Image-oriented information is becoming increasingly important on social networking services (SNS); the background of this trend is the popularity of selfies. Currently, camera applications using augmented reality (AR) and artificial intelligence (AI) technologies are gaining traction. An AR camera app is a smartphone application that converts selfies into various interesting forms using filters. In this study, we investigated the change of keywords according to the time flow of selfies in Goolgle News articles through semantic network analysis. Additionally, we examined the effects of using an AR camera app on appearance satisfaction and self-esteem when taking a selfie. Semantic network analysis revealed that in 2013, postings of specific people were the most prominent selfie-related keywords. In 2019, keywords appeared regarding the launch of a new smartphone with a rear-facing camera for selfies; in 2020, keywords related to communication through selfies appeared. As a result of examining the effect of the degree of use of the AR camera app on appearance satisfaction, it was found that the higher the degree of use, the higher the user’s interest in appearance. As a result of examining the effect of the degree of use of the AR camera app on self-esteem, it was found that the higher the degree of use, the higher the user’s negative self-esteem.

본 연구에서는 드론을 활용한 변위계측에서 드론의 회전진동 보정을 위해 드론 내부의 가속도계를 이용하는 방법 대신에 드 론 영상 내부의 변위가 발생하지 않는 고정점을 활용한 드론의 회전진동 보정방법을 제안하고자 한다. 영상 내부의 고정점을 활용한 드론 회전진동 보정을 위한 예비 연구로서, 카메라를 고정시킨 후 타겟을 회전하여 회전각도를 측정하는 실험과 회전하는 카메라를 통 해 변위가 발생하는 모형구조물의 변위를 계측하는 실험을 통해 카메라의 회전진동이 발생하는 경우 변위 계측정확도를 검증하였다. 변위가 3mm 이하로 발생 시 카메라 진동이 발생하였을 때 계측 신뢰도가 낮은 반면, 변위가 3mm를 초과하여 발생한 경우 비교적 정 확하게 계측되었다.

자율운항선박이 상용화되어 연안을 항해하기 위해서는 해상의 장애물을 탐지할 수 있어야 한다. 연안에서 가장 많이 볼 수 있 는 장애물 중의 하나는 양식장의 부표이다. 이에 본 연구에서는 YOLO 알고리즘을 이용하여 해상의 부표를 탐지하고, 카메라 영상의 기하 학적 해석을 통해 선박으로부터 떨어진 부표의 거리와 방위를 계산하여 장애물을 시각화하는 해상물체탐지시스템을 개발하였다. 1,224장 의 양식장 부표 사진으로 해양물체탐지모델을 훈련시킨 결과, 모델의 Precision은 89.0 %, Recall은 95.0 % 그리고 F1-score는 92.0 %이었다. 얻 어진 영상좌표를 이용하여 카메라로부터 떨어진 물체의 거리와 방위를 계산하기 위해 카메라 캘리브레이션을 실시하고 해상물체탐지시 스템의 성능을 검증하기 위해 Experiment A, B를 설계하였다. 해상물체탐지시스템의 성능을 검증한 결과 해상물체탐지시스템이 레이더보 다 근거리 탐지 능력이 뛰어나서 레이더와 더불어 항행보조장비로 사용이 가능할 것으로 판단된다.

The most common symptoms of COVID-19 are high fever, cough, headache, and fever. These symptoms may vary from person to person, but checking for “fever” is the government’s most basic measure. To confirm this, many facilities use thermographic cameras. Since the previously developed thermographic camera measures body temperature one by one, it takes a lot of time to measure body temperature in places where many people enter and exit, such as multi-use facilities. In order to prevent malfunctions and errors and to prevent sensitive personal information collection, this research team attempted to develop a facial recognition thermographic camera. The purpose of this study is to compensate for the shortcomings of existing thermographic cameras with disaster safety IoT integrated solution products and to provide quarantine systems using advanced facial recognition technologies. In addition, the captured image information should be protected as personal sensitive information, and a recent leak to China occurred. In order to prevent another case of personal information leakage, it is urgent to develop a thermographic camera that reflects this part. The thermal imaging camera system based on facial recognition technology developed in this study received two patents and one application as of January 2022. In the COVID-19 infectious disease disaster, ‘quarantine’ is an essential element that must be done at the preventive stage. Therefore, we hope that this development will be useful in the quarantine management field.

본 논문은 선박 기관실 내의 효율적인 감시를 위한 팬-틸트-줌(PTZ) 카메라 기반의 모니터링 시스템의 설계 방법을 다룬다. 선 박 기관실에는 여전히 전통적인 아날로그 계기들을 사용하는 곳이 많고, 침수나 화재 등 안전과 밀접하게 관련된 사각지대들이 다수 존 재한다. 이러한 감시 개소들에 대하여 비교적 빠른 주기로 넓은 범위를 보장하는 카메라 기반 감시 시스템은 선박의 안전을 강화시킬 수 있는 효과적인 대안이 될 수 있다. 이에 본 연구에서는 기존 PTZ 카메라의 기능들을 소프트웨어적 방법으로 더욱 강화시킨 형태의 모니 터링 시스템을 제안한다. 보다 구체적으로는 카메라제어 모듈, 위치등록 모듈, 순회제어 모듈, 멀티뷰 영상재구성 모듈로 구성된 모니터 링 시스템의 설계 방법을 제안하고, 제안된 방법은 기관실 환경에서의 실험을 통해 그 효용성을 평가한다.

In this paper, we propose dead pixel detection and compensation method using nonlinear estimator for infrared camera. Infrared camera has dead pixel that is abnormal output values due to complex factors such as manufacturing process, electronic parts and so on. Dead pixels are able to affect detecting a small target. So, It needs detection and Compensation process. However, after Compensation, some dead pixels are remained and detected by the human. They are soft dead pixel. The key idea of this proposed method, detecting soft dead pixels, is that design a nonlinear estimator using image data characteristics. This propose is able to not only detect soft dead pixels but also pixel Compensation that reflects infrared camera output characteristics well.

정상 망막을 가진 대상자에서 나타난 망막혈관 형태의 특이 양상을 보고하고자 한다. 안과적 병력이 없고 정상 시력인 22세 여성 대상자의 안저 검사를 실시하였다. 빛간섭 단층촬영 측정결과 망막신경섬유층 두께와 시신경유 두 함몰/시신경유두 직경은 정상이었다. 안저카메라를 이용한 망막혈관 분포의 양상을 확인한 결과 망막중심동맥이 기시하는 시신경유두 부위는 특이 양상은 없었으나 우안의 망막중심동맥이 귀쪽 방향으로 주행 후 상하분지로 나누어지는 현상이 관찰 되었다. 안과적 질환이 없는 정상안에서도 망막중심동맥의 형태를 분류하는 10개의 양상에 포함되지 않는 혈관의 주행이 있을 수 있어 추가적인 확인이 필요할 것으로 사료된다.

PURPOSES : This study uses deep learning image classification models and vehicle-mounted cameras to detect types of pavement distress — such as potholes, spalling, punch-outs, and patching damage — which require urgent maintenance. METHODS : For the automatic detection of pavement distress, the optimal mount location on a vehicle for a regular action camera was first determined. Using the orthogonal projection of obliquely captured surface images, morphological operations, and multi-blob image processing, candidate distressed pavement images were extracted from road surface images of a 16,036 km in-lane distance. Next, the distressed pavement images classified by experts were trained and tested for evaluation by three deep learning convolutional neural network (CNN) models: GoogLeNet, AlexNet, and VGGNet. The CNN models were image classification tools used to identify and extract the combined features of the target images via deep layers. Here, a data augmentation technique was applied to produce big distress data for training. Third, the dimensions of the detected distressed pavement patches were computed to estimate the quantity of repair materials needed. RESULTS : It was found that installing cameras 1.8 m above the ground on the exterior rear of the vehicle could provide clear pavement surface images with a resolution of 1 cm per pixel. The sensitivity analysis results of the trained GoogLeNet, AlexNet, and VGGNet models were 93 %, 86 %, and 72 %, respectively, compared to 62.7 % for the dimensional computation. Following readjustment of the image categories in the GoogLeNet model, distress detection sensitivity increased to 94.6 %. CONCLUSIONS : These findings support urgent maintenance by sending the detected distressed pavement images with the dimensions of the distressed patches and GPS coordinates to local maintenance offices in real-time.