거주민의 도시 건조환경(Urban Built Environment)에 대한 인식은 도시연구, 도시계획 및 도시설계에 중요한 요소이다. 범죄불안감이란 특정 장소와 특정 범죄에 대해서 느끼는 범죄 발생 가능성에 대한 불안감의 심리량을 의미하는데, 이는 개개인의 주관적인 평가이다. 범죄불안감은 실제 범죄율보다 빠르게 증가하고 있어, 사람들이 범죄불안감을 느끼는 지역을 찾는 것은 범죄예방 에 효과적이며 중요한 과정이다. 하지만 기존 연구에서 도시 건조환경에 대한 불안감 측정은 소수의 사람과 제한된 범위를 대상으로 설문조사나 현장조사에 의존하여 제한적이었다. 본 연구의 목적은 거리영상과 딥러닝 기술을 활용하여 시민들이 느끼는 범죄 불안감 을 측정하고 시각화하는 것이며 연구대상지역은 서울시 영등포구이다. 거리영상을 활용하여 범죄불안감을 측정하기 위해서는 거리 영상에 대한 사람들의 범죄불안감을 측정하고, 이를 딥러닝 모델을 활용하여 평가점수를 예측하는 모델을 구축해야 한다. 이를 위해 본 연구에서는 카카오맵 API를 활용하여 거리영상을 수집하였다. 수집한 영상 중 20,886장의 거리영상을 활용하여 상대적으로 불안감을 느끼는 거리가 어느 쪽인지를 응답하도록 하는 171,942개의 훈련데이터 셋을 구축하였다. 구축된 쌍별비교 데이터 셋으로 Global-Patch-RSS-CNN모델을 훈련 후, 훈련된 모델을 연구대상 지역 전체에 적용하여 범죄불안감 예측점수를 도출하고 시각화였 다. 본 연구는 거리영상과 딥러닝 기술을 활용하여 도시의 범죄불안감을 측정하는 첫 사례를 제시하였다는 점, 그리고 범죄불안감이 높게 평가되는 지역의 환경 특성을 분석하여, 효과적인 도시 계획 및 범죄 예방 전략 수립에 기여할 수 있다는 점에 의의가 있다.

본 연구에서는 DWI 적용 시 X축 거리에 따른 신호 손실과 인공물 발생 여부를 SS-EPI 기법과 비교 분석하여, MS-EPI 기법의 특성을 제시하고 임상 적용 관련 기초자료를 제시하고자 하였다. 3.0T 자기공명영상장치와 팬텀을 사용 하여 자기장 중심축과 좌우 끝 지점 ±3cm, 3번씩 움직여 표준 영상인 T2 강조영상과 SS-EPI DWI, MS-EPI DWI(RESOLVE) 축상면 영상을 획득하였다. 각 동일 부위에서의 SS-EPI DWI, MS-EPI DWI 영상을 T2 강조영상과 감산하여 신호 손실 직경을 측정하여 정량적 분석을 하였다. 정성적 평가는 나이퀴스트 허상과 기하학적 왜곡과 신호 손실, 인공물 발생 여부를 방사선사 3명이 비교평가 하였다. 두 기법 모두 오프 센터(off-center)로 이동할수록 신호 손실구간 또는 기하학적 왜곡이 나타나는데, 특히 MS-EPI 기법에서는 좌우 신호 손실 현상이 매우 증가해 –25, +25 cm 구간에서 는 약 50% 길이가 감소하였다. MS-EPI 기법은 근골격계 질환에서 기존에 매우 높은 영상 유용성을 인정받고 있다. 그러 나 k-공간을 분할 하여 채우는 MS-EPI 기법은 오프 센터의 낮은 공간 주파수 획득 시 위상변동 보정이 안 되어 신호 손실구간이 나타나며, 이에 관한 연구는 전혀 없는 실정이다. 이에 따라 본 연구는 기존의 선행 연구에서의 보여주지 못한 임상적 적용 시 MS-EPI 기법의 문제점을 파악하면서 이러한 정보를 공유하고 추가적인 연구에 토대가 될 수 있는 기초를 마련했다는 점에 의의가 있다.

보행환경은 개인의 영역이자 공공 공간으로서 시민들의 일상생활에 매우 중요한 요소이다. 보행환경의 중요성이 인지되면서 국가적 차원에서도 보행환경 실태조사를 전국 지자체가 5년마다 시행하도록 법으로 규정하는 등 체계적인 실태조사가 필요한 실정이다. 하지만 보행환경에 대한 실태조사는 일부 지역을 대상으로 현장 조사에 의지하는 등 실태조사 방법론에 있어서는 기존의 한계를 벗어나지 못하고 있다. 본 연구는 고해상도 거리 영상과 딥러닝 기술을 활용한 보행환경 평가 지표 개발을 목표로 하였다. 보행환경 평가 지표 개발을 위해 보행환경 평가와 관련된 국내외 문헌 및 딥러닝 기술을 활용한 보행환경 평가 연구를 리뷰를 토대로 보행환경 평가 지표 초안을 개발하고, 도출된 보행환경 평가 지표의 구체적 데이터 구축 가능성을 확인하기 위해 거리 영상의 시멘틱 세그멘테이션(semantic segmentation) 결과 정확도와 영상 외 필요한 자료에 대한 취득 가능성을 검토한 후 최종 보행환경 평가 지표를 제안하였다. 도출된 보행환경 평가 지표는 안전성, 편리성, 쾌적성, 접근성 4개 카테고리에 8개 지표를 활용하는 것을 제안하였다. 본 연구의 결과는 현장 관찰 조사나 설문조사에 기반한 기존 보행환경 연구의 한계점을 탈피하고 고해상도 거리 영상과 딥러닝 기술을 활용한 도시 연구의 지능화 계기를 마련하고 보행환경 평가 업무를 보다 효율적으로 수행할 수 있는 초석이 될 것으로 기대한다.

목 적：자기공명검사 검사 시 병변을 포함한 영상의 신호강도를 최대로 하기 위해서는 영상화하고자 하는 목적 부위를 코일 중심에 위치시켜야 한다. 그러나 목적 부위의 크기나 형태 등 여러 원인에 의해 코일 중심과 거리가 멀어질 수 있는데, 이러한 경우 신호강도가 저하되어 병변 위치의 확인이 불분명하게 된다. 이에 본 연구에서는 영상화하려는 목적 부위와 코일 중심 간 거리 변화에 따른 신호강도를 측정하여 코일 중심 과 신호강도가 동일한 기준 거리를 제시함으로써 여러 원인에 의해 코일 중심과 목적 부위 간 거리가 멀어질 경우 신호강도가 저하되는 문제점을 개선하고자 하였다. 대상 및 방법：연구방법은, 원통형 팬텀을 코일 중심을 기준으로 상, 하 방향으로 1cm씩 이동해 가며 10cm까지 영상을 획득한 후 코일 중심과 신호강도가 동일한 기준 거리를 제시하기 위해 신호강도를 측정하여 비교 평가 하였다. 영상은 3.0T 자기공명영상장치와 6채널 SENSE Cardiac 코일을 사용하여 T1, T2 강조영 상을 획득하였으며, 획득한 영상은 영상 중심에 150mm2의 관심영역을 설정하여 신호강도를 측정하였 고, 측정된 신호강도는 일원배치분산분석과 사후분석을 이용하여 유의한 차이가 있는지 판단하였다. 결 과：연구결과 T1, T2 강조영상 모두 상, 하 방향으로 코일 중심에서 팬텀이 멀어질수록 신호강도가 감소하였 다. 코일 중심과 팬텀과의 거리변화에 따른 신호강도에 차이가 있는지 알아보기 위해 일원배치분산분석 을 시행한 결과 T1, T2 강조영상 모두 유의확률이 0.000으로 나타나 거리변화에 따른 신호강도의 차이 가 있음을 알 수 있었다. 차이가 있는 값을 알아보기 위해 사후분석을 시행한 결과 T1 강조영상은 유의수 준 0.05에 대한 집단 간 차이가 14개로 나타났으나 기준인 코일 중심의 신호강도와 유의한 차이가 없는 신호강도는 상방향 1cm부터 4cm까지였고, T2강조영상은 집단 간 차이가 11개로 나타났으나 유의한 차 이가 없는 신호강도는 상방향 1cm부터 5cm까지와 하방향 1cm부터 2cm 까지였다. 결 론：목적 부위를 코일 중심에 위치시키지 못할 경우 신호강도는 거리에 따라 저하된다. 이에 저자들은 코일 중심과 신호강도가 동일한 기준 거리를 제시하여 여러 원인에 의해 목적부위가 코일 중심에서 멀어질 경우 신호강도가 저하되는 문제점을 개선하고자 하였다. 연구결과 T1 강조영상은 코일 중심에서 상방향 4cm이내, T2 강조영상은 상방향 5cm와 하방향 2cm이내가 코일 중심과 신호강도가 동일하였다. 따라서 여러 원인에 의해 코일 중심에 목적 부위를 위치시키지 못할 경우 본 연구가 제시한 기준 거리 이내로 목적 부위를 위치시킨다면 코일 중심과 거리가 멀어져 신호강도가 저하되는 문제점을 개선할 수 있다.

중요무형문화재 제98호 경기도도당굿 군웅거리 선굿춤의 순서와 시작위치, 방수밟기 방향에 대한 규칙성을 찾아 이론을 정립하는데 목적을 두었다. 무녀 오수복은 1990년 10월 66세에 보유자로 인정되어 2005년까지 경기도도당굿을 직접 연행했다. 82세 무렵 병석에 들었고 2011년 12월 87세에 사망했다. 오수복의 군웅 선 굿 영상자료는 1986년부터 2003년까지의 것을 사용했다. 영상 14편을 도표로 만들고 그 내용을 비교 분석하 였다. 영상자료 분석 결과는 다음과 같다. 군웅거리 순서는 크게 두 개의 형식으로 연행되었다. 첫째는 ① 부채방울놀음－② 장삼놀음－③ 소머리놀음 －④ 징놀음－⑤ 닭놀음(활놀음 포함)－⑥ (소매놀음)－⑦ 쌍군웅의 순서이다. 둘째는 ① 부채방울놀음－② 장 삼놀음－③ 소머리놀음－④ 닭놀음(활놀음 포함)－⑤ (소매놀음)－⑥ 징놀음－⑦ 쌍군웅의 순서다. 1993년과 1994년, 그리고 2000년 이후 현재까지 연행되고 있는 방식은 첫 번째이다. 선굿춤 시작 위치는 실제 마을굿과 공연용에 차이가 있어야 마땅한데, 오수복은 보유자로 인정된 후 공연용 위치에서 선굿을 시작했다. 마을굿 형식은 1986년 이용우의 지시로 단 한번 굿상의 남쪽에 서서 북쪽을 향해 선굿을 했다. 1990년 이후의 영상은 모두 본상과 군웅상의 중앙에서 남쪽을 향해 군웅굿을 연행했다. 하지만 공연과 굿을 구별하여 전통 의례 방식을 정립하여야 한다고 제언했다. 군웅 선굿춤의 방수밟기 방향은 14편의 영상 중 9편이 좌회선으로 돌았고, 4편이 우회선, 1편만 좌회선과 우회선을 혼용하여 돌았다. 1990년대 영상들은 주로 좌회선이다. 90년대는 오수복의 2000년대 활동 상황에 비하여 신체적․정신적 건강이 양호한 때이므로, 신체기억에 의한 좌회선 표현이 자연스럽게 몸에 익어서 동 작된 것이라고 보았다. 본 연구는 오수복 사후, 이수자들의 군웅거리 집전에 있어서 특히 혼란을 일으키고 있는 선굿춤의 순서와 시작위치, 방수밟기의 원형성 문제를 해결할 수 있는 실마리를 제공하고자 하였다.

This paper proposes a novel face detection method that finds tiny faces located at a long range even with low-resolution input images captured by a mobile robot. The proposed approach can locate extremely small-sized face regions of 12x12 pixels. We solve a tiny face detection problem by organizing a system that consists of multiple detectors including a mean-shift color tracker, short- and long-rage face detectors, and an omega shape detector. The proposed method adopts the long-range face detector that is well trained enough to detect tiny faces at a long range, and limiting its operation to only within a search region that is automatically determined by the mean-shift color tracker and the omega shape detector. By focusing on limiting the face search region as much as possible, the proposed method can accurately detect tiny faces at a long distance even with a low-resolution image, and decrease false positives sharply. According to the experimental results on realistic databases, the performance of the proposed approach is at a sufficiently practical level for various robot applications such as face recognition of non-cooperative users, human-following, and gesture recognition for long-range interaction.