This paper presents a vision-based fall detection system to automatically monitor and detect people’s fall accidents, particularly those of elderly people or patients. For video analysis, the system should be able to extract both spatial and temporal features so that the model captures appearance and motion information simultaneously. Our approach is based on 3-dimensional convolutional neural networks, which can learn spatiotemporal features. In addition, we adopts a thermal camera in order to handle several issues regarding usability, day and night surveillance and privacy concerns. We design a pan-tilt camera with two actuators to extend the range of view. Performance is evaluated on our thermal dataset: TCL Fall Detection Dataset. The proposed model achieves 90.2% average clip accuracy which is better than other approaches.

본 연구에서는 백두산 화산 분화 시 발생할 것으로 예상되는 화산재 확산 피해에 대해 화산분화지역을 중심으로 그 주변 지역의 공간적 피해를 시뮬레이션(WRF 및 FALL3D)을 통해서 예상피해를 제공하는 프로그램을 구현하여 화산재 확산 가시화를 수행한다. 화산재해의 공간적 피해를 정량적으로 계산한 결과 값의 집합체(NetCDF)를 이용하여 Fall3D방식에 의한 화산재 확산모형을 표현하고 확산을 표현하기 위해 전처리된 확산 모델 결과 데이터를 입력받아 3차원으로 표현하고 가시화하는 방식에 대한 연구를 통해 효과적인 화산재의 확산을 시각화할 수 있도록 단위영역별 농도표시법, LOD적용방법, 적층레이어 효과 등을 사용하여 최적의 가시화 방법을 찾았다. 시도된 방식 중 LOD적용은 고농도 부분은 화산재 격자의 개수를 많게 표현하고 저농도에서는 화산재의 개수를 적게 표현하여 현실감을 극대화 하도록 프로그램을 구성하였으며, 현실적인 시각화를 위해 느슨한 옥트리(Loose Octree) 표현방식을 사용하여 LOD기법을 적용하였다. 최종적인 가시화 방식으로 선택한 적층레이어 표현 방식은 입자총농도(CON)내에 포함된 레이어(10개~ 61개)를 적절한 간격으로 선택하여 적층 가시화하고 투명효과를 적용하였다. FALL3D의 시뮬레이션 방식이 단위면적당 농도값을 나타내는 결과를 나타내는 결과파일이 고용량(1GB이상)이므로 가시화를 위해 데이터를 다운로드하고 표출하는 시간을 단축하기 위한 기술개발이 지속적으로 필요하다.