초록 ▼

□ 연구개요
본 연구에서는 “딥러닝 기술을 기반으로 하여 비중첩 다중카메라 환경에서 보행자의 동선을 추적”하는 시스템의 요소 기술을 연구하고자 한다. 요소 기술은 단일카메라 환경에서의 보행자 추적 시스템의 추적 정확도와 속도를 개선하기 위한 연구 수행과 더불어 비중첩 다중카메라환경으로 확대되었을 때 보행자 동선 처리 문제에서 발생하는 보행자 재식별 문제를 포함한다. 이에 년차별로 1차년도에는 단일 카메라 환경에서 다중 보행자 검출, 2차년도에는 단일 카메라 환경에서 보행자 추적, 3차년도에는 비중첩 다중 카메라 환경에서 보행자

□ 연구개요
본 연구에서는 “딥러닝 기술을 기반으로 하여 비중첩 다중카메라 환경에서 보행자의 동선을 추적”하는 시스템의 요소 기술을 연구하고자 한다. 요소 기술은 단일카메라 환경에서의 보행자 추적 시스템의 추적 정확도와 속도를 개선하기 위한 연구 수행과 더불어 비중첩 다중카메라환경으로 확대되었을 때 보행자 동선 처리 문제에서 발생하는 보행자 재식별 문제를 포함한다. 이에 년차별로 1차년도에는 단일 카메라 환경에서 다중 보행자 검출, 2차년도에는 단일 카메라 환경에서 보행자 추적, 3차년도에는 비중첩 다중 카메라 환경에서 보행자 재식별을 목표로 한다.

□ 연구 목표대비 연구결과
본 연구의 목표는 년도별로 단일카메라의 보행자 검출, 단일카메라의 보행자 추적,다중카메라에서의 보행자 재식별로 결과적으로 이를 100% 달성함.
- 1차년도 단일카메라에서의 보행자 검출은 개선된 Faster R-CNN 기술을 기반으로 여러 보행자를 검출하는 목표로 모델을 개발하여 87.75%의 성능을 달성함.
이는 기존의 딥러닝 연구인 DCNN의 62.94%보다 약 25% 성능 향상을 보여줌.
최신 특징 추출기를 사용하여 최적의 성능을 가진 구조를 설계 및 구현 하였음.
또한 검출 성능 및 속도 향상을 동시에 만족하는 최적의 속도인 160ms/frame의 속도 향상을 달성함.
- 2차년도는 보행자 추적을 목적으로 이를 위한 유사도 측정 기법을 위해 SiamFC, SENet, Non-local block 방법 등을 연구하였고 이를 조합, 개선하여 실시간 추적기를 개발함. 추적기를 비디오 벤치마크 OTB-2013, 50, 100, VOT2016 등 다양한 Dataset에 적용하여 SiamFC 대비 더 높은 성능 향상을 달성함. 추가로 Data Association 방안을 연구하고 Non-local-block을 적용하여 long-range dependency를 해결함.
- 3차년도에서는 다중카메라 기반 보행자 재식별을 목표로 다중 카메라 환경 정합을 위해 보행자 재인식은 포즈, 빛의 방향 등 다른 사람의 영상이 같은 사람의 영상보다 더 유사해 보이는 문제점이 있다. 이 문제를 해결하기 위해 기존 OS-net을 수정하여 카메라에 독립적 특징 추출하고 보다 최적화 된 Triplet/Quadruplet Loss를 적용하여 기존 모델 대비 mAP 1%의 성능이 향상된 결과를 도출하였음.
위와 같은 3개 년도의 목표 대비 연구결과를 도출하여 목표를 모두 만족시키는 성과를 얻었음.

□ 연구개발결과의 중요성
최근 관심이 높은 보안, 자율주행, 행동인식 등의 여러 응용분야에서 사람은 주요 관심 대상이며 이를 위해 사람을 촬영한 비디오 시퀀스를 다루고 있다. 이 응용 분야에서 보행자를 검출하고 추적하는 기술은 필수적이며 또한 장시간 또는 넓은 범위의 공간에서 보행자를 추적하는 기술에 다른 카메라 뷰에서 얻어지는 동일한 사람에 대한 동선 연결을 위한 보행자 재식별 기술이 추가로 요구된다. 본 연구 결과를 바탕으로 다중카메라 환경에서 보행자의 동선을 추적할 수 있는 요소 기술이 확보되었으며 이를 기반으로 성장 중인 사람 중심의 다양한 응용 분야에서 기술적 우위를 선점할 수 있다

(출처 : 연구결과 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 3
• 2. 연구수행내용 및 연구결과 ... 5
• 2-1. 1차년도: 단일 카메라 환경에서 Improved R-CNN 기반 다중 보행자 검출 ... 5
• 2-2. 2차년도: 단일 카메라 환경에서 RNN & LSTM(GRU) 기반 다중 보행자 추적 구조설 계 및 성능 향상 ... 11
• 2-2. 3차년도: 비중첩 다중 카메라 환경에서 보행자 재식별 딥러닝 구조 설계 및 구현 ... 14
• 3. 연구개발결과의 중요성 ... 19
• 4. 참고문헌 ... 20
• 5. 연구성과 ... 22
• 끝페이지 ... 22