투과와 반사 타입의 네 가지 홀로그램을 동일한 공간에서 촬영할 수 있는 하이브리드 기록 시스템에 대해 연구하였다. 하이브리드 기록 시스템은 빔 스프린트와 스페셜 필터, 셔터를 적재적소에 설치해 간섭무늬를 만드는 빛 의 경로를 변화시켜 홀로그램을 촬영할 수 있게 했다. 기록 시스템은 노광 공간을 최소화 하였고 홀로그램 카메라로 적용할 수 있게 했다. 프레넬 홀로그램은 오브젝트를 좌우 방향에서 조명하여 고효율의 입체 영상이 표시되게 제작했 다. 리프만 홀로그램은 프레넬 홀로그램에서 공액으로 재생 된 실상을 이용하여 촬영했다. 데니슈크 홀로그램은 기록 재료의 뒷면에 오브젝트를 설치하여 노광했다. 기록재료는 빔 스프린터의 역할을 했다. 하이브리드 기록 시스템은 네 가지 홀로그램을 독립적이고 유기적으로 제작하기에 적합하였다. 한 대의 레이저로 구성 된 하이브리드 기록 시스템 에 의해 안정적으로 프레넬 홀로그램, 리프만 홀로그램, 데니슈크 홀로그램을 제작하기에 적합하였다. 하이브리드 기 록 시스템을 도입하여 투과와 반사 타입의 홀로그램을 제작 할 수 있었고 홀로그램 카메라로 실현 가능하다는 것을 확인하였다.

인간의 감성은 개인이 생활을 통하여 갖게 되는 자신의 기준에 의하여 동일한 외부자극에 대해서도 다양하게 나타난다. 이러한 감성은 성별이나 연령, 민족성 또는 거주 지역에 따라 동일한 칼라영상에 대해 다른 감성평가를 내릴 수 있다는 것이다. 이 개인적 기준은 논리적인 계산에서와 같이 단계적으로 적용되는 것이라기보다는 외부자극이 인식되는 과정에서 동시에 적용되고 주관성, 다의성, 애매 모호성, 상황 의존성이라는 성질을 갖는다. 본 논문에서는 이미지가 가지는 내재정보(RGB 컬러, HSI 공간 등)를 사용하여 특징점을 추출하고, 추출된 특징점에 따른 감성 분류를 사용하여 인간의 감성을 분석하는 감성 인식 모델을 설계하였다.

영상처리시스템(VIPS: Video Image Processing System)은 실시간으로 들어오는 영상정보를 분석하여 유용한 정보를 제공하며, 하나의 카메라로 여러 차로를 동시에 감시할 수 있는 알고리즘으로 교통량, 속도뿐만 아니라 밀도 및 점유율 등 다양한 정보를 제공한다. 영상검지시스템으로 상용화 제품은 Tripwire시스템으로 검지영역의 픽셀 변화량으로 차량검지를 하나, 이는 교통량, 속도 등 단편적인 정보에 국한될 수 밖에 없다. 반면, 영상검지시스템이 개별차량에 대한 추적시스템으로 개발할 경우 사고 및 차로 변경의 위험요소 감지 등 보다 다양한 정보를 제공할 수가 있다. 본 논문은 컴퓨터비전 기술을 이용하여 Tripwire에서 수집할 수 있는 교통정보와 동일한 정보를 제공하는 개별차량의 추적시스템을 개발하였으며 이 시스템을 실제 도로영상에 적용하여 상용화된 시스템과 결과를 비교함으로써 성능검증을 하였다.

This paper proposes real-time image-based damage detection method for concrete structures using deep learning. The proposed method is composed of three steps: (1) collection of a large volume of images containing damage information from internet, (2) development of a deep learning model (i.e., convolutional neural network (CNN)) using collected images, and (3) automatic selection of damage images using the trained deep learning model. The whole procedure of the proposed method has been applied to some figures taken in a real structure. This method is expected to facilitate the regular inspection and speed up the assessment of detailed damage distribution the without losing accuracy.

최근 인공지능에 대중의 관심으로 인해, 인공신경망을 사용한 의료영상 처리가 학계와 산업계에서 관심이 커져가고 있다. 딥러닝을 이용한 컨볼루션 신경망은 영상을 효과적으로 표현할 수 있는 것으로 증명되었다. 그러나 학습을 위해서는 고성능 H/W 플랫폼이 요구된다. 따라서 고차원의 많은 학습 샘플을 저사양 H/W 플랫폼에서 학습하는 것은 매우 도전적인 문제이다. 본 논문에서는 온라인 인공 신경망을 사용해 라즈베리파이에서 동작할 수 있는 실시간 신경망 알고리즘을 제안하고자 한다. 다양한 실험 결과를 통해 제안된 방법은 실시간 학습이 가능함을 보여주었다.

본 연구는 안드로이드 기반의 스마트폰을 이용한 실시간 표면영상유속계를 개발하는 것이다. 스마트폰이 내장한 카메라, GPS, 방향 센서, CPU를 활 용하여, 실시간으로 현장에서 하천의 표면유속을 측정하는 것이다. 먼저, 스마트폰의 GPS를 이용하여 측정 현장의 위치를 파악하고, 경사계(방향 센 서)를 활용하여 카메라와 촬영면의 기하적인 관계를 설정한다. 이 때 입력해야 할 유일한 변수는 수면과 카메라의 연직 높이뿐이다. 내장된 카메라로 정해진 시간만큼 동영상을 촬영한다. 촬영된 동영상을 개방 소스의 영상처리 라이브러리인 OpenCV를 이용하여 프레임별로 분할하고, 이를 시공간 영상 분석하여 하천 표면의 2차원 유속장을 추정한다. 시판되는 안드로이드 스마트폰에 적용하여 현장 시험한 결과 약 11초에 1회의 순간유속 측정 (1 초간의 평균유속 측정)을 할 수 있어, 현장에서 즉각적으로 하천 수표면의 표면유속을 측정할 수 있었다. 또한 이 순간유속을 수십회 반복한 뒤 평균하 여 시간평균유속을 구할 수 있었다. 개발된 시스템을 실험 수로에서 시험한 결과, 측정이 매우 효과적이며 편리하였다. 측정된 결과를 프로펠러 유속계 에 의한 측정값과 비교한 결과, 최대 오차 13.9%, 평균적으로 10%이내의 오차로 실험 수로의 표면 유속을 측정할 수 있었다.

표면영상유속계(SIV)는 영상 분석 기법을 이용하여 하천의 표면유속을 측정하고, 이를 토대로 유량을 산정하는 시스템이다. 본 연구에서는 고정식 표면영상유속계(FSIV) 시스템을 달천 수전교에 설치하여 실시간으로 연속적인 유량 측정을 실시하였다. 수전교에 적용된 FSIV의 하드웨어 시스템은 영상 획득을 위한 2대의 디지털 카메라와 컴퓨터, 그리고 수위 측정을 위한 초음파 수위계로 구성된다. 이 현장 장비들에서 획득된 실시간 영상과 수위 자료는 무선인터넷을