사물인터넷과 Amazon Web Services를 활용한 공간 혼잡도 측정 시스템
Spatial Crowdedness Measurement System using IoT and Amazon Web Services
1
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
본 논문에서는 사물인터넷과 Amazon Web Services(아마존 웹 서비스, AWS)를 활용한 공간 혼잡도 측정시스템에 관해 연구하였다. 기존의 공간 혼잡도 측정 시스템은 고가의 서버를 필요로 하고, 공간 인식 성능 개선을 위한고비용의 알고리즘 개발 및 업데이트가 필요한 문제가 있다. 제안한 시스템은 소형/저가형 싱글 보드 컴퓨터인 라즈베리 파이(Raspberry Pi)에서 OpenCV를 통해 웹카메라(or CCTV) 화면을 캡쳐하여 AWS로 정보를 전송하고 처리하여적은 비용으로 구현이 가능하다. AWS에서는 수신된 공간 화면 이미지 정보를 Amazon S3(Amazon Simple Storage Services)에 저장하고, Amazon Lambda에서 Amazon Rekognition으로 전송하여 이미지를 통해 혼잡도를 분석한다. Amazon Rekognition 서비스는 이미지 처리 건당 0.001달러로 적은 비용으로 인공지능(AI) 기술을 사용할 수있고, 사람 객체 인식을 통해 혼잡도를 분석할 수 있다. 분석된 혼잡도는 DB(Database)에 저장하고, 결과를 화면에출력한다. 제안한 공간 혼잡도 측정 시스템은 저비용으로 공공장소 등에서의 공간 혼잡도 확인 등에 활용될 수 있을것으로 기대한다
Abstract
In this paper, we conducted research on a spatial crowdedness measurement system using the Internet of Things(IoT) and Amazon Web Services(AWS). Current spatial congestion measurement systems require expensive servers and entail significant investment in algorithm development and updates to enhance spatial recognition performance. The proposed system can be implemented at low cost by capturing the screen of a web camera(or CCTV) through OpenCV on a small/low-cost single board computer, Raspberry Pi, and transmitting and processing the information to AWS. Within AWS, the received spatial image information is stored in Amazon S3(Amazon Simple Storage Service). Subsequently, Amazon Lambda transfers the images to Amazon Rekognition for congestion analysis based on the images. The Amazon Rekognition service offers the capability to utilize artificial intelligence(AI) technology for image processing at a low cost of 0.001 dollars per image. Through human object recognition, it enables congestion analysis. The analyzed congestion level is stored in DB(Database), and the result is displayed on the screen. The proposed system is expected to be used for checking crowdedness at low cost in public place
참고문헌 (15)
- J. G. Kim, "A Study on the Congestion Measurement System of Public Transportation Using CCTV", 2022 Korea Multimedia Society Spring conference, 25(1), pp.25~27 (2022)
- 이성희, "COVID-19 상황에 따른 도시철도의 열차 혼잡도 변화 분석", 한국도시철도학회논문집, 9(4), pp.1131~1141 (2021), 한국도시철도학회
- Y. G. Kim, "Urban rail passenger congestion measurement practice tests for data validation", 2016 Korean Society for Urban Railway Spring conference, pp.27~32 (2016)
- Ahtesham Bakht, "공간 혼잡도 추정을 위한 딥러닝 프레임웍 및 머 신러닝 기법과의 성능 비교", 한국지능시스템학회 논문지, 32(1), pp.76~85 (2022), 한국지능시스템학회[DOI]
- 정철준, "임베디드 하드웨어 기반 실시간 군중 혼잡도 추정 시스템", 한국위성정보통신학회논문지, 8(4), pp.26~29 (2013), 사단법인 한국위성정보통신학회
- "Amazon Web Services"[URL]
- "Amazon Web Services Rekognition"[URL]
- "Amazon Web Services S3"[URL]
- "Amazon Web Services Lambda"[URL]
- "Amazon Web Services RDS"[URL]
- 문정훈, "사물인터넷 기반의 스마트 우산꽂이 구현", 사물인터넷융복합논문지, 9(1), pp.57~64 (2023), 한국사물인터넷학회
- "Raspberry Pi"[URL]
- "OpenCV"[URL]
- 김동현, "OpenCV를 활용한 위험상황 인식에 관한 연구", 한국전자통신학회 논문지, 16(2), pp.211~218 (2021), 한국전자통신학회
- 김동진, "라즈베리파이 카메라 OpenCV를 활용한 사고 인식 기반 스마트 가로등", 한국전자통신학회 논문지, 17(6), pp.1229~1236 (2022), 한국전자통신학회