[논문]k-means 클러스터링을 이용한 CCTV의 효율적인 운영 설계

홍지훈; 김승호; 이근호

doi:10.20465/kiots.2017.3.2.001

k-means 클러스터링을 이용한 CCTV의 효율적인 운영 설계
Design of video surveillance system using k-means clustering 원문보기

한국사물인터넷학회 논문지 = Journal of the Korea Internet of Things Society, v.3 no.2, 2017년, pp.1 - 5

홍지훈 (백석대학교 정보통신학부) , 김승호 (백석대학교 정보통신학부) , 이근호 (백석대학교 정보통신학부)

초록
AI-Helper

CCTV 기술이 발달하면서 여러 분야에서 사용하고 있다. 현제 CCTV 운영에 대해서 구체적으로 알아보고자 하며 또한 많은 분야에서 CCTV가 생기면서 운영에 대한 문제점이 생기고 있는데 문제점을 해결하기 위해 새로운 시스템을 설계하고자한다. 본 논문에서는 CCTV가 효율적으로 운영될 수 있도록 K-means을 이용하여 데이터 분석을 진행하고 영상기술도 증가시키고 효율적으로 운영이 가능하도록 기존 시스템에 새로운 기술을 및 기능을 추가하여 문제점을 해결하고 더 좋은 기술로 발전하고자 한다. 또한 관제센터에서 효율적으로 CCTV를 운영할 수 있도록 k-means를 이용하여 CCTV 기술에 새로운 시스템을 설계하여 문제점을 해결 효율적 관리를 위해 제안하고자 한다.

Abstract ▼ AI-Helper

As CCTV technology develops, it is used in various fields. Currently, we want to know about CCTV operation in detail. In addition, CCTV in many fields is causing problems in operation. We plan to design a new system to solve the problem. In this paper, we analyze data using K-means so that CCTV can be operated efficiently, add new technology and function to existing system to increase image technology and operate efficiently, Technology. In addition, we will design a new system for CCTV technology using k-means so that the CCTV can be efficiently operated in the center, and propose the problem to solve the problem.

주제어

AI 본문요약
AI-Helper

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

문제 정의

K-means을영상시스템에 이용하여 새로운 시스템을 제안하는데 카메라에 장애가 발생하여 시간에 범죄 및 교통사고 같은 사건이 발생하는데 카메라 녹화를 봐야 되는데 장애가 발생하여 녹화가 되지 않아 문제가 될 수 있는데 그러한 문제를 군집분석을 이용하여 데이터를 비교하고 카메라 고장 빈도수를 구별할 것이다. 또한 이러한 문제점을 사전에 예방하고자 관제시스템 운영에 객체를 추적하는 기술을 적용하여 해결방안을 제안하고자한다[3.4]. 또한 장애가 발생하더라도 출동요원이 현장에 출동하지 않고 모니터링 요원이 원격으로 통한 제어를 할 수 있으며 또한 시스템에 k-means을 적용하여 기술적인 상향을 가지고 영상감시시스템의 큰 변화를 볼 수 있을 것이다.
데이터를 효과적으로 분석하는 것이 중요하며 신경회로망을 이용하여 데이터가 필요한 영상분석 같은 학습을 트레이닝시키는 것이 필요하다. 영상감시시스템 기술에 실시간으로 분석할 수 있는 기술을 합쳐 데이터의 분석 가치를 높이고 활용성과 필요성을 높이는 솔루션을 제안 하고자 한다.

가설 설정

5. 카메라가 에라가 발생하면 관제센터에 알림을 준다.
6. 원격을 통한 재부팅을 진행하고 만약 재부팅이 되지 않는 카메라는 데이터를 저장된다.

제안 방법

2. 장애가 발생한 카메라의 원인을 찾기 위해 데이터를 분석하여 오류를 판단한다.
CCTV의 기술은 시대에 맞게 변화의 속도가 빠르게 진행 되고 있으며 그만큼 많은 문제점이 생기고 있다. K-means을영상시스템에 이용하여 새로운 시스템을 제안하는데 카메라에 장애가 발생하여 시간에 범죄 및 교통사고 같은 사건이 발생하는데 카메라 녹화를 봐야 되는데 장애가 발생하여 녹화가 되지 않아 문제가 될 수 있는데 그러한 문제를 군집분석을 이용하여 데이터를 비교하고 카메라 고장 빈도수를 구별할 것이다. 또한 이러한 문제점을 사전에 예방하고자 관제시스템 운영에 객체를 추적하는 기술을 적용하여 해결방안을 제안하고자한다[3.
기존 시스템 구조는 관제센터에서 모니터링요원이 즉시 확인을 못 한다면 발생하는 이상 징후를 탐지하지 못해 문제점이 발생하게 되는데 이러한 문제점을 분석하여 어떠한 오류인지 판단을 내리고 해당 오류를 가지고 k-mean알고리즘을 이용하여 장애발생수를 빈도수로 체크하고 데이터화시켜 저장하여 지도에 표시하여 장애가 많이 발생하는 카메라를 체크하고 AS를 진행한다. 또한 요원은 즉시 원격 재부팅을 이용하여 재부팅을 진행하는데 만약 재부팅이 되지 않는다면 이것도 데이터화 하여 진행하게 된다.
기존 시스템과 새로운 시스템을 비교하였다. 유지보수 및 상황판단에 효율적으로 진행할 수 있는데 장애가 발생하게 되면 기존보다 빠르게 처리를 할 수 있어 즉시 문제점을 해결하고 장애가 발생하면 데이터를 모아 빈도수에 따른 AS를 처리하게 되어 필요 없는 현장 출동을 하지 않게 된다.
기술에 발달에 따른 여러 분야의 CCTV의 기술이 앞으로 더욱 많은 분야에서 발전하여 새로운 기술 및 기능이 생겨날 것이라 판단하였다. 또한 효율적인 관제센터 운영에 대해 기존 시스템과는 다른 새로운 시스템을 구축하여 장애 및 운영에 대해 문제없이 제안한 기능을 수행하고 유지보수 및 현장 출동을 하지 않더라도 관제 센터에서 모니터링 요원이 즉시 체크 리스트를 가지고 원격 리셋을 하여 재부팅을 진행하고 불필요한 출동에 대해 번거로움을 해결하고 k-meas 알고리즘을 이용하여 체크리스트에 있는 데이터를 가지고 분석을 하여 장애 종류 및 장애횟수를 가지고 다시 체크리스트에 저장하는데 체크리스트를 가지고 관제센터에서는 효율적인 운영을 할 것이며 이러한 새로운 시스템을 제안하였다. 앞으로 많은 분야에 CCTV가 사용되고 더 좋은 성능 및 필요성이 증가할 것이라 생각하고 범죄와 같은 사건이 발생 했을 경우 장애가 발생하여 녹화가 안 되는 문제점을 고려하여 k-meas를 이용하여 데이터를 분석하여 장애가 발생하지 않게 처리하고 사전에 원격제어를 통하여 발생하는 장애를 해결하고 앞으로 좋은 기술로 연구가 이루어질 것으로 예상되며 많은 CCTV의 연구가 진행되어 좋은 발전이 이루어질 것이라고 생각하며 여러 분야에 기술을 구축하여 좋은 기술로 적용될 것이라고 생각하며 연구가 이루어질 것으로 제안하였다.
문제점들이 발생하는 것을 사전 방지하기 위해 본 논문에서는 기존 시스템에서 새로운 시스템을 도입하여 문제점을 해결해 갈 것이고 장애가 발생하는 카메라들을 원격제어를 통한 리셋을 진행할 것이고 또한 현재까지 장애가 발생하고 문제가 생긴 카메라들의 데이터를 수집하고 k-means를 이용하여 데이터를 분석하고 장애가 발생한 빈도수를 체크하여 체크리스트에 작성하면서 데이터를 통합하여 AS를 진행할 것이다.
새로운 영상 시스템을 위해 데이터를 분석하면서 그 데이터의 값을 k-menas를 이용하고 저장하여 기존 시스템에서 새로운 시스템으로 설계하고자 한다.
1]은 기존 카메라가 운영되는 시스템에 K-means를 적용하여 나타낸 것 이며 카메라가 통신장비에 송수신부에 대한 제어에 따라 네트워크를 통해 관리센터와의 신호 및 데이터를 주고받는다. 여기서 네트워크를 통해 k-means 알고리즘을 적용하여 데이터를 분석하고 장애 빈도수를 체크하여 중요한 시기에 발생할 수 있는 장애를 사전에 차단하고 예방하여 문제가 생기지 않게 하는 것이다.
특정한 성질의 데이터 유사성을 기초로 고정 돼있는 수인 k의 군집을 찾아 알고리즘 하는 것을 의미하는데 작업을 통해 설정된 임의 임계치를 만족할 때까지 반복적으로 군집분류로 적용할 것이다[11]. 장애가 발생하면 그 카메라를 효과적으로 빈도수를 체크하고 이동하는 물체들을 관측하여 설정하고 순차적으로 체크하여 변화를 측정하는 것이며 시스템의 적용하여 군집분석을 사용할 것이다[12.13].

후속연구

4]. 또한 장애가 발생하더라도 출동요원이 현장에 출동하지 않고 모니터링 요원이 원격으로 통한 제어를 할 수 있으며 또한 시스템에 k-means을 적용하여 기술적인 상향을 가지고 영상감시시스템의 큰 변화를 볼 수 있을 것이다. 데이터를 효과적으로 분석하는 것이 중요하며 신경회로망을 이용하여 데이터가 필요한 영상분석 같은 학습을 트레이닝시키는 것이 필요하다.
또한 효율적인 관제센터 운영에 대해 기존 시스템과는 다른 새로운 시스템을 구축하여 장애 및 운영에 대해 문제없이 제안한 기능을 수행하고 유지보수 및 현장 출동을 하지 않더라도 관제 센터에서 모니터링 요원이 즉시 체크 리스트를 가지고 원격 리셋을 하여 재부팅을 진행하고 불필요한 출동에 대해 번거로움을 해결하고 k-meas 알고리즘을 이용하여 체크리스트에 있는 데이터를 가지고 분석을 하여 장애 종류 및 장애횟수를 가지고 다시 체크리스트에 저장하는데 체크리스트를 가지고 관제센터에서는 효율적인 운영을 할 것이며 이러한 새로운 시스템을 제안하였다. 앞으로 많은 분야에 CCTV가 사용되고 더 좋은 성능 및 필요성이 증가할 것이라 생각하고 범죄와 같은 사건이 발생 했을 경우 장애가 발생하여 녹화가 안 되는 문제점을 고려하여 k-meas를 이용하여 데이터를 분석하여 장애가 발생하지 않게 처리하고 사전에 원격제어를 통하여 발생하는 장애를 해결하고 앞으로 좋은 기술로 연구가 이루어질 것으로 예상되며 많은 CCTV의 연구가 진행되어 좋은 발전이 이루어질 것이라고 생각하며 여러 분야에 기술을 구축하여 좋은 기술로 적용될 것이라고 생각하며 연구가 이루어질 것으로 제안하였다.
유지보수 및 상황판단에 효율적으로 진행할 수 있는데 장애가 발생하게 되면 기존보다 빠르게 처리를 할 수 있어 즉시 문제점을 해결하고 장애가 발생하면 데이터를 모아 빈도수에 따른 AS를 처리하게 되어 필요 없는 현장 출동을 하지 않게 된다. 앞으로 유지보수 및 운영에 대한 도움이 될 것이라고 본 논문 에서는 기대 효과를 가지고 있다

질의응답

핵심어	질문	논문에서 추출한 답변
	k-means는 무엇인가?	k-means는 비계층적 군집방법으로 데이터의 클러스터링 방법 중 분할법으로 사용되고 있다. 패턴이 속하는 것을 중심으로 평균 거리를 최소화하여 데이터를 특정한 성질로 k개의 군집으로 나누는 방식으로 이루어져 분산도를 최소화 하며 데이터를 어떻게 처리하는가에 따라 변동이 생겨난다.
	k-means의 과정은?	k-means는 비계층적 군집방법으로 데이터의 클러스터링 방법 중 분할법으로 사용되고 있다. 패턴이 속하는 것을 중심으로 평균 거리를 최소화하여 데이터를 특정한 성질로 k개의 군집으로 나누는 방식으로 이루어져 분산도를 최소화 하며 데이터를 어떻게 처리하는가에 따라 변동이 생겨난다. 거리가 가까운 객체들이 군집으로 이루어 최종적으로 모든 객체들이 하나의 군집으로 만들어지게 된다[10]. 특정한 성질의 데이터 유사성을 기초로 고정 돼있는 수인 k의 군집을 찾아 알고리즘 하는 것을 의미하는데 작업을 통해 설정된 임의 임계치를 만족할 때까지 반복적으로 군집분류로 적용할 것이다[11].
	군집분석을 통한 영상감시시스템을 위해 필요한것은?	또한 장애가 발생하더라도 출동요원이 현장에 출동하지 않고 모니터링 요원이 원격으로 통한 제어를 할 수 있으며 또한 시스템에 k-means을 적용하여 기술적인 상향을 가지고영상감시시스템의 큰 변화를 볼 수 있을 것이다. 데이터를 효과적으로 분석하는 것이 중요하며 신경회로망을 이용하여 데이터가 필요한 영상분석 같은 학습을 트레이닝시키는 것이 필요하다. 영상감시시스템 기술에 실시간으로 분석할 수 있는 기술을 합쳐 데이터의 분석 가치를 높이고 활용성과 필요성을 높이는 솔루션을 제안 하고자 한다.

참고문헌 (15)

H.S.Joo, "A Study on Operation and Integrated Control of CCTV", The Korean Society Of Computer And Information. Vol.29, No.4. pp.167-176, 2016.
M.J,Kim and S.M.Yang, "Remote Management Interface for Surveillance System based on CCTV". Korean Institute of Information Technology. Vol.2015, No.6. pp.270-272, 2015.
C.S.Chung, "A Case Study on the Operation Enhancement of Integrated CCTV Control Center at Busan Metropolitan City" The Korean Association For Regional Information Society. Vol.18, No.3, pp.123-154, 2015.
K.H.Lee and Y.H.Jung. "Real-time theft prevention system using dual camera". Journal of the Korea Academia - Industrial cooperation Society, Vol.101, pp.158-164. 2009.
W.B.Kevin, H.Karen and J.F.Patrick. "Image Understanding for Iris Biometrics A Survey", Computer Vision and Image Understanding, Vol.100, pp.281-307, 2008.
Rustom Kanga. Ivy Li. Shereen Fink, Andy Kuzman, Marlen Kanga. P.Brian Lovell and O.D.Souza. "Automated Surveillance : A Guide to Intelligent Video Analysis". [Brochure], InfoBooks, 2013.
R.T.Collins. A.J.Upton. T.Kanade.H. Fujiyoshi.D. Duggins. Y.Tsim. D.Tolliver ,N.Enomoto. Hasegawa. P.Burt and L.Wixson. "A Sytem for Video Surveillance andMonitoring", CMU-RI-TR-00-12, CarnegieMelon University. 2000.
Human ID at a Distance, DARPA Project. U. S. Government. 2004.
T.K.Jang. E.J.Kim and B.S.Lee. "Design and Implementation of Multi-Channel Underwater Imaging System", Korean Institute of Information Technology, Vol.10, No.10, pp.133, 2012.
S.J.Kwon. S.H.Kim. O.S.Tak and H.h.Jeong. "A Study on the Clustering Method of Row and Multiplex Housing in Seoul Using K-Means Clustering Algorithm and Hedonic Model", Korea Intelligent Information Systems Society, Vo.l23, No.3, pp.99-100, 2017.
B.Basu-Malick. A.Kundu and PHYSLCSLETTERS.A. Vol.279, No.1, pp.29-32. 2001.
M.K.Song and H.Chang. "Charaterization of Cities in Seoul Metropolitan Area by Cluster Analysis", Journal of the Korean Society for Geo-spatial Information Science, Vol.18, No.1, pp.84-85. 2010.
S.M.Oh. J.M.Song and C.S.Kim. "Clustering Analysis using the Influence of Attributes in Categorical Data Analysis", Journal of Information Science, Vol.18, No.11, pp.4. 2012.
J.Y.Lee and S.M.Yang, "Tracking System for Copperative CCTV Surveillance". Korean Institute of Information Technology. pp.174-176. 2010.
J.H.Elder. S.J.D. Prince. Y.Hou. M.Sizintsev and E.Olevskiy. "Pre-Attoentive and Attentive Detection of Humans in Wide-Filed Scence", Intematinal Journal of Computer, Vol.72. No.1, pp.47-66. 2007.

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