$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

지능형 CCTV 기반 동적 범죄예측 기술 동향

Trends in Dynamic Crime Prediction Technologies based on Intelligent CCTV

전자통신동향분석 = Electronics and telecommunications trends, v.35 no.2, 2020년, pp.17 - 27  

박상욱 (신인증.물리보안연구실) ,  오선호 (신인증.물리보안연구실) ,  박수완 (신인증.물리보안연구실) ,  임경수 (신인증.물리보안연구실) ,  최범석 (신인증.물리보안연구실) ,  박소희 (신인증.물리보안연구실) ,  김상원 (신인증.물리보안연구실) ,  한승완 (신인증.물리보안연구실) ,  한종욱 (신인증.물리보안연구실) ,  김건우 (신인증.물리보안연구실)

Abstract AI-Helper 아이콘AI-Helper

Predicting where and when a crime may occur in an area of interest is one of many strategies of predictive policing. Multidimensional analysis, including CCTV, can overcome the limitations of hotspot prediction, especially of violent crimes. In order to identify the precursors of a crime, it is nece...

주제어

표/그림 (7)

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 국내 성범죄자 등 전자발찌 착용자를 대상으로 사후 대응 위주의 위치추적시스템(U-Guard)을 사전 대응으로 전환하는 것이 목적이며, 전자 감독대상자의 상태와 이상 징후를 파악하기 위해 일상생활에서 추출되는 요소와 재범 가능성을 높이는 행동과의 연관성을 분석해 재범징후 위험도를 제시하고 있다. 특히 법무부는 전자감독대상자의 심리적 상태 등을 포함하여 더욱 면밀히 파악하여 다양한 방법으로 재범억제 기능을 강화할 예정이다.
  • 가능해졌다. 먼저, 범죄자를 특정할 수 있는 영상 인식 기술의 최근 동향을 살펴보고자 한다.
  • 본 고에서는 기존의 범죄예측을 위한 방법과 지능형 CCTV 영상 분석 분야에서 범죄 유발요인으로 추출할 수 있는 기술을 살펴보고 동적 범죄예측을 위한 방법론을 제안한다.
  • 최근 미국 법무부가 스마트시티 구축 등을 목적으로 시작한 치안 이니셔티브(SPI: SMART Policing Initiative) 지원 프로그램에서 경찰 활동 전략과 과학기술을 융합한 예측 정책(Predictive Policing) 이 범죄 발생 빈도를 극적으로 줄여 공개된 범죄 이력을 활용한 예측 기술의 효용성이 입증되었다 [8]. 본 장에서는 효과적인 결과가 보고된 국내외범죄예측 기술의 동향을 살펴보고자 한다.
  • 범죄예측 기술을 실현하기 위해서는 과거 데이터에 대한 분석이 필요하다. 시·공간적 다차원 과거 범죄 데이터와 이를 분석하여 설명 가능한 예측 방법에 대해 소개한다.
  • 도쿄 경찰청은 2020년 도쿄 올림픽에서 효과적인 테러 방지를 위한 딥러닝 기반 예측 치안을 도입할 계획이다. 명의 가해자가 여러 범죄를 저지르고 있는지 발견된 범죄자의 다음 행동을 예측하는 것을 목표로 하고 있다.
본문요약 정보가 도움이 되었나요?

참고문헌 (31)

  1. K Aguirre et al., "Future crime: Assessing twenty first century crime prediction," STRATEGIC NOTE, 2019. 

  2. Melanie-Angela Neuilly et al., "Predicting Recidivism in Homicide Offenders Using Classification Tree Analysis," Homicide Studies, 2011, pp. 165-176. 

  3. 신민규 외, "5대 범죄와 물리적 환경 영향요인의 상관성 분석," 한국지도학회지, 2018, pp. 131-140. 

  4. Ying-Lung Lin et al., "Grid-Based Crime Prediction Using Geographical Features," Int. J. Geo-Inf., 2018. 

  5. 박우현 외, "범죄예방정책의 바람직한 추진방향," 경찰학논총, 2017, pp. 125-156. 

  6. 김의명 외, "연속수치지도와 유동인구를 이용한 범죄취약 추정지역 추출," 한국지도학회지, 2019, pp. 59-68. 

  7. 박진이 외, "격자망 분석을 통한 범죄 발생 취약 지역 추출 기법," 한국측량학회지, 2015, pp. 221-229. 

  8. 류연수, "스마트치안 국내외 사례와 향후 과제," 행정포커스, 2017, pp. 16-21. 

  9. Fieke Jansen, "Data Driven Policing in the Context of Europe, Data Justice Lab, 2018. 

  10. Japan Times, "Kanagawa police to launch AI-based predictive policing system before Olympics," 2018년 1월 29일. 

  11. 한국과학기술기획평가원, "안면인식 도입 확산과 국내 활성화 방안 모색," 과학기술&ICT 정책.기술 동향, 2019, pp. 1-17. 

  12. 국토교통부, "전자발찌 범죄, 전국 CCTV로 잡는다," 2019년 3월 29일. 

  13. 최종원 외, "행동 패턴 기반 범죄예측 모델 연구," 한국위성정보통신학회논문지, 2016, pp. 55-57. 

  14. Mei Wang et al., "Deep Face Recognition," arXiv: 1804.06655, 2019. 

  15. Bong-Nam Kang et al., "Hierarchical Feature-Pair Relation Networks for Face Recognition," CVPR Workshop, 2019. 

  16. Xing Fan et al., "SphereReID: Deep Hypersphere Manifold Embedding for Person Re-Identication," arXiv: 1807.00537, 2018. 

  17. Guangcong Wang et al., "Spatial-Temporal Person Reidentification," AAAI, 2019, arXiv: 1812.03282. 

  18. S. M. Silva et al., "License Plate Detection and Recognition in Unconstrained Scenarios," ECCV, 2018. 

  19. https://www.aicitychallenge.org/ 

  20. https://research.google.com/audioset/ 

  21. Waqas Sultani et al., "Real-world Anomaly Detection in Surveillance Videos," CVPR, 2018, arXiv: 1801.04264. 

  22. Yi Zhu et al., "Motion-Aware Feature for Improved Video Anomaly Detection," BMVC, 2019, arXiv: 1907.10211. 

  23. http://www.crimestats.or.kr/ 

  24. https://www.scourt.go.kr/ 

  25. FBI, "2019 National Incident-Based Reporting System (NIBRS) Technical Specification," https://www.fbi.gov/services/cjis/ucr 

  26. 양형위원회, "2019 양형기준 추록(Sentencing Guidelines)," 2019.07. 

  27. 대한의사협회, "진단서 등 작성.교부 지침(How to Write and Issue Medical Certificates)," 2015.03. 

  28. 김성준, "한국에서 빅데이터를 활용한 범죄예방시스템 구축을 위한 연구," 한국인터넷방송통신학회 논문지, 2017, pp. 217-221. 

  29. Karan Aggarwal et al., "Adversarial Unsupervised Representation Learning for Activity Time-Series," AAAI, 2019, arXiv:1811.06847. 

  30. 보안뉴스, "다양해진 개인영상정보보호 기법, 어떤 게 있나," 2018년 7월 1일. 

  31. Noah Johnson et al., "Towards Practical Differential Privacy for SQL Queries," VLDB, 2018, arXiv: 1706.09479. 

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트