RnDCircle Logo
arrow left icon

이은주 연구실

한양대학교 스마트융합공학부

이은주 교수

이은주 연구실

스마트융합공학부 이은주

이은주 연구실은 한양대학교 ERICA캠퍼스 스마트융합공학부 소속으로, 인공지능과 컴퓨터 비전, 패턴 인식, 영상처리 분야에서 선도적인 연구를 수행하고 있습니다. 연구실은 인공지능 기술을 건축설계 자동화 및 BIM 기반 평가 시스템에 적용하여, 설계 검토와 인증 과정을 혁신적으로 개선하는 데 주력하고 있습니다. ChatGPT와 같은 최신 AI 모델을 활용한 대화형 평가 시스템, BIM 모델의 기하정보와 평가 룰셋 연동 등 다양한 자동화 모듈을 개발하여, 건축 분야의 효율성과 신뢰성을 높이고 있습니다. 또한, 연구실은 컴퓨터 비전 및 패턴 인식 기술을 기반으로 한 지능형 영상처리 연구에도 집중하고 있습니다. 드론과 열화상 카메라를 활용한 자동 싱크홀 탐지, 야간 보행자 검출, 교통 표지판 인식 등 실제 사회 문제 해결에 기여하는 다양한 연구를 진행하고 있습니다. 딥러닝, 랜덤 포레스트 등 첨단 머신러닝 기법을 융합하여 기존 방법보다 높은 정확도와 실용성을 확보하고 있습니다. 연구실은 국토교통부 등 다양한 기관과의 협력을 통해 실용적이고 현장 적용이 가능한 솔루션 개발에 힘쓰고 있습니다. 또한, 다양한 특허와 프로젝트, 학술대회 발표를 통해 연구 성과를 국내외에 널리 알리고 있으며, 오픈소스 기반의 기술 확산에도 앞장서고 있습니다. 이러한 연구 역량은 KCC 우수논문상 등 다수의 수상 경력으로도 입증되고 있습니다. 이은주 연구실은 앞으로도 인공지능과 BIM, 컴퓨터 비전의 융합을 통해 스마트 건축, 친환경 건축 평가, 자율주행, 안전 모니터링 등 미래 지향적 연구 분야에서 혁신을 선도할 계획입니다. 연구실은 학생들과 함께 창의적이고 실용적인 연구를 지속하며, 사회적 가치 창출과 기술 혁신에 기여하고자 합니다. 종합적으로, 이은주 연구실은 인공지능 기반의 건축설계 자동화와 지능형 영상처리 분야에서 국내외적으로 인정받는 연구 성과를 창출하고 있으며, 앞으로도 다양한 융합 연구를 통해 새로운 패러다임을 제시할 것입니다.

인공지능 기반 건축설계 자동화 및 BIM 평가 시스템
이은주 연구실은 인공지능 기술을 활용한 건축설계 자동화와 BIM(Building Information Modeling) 기반 평가 시스템 개발에 중점을 두고 있습니다. 최근 건축 분야에서는 설계의 복잡성과 데이터의 방대함으로 인해 효율적인 설계 검토와 인증이 필수적입니다. 본 연구실은 이러한 문제를 해결하기 위해 AI와 BIM을 융합한 자동화 평가 시스템을 개발하고 있습니다. 특히, ChatGPT와 같은 최신 인공지능 모델을 활용하여 설계 데이터의 변경 사항을 신속하게 반영하고, 대화형 인터페이스를 통해 설계자와의 소통을 강화하는 방법론을 연구합니다. 연구실은 BIM 모델의 기하정보와 설계 인증 평가용 룰셋을 연동하는 다양한 모듈을 개발하였으며, 설계 인증 평가의 정확성과 효율성을 높이기 위한 자동화 평가 기술을 지속적으로 발전시키고 있습니다. 이를 통해 설계자는 설계 데이터의 검토 과정을 빠르게 적용할 수 있으며, 평가 작업의 시간과 비용을 절감할 수 있습니다. 또한, 인공지능 학습모델을 평가 시스템에 연동하여, 설계 인증 평가의 품질과 신뢰성을 한층 강화하고 있습니다. 이러한 연구는 국토교통부 등 다양한 기관의 지원을 받아 진행되고 있으며, 실제 건축 현장에 적용 가능한 실용적인 솔루션 개발에 초점을 맞추고 있습니다. 앞으로도 연구실은 BIM과 인공지능의 융합을 통해 건축설계 자동화, 친환경 건축 평가, 설계 인증 등 다양한 분야에서 혁신적인 기술을 선도할 계획입니다.
컴퓨터 비전 및 패턴 인식 기반 지능형 영상처리
이은주 연구실은 컴퓨터 비전과 패턴 인식 기술을 활용한 지능형 영상처리 연구에 오랜 기간 집중해왔습니다. 대표적으로, 드론과 열화상 카메라를 이용한 자동 싱크홀 탐지, 야간 보행자 검출, 교통 표지판 인식 등 다양한 실세계 문제 해결에 영상처리 기술을 적용하고 있습니다. 이러한 연구는 도시 안전, 교통 시스템, 인프라 관리 등 사회 전반에 걸쳐 실질적인 기여를 하고 있습니다. 특히, 딥러닝 기반의 컨벌루션 신경망(CNN)과 랜덤 포레스트 등 다양한 머신러닝 기법을 융합하여, 기존 방법보다 높은 정확도와 효율성을 달성하고 있습니다. 예를 들어, 야간 환경에서의 보행자 검출 및 위험 행동 인식, EEG 신호 분석을 통한 자동차 제어 등은 연구실의 창의적이고 융합적인 연구 역량을 보여줍니다. 또한, 대규모 데이터셋 구축과 실험을 통해 실제 환경에서의 적용 가능성을 높이고 있습니다. 이러한 영상처리 및 패턴 인식 연구는 다양한 학술지와 학회에서 우수 논문상 등으로 인정받고 있으며, OpenCV 등 오픈소스 기반의 실용적인 기술 개발에도 앞장서고 있습니다. 앞으로도 연구실은 인공지능과 영상처리의 융합을 통해 스마트 시티, 자율주행, 안전 모니터링 등 미래 지향적 분야에서 혁신을 이끌어 나갈 것입니다.
1
Pedestrian Detection at Night Using Deep Neural Networks and Saliency Maps
JOURNAL OF IMAGING SCIENCE AND TECHNOLOGY, 2017
2
Recognizing pedestrian's unsafe behaviors in far-infrared imagery at night
INFRARED PHYSICS & TECHNOLOGY, 2016
3
Pedestrian's intention prediction based on fuzzy finite automata and spatial-temporal features
JOURNAL OF ELECTRONIC IMAGING, 2016