딥 러닝 기반의 CCTV를 활용한 이상 행동 감지 시스템 설계
A Design of Anomaly Behavior Detection System Based on Deep Learning Model Using CCTV
2
조회
0
다운로드
3
인용
0
참고문헌
키워드
초록
영상 데이터를 가장 많이 생산하고, 영상 분석 기술을 가장 적극적으로 활용하고 있는 분야는 단연 CCTV일 것이다. 그동안 주로 방범이나 관제 목적으로 수백 대에서 수천 대에 달하는 CCTV를 운영해왔다. 특히 최근 몇 년 간 스마트시티 프로젝트 등이 추진되면서 공공기관이 운영하는 CCTV 대수는 더욱 늘어나고 있다. 이처럼 방범 및 관제 목적의 CCTV로부터 수집된 영상 스트림을 지속적으로 분석하기 위해서는 많은 인적 자원이 요구되며, 노동집약적인 감시카메라 모니터링의 자동화 연구가 불가피하게 되었다. 이러한 문제를 극복하기 위해 본 논문은 딥 러닝 모델인 3D ResNet을 활용하여 CCTV 영상에서 이상 행동을 감지하는 시스템을 구현한다. 이상 행동을 감지하기 위한 방법으로 UCF-Crime 데이터세트를 사용하여 이상 행동과 정상 행동으로 구분하는 2-class 분류 문제를 적용하여 실험한다. 훈련된 모델에 비디오 데이터의 전처리 과정을 거친 데이터를 입력으로 행동패턴을 추론한다. 실험을 통해 관제사들의 인위적 판단이 아닌 딥러닝 시스템 기반의 신뢰도 높은 판단으로 이상행동 패턴을 구분하여 이에 대처할 수 있는 효과를 얻을 수 있다. 향후 추론 모델의 세부행동 패턴의 다양화 및 신뢰도 향상 알고리즘을 통해 구체적인 행동패턴분석을 연구할 수 있으며 그 결과 적은 인력으로도 관제센터의 보다 효율적인 방범시스템 운영을 가능하게 하고 선제적 범죄 예방 효과의 강화를 기대한다.
Abstract
CCTV is undoubtedly the field that produces the most video data and uses the video analysis technology the most. In the mean time, CCTVs have been operated mainly for the purpose of crime prevention or control. In particular, as smart city projects have been promoted in recent years, the number of CCTVs operated by public institutions is increasing. As the number of CCTVs for crime prevention and control increases, the problem of a shortage of control personnel is occurring. In this way, a lot of human resources are required to continuously analyze the video stream collected from CCTV for crime prevention and control purposes, and automation research to solve the labor-intensive camera monitoring problem has become inevitable. To overcome this problem, this paper implements a system that detects abnormal behavior in CCTV images using deep learning. As a method for detecting abnormal behavior, a 2-class classification method that divides abnormal behavior and normal behavior using the UCF-Crime dataset is applied and tested. Behavior patterns are inferred by inputting data that has undergone preprocessing of video data to the trained model. Through the experiment, it is possible to obtain the effect of responding to abnormal behavior patterns by classifying the abnormal behavior patterns based on the deep learning system-based reliable judgment rather than the artificial judgment of the controllers. In the future, it is possible to study specific behavior pattern analysis through diversification of detailed behavior patterns and reliability improvement algorithms of the inference model.
참고문헌 (15)
- "CCTV Istallation Status for Crime Prevention"[URL]
- S. T. Waqas, "Real-world anomaly detection in surveillance videos", Proceedings of the IEEE conference on computer vision and pattern recognition, pp.6479~6488 (2018)
- H, Kaiming, "Deep residual learning for image recognition", Proceedings of the IEEE conference on computer vision and pattern recognition, pp.770~778 (2016)
- K. S. Hara, "Learning spatio-temporal features with 3d residual networks for action recognition", Proceedings of the IEEE International Conference on Computer Vision Workshops, pp.3154~3160 (2017)
- Q. A. AI-Hanija, "Multi-class weather classification using ResNet-18 CNN for autonomous IoT and applications", 2020International Conference on Computational Science and Computational Intelligence (CSCI), pp.1586~1591 (2020)
- H. Song, "Life protection system development using CCTV video analysis on Deep learning", KSDI proceeding, 11, pp.327~328 (2017)
- H. J. Lim, "Smart sensor based social disaster notification system", KSDI proceeding, 11, pp.133~136 (2017)
- I. Haritaoglu, "Real-time surveillance of people and their activities", IEEE Transaction on PAMI, 22, pp.809~830 (2000)
- X. C. Zheng, "Comparison of data preprocessing approaches for applying deep learning to human activity recognition in the context of industry 4.0", Sensors, 18(7), pp.214~220 (2018)
- 안태기, "RFID 기술을 이용한 지능형 영상 감시 시스템", 한국인터넷방송통신학회 논문지, 11(1), pp.133~139 (2011), 한국인터넷방송통신학회
- 백정희, "CCTV 영상처리를 이용한 터널 내 사고감지 알고리즘", 정보처리학회 논문지, 4(2), pp.83~90 (2015), 한국정보처리학회[DOI]
- D. G. Shen, "Deep learning in medical image analysis", Annual Reeview of Biomedical Eng, 19(1), pp.221~248 (2017)
- D. W. Lee, "A foot traffic analysis system using CCTV based on artificial intelligence", KIISE Proceeding, pp.1498~1500 (2020)
- K. M. Jung, "A study of data preprocessing for network intrusion detection based on deep learning", KSCI proceeding, 27(2), pp.164~166 (2018)
- J. H. Park, "Evaluation of demand power prediction performance based on deep learning algorithm and data preprocessing", Proceeding of Kiise, pp.1882~1884 (2017)