본 연구는 딥러닝의 객체 인식 및 추적 기술을 활용하여 관제요원의 관제 업무 효율과 관제의 정확성을 줄 수 있는 이상 상황 CCTV 집중 관제 시스템 개발이다. 이러한 딥러닝 기술 기반의 CCTV 영상관제시스템을 본 연구에서는 CCTV 선별 관제 시스템이라고 정의한다. 이 시스템의 목적은 객체 인식(R-CNN, Region-based Convolution Neural Networks) ...
본 연구는 딥러닝의 객체 인식 및 추적 기술을 활용하여 관제요원의 관제 업무 효율과 관제의 정확성을 줄 수 있는 이상 상황 CCTV 집중 관제 시스템 개발이다. 이러한 딥러닝 기술 기반의 CCTV 영상관제시스템을 본 연구에서는 CCTV 선별 관제 시스템이라고 정의한다. 이 시스템의 목적은 객체 인식(R-CNN, Region-based Convolution Neural Networks) 알고리즘과 객체 추적(Deep SORT, Simple Online and Realtime Tracking) 알고리즘을 활용하여 폐쇄회로 텔레비전(CCTV, Closed Circuit Television) 영상에 나타나는 사람, 차량 등 객체를 자동 인식하고, 각 객체의 상황을 분석 및 선별하여 비정상적인 객체 검출 및 관리자가 임의로 설정한 관심 객체에 대해 즉각적으로 관제요원에게 전달하여 대량의 실시간 영상의 관제 효율을 극대화하고자 한다. 또한, 객체별로 영상을 분류하고, 차량/사람/이륜차 등 다양한 객체를 시간대별로 영상을 분포화하여 객체의 이동패턴 파악과 동시에 카메라 설치구역(어린이, 방범, 교통 등) 중요도/객체(사람, 차량 등) 중요도를 기반으로 객체의 이상 상황을 우선으로 관제요원에게 알람기능을 수행하여 집중관제하는 선별 관제 시스템을 구현하고자 한다. 기존의 CCTV 관제 시스템은 단순히 영상을 전송하고 저장하는 기술이었다. 이후 움직임 검출 기반의 지능형 영상 관제 시스템 영역으로 확대되어 사람을 탐지, 추적, 수상한 물체 및 행위에 따른 위험 방지 등에 대응할 수 있는 기술로 발전해 나아가고 있었다. 하지만 움직임 검출 기반의 지능형 관제는 잦은 오류가 발생 되어, 최근에는 영상분석 기반의 CCTV 관제 시스템은 딥러닝 기반 객체 분석․객체 추적 알고리즘을 활용, 이상 상황의 CCTV 영상을 우선 표출하여, 사건 원인 및 즉각적 사건 해결을 위한 시스템이 요구되고 있었다. 따라서, 범죄, 재난/재해, 교통 등 상황에 따른 신속한 대응과 조치를 할 수 있도록 객체의 이상 상황의 CCTV 영상을 선별하며, 전체 CCTV 영상 관제를 시간적․공간적 사각지대 최소화하고, CCTV 영상 관제의 집중 관제가 가능하게 설계․구현하였다. 본 연구에서는 HD급(1280X720) CCTV 영상 300개를 확보하여 구현하였으며, 객체 식별정확도 동영상에서 한 객체가 등장에서 퇴장까지 추적에 실패하지 않는 정도는 98.3%이며, 특정 지역에서 이상 객체 출현에 대한 이상 패턴 객체, 누적 빅데이터를 이용하여 특정 지역에서 누적 객체 데이터가 없는 지역에서 객체가 출현했을 때 이상 패턴을 정확히 인식하는지 검사는 100%이고, 특정 지역에서 임의의 시간을 설정하여 그 임의의 시간 동안 특적 지역에 객체가 출현했을 때 이상 상황 인식도 검사는 100%로 성능 검증을 받았다.
본 연구는 딥러닝의 객체 인식 및 추적 기술을 활용하여 관제요원의 관제 업무 효율과 관제의 정확성을 줄 수 있는 이상 상황 CCTV 집중 관제 시스템 개발이다. 이러한 딥러닝 기술 기반의 CCTV 영상관제시스템을 본 연구에서는 CCTV 선별 관제 시스템이라고 정의한다. 이 시스템의 목적은 객체 인식(R-CNN, Region-based Convolution Neural Networks) 알고리즘과 객체 추적(Deep SORT, Simple Online and Realtime Tracking) 알고리즘을 활용하여 폐쇄회로 텔레비전(CCTV, Closed Circuit Television) 영상에 나타나는 사람, 차량 등 객체를 자동 인식하고, 각 객체의 상황을 분석 및 선별하여 비정상적인 객체 검출 및 관리자가 임의로 설정한 관심 객체에 대해 즉각적으로 관제요원에게 전달하여 대량의 실시간 영상의 관제 효율을 극대화하고자 한다. 또한, 객체별로 영상을 분류하고, 차량/사람/이륜차 등 다양한 객체를 시간대별로 영상을 분포화하여 객체의 이동패턴 파악과 동시에 카메라 설치구역(어린이, 방범, 교통 등) 중요도/객체(사람, 차량 등) 중요도를 기반으로 객체의 이상 상황을 우선으로 관제요원에게 알람기능을 수행하여 집중관제하는 선별 관제 시스템을 구현하고자 한다. 기존의 CCTV 관제 시스템은 단순히 영상을 전송하고 저장하는 기술이었다. 이후 움직임 검출 기반의 지능형 영상 관제 시스템 영역으로 확대되어 사람을 탐지, 추적, 수상한 물체 및 행위에 따른 위험 방지 등에 대응할 수 있는 기술로 발전해 나아가고 있었다. 하지만 움직임 검출 기반의 지능형 관제는 잦은 오류가 발생 되어, 최근에는 영상분석 기반의 CCTV 관제 시스템은 딥러닝 기반 객체 분석․객체 추적 알고리즘을 활용, 이상 상황의 CCTV 영상을 우선 표출하여, 사건 원인 및 즉각적 사건 해결을 위한 시스템이 요구되고 있었다. 따라서, 범죄, 재난/재해, 교통 등 상황에 따른 신속한 대응과 조치를 할 수 있도록 객체의 이상 상황의 CCTV 영상을 선별하며, 전체 CCTV 영상 관제를 시간적․공간적 사각지대 최소화하고, CCTV 영상 관제의 집중 관제가 가능하게 설계․구현하였다. 본 연구에서는 HD급(1280X720) CCTV 영상 300개를 확보하여 구현하였으며, 객체 식별정확도 동영상에서 한 객체가 등장에서 퇴장까지 추적에 실패하지 않는 정도는 98.3%이며, 특정 지역에서 이상 객체 출현에 대한 이상 패턴 객체, 누적 빅데이터를 이용하여 특정 지역에서 누적 객체 데이터가 없는 지역에서 객체가 출현했을 때 이상 패턴을 정확히 인식하는지 검사는 100%이고, 특정 지역에서 임의의 시간을 설정하여 그 임의의 시간 동안 특적 지역에 객체가 출현했을 때 이상 상황 인식도 검사는 100%로 성능 검증을 받았다.
This study is designing and implementing an abnormal situation CCTV screening control system that can provide efficiency and accuracy of control tasks by utilizing deep learning object recognition and tracking technology. This deep learning technology-based CCTV video control system is defined a...
This study is designing and implementing an abnormal situation CCTV screening control system that can provide efficiency and accuracy of control tasks by utilizing deep learning object recognition and tracking technology. This deep learning technology-based CCTV video control system is defined as a CCTV screening control system in this study. Based on the R-CNN algorithm and the Deep SORT algorithm, this system automatically recognizes objects such as people and vehicles in CCTV (Closed Circuit Television) images, analyzes and selects the situation of each object, and detects abnormal objects and abnormal situations. It is immediately delivered to the control personnel to maximize the control efficiency of large amounts of real-time video. The existing CCTV control system is a technology that transmits and stores images. Since then, it has been expanded to motion detection-based intelligent video control systems and developed into a technology that can detect and track people, respond to suspicious objects, and risk prevention. However, motion detection-based intelligent control has the disadvantage of frequent errors. Recently, the video analysis-based CCTV control system has been developing into a system that first expresses CCTV images in abnormal situations and responds immediately by utilizing deep learning algorithms for object analysis and tracking. The system implemented in this study selects CCTV images of abnormal situations according to situations such as crime, disaster/disaster, and traffic and supports rapid response and action.
This study is designing and implementing an abnormal situation CCTV screening control system that can provide efficiency and accuracy of control tasks by utilizing deep learning object recognition and tracking technology. This deep learning technology-based CCTV video control system is defined as a CCTV screening control system in this study. Based on the R-CNN algorithm and the Deep SORT algorithm, this system automatically recognizes objects such as people and vehicles in CCTV (Closed Circuit Television) images, analyzes and selects the situation of each object, and detects abnormal objects and abnormal situations. It is immediately delivered to the control personnel to maximize the control efficiency of large amounts of real-time video. The existing CCTV control system is a technology that transmits and stores images. Since then, it has been expanded to motion detection-based intelligent video control systems and developed into a technology that can detect and track people, respond to suspicious objects, and risk prevention. However, motion detection-based intelligent control has the disadvantage of frequent errors. Recently, the video analysis-based CCTV control system has been developing into a system that first expresses CCTV images in abnormal situations and responds immediately by utilizing deep learning algorithms for object analysis and tracking. The system implemented in this study selects CCTV images of abnormal situations according to situations such as crime, disaster/disaster, and traffic and supports rapid response and action.
Keyword
#CCTV Screening Control System Object Recognition Object Tracking Deep Learning R-CNN Deep SORT Abnormal Situation
학위논문 정보
저자
김보순
학위수여기관
동의대학교 대학원
학위구분
국내석사
학과
인공지능학과
지도교수
정석찬
발행연도
2022
총페이지
87
키워드
CCTV Screening Control System Object Recognition Object Tracking Deep Learning R-CNN Deep SORT Abnormal Situation
※ AI-Helper는 부적절한 답변을 할 수 있습니다.