K-평균 군집화 알고리즘 및 딥러닝 기반 군중 집계를 이용한 전염병 확진자 접촉 가능성 여부 판단 모니터링 시스템 제안
Proposal of a Monitoring System to Determine the Possibility of Contact with Confirmed Infectious Diseases Using K-means Clustering Algorithm and Deep Learning Based Crowd Counting
0
조회
0
다운로드
6
인용
0
참고문헌
키워드
초록
전 세계적으로 무증상의 코로나바이러스 감염증-19 감염자가 자신이 감염된 것을 모르고 주변인들에게 전파할 수 있다는 가능성은 국민이 전염병 확산에 대한 불안과 두려움에서 벗어나지 못하고 있다는 점에서 여전히 매우 중요한 이슈이다. 본 논문에서는 K-평균 군집화 알고리즘 및 딥러닝 기반 군중 집계를 이용한 전염병 확진자 접촉 가능성 여부 판단 모니터링 시스템을 제안하였다. 모든 입력 학습 영상에 대해 300회 반복 학습한 결과, PSNR값은 21.51, 전체 데이터 셋에 대한 최종 MAE값은 67.984였다. 이는 확진자와 주변인과의 거리와 감염률 산출, 잠재적 환자 동선 주변 인원의 위험도 순 그룹 및 감염률 예측에 대한 영상 속 화질 정보, 관측치 간의 평균 절대 오차를 의미하며 각 CCTV 장면에서 군중의 수가 4,000명 이하일 때에는 평균 절대 오차 값이 0에 가까움을 증명하였다.
Abstract
The possibility that an asymptotic coronavirus-19 infected person around the world is not aware of his infection and can spread it to people around him is still a very important issue in that the public is not free from anxiety and fear over the spread of the epidemic. In this paper, the K-means clustering algorithm and deep learning-based crowd aggregation were proposed to determine the possibility of contact with confirmed cases of infectious diseases. As a result of 300 iterations of all input learning images, the PSNR value was 21.51, and the final MAE value for the entire data set was 67.984. This means the average absolute error between observations and the average absolute error of fewer than 4,000 people in each CCTV scene, including the calculation of the distance and infection rate from the confirmed patient and the surrounding persons, the net group of potential patient movements, and the prediction of the infection rate.
참고문헌 (23)
- 김은경, "전염병의 경로 추적 및 예측을 위한 통합 정보 시스템 구현", 인터넷정보학회논문지, 14(5), pp.69~76 (2013), 한국인터넷정보학회[DOI]
- "코로나바이러스감염증-19 국내 발생 현황"[URL]
- 류수락, "전염병의 확산 과정에 대한 비교 연구", 석사, pp.2014
- 김주현, "준지도학습 기법을 사용한 감염병의 감염자 수 예측 모델", 대한산업공학회 춘계공동학술대회 논문집, pp.3794~3823 (2016)
- 김유중, "접촉정보기반의 질병 전파 모델을 이용한 개인의 전염병 감염 확률 계산", 대한전자공학회 학술대회 논문집, pp.1855~1856 (2016)
- 김태성, "블록체인 네트워크 기반에서 FHIR를 활용한 감염병 환자 진료 정보 공유 시스템", 한국컴퓨터종합학술대회 논문집, pp.2053~2055 (2016)
- 최선영, "감염병 확산 방지시스템, 학생 및 학부모를 위한 감염병 어플리케이션", 대한산업공학회 추계학술대회 논문집, pp.3044~3058 (2016)
- 최준기, "빅데이터를 활용한 감염병 확산 대응 지원", 한국지능정보시스템학회 학술대회논문집, pp.74~75 (2017)
- 김성현, "빅데이터와 딥러닝을 활용한동물 감염병 확산 차단", 지능정보연구, 24(4), pp.137~154 (2018), 한국지능정보시스템학회
- 김민성, "전국 CCTV 위치정보를 활용한 안심귀가 서비스 어플리케이션 설계 및 구현", 한국정보과학회 학술발표논문집, pp.518~520 (2018)
- 김현우, "가금류 전염병 조기 발견을 위한 이상징후 수집 및 모니터링 시스템 기술 개발에 관한 연구", 한국통신학회 학술대회논문집, pp.661~662 (2019)
- 문재욱, "랜덤 포레스트를 활용한 지역별 하루 단위 감염병 발생 예측", 한국정보과학회 학술발표논문집, pp.335~337 (2019)
- 윤인하, "전염병 접촉자 추적 조사를 위한 디지털 포렌식의 적용", 한국정보과학회 학술발표논문집, pp.1639~1641 (2019)
- 오향순, "감염병의 사람 간 전파의 주요 수단인 사회적 접촉 연구에 관한 체계적 문헌 고찰", 한국산학기술학회논문지, 21(2), pp.85~93 (2020), 한국산학기술학회[DOI]
- 김영주, "풍향과 풍속의 특징을 이용한 SVR기반 단기풍력발전량 예측", 한국통신학회논문지, 42(5), pp.1085~1092 (2017), 한국통신학회[DOI]
- 박소현, "기계학습 알고리즘을 사용한 스포츠 경기장 방문객 마케팅 적용 방안", 디지털콘텐츠학회논문지, 19(1), pp.27~33 (2018), 한국디지털콘텐츠학회[DOI]
- 정윤송, "암호화된 데이터에 대한 프라이버시를 보존하는 k-means 클러스터링 기법", 정보보호학회논문지, 28(6), pp.1401~1414 (2018), 한국정보보호학회[DOI]
- 최환석, "머신러닝 기반 음식점 추천시스템 설계 및 구현", 디지털콘텐츠학회논문지, 21(2), pp.259~268 (2020), 한국디지털콘텐츠학회[DOI]
- 이장호, "딥러닝을 이용한 군중 집계 동향 분석", 대한전자공학회 학술대회 논문집, pp.735~737 (2018)
- 심규진, "군중 집계를 위한 다단계 양자화 학습", 대한전자공학회 학술대회 논문집, pp.983~985 (2019)
- C. Zhang, "Cross-scene Crowd Counting via Deep Convolutional Neural Networks", 2015 IEEE Conference on Computer Vision and Pattern Recognition, pp.833~840 (2015)
- Boominathan, L, "CrowdNet: A Deep Convolutional Network for Dense Crowd Counting", Computer Vision and Pattern Recognition, pp.640~644 (2016)
- "National CCTV Standard Data" (2020)[URL]