[논문]A model to secure storage space for CCTV video files using YOLO v3

Seong-Ik, Kim

doi:10.9708/jksci.2023.28.01.065

A model to secure storage space for CCTV video files using YOLO v3 원문보기

韓國컴퓨터情報學會論文誌 = Journal of the Korea Society of Computer and Information, v.28 no.1, 2023년, pp.65 - 70

Seong-Ik, Kim (Dept. of Smart IT, U1 University)

초록
AI-Helper

본 논문에서는 YOLO v3를 이용한 CCTV 저장공간 확보 모델을 제안한다. CCTV는 방범, 화재예방, 감시 등 재난·재해 및 안전을 위해 사회 곳곳에 설치·운영되며, 개수의 증가와 화질의 개선이 함께 이뤄지고 있다. 이로 인해 영상파일의 개수와 크기가 증가하면서 기존의 저장공간으로는 이를 감당하기 어려움을 느끼고 있다. 이를 해소하기 위해 CCTV 영상 속의 특정 객체를 YOLO v3를 이용하여 탐지하여 해당 프레임만을 저장하여 불필요한 프레임을 삭제하는 모델을 제안하여 영상파일의 크기를 줄임으로써 저장공간을 확보하고, 그로 인해 더 오랜 기간 영상을 저장·관리할 수 있도록 하였다. 제안 모델 적용 후 평균 94.9% 영상파일의 크기가 절감됨을 확인하였으며, 제안 모델을 적용하기 전보다 약 20배의 보관 기간이 증가했음을 확인할 수 있었다.

Abstract ▼ AI-Helper

In this paper, we propose a CCTV storage space securing model using YOLO v3. CCTV is installed and operated in various parts of society for disasters, disasters and safety such as crime prevention, fire prevention, and monitoring, and the number of CCTV is increasing and the quality of the video quality is improving. Due to this, as the number and size of image files increase, it is difficult to cope with the existing storage space. In order to solve this problem, we propose a model that detects specific objects in CCTV images using YOLO v3 library and deletes unnecessary frames by saving only the corresponding frames, thereby securing storage space by reducing the size of the image file, and thereby Periodic images can be stored and managed. After applying the proposed model, it was confirmed that the average image file size was reduced by 94.9%, and it was confirmed that the storage period was increased by about 20 times compared to before the application of the proposed model.

주제어

표/그림 (9)

그림 Fig. 1. YOLO v1 Model
그림 Fig. 2. System Model Architecture
그림 Fig. 3. CCTV video file processing process
그림 Fig. 4. Python program runs process
표 Table 1. System model contents
그림 Fig. 5. Object detection process
그림 Fig. 6. CCTV video file
표 Table 2. Data before model application
표 Table 3. Comparison before and after model application

AI 본문요약
AI-Helper

문제 정의

본 논문에서는 YOLO v3를 이용하여 CCTV 영상 속 사람을 탐지해 해당 프레임만 획득하여 저장함으로써, CCTV 영상파일 크기를 줄여 저장공간을 확보하는 모델을 제안한다. 본문에서는 제안 시스템 모델의 구성도를 통해 CCTV와 서버, PC의 구성을 표현하였고, 흐름도에서는 영상파일이 작업스케쥴러에 의해 실행된 파이썬 실행 파일이 YOLO v3 라이브러리를 이용하여 탐지된 객체를 찾고 저장하는 처리 과정을 나타내고 있다.

제안 방법

영상파일은 1시간 단위로 생성되며, 파일명은 ‘연월일_시_CCTV Name’ 의 형태로 저장하고, 확장자는 avi를 사용한다. CCTV 녹화로 생성된 영상파일은 서버에 저장하고, 매 시 30분에 PC로 저장된 영상파일을 전송하는 프로세스로 설계하였다.
본 논문에서는 인공지능 분야 중 하나인 영상분석을 이용한 컴퓨터 비전을 이용한 것으로, CCTV 영상 속의 특정객체를 YOLO v3 라이브러리를 활용하여 탐지하여 해당 프레임만을 저장하여 불필요한 프레임을 삭제하는 모델을 제안하여 영상파일의 크기를 줄임으로써 저장공간을 확보하고, 그로 인해 더 오랜 기간 영상을 저장·관리 할 수 있도록 하였다.
본 논문에서는 YOLO v3를 이용하여 CCTV 영상 속 사람을 탐지해 해당 프레임만 획득하여 저장함으로써, CCTV 영상파일 크기를 줄여 저장공간을 확보하는 모델을 제안한다. 본문에서는 제안 시스템 모델의 구성도를 통해 CCTV와 서버, PC의 구성을 표현하였고, 흐름도에서는 영상파일이 작업스케쥴러에 의해 실행된 파이썬 실행 파일이 YOLO v3 라이브러리를 이용하여 탐지된 객체를 찾고 저장하는 처리 과정을 나타내고 있다.
해당 프로그램은 Windows 10의 작업스케쥴러에 등록했으며, 작업스케쥴러는 정시일 경우 실행되도록 설정하였다. 서버로부터 전송받은 파일이 있는지 여부를 체크한 뒤, 전송받은 파일이 있을 경우 파이썬 프로그램을 실행하도록 설정하였다.
프로그램은 파이썬으로 YOLO v3 라이브러리를 이용하여 코딩했으며, 데이터 셋은 방범의 목적을 두어 사람 객체만 탐지하기 위해 Person Object만 탐지하도록 수정하였다. 해당 프로그램은 Windows 10의 작업스케쥴러에 등록했으며, 작업스케쥴러는 정시일 경우 실행되도록 설정하였다.

대상 데이터

CCTV는 총 12대를 사용했고, CCTV 영상파일을 저장하는 서버의 용량은 1 TByte이다. 도심에서 약간 떨어진 중형 마트에 설치했다.
곳곳에 설치된 CCTV를 통해 영상을 녹화하고, 녹화된 영상파일을 생성한다. 영상파일은 1시간 단위로 생성되며, 파일명은 ‘연월일_시_CCTV Name’ 의 형태로 저장하고, 확장자는 avi를 사용한다.

성능/효과

24시간 저장된 영상파일의 크기를 비교하였다. 제안 모델 적용 전후를 비교했을 때, 평균 94.9% 절감되었으며, 최소 84.0%에서 최대 99.2%까지 영상파일의 크기가 절감됨을 확인할 수 있었다. 이 과정에서 Person Object의 인식률은 98.
제안 모델 적용 후 최소 84.0%에서 최대 99.2%까지 영상파일의 크기가 절감됨을 확인하였으며, 저장공간이 추가로 확보됨에 따라 제안 모델을 적용하기 전보다 약 20배의 보관 기간이 증가했음을 확인할 수 있었다. 또한, 프레임 추출 후 재 인코딩하는 과정에서 별도의 변환 없이 원본 그대로를 유지했기 때문에 영상의 품질은 기존 영상의 품질과 동일하게 유지할 수 있었다.

후속연구

본 논문에서 제안한 모델을 이용하여 CCTV 뿐만 아니라 차량용 블랙박스의 영상파일이나, 촬영용 드론으로 얻은 영상파일에서 특정 객체를 탐지하여 영상파일의 크기를 줄일 수 있는 응용도 가능하다.
CCTV 설치 위치에 따라 객체 존재 여부에 따른 탐지가 다르기 때문에 CCTV별 감소율의 차이가 있을 수 있으며, 사람이 지속적으로 통행하는 곳에서는 감소율이 현저히 낮을 것으로 예상된다. 이러한 이유로 본 제안 모델은 사람의 통행이 적거나 심야 시간 등 인적이 드문 곳에 활용하면 감지되는 객체가 적기 때문에 불필요한 데이터의 삭제가 많아지게 되어 저장되는 영상파일의 용량이 적어 더 많은 저장공간을 확보할 수 있을 것으로 기대할 수 있다.

참고문헌 (17)

S. H. Choi, D. H. Kim, H. H. Kim, Y. Kim. "Disaster warning？system using Convolutional Neural Network - Focused on？intelligent CCTV", Journal of the Korea Society of Computer and？Information, Vol. 24, No. 2, pp. 25-33, 2019.
Y. G. Kwak, T. H. Lim, "A Study on the CCTV Effective？Utilization Method for the Crime Prevention and Action", Journal？of Korean Public Police and Security Studies, Vol. 8, No. 2, pp.？119-144, 2011. DOI : 10.25023/kapsa.8.2.201108.119

상세보기
I. S. Kim, J. D. Yoo, B. H. Kim, "A Monitoring Way and？Installation of Monitoring System using Intelligent CCTV under？the u-City Environment", The Journal of The Korea Institute of？Electronic Communication Sciences, Vol. 3, No. 4, pp. 295-303,？2008.
K. T. Kim, D. S. Seong, K. B. Lee, "A Smart Remote Surveillance？System using GPS Correction and Smart Device", Journal of Korean Institute of Information Technology, Vol. 10, No. 11, pp.？181-191, 2012.
I. S. Kim, H. S. Shin, "A Study on Development of Intelligent？CCTV Security System based on BIM", The Journal of The Korea？Institute of Electronic Communication Sciences, Vol. 6, No. 5,？pp 789-795, 2011.
Y. H. Kim, J. H. Kim, "Development of Real-Time Face Region？Recognition System for City-Security CCTV", Journal of Korea？Multimedia Society, Vol. 13, No. 4 pp. 504-511, 2010.
D. S. Seong. "Improvement of Safe Return Service by CCTV？Camera Sharing", The Journal of Korean Institute of Next？Generation Computing, Vol. 13, No. 1, pp. 65-73, 2017.
J. H. Kim, H. S. Moon, "A model development for object detection？and classification at sea using modified YOLO v4", Journal of？the Military Operations Research Society of Korea, Vol. 47, No.？2, pp. 13-25, 2021.
Redmon, J., & Farhadi, A. YOLO9000: better, faster, stronger.？In Proceedings of the IEEE conference on computer vision and？pat-tern recognition, 7263-7271. 2017.
Redmon, J., & Farhadi, A. Yolov3: An incremental improvement.？arXiv preprint, arXiv:1804.02767. 2018.
H. J. Shin, S. M. Oh, S. W. Oh, Y. G. Kim, T. W. Um, J.？S. Kim. "Implementation of Mobility Detection Model in Media？using YOLO v3", Proceedings of Symposium of the Korean？Institute of communications and Information Sciences. pp.？967-968, 2022.
Redmon, J., Divvala, S., Girshick, R., & Farhadi, A. "You only？look once: Unified, real-time object detection". In Proceedings？of the IEEE conference on computer vision and pattern recognition.？pp. 779-788. 2016. DOI : 10.48550/arXiv.1506.02640
Y. J. Lee, H. Y. Son, K. W. Choi, S. K. Lee, J. H. Park, "Object？Detection Based on Deep Learning Using Port CCTV Video",？Proceedings of Symposium of the Korean Institute of？communications and Information Sciences. pp. 796-797, 2021.
G. H. Jo, H. W. Cho, Y. J. Song. "Implementation of 360-degree？Image Recognition System Using Lidar Sensors and Yolo v3？Libraries in Cloud Server Environment", The Journal of Korean？Institute of Information Technology. Vol. 18, No. 2, pp.1-7. 2020.？DOI : 10.14801/jkiit.2020.18.2.1,

상세보기
S. H. Shim, S. I. Choi, "Development on Identification Algorithm？of Risk Situation around Construction Vehicle using YOLO-v3",？Journal of the Korea Academia-Industrial cooperation Society,？Vol. 20, No. 7, pp. 622-629, Jul. 2019.

원문보기 상세보기
Tian, Yunong, Yang, Guodong, Wang, Zhe, Wang, Hao, Li, En,？and Liang, Zize, "Apple detection during different growth stages？in orchards using the improved YOLO-V3 model", Computers？and electronics in agriculture, Vol. 157, pp. 417-426, Feb. 2019.

상세보기
YoloV3 Implemented in TensorFlow 2.0, https://github.com/zzh8829/yolov3-tf2

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