[논문]딥러닝 알고리즘을 활용한 출입자 통계와 마스크 착용 판별 인공지능 시스템

조원영; 박승렬; 김현수; 윤태진

딥러닝 알고리즘을 활용한 출입자 통계와 마스크 착용 판별 인공지능 시스템
Development of AI Systems for Counting Visitors and Check of Wearing Masks Using Deep Learning Algorithms 원문보기

조원영 (경운대학교 항공소프트웨어공학과) , 박승렬 (경운대학교 항공소프트웨어공학과) , 김현수 (경운대학교 항공소프트웨어공학과) , 윤태진 (경운대학교 항공소프트웨어공학과)

전 세계적으로 유행하는 COVID-19(코로나19)로 인해 사람들은 대면 접촉을 피하게 되었고, 전염성이 높은 이유로 마스크의 착용이 의무화되고 있고, 이를 검사하는 업무가 증가하고 있다. 그래서, 인공지능 기술을 통해 업무를 도와줄 수 있는 출입자 통계와 출입자 마스크 착용 검사를 할 수 있는 시스템이 필요하다. 이를 위해 본 논문에서는 딥러닝 알고리즘을 활용한 출입자 통계와 마스크 착용 판별 시스템을 제시한다. 또한, 실시간 영상인식에 많이 활용되고 있는 YOLO-v3와 YOLO-v4, YOLO-Tiny 알고리즘을 데스크탑 PC와 Nvidia사의 Jetson Nano에 적용하여 알고리즘별 성능 비교를 통해 적합한 방법을 찾고 적용하였다.

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

문제 정의

본 논문에서는 딥러닝 알고리즘을 이용한 출입자 통계와 마스크 착용 판별 시스템을 제시함으로써 실시간 검출이 필요한 곳에는 시행할 수 있도록 제안하며, 향후 출입자 통계를 통한 시간별 출입자 통계를 통해 COVID-19 확진자가 발생하였을 경우 확진자의 위치 파악을 통해 동선 파악이 빠르게 이뤄질 수 있는 시스템을 제공하고자 한다.
이에 본 논문에서는 이 상황에 적용할 딥러닝 알고리즘들을 분석해 보고 인식률과 초당 처리 속도를 감안하여 최적의 알고리즘을 비교평가 하였다.

제안 방법

구현될 마스크 착용 판별 시스템의 정확도 판별을 위해 YOLO-v3, YOLO-v4, YOLO-Tiny를 데스크탑PC와 Nvidia사의 Jetson Nano 를 대상으로 비교 실험하였다. 시험을 위해 마스크 착용과 미착용 사진은 총 968장, 테스트용 데이터 총 968장을 이용하였다.
여기에 유동 인구를 파악하고 방역 대책을 수립하기 위해 출입자 통계를 동반한 마스크 착용 판별 시스템이 있을 경우 좀 더 세밀한 방역을 할 수 있을 것을 판단하고, 출입자 통계와 같이 마스크 착용 검사를 동반하는 시스템을 실시간 영상인식이 가능한 방안을 찾아본 논문에서는 YOLO-v3, YOLO-v4[2]와 Deep SORT 알고리즘[4] 을 사용하여 최대 98%의 정확도를 보이는 마스크 착용 판별 시스템을 개발하였다.

대상 데이터

구현될 마스크 착용 판별 시스템의 정확도 판별을 위해 YOLO-v3, YOLO-v4, YOLO-Tiny를 데스크탑PC와 Nvidia사의 Jetson Nano 를 대상으로 비교 실험하였다. 시험을 위해 마스크 착용과 미착용 사진은 총 968장, 테스트용 데이터 총 968장을 이용하였다.

이론/모형

본 논문에서 활용한 출입자 통계를 위한 Deep SORT 알고리즘을 적용하여 Kalman 필터와 YOLOv3를 사용하여 객체추적(Object Tracking)을 할 수 있어 출입자를 특정 영역에 진입여부를 판단하여 그림5와 같이 카운터할 수 있다.

성능/효과

결과적으로 데스크탑PC에서의 YOLO-v4 320×320픽셀의 학습 효율성과 정확성이 높다고 판단했다.
그림1과 그림2에 나타난 결과를 보면, FPS(Frame Per Second) 수치 비교를 각 알고리즘으로 실험한 결과 데스크탑PC에서 YOLO-Tiny를 시행했을 때 FPS가 167로 나타났지만, 마스크 착용 판별에 있어 얼굴 82%, 마스크 55%로 제일 낮은 수치를 보였다.
인식을 위한 이미지 픽셀값에 따라 64, 320, 416으로 나누어 실험한 결과는 320×320픽셀인 경우, FPS가 57로 높은 FPS 값을 보였다.
하지만 데스크탑PC에서 YOLO-v4를 사용하였을 때 45로 낮은 FPS를 보였으나, 얼굴 100%, 마스크 98%로 제일 높은 정확도를 보였다. 인식을 위한 이미지 픽셀값에 따라 64, 320, 416으로 나누어 실험한 결과는 320×320픽셀인 경우, FPS가 57로 높은 FPS 값을 보였다.

후속연구

기존 딥러닝 기반 안면인식 알고리즘들은 얼굴에 마스크를 착용했을 경우 상정하지 않고 만들었기 때문에 마스크, 안경 등을 착용했을시 정상적인 안면인식[1]이 어려워 사람에 대한 인식의 한계가 존재한다. 또한 초당 검출 속도가 떨어져 실시간 검출이 필요한 출입구 상황에 활용시 적합하지 않고, 전염성이 높아 전파 위험이 있는 곳의 유동 인구를 파악하여 출입자 통계를 파악하여 적절한 방역 대책을 수립할 수 있는 시스템이 필요하다고 판단한다.

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

딥러닝 알고리즘을 활용한 출입자 통계와 마스크 착용 판별 인공지능 시스템
Development of AI Systems for Counting Visitors and Check of Wearing Masks Using Deep Learning Algorithms 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

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

딥러닝 알고리즘을 활용한 출입자 통계와 마스크 착용 판별 인공지능 시스템 Development of AI Systems for Counting Visitors and Check of Wearing Masks Using Deep Learning Algorithms 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

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

딥러닝 알고리즘을 활용한 출입자 통계와 마스크 착용 판별 인공지능 시스템
Development of AI Systems for Counting Visitors and Check of Wearing Masks Using Deep Learning Algorithms 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper