호소 생태계에 대한 생물측정망 조사 및 평가지침은 동물플랑크톤 조사의 편의성을 고려하여 출현 종 수와 개체 군밀도, 군집 지수 등을 상대적으로 비교하기 위해 수심 5 m 이하의 얕은 호소-수변부에서 사선끌기, 수심 20 m 이상 호소-전수심 수직끌기, 그 이상의 깊은 호소-20 m까지의 수심을 대상으로 한 수직끌기를 제시하고 있다. 본 연구에 서는 지침에서 제시하는 방법 중 사선끌기법과 20 m 수직 끌기법을 각각 전수심을 대상으로 한 조사 방법과 비교하여 동물플랑크톤 군집 정보의 차이 및 특성에 대해 분석 하였다. 군집 지수의 경우 수심이 얕은 호수에서의 사선끌 기법/수직끌기법 비교에서는 차이를 보이지 않은 반면, 수 심이 깊은 호소에서는 끌기 수심을 20 m로 제한할 경우보다 전수심 수직끌기를 적용했을 때 다양도 및 풍부도 지수 가 상승하는 것으로 나타났다. 또한, 사선끌기 및 20 m 수직끌기를 통해 채집한 동물플랑크톤 시료로부터 표면~저층 상층부까지의 전수심을 채집 대상으로 설정한 경우보 다 약 3배 정도 높은 개체군 밀도가 계산되어, 동물플랑크톤 총 개체 밀도가 크게 과대 평가되는 것으로 나타났다. 이러한 차이는 동물플랑크톤 수직 분포 특성상 발생하는 수층별 동물플랑크톤 개체 밀도 차이 및 여과된 원수량의 차이에서 비롯된 결과로 판단되며, 이에 따라 호소를 대변 하여 수체 간 또는 수체 내 변동을 보다 정확히 파악하고 호 내 2차 생산과 관련한 기능적 정량 지표로서 동물플랑크톤 군집 정보의 활용을 고려할 경우, 수심에 따른 개체 군밀도 분포와 전체 개체수 환산 시 수층별 기여율을 고려한 전수심 수직끌기 방법의 적용이 보다 적절할 것으로 분석되었다.

본 논문에서는 컬러정보와 깊이정보를 사용하여 얼굴을 검출하고 추적한 후 항해사의 졸음을 탐지하는 방법을 제안한다. 이 방법은 얼굴검출 과정과 얼굴추적 과정으로 구성된다. 얼굴검출 과정에서는 기존의 방법 중 가장 좋은 성능을 보이는 Adaboost 알고리즘을 사용하며, Adaboost로 입력되는 영상의 영역을 사람이 존재하는 영역으로만 제한하여 얼굴을 검출한다. 얼굴검출 과정에서 얼굴이 검출되면 그것을 템플릿으로 하여 얼굴추적 과정이 수행된다. 제안한 방법의 성능을 평가하기 위하여 실험영상을 이용하여 실험을 수행하였다. 실험결과 제안한 졸음탐지 방법은 기존의 방법에 비해 약 23 %의 수행시간을 보였으며, 또한 졸음탐지 방법은 추적시간과 추적 정확도에 있어서 상보적인 관계를 가지며, 특별한 경우를 제외한 모든 경우에서 약 1 %의 낮은 추적오차율을 보였다.

We generated a high resolution 3D object using a commercial DSLR camera and the low depth information of Kinect. High resolution depth map was obtained through camera calibration between the DSLR and Kinect sensor. 3D mesh model was created by the high resolution depth information and mapped with RGB color value. The experimental result showed that it is possible to create high resolution 3D object from the depth camera. This paper is expected to be applied to reality game graphic.

For the underwater localization, acoustic sensor systems are widely used due to greater penetration properties of acoustic signals in underwater environments. On the other hand, the good penetration property causes multipath and interference effects in structured environment too. To overcome this demerit, a localization method using the attenuation of electro-magnetic(EM) waves was proposed in several literatures, in which distance estimation and 2D-localization experiments show remarkable results. However, in 3D-localization application, the estimation difficulties increase due to the nonuniform (doughnut like) radiation pattern of an omni-directional antenna related to the depth direction. For solving this problem, we added a depth sensor for improving underwater 3D-localization with the EM wave method. A micro scale pressure sensor is located in the mobile node antenna, and the depth data from the pressure sensor is calibrated by the curve fitting algorithm. We adapted the depth(z) data to 3D EM wave pattern model for the error reduction of the localization. Finally, some experiments were executed for 3D localization with the fast calculation and less errors.