실시간 영상의 군중 밀집도 분석을 위한 CSRNet-UNet-YOLO 탐지 및 DBSCAN 군집화 기법
CSRNet-UNet-YOLO detection and DBSCAN clustering technique for crowd density analysis in real-time video
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문은 대규모 군중 밀집 환경에서 발생할 수 있는 압사 사고 및 감염병 확산과 같은 생활 속 문제를 미연에 방지하는 실시간군중 밀집도 분석 및 모니터링 기술을 제안한다. 실시간 객체 탐지에 특화된 YOLOv8 모델을 기반으로 하되, 밀집된 환경에서의탐지 성능을 향상하기 위해 CSRNet의 전처리(Front-end)를 변형된 백본으로 도입하고, UNet 스타일의 디코더를 사용하여 고품질의 Feature Map을 생성한다. 마지막으로, 탐지된 객체들의 위치정보를 기반으로 DBSCAN 알고리즘을 적용하여 밀집 구역을 시각화함으로써 초기 위험 발생 상황 인지를 돕는다. 제안하는 구조는 ShanghaiB 데이터에서 MAE 약1.9배, RMSE 약 1.5배 향상된성능을 보인다.
Abstract
This paper proposes a real-time crowd density analysis and monitoring technology to prevent everyday problems such as stampedes and the spread of infectious diseases that can occur in large-scale crowd-dense environments. It is based on the YOLOv8 model, which is specialized in real-time object detection, but to improve detection performance in dense environments, it introduces CSRNet's front-end as a modified backbone and uses a UNet-style decoder to generate high-quality feature maps. Finally, it applies the DBSCAN algorithm based on the location information of detected objects to visualize dense areas, helping to recognize initial dangerous situations. The proposed structure shows performance improvement of about 1.9x MAE and 1.5x RMSE on ShanghaiB data.