본 논문에서는 최근 농업이나 보안, 상업시설에서 적극적으로 활용하고 있는 무인정찰기를 활용하여 보행자를 탐지하고 추적 할 수 있는 시스템을 구현하였다. 무인정찰기가 움직이는 보행자를 효과적으로 추적하도록 만드는 것은 여러 요인을 고려해야 한다. 실시간 보행자 탐지 및 추적 시스템은 무인정찰기에서 전송된 이미지를 바탕으로 제어한다. 그러므로 전송된 이미지에서 빠르게 보행자를 탐지하고 보행자의 위치에 따라 명령어를 생성 및 전송하여 무인정찰기의 움직임을 제어하는 것이 중요하다. 무인정찰기로부터 전송된 이미지에서 움직이는 보행자를 탐지하기 위하여 ...
본 논문에서는 최근 농업이나 보안, 상업시설에서 적극적으로 활용하고 있는 무인정찰기를 활용하여 보행자를 탐지하고 추적 할 수 있는 시스템을 구현하였다. 무인정찰기가 움직이는 보행자를 효과적으로 추적하도록 만드는 것은 여러 요인을 고려해야 한다. 실시간 보행자 탐지 및 추적 시스템은 무인정찰기에서 전송된 이미지를 바탕으로 제어한다. 그러므로 전송된 이미지에서 빠르게 보행자를 탐지하고 보행자의 위치에 따라 명령어를 생성 및 전송하여 무인정찰기의 움직임을 제어하는 것이 중요하다. 무인정찰기로부터 전송된 이미지에서 움직이는 보행자를 탐지하기 위하여 실시간 시스템에 적합한 One-Stage Detector인 RetinaNet을 사용하였다. 이는 보행자를 탐지하는 정확성 보다는 빠른 처리 속도가 더 중요하기 때문이다. 실험결과에서 RetinaNet은 이미지에서 보행자를 탐지 할 수 있는 초당 프레임이 10이상 이며 Faster R-CNN보다 30%이상 빠른 성능을 보여주었다. 무인정찰기가 보행자를 추적하기 위하여 이미지에서 검출된 보행자의 위치를 정의한다. 이미지에서 검출된 보행자는 좌측상단과 우측하단의 좌표를 보유한다. 두 좌표의 중점을 보행자의 위치로 인식하며 무인정찰기는 보행자의 중점좌표를 추적한다. 이미지 안에서 보행자가 두 명 이상인 경우 중점좌표가 두 개 이상 생성된다. 여러 개의 중점좌표를 추적 하는 무인정찰기는 매우 혼란스러운 움직임을 보여주기 때문에 모든 보행자들의 중점좌표를 계산하여 하나로 생성한다. 무인정찰기는 군집화 된 보행자들을 추적하기 위해 모든 보행자들의 평균 중점좌표를 추적한다. 본 시스템은 이미지만을 기반으로 보행자를 추적하는 방법으로 보행자추적을 도와주는 다른 센서들과 혼용하여 사용될 경우 더 빠르고 정확한 추적이 가능하다. 더불어 5G네트워크의 발전으로 인하여 보다 넓은 범위의 안정적인 보행자 추적 시스템 구현이 가능할 것이다.
본 논문에서는 최근 농업이나 보안, 상업시설에서 적극적으로 활용하고 있는 무인정찰기를 활용하여 보행자를 탐지하고 추적 할 수 있는 시스템을 구현하였다. 무인정찰기가 움직이는 보행자를 효과적으로 추적하도록 만드는 것은 여러 요인을 고려해야 한다. 실시간 보행자 탐지 및 추적 시스템은 무인정찰기에서 전송된 이미지를 바탕으로 제어한다. 그러므로 전송된 이미지에서 빠르게 보행자를 탐지하고 보행자의 위치에 따라 명령어를 생성 및 전송하여 무인정찰기의 움직임을 제어하는 것이 중요하다. 무인정찰기로부터 전송된 이미지에서 움직이는 보행자를 탐지하기 위하여 실시간 시스템에 적합한 One-Stage Detector인 RetinaNet을 사용하였다. 이는 보행자를 탐지하는 정확성 보다는 빠른 처리 속도가 더 중요하기 때문이다. 실험결과에서 RetinaNet은 이미지에서 보행자를 탐지 할 수 있는 초당 프레임이 10이상 이며 Faster R-CNN보다 30%이상 빠른 성능을 보여주었다. 무인정찰기가 보행자를 추적하기 위하여 이미지에서 검출된 보행자의 위치를 정의한다. 이미지에서 검출된 보행자는 좌측상단과 우측하단의 좌표를 보유한다. 두 좌표의 중점을 보행자의 위치로 인식하며 무인정찰기는 보행자의 중점좌표를 추적한다. 이미지 안에서 보행자가 두 명 이상인 경우 중점좌표가 두 개 이상 생성된다. 여러 개의 중점좌표를 추적 하는 무인정찰기는 매우 혼란스러운 움직임을 보여주기 때문에 모든 보행자들의 중점좌표를 계산하여 하나로 생성한다. 무인정찰기는 군집화 된 보행자들을 추적하기 위해 모든 보행자들의 평균 중점좌표를 추적한다. 본 시스템은 이미지만을 기반으로 보행자를 추적하는 방법으로 보행자추적을 도와주는 다른 센서들과 혼용하여 사용될 경우 더 빠르고 정확한 추적이 가능하다. 더불어 5G네트워크의 발전으로 인하여 보다 넓은 범위의 안정적인 보행자 추적 시스템 구현이 가능할 것이다.
In this paper, a system for detecting and tracking pedestrians is implemented by utilizing unmanned aerial vehicles that are actively used to agricultural, security and commercial facilities. Making unmanned aerial vehicles effectively track pedestrians movement should take a number of factors into ...
In this paper, a system for detecting and tracking pedestrians is implemented by utilizing unmanned aerial vehicles that are actively used to agricultural, security and commercial facilities. Making unmanned aerial vehicles effectively track pedestrians movement should take a number of factors into account. The real-time pedestrian detection and tracking system is controlled based on images transmitted from unmanned aerial vehicles. Therefore, it is important to control the movement of unmanned aerial vehicles by detecting pedestrians in the transmitted images and then generate instructions according to the pedestrian's location. RetinaNet, a One-Stage Detector suitable for the real-time system, is used to detect moving pedestrians in images transmitted from unmanned aerial vehicles. This is because faster processing speed is more important than accuracy in pedestrians detection. The results show that RetinaNet has more than 10 frames per second that can detect pedestrians in images and 30 percent faster than Faster R-CNN. The unmanned aerial vehicle follows the defined location of detected pedestrians in the image for tracking. Pedestrians detected in the image have coordinates from the upper left and lower right hand sides. The focus of the two coordinates is recognized as the pedestrian's position, and the unmanned aerial vehicle tracks the pedestrian's center coordinates. If there are more than one pedestrian within the image, more than one focal coordinates are generated. When unmanned aerial vehicle is tracking multiple critical coordinates, it shows very confusing movements. All pedestrian's center coordinates are made into one by calculating the average. The average focus coordinates of clustered pedestrians are tracked in a balanced manner by unmanned aerial vehicles looking for the center of several pedestrians. The system has many potential for development when it is used in conjunction with other sensors for tracking pedestrians based on images. In the future, 5G networks and Object Detection will improve, enabling more accurate and faster pedestrian tracking systems.
In this paper, a system for detecting and tracking pedestrians is implemented by utilizing unmanned aerial vehicles that are actively used to agricultural, security and commercial facilities. Making unmanned aerial vehicles effectively track pedestrians movement should take a number of factors into account. The real-time pedestrian detection and tracking system is controlled based on images transmitted from unmanned aerial vehicles. Therefore, it is important to control the movement of unmanned aerial vehicles by detecting pedestrians in the transmitted images and then generate instructions according to the pedestrian's location. RetinaNet, a One-Stage Detector suitable for the real-time system, is used to detect moving pedestrians in images transmitted from unmanned aerial vehicles. This is because faster processing speed is more important than accuracy in pedestrians detection. The results show that RetinaNet has more than 10 frames per second that can detect pedestrians in images and 30 percent faster than Faster R-CNN. The unmanned aerial vehicle follows the defined location of detected pedestrians in the image for tracking. Pedestrians detected in the image have coordinates from the upper left and lower right hand sides. The focus of the two coordinates is recognized as the pedestrian's position, and the unmanned aerial vehicle tracks the pedestrian's center coordinates. If there are more than one pedestrian within the image, more than one focal coordinates are generated. When unmanned aerial vehicle is tracking multiple critical coordinates, it shows very confusing movements. All pedestrian's center coordinates are made into one by calculating the average. The average focus coordinates of clustered pedestrians are tracked in a balanced manner by unmanned aerial vehicles looking for the center of several pedestrians. The system has many potential for development when it is used in conjunction with other sensors for tracking pedestrians based on images. In the future, 5G networks and Object Detection will improve, enabling more accurate and faster pedestrian tracking systems.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.