메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이상윤 (서강대학교) 박래홍 (서강대학교) 박형민 (서강대학교)
저널정보
대한전자공학회 전자공학회논문지 전자공학회논문지 제60권 제6호(통권 제547호)
발행연도
2023.6
수록면
73 - 83 (11page)
DOI
10.5573/ieie.2023.60.6.73

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
최근 가파르게 증가한 CCTV를 효과적으로 관리하여 치안을 강화하기 위해 많은 기업과 연구소는 CCTV 엣지 모듈과 같은 제한된 하드웨어 환경에서 폭행을 효율적으로 검출하는 연구를 진행하고 있다. 본 연구에서는 전통적인 알고리즘 방식의 폭행 검출 접근법과 딥러닝 방식의 폭행 검출 접근법을 융합하여 성능이 제한적이고 상황이 복잡한 이면도로 CCTV 환경에서 실시간으로 폭행을 정확하게 검출하는 방법을 제안한다. 제안하는 방법은 사람 객체를 파악하는 객체 검출 딥러닝 네트워크, 가려짐(occlusion)에 강건하게 대처하고 객체에 ID를 부여하는 객체 추적 네트워크, 그리고 ID의 상호작용 상태와 행동 상태를 업데이트 및 응용하여 폭행을 최종 판단하는 폭행 검출 알고리즘으로 구성되어 있다. 폭행 검출의 강건성과 효율성을 고려하여, 객체 검출 딥러닝 네트워크 모델은 YOLOv7-tiny 모델을, 객체 추적 네트워크는 ByteTrack을 사용했다. 본 연구에서 제안하는 방법은 딥러닝 방식과 전통적 방식을 융합하여 다수의 객체가 다양한 상호작용을 하는 AIHub 이상행동 CCTV 영상 데이터셋에 대해서 optical flow의 세기와 방향성을 활용하는 전통적인 방식의 Mahmoodi와 Salajeghe 방법과 영상 데이터의 공간적 특징과 시간적 특징을 활용하는 딥러닝 방식의 Kang 등, Halder와 Chatterjee, Abdali와 Tuma 방법의 폭행 검출 방법보다 낮은 연산량(5.1G FLOPs)과 높은 정확도(77.6%)를 달성했다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. 제안 방법
Ⅳ. 실험
Ⅴ. 결론
REFERENCES

참고문헌 (22)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2023-569-001480124