[논문]하둡 기반 빅데이터 영상 처리를 통한 차량 이동경로 추적 시스템의 설계 및 구현

양성은; 최창열; 최황규

doi:10.9728/dcs.2013.14.4.447

하둡 기반 빅데이터 영상 처리를 통한 차량 이동경로 추적 시스템의 설계 및 구현
Design and Implementation of Vehicle Route Tracking System using Hadoop-Based Bigdata Image Processing 원문보기

디지털콘텐츠학회 논문지 = Journal of Digital Contents Society, v.14 no.4, 2013년, pp.447 - 454

양성은 (강원대학교 컴퓨터정보통신공학전공) , 최창열 (강원대학교 컴퓨터정보통신공학전공) , 최황규 (강원대학교 컴퓨터정보통신공학전공)

초록
AI-Helper

수많은 CCTV에서 기록 보관되는 영상 데이터가 폭발적으로 증가하면서, 빅데이터 환경에 적합한 CCTV 영상 데이터의 처리와 응용이 큰 이슈가 되고 있다. 본 논문에서는 대규모 CCTV 영상 데이터를 하둡 기반으로 병렬처리하고, 이를 활용한 VRT(Vehicle Route Tracking) 시스템을 설계 구현한다. VRT 시스템은 대규모 차량 번호판 인식 시스템의 특성을 가지며, 구글 맵을 통해 특정 차량의 이동경로를 빠른 시간 내에 추적 가능케 한다. 그리고 VRT 시스템의 성능 평가를 위한 실험을 통하여 단일 PC와 하둡 환경에서 대규모 CCTV 영상 데이터의 번호판 인식 시간을 비교 분석한다.

Abstract ▼ AI-Helper

As the surveillance CCTVs are increasing every year, big data image processing for the CCTV image data has become a hot issue. In this paper, we propose a Hadoop-based big data image processing technique to recognize a vehicle number from a large amount of automatic number plate images taken from CCTVs. We also implement the vehicle route tracking system that displays the moving path of the searched vehicle on Google Maps with the related information together. In order to evaluate the performance we compare and analysis the vehicle number recognition time for a lot of CCTV image data in Hadoop and the single PC environment.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 (그림 3)과 같은 분산 병렬 처리 방식을 제안한다. 다수의 차량 영상 데이터를 동시에 여러 개의 차량 번호판 인식 시스템으로 처리하여 빠른 시간 내에 차량 번호를 문자로 출력할 수가 있다.
구글에서는 구글 맵에 관한 다양한 구글 맵 API[13]를 제공하며, 개발자들은 이 API를 이용하여 매시업(Mashup)하거나 다양한 어플리케이션을 개발한다. 본 논문에서는 구글 맵 API를 이용하여 차량의 이동경로를 추적하는 VRT 시스템을 구현한다.
기본적으로 하나의 블록은 64MB로 설정되어 있고, 복제 본을 3개씩 저장한다. 본 논문에서는 영상 데이터를 HDFS로 보내는 시간을 단축시키기 위해 복제 본을 1개씩 저장하도록 설계한다.
본 논문에서는 차량 번호판 인식 시스템의 실시간 처리 방식을 보완하는 일괄 처리 방식의 하둡 기반 VRT(Vehicle Route Tracking) 시스템 설계를 제안한다. 제안하는 VRT 시스템은 대규모 CCTV 영상 데이터를 빠른 시간 내에 차량 번호 문자로 출력하며, 출력된 차량 번호들 중에서 특정 차량을 검색하여 해당 차량의 번호와 관련 정보(촬영 장소와 일시)를 함께 결과 파일에 기록한다.
본 논문에서는 차량 번호판 인식 시스템의 실시간 처리의 요구 사항을 충족시키기 위한 하둡 기반 VRT 시스템을 설계 및 구현하였다. 하둡 맵-리듀스 프로그램을 통해 HDFS에 분산 저장된 대규모 CCTV 차량 영상 데이터를 여러 노드에서 동시에 인식하여 차량 번호를 빠르게 출력하고 유용한 차량 정보로 가공하였다.

가설 설정

3) HDFS에서 하둡 맵-리듀스 프로그램을 실행시키면 매퍼가 먼저 동작한다. 매퍼는 JavaANPR 소프트웨어를 호출하여 차량 번호판 영상 데이터를 문자로 변환한다.
4) drawPolyline() 함수는 좌표를 선으로 연결한다. 마지막으로 readFile() 함수에서 저장한 차량 번호, 촬영된 위치, 촬영 일시 정보를 리스트로 출력한다.
VRT 시스템의 동작 및 데이터 흐름은 (그림 5)와 같으며, CCTV의 영상 데이터는 미리 수집하였다고 가정한다. 작업 순서는 아래와 같다.

제안 방법

6.6GB와 13.2GB의 실험 데이터를 각각 10배씩 늘려서 수행 시간을 측정, 비교하였다. 실험 데이터가 66 GB와 132GB 일 때, 번호판 인식 속도는 단일 PC보다 각각 27.
하둡 환경에서는 총 34대의 PC를 사용하였고, 네임 노드 1대, 보조 네임 노드 1대, 데이터 노드는 최소 1대부터 최대 32대까지 구성하였다. JavaANPR 소프트웨어가 결합된 VRT 시스템의 하둡 맵-리듀스 프로그램의 수행 시간을 측정하였다.
4) 리듀서는 매퍼로부터 받은 Output Key, Value를 Input Key, Value로 사용하여 하둡 맵-리듀스 프로그램에 입력된 특정 차량 번호를 검색한다. 검색된 차량 번호를 시간 순으로 정렬하고, 촬영 위치와 일시를 Output Key, 차량 번호를 Ouput Value로 설정하여 HDFS에 결과 파일로 저장한다.
결과 파일의 차량 정보는 여러 응용 시스템에서 활용이 가능해지며, VRT 시스템은 검색한 차량의 정보를 구글 맵에 표시하여 차량의 이동경로를 추적 할 수 있게 한다. 그리고 VRT 시스템의 성능으로서 단일 PC와 하둡 환경에서 번호판 인식 시간을 측정, 비교한다.
단일 PC에서는 JavaANPR 소프트웨어의 GUI 부분을 제거하고, 실험 데이터 개수만큼 차량의 영상 데이터 인식 과정을 반복 실행하여, 차량 번호를 텍스트(text) 파일에 문자로 기록하는 프로그램을 구현하였다. 그리고 반복문이 끝나는 시간과 시작 전 시간의 차를 구하여 수행 시간을 측정하였다.
단일 PC에서는 JavaANPR 소프트웨어의 GUI 부분을 제거하고, 실험 데이터 개수만큼 차량의 영상 데이터 인식 과정을 반복 실행하여, 차량 번호를 텍스트(text) 파일에 문자로 기록하는 프로그램을 구현하였다. 그리고 반복문이 끝나는 시간과 시작 전 시간의 차를 구하여 수행 시간을 측정하였다.
또한, 본 논문에서는 가공된 차량 정보를 입력으로 활용하여 특정 차량의 이동경로를 추적 할 수 있는 구글 맵 프로그램을 구현하였다. 구글 맵의 다양한 기능을 사용하여 더욱 자세한 위치를 확인 할 수도 있었다.
4) drawPolyline() 함수는 좌표를 선으로 연결한다. 마지막으로 readFile() 함수에서 저장한 차량 번호, 촬영된 위치, 촬영 일시 정보를 리스트로 출력한다. 입력 파일의 이름과 크기 정보도 같이 출력한다.
본 논문에서는 HDFS에 저장된 대규모 차량의 영상 데이터를 매퍼의 입력으로 받아 촬영위치와 일시를 Output Key, 차량 번호를 Output Value로 출력한다. 리듀서는 매퍼의 Output Key와 Value를 입력받아 특정 차량의 번호를 검색하고, 다시 검색한 차량의 촬영 위치와 일시를 Output Key, 차량 번호를 Output Value로 출력하여 HDFS에 저장한다.
JavaANPR 소프트웨어는 오픈 소스이고, 자바 기반이기 때문에 하둡과 쉽게 결합이 가능하다. 본 논문에서는 JavaANPR 소프트웨어를 (그림 3)에서 제안한 방식으로, 동시에 다수의 차량 영상 데이터를 처리 할 수 있도록 설계한다.
하둡은 분산 파일 시스템인 HDFS에 데이터를 저장하고, 분산 처리 시스템인 맵-리듀스를 이용해 데이터를 처리한다. 본 논문에서는 하둡 기반 시스템을 설계하여 CCTV 영상 데이터를 HDFS에 저장하고, 맵-리듀스를 통해 데이터를 분산 병렬 처리한다.
본 논문에서는 차량 번호판 인식 시스템의 실시간 처리 방식을 보완하는 일괄 처리 방식의 하둡 기반 VRT(Vehicle Route Tracking) 시스템 설계를 제안한다. 제안하는 VRT 시스템은 대규모 CCTV 영상 데이터를 빠른 시간 내에 차량 번호 문자로 출력하며, 출력된 차량 번호들 중에서 특정 차량을 검색하여 해당 차량의 번호와 관련 정보(촬영 장소와 일시)를 함께 결과 파일에 기록한다. 결과 파일의 차량 정보는 여러 응용 시스템에서 활용이 가능해지며, VRT 시스템은 검색한 차량의 정보를 구글 맵에 표시하여 차량의 이동경로를 추적 할 수 있게 한다.
본 논문에서는 차량 번호판 인식 시스템의 실시간 처리의 요구 사항을 충족시키기 위한 하둡 기반 VRT 시스템을 설계 및 구현하였다. 하둡 맵-리듀스 프로그램을 통해 HDFS에 분산 저장된 대규모 CCTV 차량 영상 데이터를 여러 노드에서 동시에 인식하여 차량 번호를 빠르게 출력하고 유용한 차량 정보로 가공하였다.

대상 데이터

1) CCTV에 저장 된 차량 번호판 영상 데이터를 로컬 시스템에서 수집한다.
7버전을 사용하였다. 실험 데이터로는 100KB 미만의 차량 번호판 정지 영상을 12만 8천개(6.6GB), 25만 6천개(13.2GB), 128만개(66GB), 256만개(132GB)를 생성하여 사용하였다.
이 화면에서는 춘천시에서 2013년 1월 22일 하루 동안 촬영 한 CCTV 영상 데이터를 하둡 맵-리듀스 프로그램으로 처리한 결과 파일을 입력으로 사용하였고, 검색한 차량 번호는 ‘PP587A0'이다. 이 차량이 처음 발견 된 장소는 춘천시 소양동이고 촬영 된 시간은 8시 27분이다. 그 이후, 이 차량은 약사명동, 효자1동, 효자2동, 효자3동, 후평2동, 후평3동, 석사동, 퇴계동, 동내면을 순서대로 지나갔다.
이 화면에서는 춘천시에서 2013년 1월 22일 하루 동안 촬영 한 CCTV 영상 데이터를 하둡 맵-리듀스 프로그램으로 처리한 결과 파일을 입력으로 사용하였고, 검색한 차량 번호는 ‘PP587A0'이다.
입력 파일의 이름은 “result.txt”이고 파일의 크기는 661바이트이다.
하둡 환경에서는 총 34대의 PC를 사용하였고, 네임 노드 1대, 보조 네임 노드 1대, 데이터 노드는 최소 1대부터 최대 32대까지 구성하였다. JavaANPR 소프트웨어가 결합된 VRT 시스템의 하둡 맵-리듀스 프로그램의 수행 시간을 측정하였다.

성능/효과

5) 리듀서의 작업이 끝나면 하둡 맵-리듀스 프로그램은 LocationTransform 클래스를 호출한다. 이 클래스는 HDFS에 저장된 결과 파일 내용 중에서, 촬영 장소를 위도와 경도 좌표로 수정한다.
6) 저장이 완료되면 LocationTransform 클래스는 로컬 시스템에 있는 구글 맵 프로그램을 호출한다.
7) 구글 맵 프로그램은 웹 브라우저를 호출하고, 웹 브라우저가 호출 되면 사용자가 직접 로컬 시스템의 결과 파일을 입력한다. 사용자의 입력이 끝나면, 구글 맵 프로그램은 위도, 경도 좌표를 구글 맵에 표시하고, 각 위치를 선으로 연결한다.
제안하는 VRT 시스템은 대규모 CCTV 영상 데이터를 빠른 시간 내에 차량 번호 문자로 출력하며, 출력된 차량 번호들 중에서 특정 차량을 검색하여 해당 차량의 번호와 관련 정보(촬영 장소와 일시)를 함께 결과 파일에 기록한다. 결과 파일의 차량 정보는 여러 응용 시스템에서 활용이 가능해지며, VRT 시스템은 검색한 차량의 정보를 구글 맵에 표시하여 차량의 이동경로를 추적 할 수 있게 한다. 그리고 VRT 시스템의 성능으로서 단일 PC와 하둡 환경에서 번호판 인식 시간을 측정, 비교한다.
구글 맵의 다양한 기능을 사용하여 더욱 자세한 위치를 확인 할 수도 있었다. 그리고 VRT 시스템의 성능 실험에서는 하둡 환경의 데이터 노드 개수가 32대일 때, VRT 시스템의 처리 속도가 단일 PC보다 최대 27배 빠르게 측정되었으며, 초당 187개의 번호판을 인식 할 수 있었다.
2배 빠르게 나타났다. 또한, 실험 데이터가 132GB 일 때, 하둡 환경에서 단일 PC 보다 수행 시간이 5961분 정도 빠르게 측정되었으며, 이는 시간으로는 약 99시간, 일수로는 약 4일 정도이다. 이 때, VRT 시스템은 최대 처리 속도를 가지며, 초당 187개의 번호판 영상 데이터를 인식 할 수가 있다.
2GB의 실험 데이터를 각각 10배씩 늘려서 수행 시간을 측정, 비교하였다. 실험 데이터가 66 GB와 132GB 일 때, 번호판 인식 속도는 단일 PC보다 각각 27.4배, 27.2배 빠르게 나타났다. 또한, 실험 데이터가 132GB 일 때, 하둡 환경에서 단일 PC 보다 수행 시간이 5961분 정도 빠르게 측정되었으며, 이는 시간으로는 약 99시간, 일수로는 약 4일 정도이다.

후속연구

JavaANPR 소프트웨어를 우리나라 번호판 특성에 맞게 설계, 시험하는 것은 향후 과제로 남긴다.

질의응답

핵심어	질문	논문에서 추출한 답변
	빅데이터 처리 기술엔 무엇이 있는가?	빅데이터 처리 기술로는 하둡(Hadoop), No SQL, R 등이 있으며, 그 중에서도 가장 대표적인 하둡은 현재 정형 및 비정형 빅데이터 분석에서 가장 선호되는 솔루션이다. HDFS(Hadoop Distributed File System)에 파일을 저장하고, 맵-리듀스(Map-Reduce) 방식으로 많은 양의 데이터를 빠른 속도로 분산 병렬 처리한다[5,6].
	VRT 시스템은 무엇인가?	본 논문에서는 대규모 CCTV 영상 데이터를 하둡 기반으로 병렬처리하고, 이를 활용한 VRT(Vehicle Route Tracking) 시스템을 설계 구현한다. VRT 시스템은 대규모 차량 번호판 인식 시스템의 특성을 가지며, 구글 맵을 통해 특정 차량의 이동경로를 빠른 시간 내에 추적 가능케 한다. 그리고 VRT 시스템의 성능 평가를 위한 실험을 통하여 단일 PC와 하둡 환경에서 대규모 CCTV 영상 데이터의 번호판 인식 시간을 비교 분석한다.
	차량 번호판 인식 시스템은 주로 무엇에 사용되는가?	차량 번호판 인식 시스템은 CCTV나 카메라에서 촬영한 차량의 영상 데이터를 인식하고 차량 번호를 문자로 출력 또는 저장한다. 주로 주차 관제 서비스나 실시간 범죄 차량 검거 등에 사용되며, 데이터의 실시간 처리가 요구된다. 하지만, 차량 번호판 인식 시스템의 실시간 처리 방식으로 대규모 데이터를 일괄 처리하는 경우에 데이터의 처리 시간이 오래 걸리고, 처리할 데이터의 양도 너무 많다.

참고문헌 (13)

CCTV Installation and Operation of public institutions(2013), http://www.index.go.kr/egams/stts/jsp/potal/stts/PO_STTS_IdxMain.jsp?idx_cd2855.
C. Y. Jung, J. W. Han, J. S. Jang, "Big Data issues in video surveillance technology," KIIT, vol. 10, no. 3, pp. 31-37, 2012.
Qadri M.T, Asif M, "Automatic Number Plate Recognition System for Vehicle Identification Using Optical Character Recognition", Education Technology and Computer, pp. 335-338, 2009.
Christos-Nikolaos E. Anagnostopoulos, Ioannis E. Anagnostopoulos, Ioannis D. Psoroulas, Vassili Loumos, Eleftherios Kayafas, "License Plate Recognition From Still Images and Video Sequences: A Survey", IEEE Transactions on Intelligent Transportation Systems, vol. 9, no. 3, pp. 377-391, Sep. 2008.

상세보기
J. H. Jung, "Beginning Hadoop Programming Development and Operations", Wikibooks Press, 2013.
Tom White, "Hadoop: The Definitive Guide", 2nd ed., O'Reilly, Sebastopol, CA, 2011.
Shih-Jui Yang, Ho, C.C, Jian-Yuan Chen, Chuan-Yu Chang, "Practical Homography-based perspective correction method for License Plate Recognition", Information Security and Intelligence Control (ISIC), pp. 198-201, 2012.
S. Lew, S. Y. Choi, W. J. Lee, B. R. Lee, K. W. Min, H. C. Kang, "Extraction of the License Plate Region Using HoG and AdaBoost", Journal of Digital Contents Society, vol. 10, no. 4, 2009.
Ondrej Martinsky, "Algorithmic and Mathematical Principles of Automatic Number Plate Recognition Systems", Brno University of Technology, 2007.
K. Shvachko, H. Kuang, S. Radia, R. Chansler, "The Hadoop Distributed File System," 26th IEEE Symposium on Mass Storage Systems and technologies, Yahoo!, Sunnyvale, pp. 1-10, May. 2010.
J. Dean, S. Ghemawat, "Mapreduce: Simplified Data Processing on Large Clusters," 6th Symposium on Operating Systems Design and Implementation, Berkeley, USA, Dec. 2004.
J. H. Chung, "Design of Trajectory Data Indexing and Query Processing for Real-Time LBS in MapReduce Environments", Journal of Digital Contents Society, vol. 14, no. 3, pp. 313-321, 2013.

원문보기 상세보기
Google Maps API, http://code.google.com/intl/ko/apis/maps/documenta tion/javascript/.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증