[논문]차 영상과 합성곱 신경망을 이용한 쓰레기 무단투기 검출기

류동균; 이재흥

문제 정의

본 논문에서는 쓰레기 무단투기 감시 문제를 해결하기 위해 CCTV 영상에서 실시간으로 쓰레기 무단투기를 검출하는 방법을 제안하였다. 검출 방법으로는 합성곱 신경망을 이용하였다.
본 논문에서는 이러한 쓰레기 무단투기 감시 문제를 해결하기 위해 CCTV 영상에서 실시간으로 쓰레기 무단투기를 검출하는 방법을 제안한다. 이때 쓰레기 무단투기 검출은 배경 추정을 통한 차 영상, 합성곱 신경망을 통한 객체 분류를 이용한다.
합성곱 신경망은 일반적으로 영상 데이터를 입력으로 받으며 해당 영상이 어떤 객체를 나타내는지 출력한다. 본 논문에서는 차 영상을 통해 검출된 영역을 합성곱 신경망의 입력으로 주며 해당 영역이 쓰레기봉투를 나타내는지 아닌지를 출력하는 이진 분류 문제를 다룬다. 전체적인 쓰레기 무단투기 검출 프로세스를 그림 1에 나타내었다.

제안 방법

논문에서는 합성곱 신경망에서의 쓰레기봉투 분류 문제 위주로 실험을 진행하였다. 합성곱 신경망을 학습시키기 위한 데이터셋으로는 직접 수집한 약 3,900개의 쓰레기봉투 영상, CIFAR-10•100, VOC 2012, Open-Images-Dataset 데이터를 활용하였다.
배경 데이터로는 32x32 크기의 CIFAR-10•100 데이터를 리사이징하였으며, VOC 2012 데이터에서는 객체 영역만을 추출하여 리사이징하였다. 또한 보다 다양한 배경 데이터를 얻기 위해 Open-Images-Dataset 영상 내에서 무작위로 영역을 추출하여 리사이징하였다.
하지만 이미지 클래스를 단순히 ‘깨끗한 장소’ 외 쓰레기 10종으로 분류하였으며 변화하는 배경에 적응하지 못하기 때문에 실시간 감시 시스템에 사용되기에는 부적절하였다. 본 논문에서 제안하는 방법은 차 영상을 이용하여 변화하는 배경에 실시간으로 적응하기 때문에 한 번 검출된 쓰레기봉투는 다시 검출되지 않는다. 또한 차 영상을 통해 검출된 영역에 대해서만 합성곱 신경망 연산을 하기 때문에 연산량 면에서도 실시간 감시 시스템에 사용되기에 적합하다.
본 논문의 쓰레기 무단투기 검출기는 배경 추정을 통한 차 영상을 이용해 영상 내에서 쓰레기봉투로 의심되는 영역을 검출하며 검출된 영역에 대해 합성곱 신경망을 적용하여 해당 영역의 객체가 쓰레기봉투인지 아닌지 판단한다.
본 논문에서는 이러한 쓰레기 무단투기 감시 문제를 해결하기 위해 CCTV 영상에서 실시간으로 쓰레기 무단투기를 검출하는 방법을 제안한다. 이때 쓰레기 무단투기 검출은 배경 추정을 통한 차 영상, 합성곱 신경망을 통한 객체 분류를 이용한다. 실험 결과, 합성곱 신경망을 이용한 쓰레기봉투 분류율은 99.
하지만 이미지 클래스를 단순히 ‘깨끗한 장소’ 외 쓰레기 10종으로 분류하였으며 변화하는 배경에 적응하지 못하기 때문에 실시간 감시 시스템에 사용되기에는 부적절하였다.
합성곱 신경망으로 Inception v3 [4]를 사용하였으며 입력 영상의 크기는 224x224로 설정하였다. 학습 시간을 단축시키기 위해 이미지넷으로 미리 학습된 망을 재학습 시켰다. 미니 배치 사이즈는 64로 설정하였으며 각 미니 배치에는 쓰레기봉투 영상 16개, 쓰레기봉투가 아닌 객체 영상 24개, 배경 영상에서 무작위로 추출한 영역 24개를 사용하였다.

대상 데이터

학습 시간을 단축시키기 위해 이미지넷으로 미리 학습된 망을 재학습 시켰다. 미니 배치 사이즈는 64로 설정하였으며 각 미니 배치에는 쓰레기봉투 영상 16개, 쓰레기봉투가 아닌 객체 영상 24개, 배경 영상에서 무작위로 추출한 영역 24개를 사용하였다. 경사 하강법으로는 Adam Optimizer를 사용하였으며 학습률은 0.
배경 데이터로는 32x32 크기의 CIFAR-10•100 데이터를 리사이징하였으며, VOC 2012 데이터에서는 객체 영역만을 추출하여 리사이징하였다.
52%를 달성하였다. 이때 학습 데이터셋은 직접 수집한 쓰레기 영상, CIFAR, VOC 2012, Open-Images-Dataset을 이용하였다.
합성곱 신경망을 학습시키기 위한 데이터셋으로는 직접 수집한 약 3,900개의 쓰레기봉투 영상, CIFAR-10•100, VOC 2012, Open-Images-Dataset 데이터를 활용하였다.

데이터처리

본 논문에서는 쓰레기 무단투기 감시 문제를 해결하기 위해 CCTV 영상에서 실시간으로 쓰레기 무단투기를 검출하는 방법을 제안하였다. 검출 방법으로는 합성곱 신경망을 이용하였다. 이때 차 영상을 통해 객체로 의심되는 영역을 먼저 검출함으로써 연산을 효율적으로 수행하였으며 배경이 실시간으로 적응되기 때문에 한 번 검출된 쓰레기봉투는 다시 검출되지 않아 실시간 감시 시스템에 적용되기에 적합하였다.

이론/모형

미니 배치 사이즈는 64로 설정하였으며 각 미니 배치에는 쓰레기봉투 영상 16개, 쓰레기봉투가 아닌 객체 영상 24개, 배경 영상에서 무작위로 추출한 영역 24개를 사용하였다. 경사 하강법으로는 Adam Optimizer를 사용하였으며 학습률은 0.0001로 설정하였다. 데이터의 약 20%를 테스트셋으로 활용하였으며 실험 결과, 학습에 포함되지 않은 테스트셋에 대해 약 99.
하지만 카메라가 고정되어 있어도 외부 환경에 의해 배경은 계속 바뀌게 되며 그에 따라 기준이 되는 배경 영상도 계속 바뀌어야한다. 이에 따라 본 논문에서는 배경을 새로운 환경에 지속적으로 적응시키기 위한 알고리즘으로 Sigma-Delta 배경 추정 알고리즘 [3]의 일부를 사용하였다. 알고리즘은 매우 간단하며 표 1에 나타내었다.

성능/효과

0001로 설정하였다. 데이터의 약 20%를 테스트셋으로 활용하였으며 실험 결과, 학습에 포함되지 않은 테스트셋에 대해 약 99.52%의 인식률을 얻을 수 있었다. 자세한 실험 결과는 표 2에 나타내었다.
합성곱 신경망을 학습시키기 위한 데이터셋으로는 직접 수집한 약 3,900개의 쓰레기봉투 영상, CIFAR-10•100, VOC 2012, Open-Images-Dataset 데이터를 활용하였다. 상대적으로 부족한 쓰레기봉투 데이터를 증대하기 위해 45도 단위로 7번 회전하였으며 그 결과 약 27,000개의 쓰레기봉투 영상을 얻을 수 있었다. 배경 데이터로는 32x32 크기의 CIFAR-10•100 데이터를 리사이징하였으며, VOC 2012 데이터에서는 객체 영역만을 추출하여 리사이징하였다.
이때 차 영상을 통해 객체로 의심되는 영역을 먼저 검출함으로써 연산을 효율적으로 수행하였으며 배경이 실시간으로 적응되기 때문에 한 번 검출된 쓰레기봉투는 다시 검출되지 않아 실시간 감시 시스템에 적용되기에 적합하였다. 실험 결과, 학습에 포함되지 않은 테스트 데이터셋에 대해 약 99.52%의 인식률을 얻을 수 있었다. 하지만 본 논문에서는 쓰레기봉투에 대해서만 실험을 진행하였으며 쓰레기의 종류는 음료수 캔, 종이 박스, 가구, 전자 기기 등 다양하게 존재할 수 있다.
이때 쓰레기 무단투기 검출은 배경 추정을 통한 차 영상, 합성곱 신경망을 통한 객체 분류를 이용한다. 실험 결과, 합성곱 신경망을 이용한 쓰레기봉투 분류율은 99.52%를 달성하였다. 이때 학습 데이터셋은 직접 수집한 쓰레기 영상, CIFAR, VOC 2012, Open-Images-Dataset을 이용하였다.
검출 방법으로는 합성곱 신경망을 이용하였다. 이때 차 영상을 통해 객체로 의심되는 영역을 먼저 검출함으로써 연산을 효율적으로 수행하였으며 배경이 실시간으로 적응되기 때문에 한 번 검출된 쓰레기봉투는 다시 검출되지 않아 실시간 감시 시스템에 적용되기에 적합하였다. 실험 결과, 학습에 포함되지 않은 테스트 데이터셋에 대해 약 99.

후속연구

따라서 이러한 다양한 쓰레기를 포함하는 데이터셋을 이용하여 네트워크를 학습시킬 필요가 있다. 또한 본 논문에서는 합성곱 신경망 네트워크로 Inception v3를 사용하였지만 연산량 면에서 CCTV 시스템에 더 효율적으로 적용될 수 있도록 SqueezeNet [5], MobileNet [6] 등과 같은 모바일 기반의 네트워크에서 추가적인 실험이 필요하다.

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

차 영상과 합성곱 신경망을 이용한 쓰레기 무단투기 검출기
Illegal Dumping Detector using Image Subtraction and Convolutional Neural Networks 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

차 영상과 합성곱 신경망을 이용한 쓰레기 무단투기 검출기 Illegal Dumping Detector using Image Subtraction and Convolutional Neural Networks 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

차 영상과 합성곱 신경망을 이용한 쓰레기 무단투기 검출기
Illegal Dumping Detector using Image Subtraction and Convolutional Neural Networks 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper