[논문]딥러닝 기반 소형선박 승선자 조난 인지 시스템

전해명; 노재규

doi:10.14372/iemek.2022.17.5.281

딥러닝 기반 소형선박 승선자 조난 인지 시스템
Deep Learning based Distress Awareness System for Small Boat 원문보기

대한임베디드공학회논문지 = IEMEK Journal of embedded systems and applications, v.17 no.5, 2022년, pp.281 - 288

전해명 (Kunsan National University) , 노재규 (Kunsan National University)

Abstract ▼ AI-Helper

According to statistics conducted by the Korea Coast Guard, the number of accidents on small boats under 5 tons is increasing every year. This is because only a small number of people are on board. The previously developed maritime distress and safety systems are not well distributed because passengers must be equipped with additional remote equipment. The purpose of this study is to develop a distress awareness system that recognizes man over-board situations in real time. This study aims to present the part of the passenger tracking system among the small ship's distress awareness situational system that can generate passenger's location information in real time using deep learning based object detection and tracking technologies. The system consisted of the following steps. 1) the passenger location information is generated in the form of Bounding box using its detection model (YOLOv3). 2) Based on the Bounding box data, Deep SORT predicts the Bounding box's position in the next frame of the image with Kalman filter. 3) When the actual Bounding Box is created within the range predicted by Kalman-filter, Deep SORT repeats the process of recognizing it as the same object. 4) If the Bounding box deviates the ship's area or an error occurs in the number of tracking occupant, the system is decided the distress situation and issues an alert. This study is expected to complement the problems of existing technologies and ensure the safety of individuals aboard small boats.

주제어

표/그림 (13)

그림 그림 1. 2016~2020년 톤수별 사고 발생 현황 그래프 (단위: 척) Fig. 1. 2016-2020 Accidents by tons graph
표 표 1. 2016-2020년 톤수별 사고 발생 현황 (단위: 척) Table 1. 2016-2020 Accident by tons
그림 그림 2. 조난 인지 시스템의 데이터 입출력 과정 Fig. 2. Data input and output procedure of the Distress Awareness Situational System
그림 그림 3. 전이학습 전, 후 YOLOv3 객체 탐지 Fig. 3. Object detections in YOLOv3 before and after transfer learning
그림 그림 4. YOLOv3 승선자 탐지와 DeepSORT의 승선자 추적 결과 Fig. 4. of YOLOv3 Detection and DeepSORT Tracking Results
그림 그림 5. Fast ReID 알고리즘 작동 방법 Fig. 5. Fast ReID algorithm process
그림 그림 6. YOLACT의인스턴스세그멘테이션을활용한선내영역정의 Fig. 6. Using YOLACT to define on-board areas
그림 그림 7. 승선자의 선내 영역 탈피 두 번째 조건 Fig. 7. Second condition for the distress awareness situation
그림 그림 8. 조난 인지 시스템 조난 상황 알람 발생 계측화면 (순서 : #1-#2-#3-#4) Fig. 8. Instrumentation screen for distress condition alarm in Distress Awareness System
표 표 2. 조난 인지 시스템 구성 환경 Table 2. Environment of Distress Awareness Situational System
그림 그림 9. 영상 시료 속 승선자 행동 양식 Fig. 9. Passenger behavior form in test video
표 표 3. 실험 동영상 시나리오 Table 3. Test video scenario
표 표 4. 조난 인지 시스템 성능지표 Table 4. Evaluation metrics of Distress Awareness System

참고문헌 (15)

J. S. Yoo, S. J. Baek, Y. S. Lee, "Marine Distress/Rescue System for Marine Vessel Accident Response," Proceeding of KIIT Conference., pp. 463-465, 2017 (in Korean).
Korea Coast Guard, "2020 Statistical Yearbook of Marine Accident," 2020 (in Korean).
B. H. Jeong, "The Operational Concept and Technology Development of GMDSS, a Global Distress Safety System for Ships," Journal of Semiconductor Technology and Science., Vol. 24, No. 10, pp. 1250-1254, 1997 (in Korean).
J. J. Kim, C. H. Hong, D. J. Kim, B. B.l Lee, J. D. Kim, K. N. Ko "The Device for Generation the Distress Signal and Monitoring System for a Survivor based on WSN," Proceeding of KIIT Conference., pp. 215-217, 2010 (in Korean).
S. J. Jeong, J. H. Yim, "Implementation of the Passenger Positioning Systems using Beacon," Journal of the Korea Institute of Information and Communication Engineering., Vol. 20, No. 1, pp. 153-160, 2016 (in Korean).
J. S. Yoo, S. J. Baik, Y. S. Lee, "Rescue System for Marine Vessel Accident Response," Proceedings of KIIT Conference., pp. 463-465, 2017 (in Korean).
K. Yun, L. Nguyen, T. Nguyes, D. Kim, S. Eldin, A. Huyen, E. Chow, "Small Target Detection for Search and Rescue Operations Using Distributed Deep Learning and Synthetic Data Generation," In Pattern Recognition and Tracking XXX, Vol. 10995, pp. 38-43, SPIE, 2019
M. E. N. Gomes, D. Macedo, C. Zanchettin, P. S. G. de-Mattos-Neto, A. Oliveira, "Multi-human fall Detection and Localization in Videos," Computer Vision and Image Understanding, 220, 103442, 2022.

상세보기
J, Redmon, A. Farbadi, "YOLOv3: An Incremental Improvement, "arXiv preprint, arXiv:1804.02767, 2018.
N. Wojke, A. Bewley, D. Paulus, "Simple Online and Realtime Tracking with a Deep Association Metric," IEEE International Conference on Image Processing (ICIP), pp. 3645-3649, 2017.
L. Zheng, Z. Bie, Y. Wang, J. Su, C. Wang, S, Q. Tian, "Mars: A Video Benchmark for Large-scale Person Re-identification," In European Conference on Computer Vision, pp. 868-884, 2016.
S. Ren, K. He, R. Girshick, J. Sun, "Faster R-CNN: Toward Real-time Object Detection with Region Proposal Networks," Advances in Neural Information Processing System, No. 28, 2015.
K. Zhou, Y. Yang, A. Cavallaro, T. Xiang, "Omni-scale Feature Learning for Person Re-identification," In Proceedings of the IEEE/CVF International Conference on Computer Vision., pp. 3702-3712, 2019
D. Bolya, C. Zhou, F. Xiao, Y. J. Lee, "YOLACT: Real-time Instance Segmentation," In Proceedings of the IEEE/CVF International Conference on Computer Vision, pp. 9157-9166, 2019.
A. Milan, L. Leal-Taixe, I. Reid, S. Roth, K. Schindler, "MOT16: A Benchmark for Multi-Object Tracking," arXiv preprint, arXiv:1603.00831, 2016.

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