범죄 예방과 시설 안전을 위해서 많은 CCTV가 설치되고 있으며 그에 따라 지능형 CCTV감시 시스템의 역할이 중요해지고 있다. 기존에 제안된 CCTV환경에서의 이상 상황 탐지 연구는 다양한 실제 환경에서 개별적인 상황을 탐지하는 것에 초점을 두어 여러 가지 이상 상황을 동시에 다루고 있지 않다. 또한 탐지가 필요한 위험한 상황마다 많은 학습 데이터가 필요하며, 학습되지 않은 새로운 환경에서 이상 상황 탐지는 여전히 도전적인 문제이다. 본 논문에서는 강인한 휴먼 탐지 및 추적을 기반으로 보안이 요구되는 시설에 접근하는 사람들을 분석하여 CCTV환경에서 추가적인 학습 없이 다중 이상 상황을 동시에 탐지하는 지능형 영상 감시 ...
범죄 예방과 시설 안전을 위해서 많은 CCTV가 설치되고 있으며 그에 따라 지능형 CCTV감시 시스템의 역할이 중요해지고 있다. 기존에 제안된 CCTV환경에서의 이상 상황 탐지 연구는 다양한 실제 환경에서 개별적인 상황을 탐지하는 것에 초점을 두어 여러 가지 이상 상황을 동시에 다루고 있지 않다. 또한 탐지가 필요한 위험한 상황마다 많은 학습 데이터가 필요하며, 학습되지 않은 새로운 환경에서 이상 상황 탐지는 여전히 도전적인 문제이다. 본 논문에서는 강인한 휴먼 탐지 및 추적을 기반으로 보안이 요구되는 시설에 접근하는 사람들을 분석하여 CCTV환경에서 추가적인 학습 없이 다중 이상 상황을 동시에 탐지하는 지능형 영상 감시 프레임워크를 제안한다. 제안된 프레임워크는 영상 속 사람들의 위치를 탐지하고 추적하는 모듈, 사람들의 위치와 궤적을 분석하는 모듈, 수화물 추적 및 화재와 방화 상황을 추론하는 이상 상황 탐지 모듈로 구성된다. 휴먼 궤적 분석 모듈은 물체 필터링알고리즘을 통해 비정상적인 휴먼 탐지 결과를 제거하여 잘못된 상황 검출을 방지하고 불필요한 연산을 최소화 한다. 경계 구역 교차 탐지 모듈은 사전에 설정된 경계 구역과 사람의 위치 정보를 이용하여 침입하거나 배회하는 사람을 탐지한다. 수화물 추적기는 물체를 사람을 중심으로 하향식으로 탐지하여 주인을 식별하고 지속적인 추적을 통해 유기 상황을 검출한다. 방화 상황 인식기는 화재 및 방화 상황을 설명하는 텍스트와 CCTV 영상을 비교하여 화재 장면 및 방화 행동을 분석한다. 본 논문에서는 실험을 위해 대용량의 실내외 CCTV영상을 사용하였고 침입, 배회, 유기, 방화로 구성된 4가지 이상 상황 항목에서 고성능을 달성한다.
범죄 예방과 시설 안전을 위해서 많은 CCTV가 설치되고 있으며 그에 따라 지능형 CCTV감시 시스템의 역할이 중요해지고 있다. 기존에 제안된 CCTV환경에서의 이상 상황 탐지 연구는 다양한 실제 환경에서 개별적인 상황을 탐지하는 것에 초점을 두어 여러 가지 이상 상황을 동시에 다루고 있지 않다. 또한 탐지가 필요한 위험한 상황마다 많은 학습 데이터가 필요하며, 학습되지 않은 새로운 환경에서 이상 상황 탐지는 여전히 도전적인 문제이다. 본 논문에서는 강인한 휴먼 탐지 및 추적을 기반으로 보안이 요구되는 시설에 접근하는 사람들을 분석하여 CCTV환경에서 추가적인 학습 없이 다중 이상 상황을 동시에 탐지하는 지능형 영상 감시 프레임워크를 제안한다. 제안된 프레임워크는 영상 속 사람들의 위치를 탐지하고 추적하는 모듈, 사람들의 위치와 궤적을 분석하는 모듈, 수화물 추적 및 화재와 방화 상황을 추론하는 이상 상황 탐지 모듈로 구성된다. 휴먼 궤적 분석 모듈은 물체 필터링 알고리즘을 통해 비정상적인 휴먼 탐지 결과를 제거하여 잘못된 상황 검출을 방지하고 불필요한 연산을 최소화 한다. 경계 구역 교차 탐지 모듈은 사전에 설정된 경계 구역과 사람의 위치 정보를 이용하여 침입하거나 배회하는 사람을 탐지한다. 수화물 추적기는 물체를 사람을 중심으로 하향식으로 탐지하여 주인을 식별하고 지속적인 추적을 통해 유기 상황을 검출한다. 방화 상황 인식기는 화재 및 방화 상황을 설명하는 텍스트와 CCTV 영상을 비교하여 화재 장면 및 방화 행동을 분석한다. 본 논문에서는 실험을 위해 대용량의 실내외 CCTV영상을 사용하였고 침입, 배회, 유기, 방화로 구성된 4가지 이상 상황 항목에서 고성능을 달성한다.
The number of CCTVs installed for crime prevention and facility safety is increasing every year, and the role of the intelligent CCTV monitoring system is becoming increasingly important. Previously proposed anomaly detection studies in CCTV environments focus on detecting individual situations in v...
The number of CCTVs installed for crime prevention and facility safety is increasing every year, and the role of the intelligent CCTV monitoring system is becoming increasingly important. Previously proposed anomaly detection studies in CCTV environments focus on detecting individual situations in various real environments and does not deal with multiple abnormal situations at the same time. In addition, detecting each dangerous situation requires a lot of training data, and anomaly detection remains a challenging problem in an untrained environment. In this paper, we propose an intelligent video surveillance framework that analyzes people accessing secure facilities based on robust human detection and tracking to simultaneously detects multiple anomaly situations without additional learning in a CCTV environment. The proposed framework consists of a module that detects and tracks the location of people in the video, a module that analyzes the location and trajectory of people, and an anomaly detection module that tracks hand luggage and recognizes the arson situation. The human trajectory analysis module removes abnormal human detection results through the proposed object filtering algorithm to prevent false situation detection and minimize unnecessary operations. The alert zone intersection detection module detects an intruder or wandering person using the preset zone and the person's location. The hand luggage tracker re-detects objects around people using the proposed top-down detection method, identifying owners and detecting abandoned situations through continuous luggage tracking. The arson situation recognizer analyzes the fire scene and arson behavior by comparing the text describing the fire and the arson situation with the CCTV footage. For the experiment, large-capacity indoor and outdoor CCTV videos were used. High performance was achieved in real-time in four situations consisting of intrusion, loitering, abandonment, and arson.
The number of CCTVs installed for crime prevention and facility safety is increasing every year, and the role of the intelligent CCTV monitoring system is becoming increasingly important. Previously proposed anomaly detection studies in CCTV environments focus on detecting individual situations in various real environments and does not deal with multiple abnormal situations at the same time. In addition, detecting each dangerous situation requires a lot of training data, and anomaly detection remains a challenging problem in an untrained environment. In this paper, we propose an intelligent video surveillance framework that analyzes people accessing secure facilities based on robust human detection and tracking to simultaneously detects multiple anomaly situations without additional learning in a CCTV environment. The proposed framework consists of a module that detects and tracks the location of people in the video, a module that analyzes the location and trajectory of people, and an anomaly detection module that tracks hand luggage and recognizes the arson situation. The human trajectory analysis module removes abnormal human detection results through the proposed object filtering algorithm to prevent false situation detection and minimize unnecessary operations. The alert zone intersection detection module detects an intruder or wandering person using the preset zone and the person's location. The hand luggage tracker re-detects objects around people using the proposed top-down detection method, identifying owners and detecting abandoned situations through continuous luggage tracking. The arson situation recognizer analyzes the fire scene and arson behavior by comparing the text describing the fire and the arson situation with the CCTV footage. For the experiment, large-capacity indoor and outdoor CCTV videos were used. High performance was achieved in real-time in four situations consisting of intrusion, loitering, abandonment, and arson.
Keyword
#Deep learning Computer vision Surveillance system
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.