[논문]스마트 관제를 위한 딥러닝 기반 이상행동 기술 동향 분석

이지애; 문성철

스마트 관제를 위한 딥러닝 기반 이상행동 기술 동향 분석
Brief Overview of Deep Learning based Anomaly Detection for Smart Surveillance System 원문보기

이지애 (서울기술연구원) , 문성철 (서울기술연구원)

스마트관제 시스템은 딥러닝 서버내 학습된 백본 네트워크 모델이 실시간으로 스트리밍 되는 CCTV 영상으로부터 이상행동 패턴을 선별적으로 탐지하고 관제요원에게 전달하여, 사전에 사건사고를 예방하거나 즉시 대응 체계의 유연한 운영을 가능케하는 시스템이다. 최근 지능형 CCTV(Closed Circuit Television) 서비스가 일부 지역에 선별 관제의 형태로 시범적으로 운영되고 있는 상황이다. 지능형 시범서비스는 공공 영역에서 선별 CCTV 관제의 형태로 이상행동 상황을 즉각 인지하여 사건사고를 예방하거나 피해를 최소화하고자 하는 목적으로 주로 사용되고 있다. 그러나, 범죄 등의 특정 시나리오에만 한정해서도 이상 행동 유형이 너무나 다양하기 때문에 이상행동 영상의 사전분류(Annotation)를 통해 딥러닝 모델을 학습시키는 것이 현실적으로 어려운 상황이다. 따라서 본고에서는 최신 이상 행동 탐지(Anomaly detection) 알고리즘과 응용사례를 분석하여 실제 현장에 적용할 수 있는 현장 중심의 기법을 제안하고자 한다.

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

문제 정의

따라서 본고에서는 최신 이상 행동 탐지(Anomaly detection) 알고리즘과 응용사례를 분석하여 실제 현장에 적용 가능한 부분을 고찰하고, 이를 통해 향후 지능형 CCTV의 발전방향에 대해 논의하고자 한다.
본 논문은 스마트 선별 관제를 위한 최신 이상행동 패턴 탐지알고리즘과 현재 활용 가능한 오픈데이터의 특징을 분석하여 현장에 시범적으로 적용 가능한 부분에 대해 고찰하고자 하였다. 최근 이상행동 감지를 위해 다중 인스턴스 학습에 기반한 이상행동 감지 기술 등이 제안되었지만, 다중채널의 CCTV를 딥러닝 기반으로 운영할 경우 GPU 발열 등의 문제로 인해 별도의 쿨링 시스템을 구축해야 하는 이슈가 발생할 수 있다.
그림 1에서 보는 바와 같이, 스마트 관제 시스템은 백엔드 서버, 네트워크, DBMS(Data management system) 및 분석부로 구분될 수 있다. 이러한 스마트 관제 시스템은 특정 이벤트를 시스템분석부에서 선별적으로 탐지한 후 관제센터에 실시간 경고 알람 등을 제공하여 사건, 사고에 신속하게 대처할 수 있도록 하는 것을 목적으로 한다

제안 방법

2005년에 공개된 Weizmann 데이터 셋은 달리기, 걷기, 흔들기 등을 포함한 10가지 행동 클래스로 90개의 비디오 시퀀스로 구성되었고, 9명의 배우에 의해 재현되었다. HMDB 51 데이터 셋은 푸시 업, 웨이브 등의 51가지 행동을 포함하며, 자전거 타기, 차기, 펀치, 밀기, 던지기, 돌기 등을 포함한 12개 행동 범주를 포함하는 것을 특징으로 한다. 해당 데이터 셋들은 비디 오 영상클립의 길이가 상대적으로 짧고 테스트 케이스가 적어 행동 변화를 추정하기에 많은 한계점을 지닌다.

대상 데이터

Crowd 데이터 셋은 31개의 붐비는 관중을 포함한다 [8]하고, KTH 데이터셋은 박수, 걷기, 복싱, 달리기, 조깅 및 손 흔들기를 포함하여 6개 클래스로 구성되는 것을 특징으로 한다. KTH 데이터셋은 4가지 시나리오에 대해 25명의 배우가 재현한 600 개의 비디오 시퀀스를 포함한다. 2005년에 공개된 Weizmann 데이터 셋은 달리기, 걷기, 흔들기 등을 포함한 10가지 행동 클래스로 90개의 비디오 시퀀스로 구성되었고, 9명의 배우에 의해 재현되었다.

후속연구

9 GB)의 UCF (University of Central Florida) 오픈 데이터셋과 학습 네트워크를 공개하였다. UCF 데이터 셋은 현재까지 공개된 데이터 셋 중 가장 현실에서 일어날 특정 범죄 행동을 잘 반영할 수 있고, 이상행동 감지를 위해 학습 셋에 일일이 주석을 다는 과정을 최소화시킬 수 있다는 점에서, 공공 안전 분야에 시범적으로 활용될 수 있다고 판단된다.
가장 중요한 것은 기학습된 딥러닝 모델이 새로운 데이터셋이 구축되었을 때에도 기존 데이 터베이스와의 유사성에 따라 전이학습이 가능하도록 설계되는 연구들이 많이 진행되어야 한다는 점이다. 또한 현장에서 효율적으로 운영될 수 있는 딥러닝 서버 스펙에 대한 표준가이드라인 도출과 음원분석 및 열감지 센서, IoT 센서들을 추가적으로 활용하여 오탐율을 최소화 할 수 있는 시스템 구성 및 실증 가능 서비스 방안에 대한 실효적인 가이드라인 도출에 대한 실증 연구가 우선적으로 수행되어야 한다.

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

스마트 관제를 위한 딥러닝 기반 이상행동 기술 동향 분석
Brief Overview of Deep Learning based Anomaly Detection for Smart Surveillance System 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

스마트 관제를 위한 딥러닝 기반 이상행동 기술 동향 분석 Brief Overview of Deep Learning based Anomaly Detection for Smart Surveillance System 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

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

스마트 관제를 위한 딥러닝 기반 이상행동 기술 동향 분석
Brief Overview of Deep Learning based Anomaly Detection for Smart Surveillance System 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper