지능형 자녀 U-안심케어 시스템 개발
Development of Intelligent Children U-Safecare System
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
최근 어린이들의 관리에 관한 안전과 관련된 사고가 많이 일어나고 있다. 유치원버스에서 내리지 못 하여 사망하는 사건, 유치원이나 학원에서 폭력을 당하는 사건과 같은 자녀에 대한 관리부분에서 많은 부모들이 불안해 하고 있는 상황이다. 이를 해결하기 위해 본 논문에서는 지능형 자녀 안심 관리 시스템을 개발하고자 한다. 지능형 시스템을 개발하기 위해 RFID, GPS, 실시간 영상인식을 이용하고자 한다. 영유아의 주요활동 영역에 RFID 리더를 배치하고 인식하여 식별하고, 위치기반 서비스의 GPS위성을 통해 위치정보를 습득한 다음 Geocoding처릴 통해 소요시간을 예측한다. 위치인식기반의 가장 대표적인 두 기술을 이용하여 영유아의 버스 승차와 하차에 대한 관리와 이동위치에 대한 정보관리를 하게 된다. 그리고 실내에서의 활동은 실시간 CCTV로 촬영된 영상에서 ASM을 통해 얼굴의 특징점을 검출하고 HMM기법을 이용해 인식하여 정보를 저장한다. 저장된 정보는 시스템을 통해 정보를 연람하고 싶은 사람에게 실시간으로 제공되게 구현하였다. 시스템 구현은 영유아 관리, 등하교관리, 활동이력관리로 구성되어 있다. 추후 본 시스템을 활용하여 영유아에 대한 다양한 정보를 실시간으로 수집하고 이 정보를 활용하여 맞춤형 서비스도 함께 제공에 활용될 수 있을 것으로 예상된다.
Abstract
Recently, many accidents related to the safety of children have occurred. Many parents are concerned about the management of their children, such as deaths due to failure to get off the kindergarten bus or violence caused by kindergarten or academy. To solve this problem, this paper aims to develop an intelligent child safety management system. To develop an intelligent system, we will use RFID, GPS, and real-time image recognition. It locates, recognizes and identifies RFID readers in the main activity areas of infants and toddlers, acquires location information through GPS satellites of location-based services, and predicts the time required through geocoding. Two of the most representative technologies based on location recognition are used to manage bus rides and drop-offs for infants and children. And indoor activity detects facial feature points through ASM from video captured by real-time CCTV, and recognizes them using HMM technique to store information. The stored information is provided in real time to those who want to browse the information through the system. The system implementation consists of infant management, school attendance management, and activity history management. In the future, it is expected to collect various information about infants in real time using this system and to use it to provide customized services.
참고문헌 (15)
- W. Qingfeng, "Development and application of equipment maintenance and safety integrity management system", Journal of Loss Prevention in the Process Industries, 24(4), pp.321~332 (2011)
- P. Bahl, "RADAR: An In-building RF-based user localization and tracking system", Proc. of Infocom (2000)
- V. Kulyukin, "RFID in robot- assisted indoor navigation for the visually impaired", Proc. int. Conf. on Intelligent Robots and Systems, pp.1979~1984 (2004)
- M. Sichitiu, "Localization of wireless sensor networks with a mobile beacon", Proc. of MASS (2004)
- R. Rawassizadeh, "A generic moblie phone based life-log framwork", Personal and Ubiquitous Computing, 17(4), pp.621~637 (2013)
- A. Kroner, "A framework for ubiquitous content sharing", IEEE Pervasive Computing, 8(4), pp.58~65 (2009)
- 지명근, "배치 정규화와 CNN을 이용한 개선된 영상분류 방법", 인터넷정보학회논문지, 19(3), pp.35~42 (2018), 한국인터넷정보학회[DOI]
- A. Krizhevsky, "Imagenet classification with deep convolutional neural networks", Advances in neural information processing systems, 1097~1105 (2012)
- D. H. Ko, "Face verification based on deep convolutional nerual network", Journal of The Korean Institute of Information Scientists and Engineers (2017)
- 오정수, "얼굴 검증을 이용한 개선된 얼굴 검출", 한국정보통신학회논문지, 22(10), pp.1334~1339 (2018), 한국정보통신학회[DOI]
- P. Viola, "Rapid object detection using a boosted cascade of simple features", Computer Vision and Pattern Recognition, 1(1), pp.511~518 (2001)
- H. A. Rowley, "Neural network-based face detection", IEEE Patt, 20, pp.142~147 (1998)
- T. F. Cootes, "Active shape models-their training and application", comput. Vis. Image Understating, 61(1), pp.38~59 (1995)
- S. Milborrow, "Locating facial features with an extended active shape model", Lecture notes in computer science (2008)
- L-R. Rabiner, "A tutorial on hidden markov models and selected applications in speech recognition", Proc. IEEE,, 77(2), pp.257~286 (1989)