최근 각종 위험요인이 증가함에 따라 범죄가 고도로 지능화되고 있다. 각국에서는 범죄율을 줄이고자 노력하고 있지만 매년 범죄율은 증가하고 있다. 특히 실제 범죄 발생 시 CCTV 영상 분석을 통해 범죄자를 검거하는 데, 이런 영상을 통한 범죄자 식별 작업은 경찰 인력을 사용하기 때문에 효율적이지 못하였다. 이에 얼굴 인식 시스템이 연구되고 있으나 기존의 연구된 방법들은 데이터의 종류나 특징에 따라 적중률이 낮아지는 문제점이 있었다. 이와 같은 문제를 해결하기 위해 얼굴 인식 시스템에서 ...
최근 각종 위험요인이 증가함에 따라 범죄가 고도로 지능화되고 있다. 각국에서는 범죄율을 줄이고자 노력하고 있지만 매년 범죄율은 증가하고 있다. 특히 실제 범죄 발생 시 CCTV 영상 분석을 통해 범죄자를 검거하는 데, 이런 영상을 통한 범죄자 식별 작업은 경찰 인력을 사용하기 때문에 효율적이지 못하였다. 이에 얼굴 인식 시스템이 연구되고 있으나 기존의 연구된 방법들은 데이터의 종류나 특징에 따라 적중률이 낮아지는 문제점이 있었다. 이와 같은 문제를 해결하기 위해 얼굴 인식 시스템에서 특징 벡터를 분류하는 데에 딥러닝을 사용하면 데이터의 종류에 상관없이 유동적으로 가장 최적화된 특징을 추출할 수 있다. 따라서 본 논문에서는 딥러닝 기반 범죄자 신원 인식 시스템에 대해 제안하였다. 또한, 얼굴 인식률을 증가시키기 위해 얼굴 인식 알고리즘인 CNN에서의 필터의 크기를 작게 하여 알고리즘 구조를 개선하였다. 본 논문에서 제안하는 시스템을 설계하기 위해 입력받는 영상 데이터에서 얼굴 영역을 추출하여 추출한 얼굴 영역을 정규화하여 딥러닝을 통해 특징 벡터를 추출하고 분류하여 신원 인식 후 결과를 전송하는 기능을 설계하였다. 구체적인 기능에 대해서는 기능 블록도 및 데이터 흐름도를 설계하였고 데이터를 정의하여 데이터베이스를 설계하였으며 시스템의 기능별 상호작용에 대한 시퀀스 다이어그램을 설계하였다. 본 논문에서 제안하는 시스템을 구현하기 위해 Linux Mint에서 C++, Python2 를 이용하였고 얼굴 영역 추출 및 신원 인식에 오픈소스 라이브러리인 OpenCV를 활용하여 구축하였다. 범죄자 정보와 사진 데이터를 입력하는 웹 페이지를 구현하였으며 해당 페이지를 통해 FTP에 파일을 전송받는 클라이언트 시스템을 구현하였다. 또한, 리눅스 서버를 통해 실시간으로 들어오는 영상 데이터를 분석하고 얼굴 영역을 추출하며 추출된 얼굴 영역에 대해 딥러닝을 적용하여 신원을 인식하는 시스템을 구현하였다. 본 논문에서 제안하는 시스템을 평가하기 위해 특징 분류기의 성능에 대해 기존 특징 분류기와 비교 평가를 수행하였으며 실제 시스템에 적용할 수 있는지에 대해서도 테스트를 시행하였다. 테스트 결과 제안하는 시스템이 기존 특징 분류기 중 성능이 가장 우수한 분류기보다 적중률은 4.99% 증가하였고, 오경보율은 1.26% 감소하였다. 따라서 본 논문에서 제안한 범죄자 신원 인식 시스템은 기존 연구보다 우수함을 확인하였다.
최근 각종 위험요인이 증가함에 따라 범죄가 고도로 지능화되고 있다. 각국에서는 범죄율을 줄이고자 노력하고 있지만 매년 범죄율은 증가하고 있다. 특히 실제 범죄 발생 시 CCTV 영상 분석을 통해 범죄자를 검거하는 데, 이런 영상을 통한 범죄자 식별 작업은 경찰 인력을 사용하기 때문에 효율적이지 못하였다. 이에 얼굴 인식 시스템이 연구되고 있으나 기존의 연구된 방법들은 데이터의 종류나 특징에 따라 적중률이 낮아지는 문제점이 있었다. 이와 같은 문제를 해결하기 위해 얼굴 인식 시스템에서 특징 벡터를 분류하는 데에 딥러닝을 사용하면 데이터의 종류에 상관없이 유동적으로 가장 최적화된 특징을 추출할 수 있다. 따라서 본 논문에서는 딥러닝 기반 범죄자 신원 인식 시스템에 대해 제안하였다. 또한, 얼굴 인식률을 증가시키기 위해 얼굴 인식 알고리즘인 CNN에서의 필터의 크기를 작게 하여 알고리즘 구조를 개선하였다. 본 논문에서 제안하는 시스템을 설계하기 위해 입력받는 영상 데이터에서 얼굴 영역을 추출하여 추출한 얼굴 영역을 정규화하여 딥러닝을 통해 특징 벡터를 추출하고 분류하여 신원 인식 후 결과를 전송하는 기능을 설계하였다. 구체적인 기능에 대해서는 기능 블록도 및 데이터 흐름도를 설계하였고 데이터를 정의하여 데이터베이스를 설계하였으며 시스템의 기능별 상호작용에 대한 시퀀스 다이어그램을 설계하였다. 본 논문에서 제안하는 시스템을 구현하기 위해 Linux Mint에서 C++, Python2 를 이용하였고 얼굴 영역 추출 및 신원 인식에 오픈소스 라이브러리인 OpenCV를 활용하여 구축하였다. 범죄자 정보와 사진 데이터를 입력하는 웹 페이지를 구현하였으며 해당 페이지를 통해 FTP에 파일을 전송받는 클라이언트 시스템을 구현하였다. 또한, 리눅스 서버를 통해 실시간으로 들어오는 영상 데이터를 분석하고 얼굴 영역을 추출하며 추출된 얼굴 영역에 대해 딥러닝을 적용하여 신원을 인식하는 시스템을 구현하였다. 본 논문에서 제안하는 시스템을 평가하기 위해 특징 분류기의 성능에 대해 기존 특징 분류기와 비교 평가를 수행하였으며 실제 시스템에 적용할 수 있는지에 대해서도 테스트를 시행하였다. 테스트 결과 제안하는 시스템이 기존 특징 분류기 중 성능이 가장 우수한 분류기보다 적중률은 4.99% 증가하였고, 오경보율은 1.26% 감소하였다. 따라서 본 논문에서 제안한 범죄자 신원 인식 시스템은 기존 연구보다 우수함을 확인하였다.
Recently, as various risk factors increase, crime is highly intelligent. Each country is striving to reduce the crime rate, but each year the crime rate is increasing. Especially, in order to clear up criminals through video analysis of CCTV at the time of actual crime occurrence, the identification...
Recently, as various risk factors increase, crime is highly intelligent. Each country is striving to reduce the crime rate, but each year the crime rate is increasing. Especially, in order to clear up criminals through video analysis of CCTV at the time of actual crime occurrence, the identification work of criminals through such images was not automated and it was not efficient. Although this face recognition system has been studied, the existing researched method has a problem that the hit rate is lowered according to the type and characteristics of data. In order to solve such a problem, deep learning can be used to classify feature vectors in the face recognition system. By using deep learning, it is possible to extract the most optimized characteristics fluidly regardless of the type of data. Therefore, in this paper, we proposed a deep learning based criminal identity recognition system. In addition, in order to increase the face recognition rate, the structure of the algorithm was improved by decreasing the filter size of CNN which is the face recognition algorithm. In order to design the system proposed in this paper, we extract face area from input video data. We then normalized the extracted face region, extracted feature vectors via deep learning, classified them, and designed a function to transmit results after identity recognition. For specific functions, we designed a functional block diagram and data flow, define data, design databases, and designed a sequence diagram of interactions by function of the system. In order to implement the system proposed in this paper, we constructed a face area using Linux Mint using C ++, Python 2, and constructed using OpenCV which is an open source library for identity recognition. We implemented a client system that implements a Web page that inputs criminal information and photo data and uses that page to transfer the file to FTP. In addition, we analyzed received video data in real time via Linux server, extracted facial region, and implemented deep learning of extracted facial region to recognize identity. The performance of the feature classifier for evaluating the system proposed in this paper was compared with existing classifier of existing feature and it was also tested whether it can be applied to actual system. Of the existing feature classifiers, the system that provided the results of the tests gained 4.00% more accuracy than the best performing classifier, and the error warning rate decreased by 1.26%. Therefore, the criminal's identity recognition system proposed in this paper confirmed its excellence over conventional research.
Recently, as various risk factors increase, crime is highly intelligent. Each country is striving to reduce the crime rate, but each year the crime rate is increasing. Especially, in order to clear up criminals through video analysis of CCTV at the time of actual crime occurrence, the identification work of criminals through such images was not automated and it was not efficient. Although this face recognition system has been studied, the existing researched method has a problem that the hit rate is lowered according to the type and characteristics of data. In order to solve such a problem, deep learning can be used to classify feature vectors in the face recognition system. By using deep learning, it is possible to extract the most optimized characteristics fluidly regardless of the type of data. Therefore, in this paper, we proposed a deep learning based criminal identity recognition system. In addition, in order to increase the face recognition rate, the structure of the algorithm was improved by decreasing the filter size of CNN which is the face recognition algorithm. In order to design the system proposed in this paper, we extract face area from input video data. We then normalized the extracted face region, extracted feature vectors via deep learning, classified them, and designed a function to transmit results after identity recognition. For specific functions, we designed a functional block diagram and data flow, define data, design databases, and designed a sequence diagram of interactions by function of the system. In order to implement the system proposed in this paper, we constructed a face area using Linux Mint using C ++, Python 2, and constructed using OpenCV which is an open source library for identity recognition. We implemented a client system that implements a Web page that inputs criminal information and photo data and uses that page to transfer the file to FTP. In addition, we analyzed received video data in real time via Linux server, extracted facial region, and implemented deep learning of extracted facial region to recognize identity. The performance of the feature classifier for evaluating the system proposed in this paper was compared with existing classifier of existing feature and it was also tested whether it can be applied to actual system. Of the existing feature classifiers, the system that provided the results of the tests gained 4.00% more accuracy than the best performing classifier, and the error warning rate decreased by 1.26%. Therefore, the criminal's identity recognition system proposed in this paper confirmed its excellence over conventional research.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.