전동차 내 이상행동 검출을 위한 인공지능 영상 분석 기술
Artificial Intelligence Image Analysis Technology for Detecting Abnormal Behavior in Trains
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문은 도시철도 차량 내에 CCTV를 설치하여 취득된 영상으로부터 실신, 폭행 및 마스크 미착용과 같은 이상행동을 검출하는 인공지능 영상분석기술을 제안하는데 목적을 두고 있다. 이를 위하여CCTV의 사각을 줄이면서도 승객 이미지 크기를 최대한으로 얻을 수 있는 설치 위치를 선정하였다. CCTV로부터의 영상을 실시간으로 분석하여 이상행동을 검출하기 위해서 추론 시간이 짧고, 객체검출 성능이 뛰어난 YOLOv5를 적용하였다. YOLOv5가 식별한 이상행동은 철도 관제센터 및 기관사에게실시간으로 전달하여 안전사고와 범죄에 대응하고자 한다. 또한 제안한 기술을 실차에 테스트하여그 효용성을 확인하였으며, 제안하는 기술을 실차에 적용할 경우 도시철도 차량 내 승객의 안전사고와 범죄에 신속하게 대응할 수 있을 것으로 기대한다.
Abstract
The purpose of this paper is to propose an artificial intelligence image analysis technology that detects abnormal behaviors such as fainting, assault, and not wearing a mask from images obtained by installing CCTV in a urban railway vehicle. To this end, the installation location that can maximize the size of the passenger image while reducing the blind spot of the CCTV was selected. In order to detect abnormal behavior by analyzing the video from CCTV in real time, YOLOv5, which has a short inference time and excellent object detection performance, was applied. Abnormal behavior identified by YOLOv5 is transmitted to the railway control center and train driver in real time to respond to safety accidents and crimes. In addition, the effectiveness of the proposed technology has been confirmed by testing it on an actual vehicle. If the proposed technology is applied to an actual vehicle, it is expected that the proposed technology will be able to quickly respond to safety accidents and crimes of passengers in urban railway vehicles.
참고문헌 (12)
- 김관형, "개입 ARIMA 모형을 이용한 KTX 수요예측", 한국철도학회논문집, 14(5), pp.470~476 (2011), 한국철도학회
- S. S. Kim, "A Study on the Use of Big Data for the Prediction of Accident Risk on the Kyoungbu High-speed rail", Journal of The Korean Operations Research and Management Science Society, 2019(4), pp.3785~3785 (2019)
- 진장원, "소셜네트워크분석기법을 활용한 고속철도 환승센터 특징분석에 관한연구", 한국도시철도학회논문집, 7(1), pp.85~94 (2019), 한국도시철도학회
- 이동섭, "열차 정시성 향상을 위한 인공지능 기반의 역간 운행시간 예측에 대한 연구", 한국도시철도학회논문집, 7(3), pp.381~389 (2019), 한국도시철도학회
- Dohun Kim, "Real-Time Surveillance System for Analyzing Abnormal Behavior of Pedestrains", Applied Sciences, 11, pp.6153~ (2021)
- Nieves Crasto, "MARS: Motion-Augmented RGB Stream for Action Recognition, Compter Vision Foundation" (2019), Open Access version
- Wei Liu, "BErg(20160, SSD:Single Shot MultiBox Detector", Computer Vision – ECCV 2016, pp.21~37 (2016)
- Do Thuan, "Evolution of YOLO Algorithm and YOLOv5: The State-of-the-art Object Detection", pp.2021
- Renjie Xu, "A Forest Fire Detection System Based on Ensemble Learning", Forests, 12, pp.217~ (2021)
- "yolov5 Training Tutorial 1"[URL]
- "yolov5 Training Tutorial 2"[URL]
- 박선례, "열차 내 이상행동 검출을 위한 인공지능 엣지 시스템에 대한 연구", 한국철도학회논문집, 24(12), pp.1062~1074 (2021), 한국철도학회