다. 한편, 개인정보 보호를 위해 서버에 등록된 방문자 출입 정보는 암호화되어 보관되며, 최대 4주 후 자동 폐기된다. 제안된 시스템은 전 세계적으로 높은 확산세를 기록하고 있는 코로나 바이러스에 대한 대응은 물론 기타 신종감염병 확산 방지 및 대응에도 매우 효과적으로 활용될 수 있을 것으로 기대된다.

Abstract ▼ AI-Helper

In order to prevent the national wide spread of the COVID-19 virus, the government enforces to use an electronic access registration system for public facilities to effectively track and manage the spread. Initially, there was a lot of hassle to write a directory, but recently a system for creating ...

In order to prevent the national wide spread of the COVID-19 virus, the government enforces to use an electronic access registration system for public facilities to effectively track and manage the spread. Initially, there was a lot of hassle to write a directory, but recently a system for creating an electronic access list using QR codes, what is called KI-Pass, is mainly used. However, the procedure for generating a QR code is somewhat cumbersome. In this paper, we propose a new electronic access registration system that does not require QR code. This system effectively controls the suspicious visitor by using a mask wearing discriminator which has been implemented using deep learning technology, and a non-contact thermometer package. In addition, by linking the beacon, a short-range wireless communication technology, and the visitor's smartphone application, basic information of the facility visitor is automatically registered to KDCA through the server. On the other hand, the user access information registered in the server is encrypted and stored, and is automatically destroyed after up to 4 weeks. This system is expected to be very effective in preventing the spread of other new infectious diseases as well as responding to the coronavirus which is recording a high spread worldwide.

주제어

표/그림 (9)

그림 그림 1. 사용자 시나리오 Figure 1. User Scenario
표 표 1. MobileNetV2 구조 Table 1. MobileNetV2 Structure
그림 그림 2. 전체 시스템 구조도 Figure 2. Overall System Structure
그림 그림 3. 손실 및 정확도 그래프 Figure 3. Loss and Accuracy Graph
그림 그림 4. 이미지 마스크 착용 판별 테스트 Figure 4. Mask Detection Test for Image
그림 그림 5. 실시간 동영상 마스크 착용 판별 테스트 Figure 5. Mask Detection Test for Live Streaming Video
그림 그림 6. 비콘 감지 Figure 6. Beacon Detection
그림 그림 7. iBeacon 패킷 구조 [11] Figure 7. iBeacon Packet Structure
그림 그림 8. 서버 데이터베이스 Figure 8. Server Database

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 코로나19로 일상생활이 마비된 현 상황에서 대규모 감염 확산을 최소화하고자 본 전자 출입 시스템을 제안하였다. 현재 수기 명부 작성과 QR 코드 스캔을 통해 공공시설의 출입 명부를 작성하고는 있지만 개인정보 유출의 위험성과 QR 코드 스캔을 위한 회원가입 및 대기 등의 여러 가지 번거로움이 있다.
이러한 문제점들을 해결하기 위해 본 논문에서는 새로운 전자출입명부작성 시스템을 제안한다. 제안된 시스템의 대표적인 기능은 다음과 같다.

제안 방법

MobileNetV2는 MobilenetV1에서 사용된 Depthwise Separable Convolution 개념을 그대로 흡수하고 이에 덧붙여 Linear Bottleneck과 Inverted Residual 개념을 적용하였다.
제안된 시스템의 대표적인 기능은 다음과 같다. 먼저, 공공시설 출입구에 설치된 카메라와 비접촉 온도계를 통해 출입자의 마스크 착용 및 발열 여부를 판별한다. 출입자가 마스크를 착용하지 않았거나 발열이 확인되었을 경우에는 경보음이 발생하여 감염 의심 방문자를 효과적으로 통제한다.
본 시스템에서는 UUID(16바이트), Major ID(2바이트), Minor ID(2바이트) 총 세 가지의 식별자를 통해서 해당 방문지에 대한 정보를 얻는데, 그림 7은 비콘이 전송하는 패킷의 내부 구조를 보여준다.
비콘은 페어링이 필요하지 않고 1대다(1:n) 통신이 가능하여 정해진 반경 내에 있는 다수의 사용자와 동시에 통신할 수 있다. 본 시스템에서는 수신 신호의 세기가 -80dBm 이상일 때만 해당 시설에 출입한 것으로 간주하여 비콘을 인식하도록 했다[10]. 인식하고자 하는 수신 신호의 세기를 너무 높게 설정할 경우 사용자가 비콘 기기에 아주 근접해야 하므로 떨어진 거리에서도 인식 가능한 비콘으로서의 장점을 잃게 된다.
MobileNetV2[8]는 경량화된 CNN Architecture로서 적은 양의 연산과 매개변수(parameter)를 통해 구현되어 모바일 플랫폼과 임베디드 하드웨어와 같은 제한된 자원(resource)의 환경에서도 활용될 수 있으며 충분히 좋은 성능을 보인다. 본 시스템은 일반 외식업소와 각종 공공시설 등 기업체뿐 아니라 영세사업장에서 효과적으로 사용될 수 있기에 제한된 자원에서도 비교적 높은 정확도(accuracy)를 갖는 MobileNetV2를 통하여 본 마스크 착용 판별기를 구현하였다.
본 전자 출입 시스템은 방문자가 사용하는 모바일 애플리케이션과 시설 관리자가 사용하는 웹 애플리케이션, 시설에 설치된 비콘, 적외선 체온센서, 카메라 하드웨어로 구성된다.

대상 데이터

Prajna Bhandary에 의해 만들어진 1,376개의 이미지 데이터셋을 지도학습하였는데 이는 690개의 마스크 착용 이미지와 나머지 686개의 마스크를 착용하지 않은 이미지로 구성된다. 데이터의 80%는 훈련데이터로 사용하고 나머지 20%는 테스트를 위해 사용하였다.
Prajna Bhandary에 의해 만들어진 1,376개의 이미지 데이터셋을 지도학습하였는데 이는 690개의 마스크 착용 이미지와 나머지 686개의 마스크를 착용하지 않은 이미지로 구성된다. 데이터의 80%는 훈련데이터로 사용하고 나머지 20%는 테스트를 위해 사용하였다.

이론/모형

이미지 및 실시간 비디오를 통한 마스크 착용 여부 판별 모델을 생성하기 위해 CNN Architecture기반의 MobileNetV2를 사용하였다. MobileNetV2는 기존 convolution의 8-9배 적은 연산량으로 비슷한 수준의 정확도를 낼 수 있으며 스마트폰과 임베디드 시스템과 같은 비교적 제한된 자원으로 구현하기에 적합하다.

성능/효과

depthwise convolution층은 각 입력 채널에 한 개의 convolution 필터를 적용하고 1x1 크기의 pointwise convolution층은 채널 방향을 연산한다. 결과적으로 기존 convolution에 비해 정확도는 조금 감소할 수 있으나 연산량은 8-9배 줄어든다.
그림 3은 학습에 따른 손실과 정확도를 나타내는 그래프로 훈련을 통해 에폭(epoch)이 20에 가까워져갈수록 손실 값이 줄어들지만 에폭이 20보다 커질수록 데이터셋에 과대적합(over fitting) 되는 것을 볼 수 있다. 따라서 최종적으로 에폭을 20으로 설정하였으며 이는 99% 내외의 정확도를 보여준다.
방문자의 모바일 애플리케이션은 이 특정 UUID를 갖는 전자 출입을 위한 비콘만을 감지한다. 본 실험에서는 비콘의 Major ID에 지역 코드를 부여하여 공공시설이 속한 지역을 나타내었고 Minor ID에는 해당 지역에 위치한 유일한 시설 코드를 부여하였다[12]. 방문자의 모바일은 비콘이 송신하는 Major ID와 Minor ID의 값을 받아 질병관리청 서버에 접속하고 이 서버에 데이터베이스로 저장된 지역 코드와 시설 코드를 통해 현 위치를 파악한다.
이를 통해 새로운 이미지를 테스트해 본 결과마스크를 착용한 사진은 98^~99%이상의 값을, 마스크를 미착용한 사진은 낮은 확률의 값을 산출하며 높은 정확도를 보여주었다. 그림 4는 샘플 예제에 대한 실험 결과를 보여주는 화면이다.

후속연구

또한 99%의 높은 정확도를 갖는 딥러닝 기반 마스크 판별기와 적외선 온도 센서를 통해 출입 통제를 자동화하여 다수의 방문자들의 출입을 빠르게 통제할 수 있다. 따라서 본 시스템은 코로나 바이러스 확산이 지속되고 있는 현 상황에서 유용하게 사용될 수 있을 뿐만 아니라 신종감염병과의 끊임없는 전쟁의 연속인 현대 사회에서 감염 경로를 파악하여 대규모 감염 확산을 최소화하는데 효과적일 것으로 기대된다.

참고문헌 (12)

http://www.cdc.go.kr/cdc/, Korea Disease Controland Prevention Agency
http://news.khan.co.kr/kh_news/khan_art_view.html?art_id202005091424001, 2020.05.09.
https://news.joins.com/article/23879973, 2020.09.24
https://www.sedaily.com/NewsView/1Z91G99CAH,2020.10.07
Geon-Bo Kwon, "Preventive measures against Infectious Disease and Information Human Rights," Public Law Journal, Vol. 21, No. 3, pp. 3-32, 2020.

상세보기
Bong-Jae Jeong, "A Study on the Facial Expression Recognition using Deep Learning Technique," International Journal of Advanced Culture Technology, Vol. 6, No. 1, pp. 60-67, 2018. DOI : 10.17703/IJACT.2018.6.1.60

원문보기 상세보기
Se-Jin Choi, Jun-Mo Jung, "A Method for accelerating training of Convolutional Neural Network," The Journal of the Convergence on Culture Technology, Vol. 3, No. 4, pp. 171-175, 2017. DOI : 10.17801/JCCT.2017.3.4.171
M. Sandler, A. Howard, M. Zhu, A. Zhmoginov and L. Chen, "MobileNetV2: Inverted Residuals and Linear Bottlenecks," IEEE/CVF Conference on Computer Vision and Pattern Recognition, Salt Lake City, UT, pp. 4510-4520, 2018. DOI : 10.1109/CVPR.2018.00474.
Oh Am-suk. "Transmission Control Method of Beacon Signal Based on Bluetooth of Lower Electric Power," Journal of the Korea Institute of Information and Communication Engineering Vol. 20, No. 6, pp. 1136-1141, 2016.

원문보기 상세보기
Chul-Hwan Yun, Jungmin So, "An indoor localization & navigation system using Bluetooth beacons," Procedings of Symposium of the Korean Institute of communications and Information Sciences, pp. 265-266, 2015.
https://os.mbed.com/teams/Bluetooth-Low-Energy/code/BLE_iBeacon/
Jaeheung Lee, Geonhui Chae, Geunyoung Lim, Jihwan Seol, Seongmin Choi and Sunguk Lim, "Attendance Check System combining Beacons and Biometrics," The Journal of Korean Institute of Next Generation Computing, Vol. 14, No. 2, pp. 24-32, 2018.

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

비콘과 딥러닝 기술을 활용한 전자출입명부 자동등록시스템
An Automatic Access Registration System using Beacon and Deep Learning Technology 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (9)

표/그림 (9)

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

비콘과 딥러닝 기술을 활용한 전자출입명부 자동등록시스템 An Automatic Access Registration System using Beacon and Deep Learning Technology 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (9) 모든 표/그림 보기

표/그림 (9) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

엄성용 (15)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

비콘과 딥러닝 기술을 활용한 전자출입명부 자동등록시스템
An Automatic Access Registration System using Beacon and Deep Learning Technology 원문보기

초록
AI-Helper

표/그림 (9)

표/그림 (9)

AI 본문요약
AI-Helper