본 연구실은 다양한 센서 데이터를 활용한 인공지능 기반 분석 및 응용 기술 개발에 주력하고 있습니다. 특히 mmWave 레이더, 영상, 가속도계, GPS 등 다양한 센서로부터 수집된 데이터를 효과적으로 처리하고, 이를 바탕으로 사람 행동 인식, 손동작 인식, 실내외 위치 추정, 생체 신호 측정 등 다양한 응용 분야에 적용하고 있습니다. 이러한 연구는 센서 데이터의 특성을 고려한 신호 전처리, 특징 추출, 딥러닝 모델 설계 및 최적화 등 다각적인 접근을 통해 이루어집니다. 예를 들어, mmWave 레이더 기반의 손동작 인식 시스템은 기존의 영상 기반 인식 기술이 갖는 한계를 극복하고, 다양한 환경에서 높은 정확도와 실시간성을 달성할 수 있도록 경량화된 딥러닝 모델을 개발하고 있습니다. 또한, 영상 분석을 통한 운동 자세 교정, 무인 매장 관리, 임산부 인증 출입 관리 등 실제 생활에 밀접한 응용 사례를 다수 연구하여 사회적 파급력을 높이고 있습니다. 이와 더불어, 센서 융합 및 데이터 통합 기술을 통해 복잡한 환경에서도 신뢰성 높은 인식 및 예측이 가능하도록 연구를 확장하고 있습니다. 이러한 연구는 스마트 홈, 스마트 팩토리, 헬스케어, 로봇 등 다양한 산업 분야에 적용될 수 있으며, 미래 지능형 IoT 시스템의 핵심 기반 기술로 자리매김하고 있습니다.

연구실은 지능형 IoT(사물인터넷) 시스템의 효율적 데이터 수집, 전송, 처리 기술 개발에도 집중하고 있습니다. 다양한 IoT 디바이스와 이기종 네트워크 환경에서 발생하는 대용량 데이터를 효과적으로 수집하고, 에너지 효율적이며 지연이 적은 방식으로 전송할 수 있는 네트워크 프로토콜 및 게이트웨이 기술을 연구합니다. 이를 위해 딥러닝 및 강화학습 기반의 오프로딩, 전송 전략, MAC 프로토콜 최적화 등 첨단 네트워크 기술을 적용하고 있습니다. 특히, 제한된 자원을 가진 엣지 디바이스에서의 딥러닝 모델 경량화, 데이터 전처리, 패킷 분할 및 전송 효율화 등 실질적인 IoT 환경에서 요구되는 다양한 문제를 해결하고 있습니다. 또한, 실내외 위치 인식, 누수 감지, 무선 네트워크 보안 등 다양한 응용 분야에서 IoT 기술의 실용적 가치를 높이고 있습니다. 이러한 연구는 스마트 시티, 스마트 팩토리, 환경 모니터링, 헬스케어 등 다양한 산업 현장에서 실질적으로 적용될 수 있으며, 차세대 IoT 인프라의 핵심 기술로서 국내외 학술지 및 특허를 통해 그 우수성을 인정받고 있습니다.