2차원 변환 및 딥러닝 기반 초전형 적외선 센서를 이용한 침입감지 시스템
DC Field | Value | Language |
---|---|---|
dc.contributor.author | 하태민 | - |
dc.contributor.author | 조성원 | - |
dc.date.accessioned | 2022-01-20T05:42:38Z | - |
dc.date.available | 2022-01-20T05:42:38Z | - |
dc.date.created | 2022-01-20 | - |
dc.date.issued | 2021 | - |
dc.identifier.issn | 1976-9172 | - |
dc.identifier.uri | https://scholarworks.bwise.kr/hongik/handle/2020.sw.hongik/24462 | - |
dc.description.abstract | 최근 딥러닝 기술들이 많이 발달한 시대에 여러 가지 센서들을 사용하여 특정 상황에 맞게제어할 수 있는 시스템들을 구축할 수 있게 되었다. 본 논문에서는 여러 가지 센서 중에PIR(Pyroelectric Infrared Sensor) 센서를 사용하여 배경, 사람, 불, 동물을 감지하여 침입 등의 위험 상황을 판별하는 시스템을 고안했다. 센서로부터 입력되는 신호들은 해당 상황들에대해 딥러닝 알고리즘을 사용하여 미리 학습한 후 판단할 수 있도록 설계하였다. 기존에PIR 기반 침입탐지 방법들과 탐지 정확도를 비교하는 실험을 수행한 결과, 제안된 방법이정확도 향상이 가능함을 확인하였다. | - |
dc.language | 한국어 | - |
dc.language.iso | ko | - |
dc.publisher | 한국지능시스템학회 | - |
dc.title | 2차원 변환 및 딥러닝 기반 초전형 적외선 센서를 이용한 침입감지 시스템 | - |
dc.title.alternative | 2-Dimension Transformation and Deep Learning Based Intrusion Detection System Using Pyroelectric Infrared Sensor | - |
dc.type | Article | - |
dc.contributor.affiliatedAuthor | 조성원 | - |
dc.identifier.bibliographicCitation | 한국지능시스템학회 논문지, v.31, no.6, pp.450 - 456 | - |
dc.relation.isPartOf | 한국지능시스템학회 논문지 | - |
dc.citation.title | 한국지능시스템학회 논문지 | - |
dc.citation.volume | 31 | - |
dc.citation.number | 6 | - |
dc.citation.startPage | 450 | - |
dc.citation.endPage | 456 | - |
dc.type.rims | ART | - |
dc.identifier.kciid | ART002798772 | - |
dc.description.journalClass | 2 | - |
dc.description.journalRegisteredClass | kci | - |
dc.subject.keywordAuthor | PIR | - |
dc.subject.keywordAuthor | Deep Learning | - |
dc.subject.keywordAuthor | Train | - |
dc.subject.keywordAuthor | Classification | - |
dc.subject.keywordAuthor | Intrusion Detection | - |
dc.subject.keywordAuthor | PIR | - |
dc.subject.keywordAuthor | 딥러닝 | - |
dc.subject.keywordAuthor | 2차원 변환 | - |
dc.subject.keywordAuthor | 학습 | - |
dc.subject.keywordAuthor | 분류 | - |
dc.subject.keywordAuthor | 침입감지 | - |
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
94, Wausan-ro, Mapo-gu, Seoul, 04066, Korea02-320-1314
COPYRIGHT 2020 HONGIK UNIVERSITY. ALL RIGHTS RESERVED.
Certain data included herein are derived from the © Web of Science of Clarivate Analytics. All rights reserved.
You may not copy or re-distribute this material in whole or in part without the prior written consent of Clarivate Analytics.