강대성 연구실은 영상신호처리 분야에서 오랜 기간 동안 심도 있는 연구를 진행해왔습니다. 영상신호처리는 디지털 이미지 및 비디오 데이터를 효과적으로 분석하고 처리하는 기술로, 객체 검출, 추적, 분할, 인식 등 다양한 응용 분야에 적용되고 있습니다. 본 연구실은 특히 딥러닝 기반의 영상 분석 기술을 활용하여 실시간 객체 검출, 보행자 인식, 얼굴 인식, 번호판 인식 등 다양한 영상 기반 인식 시스템을 개발해왔습니다. 최근에는 YOLO, SSD, Faster R-CNN 등 최신 딥러닝 모델을 활용한 객체 검출 알고리즘의 성능 개선에 주력하고 있습니다. 예를 들어, YOLO 기반의 실시간 화재 검출, 보행자 밀집 분석, 저해상도 영상에서의 객체 검출 등 다양한 실제 환경에 적용 가능한 기술을 개발하고 있으며, 데이터 증강, 특징 융합, 어텐션 메커니즘 등 첨단 기법을 적극적으로 도입하고 있습니다. 또한, 영상 내에서의 노이즈 제거, 디노이징, 색상 및 텍스처 정보를 활용한 객체 추적 등 영상 품질 향상 및 신뢰성 확보에도 많은 노력을 기울이고 있습니다. 이러한 연구는 자율주행, 스마트 팩토리, 지능형 CCTV, 교통 시스템, 재난 감지 등 다양한 산업 및 사회적 문제 해결에 기여하고 있습니다. 연구실은 실제 산업 현장과의 협업을 통해 기술의 실용화와 고도화를 추진하고 있으며, 관련 특허와 논문 발표, 산학협력 프로젝트를 활발히 수행하고 있습니다.

본 연구실은 영상 기반의 화재 및 재난 감지 시스템 개발에 있어 국내외적으로 선도적인 위치를 차지하고 있습니다. 기존의 센서 기반 화재 감지 방식의 한계를 극복하기 위해, 딥러닝 및 시계열 분석 기법을 활용한 실시간 화재 검출 및 추론 알고리즘을 연구하고 있습니다. 특히, Bayesian Neural Network(BNN), Attention BiFPN, MC-pseudo 라벨링, 준지도 학습 등 최신 인공지능 기술을 적용하여 화재 데이터의 부족, 오인식 문제, 실시간성 확보 등 다양한 난제를 해결하고 있습니다. 연구실은 CCTV, IoT 디바이스, 드론 등 다양한 영상 소스를 활용하여 화재 및 재난 상황을 신속하게 인지하고, 불확실성 분포 분석을 통해 오탐률을 최소화하는 시스템을 개발하고 있습니다. 또한, 데이터 증강 및 자동 라벨링 기술을 통해 학습 데이터의 품질과 양을 획기적으로 개선하고, 실제 산업 현장 및 공공 안전 분야에 적용 가능한 솔루션을 제공하고 있습니다. 이러한 연구는 화력발전소, 터널, 공장, 건물 등 다양한 환경에서의 화재 예방 및 대응 시스템으로 확장되고 있습니다. 본 연구실의 화재 감지 연구는 한국연구재단, 산업기술진흥원 등 다양한 국가 연구과제와 기업 협력 프로젝트를 통해 실질적인 성과를 창출하고 있습니다. 관련 특허 출원과 논문 발표, 국제 학술대회 수상 등으로 그 우수성을 인정받고 있으며, 앞으로도 인공지능 기반의 재난 대응 기술 고도화에 지속적으로 기여할 계획입니다.