다중 CCTV 사물인터넷 환경에서의 객체 추적 기법
A Scheme on Object Tracking Techniques in Multiple CCTV IoT Environments
0
조회
0
다운로드
6
인용
0
참고문헌
키워드
초록
본 연구는 최근 전국적으로 계속해서 사물인터넷 CCTV의 설치 대수가 증가함에 따라 CCTV의 활용범위를넓히고자 CCTV를 통하여 범죄 의심자 또는 이상 행동자를 추적하는 방법을 제안한다. 이상 행동 구분은 기존에 나와있던 연구들을 활용하여 범죄 의심자 또는 이상 행동자를 색출해내고 CNN을 활용하여 대상을 객체와 하여 추적을하고 주변 CCTV를 서로 네트워크로 연결하여 객체화된 대상의 이동 경로를 예측해 해당 경로 근방의 CCTV들에객체의 샘플 데이터를 공유하여 대상 판별 및 해당 대상을 추적하는 방식을 이용하였다. 해당 연구를 통하여 추적하기 힘든 범죄자의 위치를 추적하여 국가 치안에 기여하고 더욱 다양한 기술들이 CCTV에 접목될 수 있도록 지속적인연구가 필요하다.
Abstract
This study suggests a methodology to track crime suspects or anomalies through CCTV in order to expand the scope of CCTV use as the number of CCTV installations continues to increase nationwide in recent years. For the abnormal behavior classification, we use the existing studies to find out suspected criminals or abnormal actors, use CNN to track objects, and connect the surrounding CCTVs to each other to predict the movement path of objectified objects CCTVs in the vicinity of the path were used to share objects' sample data to track objects and to track objects. Through this research, we will keep track of criminals who can not be traced, contribute to the national security, and continue to study them so that more diverse technologies can be applied to CCTV.
참고문헌 (15)
- Y.K.Son, "Practical use plan of equipment security system for efficient crime prevention (CCTV system in priority", KOREAN INSTITUTE OF FIRE SCIENCE & ENGINEERING, pp.393~399 (2003)
- 한재경, "범죄예방용 CCTV의 설치 및 운영에 관한 소고", 공공사회연구, 8(4), pp.109~137 (2018), 한국공공사회학회[DOI]
- 허선영, "범죄예방을 위한 CCTV 위치 적절성 및 효과성 분석", 한국지역지리학회지, 21(4), pp.739~750 (2015), 한국지역지리학회
- D.W.Kim, "The Implementation of the structure and algorithm of Fuzzy Self-organizing Neural Networks(FSONN) based on CNN", Korean Institute of Intelligent Systems, 10(1), pp.114~117 (2000)
- B.J.Park, "The Hybrid Multi-layer Inference Architectures and Algorithms of FPNN Based on CNN and PNN", The Korean Institute of Electrical Engineers, 49(7), pp.378~388 (2000)
- J.H.Kim, "Shadow Detection for the Accuracy of Object Detection in CCTV Image", Korean Institute of Information Technology, pp.191~193 (2018)
- S.H.Lee, "Design of Efficient Object Detection System Using Object Recognition Technology", The Institute of Electronics and Information Engineers, pp.829~831 (2018)
- S.K.Kim, "Connectivity Based Object Tracking Model for Intelligent Video Surveillance", The Korean Institute of Electrical Engineers, pp.1131~1132 (2018)
- T.Y.Nam, "Design of KLT Tracker for Real-time Object Detection and Tracking using System-on-Chip", The Korean Society for Aeronautical & Space Sciences, pp.805~807 (2016)
- "Object detection: speed and accuracy comparison (Faster R-CNN, R-FCN, SSD, FPN, RetinaNet and YOLOv3)" (2018)[URL]
- J.H.Elder, "Pre-Attoentive and Attentive Detection of Humans in Wide-Filed Scence", Intematinal Journal of Computer, 72(1), pp.47~66 (2007)
- 이우주, "환경변화에 강인한 다중 객체 탐지 및 추적 시스템", 전자공학회논문지 - SP, 46(6), pp.88~94 (2009), 대한전자공학회
- J.W.Park, "Crowed abnormal behaviors detection for video surveillance systems", Korea Institute Of Communication Sciences, pp.376~377 (2014)
- Y.J.Jung, "A Study on Abnormal Behavior Analysis and Pattern Prediction using Multi-object", The Korean Institute of Information Scientists and Engineers, pp.440~441 (2014)
- 이승원, "지능형 비디오 분석을 위한적응적 배경 생성 기반의 이상행위 검출", 전자공학회논문지 - SP, 48(1), pp.111~121 (2011), 대한전자공학회