정용진 연구실
전자통신공학과 정용진
정용진 연구실은 전자통신공학 분야에서 실시간 임베디드 시스템, 영상처리, 인공지능, 하드웨어 가속기 설계 등 다양한 첨단 기술을 융합하여 연구를 수행하고 있습니다. 연구실은 특히 FPGA, SoC 등 하드웨어 플랫폼을 기반으로 한 영상처리 및 인공지능 알고리즘의 실시간 구현에 강점을 가지고 있습니다. 이러한 기술은 차량용 ADAS, AVM, 보안 시스템, 스마트 디바이스 등 다양한 산업 분야에 적용되고 있습니다.
연구실의 주요 연구 분야는 실시간 영상처리 하드웨어 설계, 딥러닝 및 기계학습 알고리즘의 임베디드 최적화, 적분영상 및 특징점 추출 알고리즘의 하드웨어 구현, 그리고 실시간 객체 인식 및 추적 기술 등입니다. 또한, GAN, SVM, KNN 등 다양한 인공지능 기법을 활용하여 데이터 불균형, 복잡한 환경에서의 인식률 저하 등 실제 현장에서 발생하는 문제를 해결하고 있습니다. 이러한 연구는 실시간성과 저전력, 고성능을 동시에 만족시키는 시스템 구현에 초점을 맞추고 있습니다.
정용진 연구실은 자동차 전장 시스템, 보안 영상 시스템, 스마트TV, 멀티터치 인터페이스 등 다양한 응용 분야에서 실질적인 성과를 내고 있습니다. 예를 들어, 차량용 AVM 시스템의 자동 보정, 차선이탈 경보, 번호판 인식, X-ray 보안 이미지의 위협물 탐지, 얼굴 인식 및 초해상도 복원, 스마트 디바이스용 UI 개발 등 다양한 프로젝트를 성공적으로 수행하였습니다. 또한, 산학협력, 정부과제, 특허 출원 등 활발한 대외 협력과 기술 이전을 통해 산업 발전에도 기여하고 있습니다.
연구실은 하드웨어와 소프트웨어의 융합, 실시간 처리, 저전력 설계, 고성능 구현 등 첨단 기술을 바탕으로 차세대 스마트 시스템 개발에 앞장서고 있습니다. 이러한 연구 역량은 국내외 학술대회, 저널, 특허, 산학협력 등 다양한 성과로 이어지고 있으며, 학생들에게는 실무 중심의 연구 경험과 첨단 기술 습득의 기회를 제공하고 있습니다.
정용진 연구실은 앞으로도 인공지능, 임베디드 시스템, 영상처리, 하드웨어 가속기 등 핵심 기술을 기반으로 미래 지능형 시스템의 혁신을 선도할 것입니다. 사회적 요구에 부응하는 실질적이고 창의적인 연구를 지속적으로 추진하며, 산업계와 학계 모두에서 인정받는 연구실로 성장하고 있습니다.
Threat Detection
Anomaly Detection
Background Subtraction
실시간 임베디드 시스템을 위한 하드웨어 가속기 설계
정용진 연구실은 실시간 임베디드 시스템에서의 영상처리 및 인공지능 알고리즘의 효율적인 구현을 위한 하드웨어 가속기 설계에 중점을 두고 있습니다. 특히, FPGA 및 SoC 기반의 하드웨어 구조를 활용하여 CNN, SVM, SURF, SIFT 등 다양한 영상처리 및 기계학습 알고리즘을 실시간으로 처리할 수 있도록 최적화된 하드웨어 구조를 연구합니다. 이러한 연구는 차량용 ADAS(첨단 운전자 보조 시스템), AVM(어라운드 뷰 모니터링), 얼굴 및 객체 인식, 차선이탈 경보 시스템 등 다양한 응용 분야에 적용되고 있습니다.
연구실에서는 반복적이고 복잡한 연산을 병렬 처리와 파이프라인 구조를 통해 가속화함으로써, 제한된 임베디드 환경에서도 고성능을 달성할 수 있도록 설계합니다. 또한, 메모리 효율성을 극대화하기 위한 적분영상, 블록 구조, 고정 소수점 모델링 등 다양한 하드웨어 최적화 기법을 도입하여, 실시간 처리와 저전력 동작을 동시에 만족시키는 시스템을 구현하고 있습니다. 이러한 기술은 실제 FPGA 및 ASIC 칩 설계, 검증, 그리고 상용화까지 이어지고 있습니다.
이와 같은 하드웨어 가속기 설계 연구는 영상처리, 인공지능, 임베디드 시스템 분야의 융합을 통해 차세대 스마트 디바이스와 자율주행, 보안 시스템 등 다양한 산업 분야에서 핵심적인 역할을 하고 있습니다. 연구실의 성과는 국내외 특허, 논문, 산학협력 프로젝트 등으로 이어지며, 실질적인 산업적 파급효과를 창출하고 있습니다.
영상처리 및 인공지능 기반 보안·자동차 시스템
정용진 연구실은 영상처리와 인공지능 기술을 융합하여 보안 시스템과 자동차 전장 시스템의 지능화에 기여하고 있습니다. X-ray 보안 이미지에서의 위협물 탐지, 얼굴 인식, 객체 추적, 교통표지판 인식 등 다양한 영상 기반 보안 응용 분야에서 딥러닝, GAN, KNN, SVM 등 최신 인공지능 기법을 적용하여 높은 정확도와 실시간성을 동시에 달성하는 연구를 수행하고 있습니다. 특히, 데이터 불균형 문제를 해결하기 위한 GAN 기반 데이터 증강, 픽셀 단위의 세분화된 객체 검출, 자동 크롭 및 분할 알고리즘 등 실질적인 현장 문제 해결에 집중하고 있습니다.
자동차 분야에서는 AVM, LDWS(차선이탈 경보 시스템), FCWS(전방추돌 경보 시스템) 등 운전자 보조 시스템의 영상처리 알고리즘을 하드웨어와 소프트웨어가 통합된 형태로 구현하여, 실차 환경에서의 신뢰성과 실시간성을 확보하고 있습니다. 차량 주변 영상의 자동 보정, 차선 및 차량 검출, 번호판 인식 등 다양한 기능을 FPGA 및 SoC 기반으로 실현하여, 자율주행 및 스마트카 기술 발전에 기여하고 있습니다.
이러한 연구는 특허, 산학협력 프로젝트, 정부과제 등과 연계되어 실제 산업 현장에 적용되고 있으며, 국내외 학술대회 및 저널을 통해 활발히 발표되고 있습니다. 연구실의 기술은 보안, 교통, 스마트시티 등 다양한 분야에서 실질적인 사회적 가치를 창출하고 있습니다.
1
FP-GNN: A Graph Neural Network for Hardware Trojan Detection in Gate-Level Netlist
정용진, 안젤린
IEICE Transactions on Information and Systems, 202503
2
Implementing Region-Based Segmentation for Hardware Trojan Detection in FPGAs Cell-Level Netlist
정용진, 안젤린
ieice transactions on information and systems, 202311
3
Split and Eliminate: A Region-Based Segmentation for Hardware Trojan Detection
안젤린, 정용진
IEICE TRANSACTIONS on Information and Systems, 202303
