초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

기술의 발전과 도시로의 인구 밀집 현상에 의하여 교통정보의 활용과 중요성은 점차 높아지고 있다. 이에 따라 교통 정보의 수집 지역이 늘어나고 있지만, 현재 교통 정보 수집 방법은 설치나 유지 보수에 많은 시간과 비용이 들기 때문에 효율이 떨어지는 단점이 있다.
따라서 본 논문에서는 별도의 추가 설비 없이 기존 설치된 CCTV를 이용해 딥러닝(Deep learning) 기반의 SSD(Single Shot Multibox Detector)[1]와, Deep SORT(Simple Online and Realtime Tracking with a Deep Association Metric)[5]를 통한 교통 ...

기술의 발전과 도시로의 인구 밀집 현상에 의하여 교통정보의 활용과 중요성은 점차 높아지고 있다. 이에 따라 교통 정보의 수집 지역이 늘어나고 있지만, 현재 교통 정보 수집 방법은 설치나 유지 보수에 많은 시간과 비용이 들기 때문에 효율이 떨어지는 단점이 있다.
따라서 본 논문에서는 별도의 추가 설비 없이 기존 설치된 CCTV를 이용해 딥러닝(Deep learning) 기반의 SSD(Single Shot Multibox Detector)[1]와, Deep SORT(Simple Online and Realtime Tracking with a Deep Association Metric)[5]를 통한 교통 데이터 분석 방법을 제안한다.
제안한 기법은 CCTV 영상을 입력받아 딥 뉴럴 네트워크 기반의 물체 검출을 진행 후 탐지된 객체를 추적한다. 추적을 통해 통행량과 속도 등의 정보를 구할 수 있으며, 차선 검출을 통해 이동 거리를 보정하여 오차율을 줄일 수 있다.
실험 결과 서울 시내 CCTV 중 무작위 60개의 영상 중 65%의 영상에서 차량 탐지가 가능 했으며, 탐지가 가능했던 영상에서 탐지된 차량은 전체 차량 중 78.5% 수준의 높은 탐지율을 나타냈다. 속도 또한 오차율이 ±10% 이내로 나타나 제안된 기법을 이용한 CCTV 분석이 효율적임을 보인다.

Abstract ▼ AI-Helper

The use of traffic information and its importance are gradually increasing due to the development of technology and population density in cities. As a result, traffic information collection areas are increasing, but current traffic information collection methods have a disadvantage in that they are ...

The use of traffic information and its importance are gradually increasing due to the development of technology and population density in cities. As a result, traffic information collection areas are increasing, but current traffic information collection methods have a disadvantage in that they are inefficient because they take a lot of time and cost to install and maintain.
Therefore, in thesis, we propose Deep learning based SSD(Single Shot Multibox Detector)[1] and Deep SORT(Simple Online and Realtime Tracking with Deep Association Metric)[5] traffic data analysis method using existing CCTV without any additional equipment.
The proposed method captures CCTV images, detects objects based on deep neural networks, and tracks detected objects. Traffic information such as traffic volume and speed can be obtained through tracking, and error rate can be reduced by correcting the moving distance through lane detection.
Experimental results showed that 65% of 60 random images of CCTV in Seoul city were able to detect vehicles and 78.5% of all vehicles were detected. The speed error rate is within ± 10% and CCTV analysis using the proposed technique is effective.

주제어