[논문]시각장애인 안전을 위한 영상 기반 저비용 보행 공간 인지 알고리즘

강성현; 이세훈; 안준호

doi:10.7472/jksii.2023.24.6.81

시각장애인 안전을 위한 영상 기반 저비용 보행 공간 인지 알고리즘
Vision-based Low-cost Walking Spatial Recognition Algorithm for the Safety of Blind People 원문보기

Journal of Internet Computing and Services = 인터넷정보학회논문지, v.24 no.6, 2023년, pp.81 - 89

강성현 (AI Computer Science and Engineering, Kyonggi University) , 이세훈 (AI Computer Science and Engineering, Kyonggi University) , 안준호 (AI Computer Science and Engineering, Kyonggi University)

초록
AI-Helper

현대사회에서 시각장애인들은 도보, 승강기, 횡단보도 등 일반적인 환경에서 보행을 하는데 어려움이 있다. 시각장애인의 불편 해소를 위한 연구로 영상이나 음성을 이용한 연구가 있으며, 이런 연구는 고비용의 웨어러블 장치, 고성능 CCTV, 음성 센서 등을 사용하여 실생활에 적용하는 데는 한계가 있다. 본 논문에서 시각장애인이 보행 중에 안전한 이동을 위해서 스마트폰에 포함된 저비용의 영상 센서를 활용하여 주변 도보 공간을 인지하는 인공지능 융합 알고리즘을 제안한다. 제안된 알고리즘은 이동 중인 사람 탐지를 위해서 모션 캡처 알고리즘과 장애물 탐지를 위한 객체 탐지 알고리즘을 융합하여 개발하였다. 모션 캡처 알고리즘으로 mediapipe을 사용하여 이동 중에 있는 주변 보행자들을 모델링 및 탐지하였다. 객체 탐지 알고리즘을 사용했으며 도보 중에 발생하는 다양한 장애물을 모델링 하였다. 실험을 통하여 인공지능 융합 알고리즘을 검증했으며, 정확도 0.92, 정밀도 0.91, 재현율 0.99. F1 score 0.95로 결과를 얻어서 알고리즘의 성능을 확인하였다. 본 연구로 보행 중에 발생하는 볼라드, 공유 킥보드, 자동차 등의 주변 장애물 및 이동 중인 보행자 회피하여 시각장애인들의 통행에 도움을 줄 수 있다.

Abstract ▼ AI-Helper

In modern society, blind people face difficulties in navigating common environments such as sidewalks, elevators, and crosswalks. Research has been conducted to alleviate these inconveniences for the visually impaired through the use of visual and audio aids. However, such research often encounters limitations when it comes to practical implementation due to the high cost of wearable devices, high-performance CCTV systems, and voice sensors. In this paper, we propose an artificial intelligence fusion algorithm that utilizes low-cost video sensors integrated into smartphones to help blind people safely navigate their surroundings during walking. The proposed algorithm combines motion capture and object detection algorithms to detect moving people and various obstacles encountered during walking. We employed the MediaPipe library for motion capture to model and detect surrounding pedestrians during motion. Additionally, we used object detection algorithms to model and detect various obstacles that can occur during walking on sidewalks. Through experimentation, we validated the performance of the artificial intelligence fusion algorithm, achieving accuracy of 0.92, precision of 0.91, recall of 0.99, and an F1 score of 0.95. This research can assist blind people in navigating through obstacles such as bollards, shared scooters, and vehicles encountered during walking, thereby enhancing their mobility and safety.

주제어

표/그림 (8)

그림 (그림 1) mediapipe 활용한 모션 인식 (Figure 1) Motion Recognitions Using the Mediapipe
그림 (그림 2) 장애물 객체 인식 (Figure 2) Obstacle-Related Object Recognitions
그림 (그림 3) mediapipe 오탐 예시(왼쪽),융합 알고리즘 기반 모션 인식(오른쪽) (Figure 3) Mediapipe Misdetection Example(Left), Motion Recognition Using Fusion Algorithm Recognition(Right)
그림 (그림 4) 융합 알고리즘 Flowchart (Figure 4) Fusion Algorithm Flowchart
표 (표 1) 모션 캡쳐 실험 결과 (Table 1) The Experimental Result for the Motion Capture Algorithm
표 (표 2) 객체 탐지 실험 결과 (Table 2) The Experimental Result for the Obstacle Algorithm
표 (표 3) 융합 알고리즘 실험 결과 (Table 3) The Experimental Result for the Fusi on Recognition Algorithm
표 (표 4) 통합 실험 탐지 결과 (Table 4) Integrated Experiment Detection Results

AI 본문요약
AI-Helper

문제 정의

본 논문에서는 시각장애인의 안전한 보행을 위해서 일반적으로 소지한 스마트폰을 활용해 추가적인 비용 없이 스마트폰에 내장된 카메라 센서를 활용하여 주변 보행공간 인식 융합 알고리즘을 제안한다. 볼라드, 트래픽콘, 벤치, 공유 자전거, 공유 킥보드, 불법 주정차 차량과 같은 시각장애인의 보행에 방해되는 움직임이 없는 장애물과 움직임이 있는 일반 보행자를 모델로 만들었다.
본 논문은 저비용 영상 센서를 이용하여 보행 중 장애물 객체 선제 탐지를 연구하고 실험했다. 실험 결과는 대부분의 상황 속에서 탐지 성공했다.

제안 방법

실사용과 비슷한 환경 구축을 위하여 실사용 시 빠른 객체 탐색과 전력효율을 위해 720p로 영상 촬영했다. 720p 화질에서 장애물과 사람을 탐지할 수 있는지 확인하기 위해 여러 상황의 영상을 mediapipe와 객체 탐지 알고리즘으로 실행시켜 장애물 객체와 사람의 탐지율을 실험한다.
99가 나왔다. mediapipe만 가지고 모션 캡쳐 시 오탐이 발생하는 경우가 존재하기에 mediapipe와 YOLO를 융합한 알고리즘 사용을 제안한다. 융합 알고리즘을 사용해 본 결과 단일 알고리즘 때보다 오탐이 줄어드는 것을 확인할 수 있었다.
그림 2처럼 원하는 객체를 바운딩 박스 형태로 탐지하는 알고리즘인 YOLO를 활용한다. 객체 탐지 알고리즘을 이용해 바운딩 박스 형태 객체로 인식하기 위해서 탐지할 객체의 사진을 이용해 사각형 형태로 라벨링하여 객체 탐지 알고리즘을 통해 학습시켜 모델을 만든다.
사람 이외의 객체가 다수 포함된 영상을 mediapipe pose 단독 실행 시 오탐률이 급격하게 상승하여 그림 3 왼쪽과 같이 사람 이외의 객체에 파이프라인이 출력되고, 객체 탐지 알고리즘은 사람 탐지 시, 사람의 동작을 인식하지 못해 동적인 탐지하기 어려움이 있기에 움직임이 있는 사람에 대한 신뢰성이 떨어진다. 떨어진 신뢰성을 올리기 위해 객체 탐지 알고리즘과 mediapipe를 같이 사용하여 각 알고리즘의 단점을 보완하여 그림 3 오른쪽과 같은 신뢰성 높은 결괏값 출력이 가능했다.
mediapipe는 google에서 제공하는 AI 프레임위크로서, 영상 데이터에서 모델에 해당되는 객체를 비전 AI 기능을 파이프라인 형태로 인식한다. 본 논문에서는 여러 가지 mediapipe 모델 중 pose를 통해 사람의 모션 캡처를 할 것이다. mediapipe는 안드로이드, 웹, 파이썬에서 사용할 수 있어 접근성이 좋기 때문에, 본 논문에서 평시 보행 중에 저비용 영상 센서와 스마트폰을 활용 시 좋은 시너지가 기대된다.
시각장애인들의 이동권을 보장하기 위해 모션 캡처와 객체 탐지 알고리즘을 활용한 보행 공간인지 융합 알고리즘을 개발했다. 보행 중 일반인에게는 대부분 상황은 문제가 없는 상황이지만, 시야 확보가 어려운 시각장애인은 발에 걸리는 장애물에 넘어지거나, 경사가 큰 내리막길에서 균형을 맞추지 못해 미끄러지는 등의 위험한 보행 상황이 일어날 수 있다.
대부분의 사람들이 가지고 있는 스마트폰 카메라를 이용한 연구도 있다. 앱을 통해 실시간 보행 영상을 촬영하고 이를 서버에 전송하면 서버에서 OpenCV를 통해 전달받은 영상 데이터를 변환하고 객체 탐지 알고리즘을 사용해서 장애물을 인식하고 구별한다. 장애물을 인식, 구별하고 장애물과의 거리를 거리 당 알림 방식을 설정해 이를 서버에서 다시 앱으로 전달해 앱 사용자에게 장애물 간의 거리도 알려주는 연구가 있다[10].
움직이는 장애물과 고정된 장애물을 탐지하기 위한 알고리즘을 개발하기 위해서 융합 알고리즘을 개발했다. 융합 알고리즘의 실험 결과는 개별 알고리즘보다 더 높은 실험 결과를 얻을 수 있었다.
움직임이 있는 보행자뿐만 아니라 움직임이 없는 장애물도 같이 인식하여 시각장애인의 보행을 효과적으로 보조할 수 있게 해준다. 움직임이 없는 장애물은 YOLO[14]를 사용해 약 4000개의 이미지데이터로 만들어진 모델을 통해 움직임이 없는 장애물을 인식, 구별 되게 만들었다. 만들어진 객체 탐지 모델을 검증해 본 결과 정한 장애물의 평균 precision 값이 0.

대상 데이터

객체 탐지 실험을 위해 YOLO 모델에 학습시켰던 다양한 객체들의 사진을 촬영과 수집하여 실험을 진행했다. 장애물 분류에 대한 실험과 장애물 인식에 대한 실험을 동시에 시행했다.
모션 캡쳐 모델 실험을 위해 사람이 걸을 때를 다양한 각도에서 촬영하여 실험데이터를 수집했고, 객체 탐지 실험을 위해 본 논문에서 정한 다양한 장애물들의 객체를 다양한 각도에서 촬영하여 실험데이터로 수집했다. 통합실험에 사용될 데이터는 보행자가 길거리에서 볼 수 있는 횡단보도, 공원 등과 위험에 노출되기 쉬운 공사장, 사각지대 등의 영상을 포함해 총 18개의 실내외 상황을 촬영해 수집했다.
모션 캡쳐 탐지율 실험을 위해 사람의 걷는 동작을 다양한 각도에서 5초의 짧은 시간으로 나누어 영상을 촬영해 실험데이터를 수집했다.
본 논문에서는 시각장애인의 안전한 보행을 위해서 일반적으로 소지한 스마트폰을 활용해 추가적인 비용 없이 스마트폰에 내장된 카메라 센서를 활용하여 주변 보행공간 인식 융합 알고리즘을 제안한다. 볼라드, 트래픽콘, 벤치, 공유 자전거, 공유 킥보드, 불법 주정차 차량과 같은 시각장애인의 보행에 방해되는 움직임이 없는 장애물과 움직임이 있는 일반 보행자를 모델로 만들었다. 시각장애인 보행에 있어 충돌 위험이 높은 것은 움직임이 있는 장애물이다.
실험을 진행하기 위해 대략 4,500장 사진과 150개의 영상을 직접 촬영하고 수집하여 진행했다. 실사용과 비슷한 환경 구축을 위하여 실사용 시 빠른 객체 탐색과 전력효율을 위해 720p로 영상 촬영했다. 720p 화질에서 장애물과 사람을 탐지할 수 있는지 확인하기 위해 여러 상황의 영상을 mediapipe와 객체 탐지 알고리즘으로 실행시켜 장애물 객체와 사람의 탐지율을 실험한다.
시각장애인은 대중교통 사용에 불편함을 느끼고 국토부 조사 결과 보행환경 만족도가 가장 낮음에 따라 보행에도 많은 불편함이 있다. 실제 시각장애인 11명을 대상으로 연구해 본 결과 다양한 장애물이 보행에 방해되었으며 장애물로는 불법 주정차 차량, 볼라드, 일반 보행자, 자전거 등 다양했다. 실제 연구 도중 볼라드에 부딪히고 점자블록 위 불법 주정차 차량에 보행이 막히고 속도가 빠른 자전거의 위험과 스마트폰을 보면서 걷는 일반 보행자와 부딪히는 결과가 있었다[3].
실험을 진행하기 위해 대략 4,500장 사진과 150개의 영상을 직접 촬영하고 수집하여 진행했다. 실사용과 비슷한 환경 구축을 위하여 실사용 시 빠른 객체 탐색과 전력효율을 위해 720p로 영상 촬영했다.
장애물 객체로는 볼라드, 트래픽콘, 벤치, 자전거, 킥보드, 자동차를 선정했다. 볼라드, 트래픽콘, 벤치의 경우는 길거리에서 쉽게 찾아볼 수 있는 고정 장애물이기에 보행 시 방해가 된다.
모션 캡쳐 모델 실험을 위해 사람이 걸을 때를 다양한 각도에서 촬영하여 실험데이터를 수집했고, 객체 탐지 실험을 위해 본 논문에서 정한 다양한 장애물들의 객체를 다양한 각도에서 촬영하여 실험데이터로 수집했다. 통합실험에 사용될 데이터는 보행자가 길거리에서 볼 수 있는 횡단보도, 공원 등과 위험에 노출되기 쉬운 공사장, 사각지대 등의 영상을 포함해 총 18개의 실내외 상황을 촬영해 수집했다.

이론/모형

수어의 한글 지문자를 효과적으로 인식할 수 있게 새로운 방식을 제안하여 청각장애인의 학습과 번역을 도와주는 연구도 있다. mediapipe hand API를 사용해 손의 좌표점을 추출하고 scikit-learn을 통해 한글 지문자를 학습시켜 모델을 만들었다. 손목과 손 가운데 지점과 중지와 손바닥 가운데 지점 두 지점의 landmark 추출해 두 지점 간의 각도를 통해 손의 무게중심의 이동을 계산할 수 있다.
위 3가지 방식을 소개하고 테스트함으로써 스마트폰 프로세서의 성능으로도 객체 탐지 알고리즘을 효과적으로 구동하는 방법을 알려주는 연구가 있다[11]. 객체 탐지 기술을 융합하여 사용한 연구가 있으며 YOLOv5 모델 중에서 성능비교를 통해 YOLOv5-small 모델을 이용했다. 객체 인식에서는 Attention-OCR 모델을 이용해 Attention-OCR 모델의 인코더 과정에서 Sliding CNN을 활용해서 feature vector를 추출하는 융합 시스템을 개발해 신호등을 인식한 연구가 있다[24].
그림 2처럼 원하는 객체를 바운딩 박스 형태로 탐지하는 알고리즘인 YOLO를 활용한다. 객체 탐지 알고리즘을 이용해 바운딩 박스 형태 객체로 인식하기 위해서 탐지할 객체의 사진을 이용해 사각형 형태로 라벨링하여 객체 탐지 알고리즘을 통해 학습시켜 모델을 만든다.
YOLO와 웨어러블 기기와 접목하여 활용성을 높인 연구도 있다. 소형 카메라가 부착된 안경을 통해 보행 중의 횡단보도를 tiny-YOLOv2 알고리즘을 통해 인식하게 했다. 전방에 횡단보도가 나타나면 이를 인식해서 골전도 이어폰으로 시각 장애인에게 정보 전달하고 보행자 신호등의 초록 불과 빨간 불을 인식하고 구별하여 횡단보도를 보행할 때의 어려움을 줄이는 연구가 있다[12].
그렇기에 보행 중 가장 충돌이 많으며 그만큼 시각장애인에게 위험을 줄 수 있는 빈도가 가장 높다. 시각장애인에게 가까이 접근하는 사람의 동작을 탐지하기 위해 mediapipe를 활용한다. mediapipe는 google에서 제공하는 AI 프레임위크로서, 영상 데이터에서 모델에 해당되는 객체를 비전 AI 기능을 파이프라인 형태로 인식한다.
실험데이터의 성능을 나타내기 위한 지표로 머신러닝 평가지표인 F1 스코어를 활용할 예정이다. F1스코어는 모델의 출력된 데이터를 활용해 True-Positives, True-Negative, False-Positives, False-Negative를 분류하여 정밀도와 민감도를 계산한다.
일반 보행자를 대표적인 움직임 있는 장애물로 정해 모델을 만들었다. 일반 보행자를 인식하기 위해 mediapipe[13]를 사용해 사람의 몸에 33개의 landmark를 지정해 사람을 인식되게 만들었다. mediapipe 모델을 검증해 본 결과 보행자의 precision 값이 0.

성능/효과

그림 4로 실행한 결과 약 3배의 오탐이 측정된 데이터가 오탐이 없어진 것이 실험을 통해 확인할 수 있었다. 결과 데이터를 통해 mediapipe와 YOLO를 융합하여 단독 사용보다 더 신뢰성 있는 탐지 알고리즘을 구현했다.
수집한 영상으로 mediapipe pose를 실행한 결과, 사람이 단독으로 촬영되고, 다른 객체가 적은 영상의 결과는 결괏값이 높게 측정되었다. 하지만 다양한 객체가 다수로 출현하는 영상의 경우에는 오탐률이 높아 표 1과 같이 정밀도, 민감도, 정확도, F1 스코어가 0.
실험을 진행한 결과 단독 알고리즘으로 실행에는 모든 객체가 탐지가 안 되는 경우가 발생했지만, 이를 보완하기 위한 융합 알고리즘 모델로 실행 시 18개의 상황에서 모든 객체를 탐지하여 높은 신뢰성을 표 4에서 확인할 수 있었다.
mediapipe만 가지고 모션 캡쳐 시 오탐이 발생하는 경우가 존재하기에 mediapipe와 YOLO를 융합한 알고리즘 사용을 제안한다. 융합 알고리즘을 사용해 본 결과 단일 알고리즘 때보다 오탐이 줄어드는 것을 확인할 수 있었다.

후속연구

본 논문에서는 여러 가지 mediapipe 모델 중 pose를 통해 사람의 모션 캡처를 할 것이다. mediapipe는 안드로이드, 웹, 파이썬에서 사용할 수 있어 접근성이 좋기 때문에, 본 논문에서 평시 보행 중에 저비용 영상 센서와 스마트폰을 활용 시 좋은 시너지가 기대된다. mediapipe pose 모델은 사람의 신체의 33개의 지점을 탐지한다.
보행 중 일반인에게는 대부분 상황은 문제가 없는 상황이지만, 시야 확보가 어려운 시각장애인은 발에 걸리는 장애물에 넘어지거나, 경사가 큰 내리막길에서 균형을 맞추지 못해 미끄러지는 등의 위험한 보행 상황이 일어날 수 있다. 시야 확보가 어려운 경우 눈을 대신해 카메라를 통해 촬영된 실시간 영상 데이터를 통하여 장애물 객체를 탐지하여 시야 확보가 어려운 사용자에게 청각적인 신호로 피드백하여 보행에 방해되는 장애물 객체 탐지 시 선제적으로 회피할 수 있게 보장할 것을 기대한다.
하지만 길거리에는 학습시키지 못한 장애물 객체들도 존재한다. 이러한 아쉬운 점을 개선하기 위해 객체별 학습뿐만 아니라 물리적인 장애물을 탐지하는 알고리즘을 추가 연구할 예정이며, 학습시킨 이외의 물리적인 객체는 피드백을 통해 추가 학습시켜 더 안전한 모델을 제작 진행할 것이다.

참고문헌 (24)

Korea Employment Agency for Persons with？Disabilities(KEAD), 2023, https://www.kead.or.kr/
minisrty of land, infrastructure and transport, 2022,？http://www.molit.go.kr/portal.do
JH Kim, CW Oh, YH Nam, "A Qualitative Study of？the Independent Walking Experience of the People with？Visual Impairments," The Korean Journal of Visual？Impairment, Vol. 37, No. 1, pp. 63-81, 2021.？http://dx.doi.org/10.35154/kjvi.2021.37.1.63
National Information Society Agency (NIA), 2021,？https://www.nia.or.kr/site/nia_kor/main.do
National Information Society Agency (NIA), 2022,？https://www.nia.or.kr/site/nia_kor/main.do
Apple VoiceOver, 2023,？https://www.apple.com/kr/accessibility/vision/
JH Kim, SJ Kim, DY Lee, MG Jeon, JH Kim, SB Jeon,？DM Seo, "Artificial Intelligence-based Forward of？Object Detection for Visually Impaired People," Korea？Computer Congress 2021 (KCC2021), Vol. 2021, No.？6, pp. 1978-1980, June 2021.？https://www.dbpia.co.kr/Journal/articleDetail?nodeIdNODE10583501
SB Ou, JW Lee, "Implementation of a Bollard？Recognition System for Safe Walking of the Visually？Impaired," Korea Computer Congress 2019 (KCC2019),？Vol. 2019, No. 6, pp. 901-903, June 2019.？https://www.dbpia.co.kr/journal/articleDetail?nodeIdNODE08763367
SH Jin, KD Kim, MS Kim, JY Shin, SH Chae, "Lidar？and VO Based Wireless Walk Guide System for Blind？People," ICT Convergence Korea 2020, Vol. 2020, No.？11, pp. 417-418, November 2020.？https://www.dbpia.co.kr/journal/articleDetail?nodeIdNODE10501269
SH Cho, HJ Kim, SS Park, YJ Choi, SW Lee, "A？Study on Mobile-based Obstacle Detection for Blinds,"？The Kips Spring Conference 2021, Vol. 28, No. 1, pp.？433-436, May 2021.？https://kiss.kstudy.com/Detail/Ar?key3893687
BH Ahn, JU Kim, "YOLOv5-based Optimization Study？Considering Speed and Accuracy in Mobile？Environment," Korea Software Congress 2022, Vol.？2022, No. 12, pp. 1604-1606, December 2022.？https://www.dbpia.co.kr/journal/articleDetail?nodeIdNODE11224537
ST Oh, KD Jeong, HM Kim, YK Kim, Young-Keun？Kim, "Development of Street Crossing Assistive？Embedded System for the Visually-Impaired Using？Machine Learning Algorithm," Jourmal of the HCI？Society of Korea, Vol. 14, No. 2, pp. 41-47, May 2019.？https://doi.org/10.17210/jhsk.2019.05.14.2.41

원문보기 상세보기
Mediapipe, August 18th 2023,？https://developers.google.com/mediapipe
YOLO, August 18th 2023,？https://pjreddie.com/darknet/yolo/
HY Kim, SY Lee, DY Kim, SJ Jo, "An Analysis on？O&m Ability Status and Needs of People with Visual？Impairments for the Development of AI Guide Robot,"？The Korean Journal of Visual Impairment, Vol. 39, No.？2, pp. 99-121, 2023.？http://dx.doi.org/10.35154/kjvi.2023.39.2.99
US Ji, KS Kim, CJ Ahn, "Mobility Servixe？Improvement for the Visually Impaired," Gyeonggi？Research Institute, Vol. 2022, No. 17, pp. 1-89, July？2022.？https://www.dbpia.co.kr/Journal/articleDetail?nodeIdNODE11155084
HR Yoon, SJ Ryu, EA Jo, JI Yoo, JH Kim,？"LSTM-Autoencoder-Based Anomaly Detection for？Orthopedic Diseases Using MediaPipe Gait Models,"？Korea Software Congress 2022, Vol. 2022, No. 12, pp.？613-615, December 2022.？https://www.dbpia.co.kr/Journal/articleDetail?nodeIdNODE11224187
ES Ju, HG Im, SM Lee, SI Park, CH Jeon, YS Jung,？"Implementation of Fall Accident Detection System,"？Proceedings of KSCI Conference 2022, Vol. 30, No. 2,？pp. 461-462, July 2022.？https://www.dbpia.co.kr/journal/articleDetail?nodeIdNODE11140451
CM Kwak, YS Kim, JB Lee, JM Jung, CJ Yoo, "Deep？Learning-Based Abnormal Behavior Detection and？Monitoring Service for the Senior Living Alone,"？Proceedings of KIIT Conterence 2022, Vol. 2022, No.？6, pp. 461-465, June 2022.？https://www.dbpia.co.kr/journal/articleDetail?nodeIdNODE11082577
JY Kim, ES Kang, "Korean Finger Spelling？Recognition Using Hand Landmarks," The Journal of？KINGComputing, Vol. 18, No. 1, pp. 81-91, 2022.？http://doi.org/10.23019/kingpc.18.1.202202.008
JY Kim, H Sim, "Development of a Sign Language？Learning Assistance System using Mediapipe for Sign？Language Education of Deaf-Mutility," The Journal of？The Korea Institute of Electronic Communication？Sciences, Vol. 16, No. 6, pp. 1355-1362, December？2021.？https://www.dbpia.co.kr/journal/articleDetail?nodeIdNODE11317341
DY Park, SB Lim, "Object Detection Algorithm for？Explaining Produce to the Visually Impaired," The？Journal of the Korea Contents Association, Vol. 22, No.？10, pp. 1-10, October 2022.？https://doi.org/10.5392/JKCA.2022.22.10.001

원문보기 상세보기
JK Kang, V Bajeneza, SM Ahn, MW Sung, YS Lee,？"A Method to Enhance the Accuracy of Braille Block？Recognition for Walking Assistance of the Visually？Impaired: Use of YOLOv5 and Analysis of Vertex？Coordinates," Journal of KIISE (JOK), Vol. 49, No. 4,？pp. 291-297, April 2022.？https://doi.org/10.5626/JOK.2022.49.4.291

상세보기
HS Cho, MJ Lee, YJ Han, "Kubernets-based？Framework for Improving Traffic Light Recognition？Performance: Convergence Vision AI System based on？YOLOv5 and C-RNN with Visual Attention," Annual？Conference of KIPS 2022, Vol. 29, No. 2, pp. 851-853,？November 2022.？https://kiss.kstudy.com/Detail/Ar?key3988580

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