우리나라는 1970년대에 들어서면서 산업의 발전과 함께 늘어난 교통수요를 처리하기 위하여 도시철도를 건설하기 시작하였다. 1974년 8월 15일 서울 도시철도 1호선이 처음 개통되었고, 부산은 1985년 7월 19일 1호선을 개통하여 총 4개 호선을 운영 중이며 현재 1일 평균 90만여명을 수송하고 있다. 수송 인원은 과거에 비에 폭발적으로 늘어난 반면 역사 근무 직원은 매표, 게이트 관리 등 자동화 시스템에 따라 직원이 감소하고 있어 역사의 절대적 안전관리를 위해서는 지능형 CCTV 시스템 도입이 필요하다. 본 논문에서는 실시간으로 도시철도 역사 내 이상행동을 감지하기 위하여 ...
우리나라는 1970년대에 들어서면서 산업의 발전과 함께 늘어난 교통수요를 처리하기 위하여 도시철도를 건설하기 시작하였다. 1974년 8월 15일 서울 도시철도 1호선이 처음 개통되었고, 부산은 1985년 7월 19일 1호선을 개통하여 총 4개 호선을 운영 중이며 현재 1일 평균 90만여명을 수송하고 있다. 수송 인원은 과거에 비에 폭발적으로 늘어난 반면 역사 근무 직원은 매표, 게이트 관리 등 자동화 시스템에 따라 직원이 감소하고 있어 역사의 절대적 안전관리를 위해서는 지능형 CCTV 시스템 도입이 필요하다. 본 논문에서는 실시간으로 도시철도 역사 내 이상행동을 감지하기 위하여 객체 검출딥러닝 모델의 감지 성능을 비교 분석하고, 경량화를 통한 임베디드 에지컴퓨팅(edge computing)에 적합한 모델을 제안한다. 제안하는 모델은 YOLOv5 n 버전을 팽창(dilated) 컨벌루션을 적용하여 성능을 개선한 것이다. YOLOv5의 5가지 버전에 대하여 이상행동 학습을 통하여 성능을 비교 분석한 결과 레이어(layer)가 155개인 n 버전과 322개인 x 버전이 0.6%로 크지 않음을 확인하였다. YOLOv5 n 버전에 대하여 팽창 컨벌루션을 적용하여 배경에 대한 오감지가 있는 정상상태 검출 성능을 3% 개선된다. 팽창 컨별루션은 계산량의 증가 없이 밀집도가 낮은 영상(sparse image)에 대한 성능 개선을 할 수 있다. 컨벌루션을 적용한 YOLOv5 n 버전을 안드로이드 앱으로 구현하여 실시간 이상행동 감지가 가능함을 보인다. Pytorch 플랫폼으로 학습한 계수 파일을 Pytorch 경량화 프로그램으로 경량화 처리를 하고 안드로이드 앱에 적용하여 실시간 이상행동 감지 앱을 구현하여 에지 컴퓨팅에 적용할 가능성을 확인한다. 이상행동 감지 정확도를 개선하기 위하여 학습데이터를 확대하고 도시철도 역사 내에서 발생할 수 있는 이상행동 이벤트를 추가하여 개발한 이상행동 감지 시스템을 개선하고자 한다.
우리나라는 1970년대에 들어서면서 산업의 발전과 함께 늘어난 교통수요를 처리하기 위하여 도시철도를 건설하기 시작하였다. 1974년 8월 15일 서울 도시철도 1호선이 처음 개통되었고, 부산은 1985년 7월 19일 1호선을 개통하여 총 4개 호선을 운영 중이며 현재 1일 평균 90만여명을 수송하고 있다. 수송 인원은 과거에 비에 폭발적으로 늘어난 반면 역사 근무 직원은 매표, 게이트 관리 등 자동화 시스템에 따라 직원이 감소하고 있어 역사의 절대적 안전관리를 위해서는 지능형 CCTV 시스템 도입이 필요하다. 본 논문에서는 실시간으로 도시철도 역사 내 이상행동을 감지하기 위하여 객체 검출 딥러닝 모델의 감지 성능을 비교 분석하고, 경량화를 통한 임베디드 에지컴퓨팅(edge computing)에 적합한 모델을 제안한다. 제안하는 모델은 YOLOv5 n 버전을 팽창(dilated) 컨벌루션을 적용하여 성능을 개선한 것이다. YOLOv5의 5가지 버전에 대하여 이상행동 학습을 통하여 성능을 비교 분석한 결과 레이어(layer)가 155개인 n 버전과 322개인 x 버전이 0.6%로 크지 않음을 확인하였다. YOLOv5 n 버전에 대하여 팽창 컨벌루션을 적용하여 배경에 대한 오감지가 있는 정상상태 검출 성능을 3% 개선된다. 팽창 컨별루션은 계산량의 증가 없이 밀집도가 낮은 영상(sparse image)에 대한 성능 개선을 할 수 있다. 컨벌루션을 적용한 YOLOv5 n 버전을 안드로이드 앱으로 구현하여 실시간 이상행동 감지가 가능함을 보인다. Pytorch 플랫폼으로 학습한 계수 파일을 Pytorch 경량화 프로그램으로 경량화 처리를 하고 안드로이드 앱에 적용하여 실시간 이상행동 감지 앱을 구현하여 에지 컴퓨팅에 적용할 가능성을 확인한다. 이상행동 감지 정확도를 개선하기 위하여 학습데이터를 확대하고 도시철도 역사 내에서 발생할 수 있는 이상행동 이벤트를 추가하여 개발한 이상행동 감지 시스템을 개선하고자 한다.
In the 1970s, Korea began to build urban railroads to cope with increased traffic demand from the development of industries. On August 15, 1974, the first Seoul Metro Line 1 was opened, and Busan opened Line 1 on July 19, 1985. Busan Metro is currently operating a total of four lines, and transporti...
In the 1970s, Korea began to build urban railroads to cope with increased traffic demand from the development of industries. On August 15, 1974, the first Seoul Metro Line 1 was opened, and Busan opened Line 1 on July 19, 1985. Busan Metro is currently operating a total of four lines, and transporting an average of 900,000 people a day. While the number of transportation personnel has exploded in the past due to rain, the number of employees working in history is decreasing due to automation systems in areas such as ticket sales and gate management, it is therefore necessary to introduce an intelligent CCTV system for absolute safety management of railway stations. In this thesis, I compare and analyze the detection performance of object detection deep learning models to detect abnormal behavior in urban railway stations in real time, and I also propose a model suitable for embedded edge computing through lightening. The proposed model improves performance by applying dilated convolution to the YOLOv5n version. As a result of comparing and analyzing the performance of the five versions of YOLOv5 through abnormal behavior learning, it was confirmed that the performance for YOLOv5n version with 155 layers and the x version with 322 layers were not large at 0.6%. Applying the dilated convolution to the YOLOv5n version improves the steady-state detection performance by 3% with some. The dilated convolution solution improves performance for sparse images without increasing the computation cost. In this thesis, I show that real-time abnormal behavior detection is possible by implementing the YOLOv5n version applied with the dilated convolution as on an Android app. The coefficient file learned with the Pythorch platform is lightweight with the Pythorch lightweight program and applied to the Android app to implement a real-time anomaly behavior detection app to confirm the possibility of applying it to edge computing. In order to improve the accuracy of abnormal behavior detection, we intended to improve the abnormal behavior detection system developed by expanding the learning data and adding abnormal behavior events that may occur within urban railway stations.
In the 1970s, Korea began to build urban railroads to cope with increased traffic demand from the development of industries. On August 15, 1974, the first Seoul Metro Line 1 was opened, and Busan opened Line 1 on July 19, 1985. Busan Metro is currently operating a total of four lines, and transporting an average of 900,000 people a day. While the number of transportation personnel has exploded in the past due to rain, the number of employees working in history is decreasing due to automation systems in areas such as ticket sales and gate management, it is therefore necessary to introduce an intelligent CCTV system for absolute safety management of railway stations. In this thesis, I compare and analyze the detection performance of object detection deep learning models to detect abnormal behavior in urban railway stations in real time, and I also propose a model suitable for embedded edge computing through lightening. The proposed model improves performance by applying dilated convolution to the YOLOv5n version. As a result of comparing and analyzing the performance of the five versions of YOLOv5 through abnormal behavior learning, it was confirmed that the performance for YOLOv5n version with 155 layers and the x version with 322 layers were not large at 0.6%. Applying the dilated convolution to the YOLOv5n version improves the steady-state detection performance by 3% with some. The dilated convolution solution improves performance for sparse images without increasing the computation cost. In this thesis, I show that real-time abnormal behavior detection is possible by implementing the YOLOv5n version applied with the dilated convolution as on an Android app. The coefficient file learned with the Pythorch platform is lightweight with the Pythorch lightweight program and applied to the Android app to implement a real-time anomaly behavior detection app to confirm the possibility of applying it to edge computing. In order to improve the accuracy of abnormal behavior detection, we intended to improve the abnormal behavior detection system developed by expanding the learning data and adding abnormal behavior events that may occur within urban railway stations.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.