| 초록 |
Ⅰ. 해당 연도 추진 현황 Ⅰ-2 해당 연도 추진 실적 1) 방치/도난 객체 검출을 통한 비정상/의심 상황 예측 기술 (1.1 세부) 계획 방치/도난 객체 검출을 통한 비정상/의심 상황 예측 기술 (포항공대) ● 계획 수립 및 자료조사 추진실적 ● 최신 기술 연구 동향 조사 및 분석 1. 논문 동향 : 국제 저널 및 학회 (PAMI, CVPR, ICCV, AVSS, Sensors, CVPR, ICCV, MVA 등) 2. 기업 동향 : 국내외 기업 (IBM, ObjectVideo, 하이트론 시스템즈 등) 3. 방치/도난 객체 검출 기술 활용 계획 수립 : 이동 카메라 기반 객체 검출 및 드론 기반의 차량 검출 기술을 이용한 방치/도난 상황 예측에 응용 계획 ● 계층적 유한 상태 기계 설계 ● 학습 데이터 수집 및 유한 상태 기계 학습 추진실적 ● 계층적 유한 상태 기계 (FSM) 설계 1. 3단계 처리과정으로 구성된 방치/도난 객체 검출 알고리즘의 고도화 2. 픽셀/영역/이벤트 상태 및 상태 전이 정의 가. 총 9개의 상태 및 20개의 상태 전이 존재 나. 상태 전이는 오프라인으로 찾아진 최적 임계치 값들을 통해 결정됨 3. 픽셀/영역/이벤트 특징 정의 : intensity, time duration, area, motion, shape, color, edge 중 각 레벨에 적합한 특징 실험 및 파라미터 튜닝 ● 테스트 데이터베이스 (DB) 내용 및 수준 (검증 활동) 1. 테스트 DB 내용 : PETS2006, AVSS2007(i-LIDS), CAVIA, ObjectVideo DB, 자체 수집 DB 2. 테스트 DB 수준 : 22개 동영상, 62개의 방치 또는 도난 객체 이벤트 존재, 가려짐/조도변화/혼잡도 난이도에 따라 상/중/하로 구분 3. 상태 전이를 위한 최적 임계값 결정 및 성능 평가 기준 수립 가. 임계값 결정 : 자체 수집된 DB 상에서 배경/전경/정지 영역 각각의 특징 값 추출(Ground-truth 참고) 및 통계적 최적 임계값 결정 나. 성능 평가 기준 : TCA(True Classification Accuray), FCR(False Classification Ratio) ● 자체점검 시나리오 및 결과 (검증 활동) 1. 테스트 DB에서 TCA 66%, FCR 54% 성능 확보 2. 기존 픽셀 기반 기술 대비 환경 조건 변화에 강인함 ● 연구결과 완성도 (목표달성 및 질적 수준) 1. 1단계 2차년도 목표 성능 대비 TCA 100% 달성 2. 세계 수준 (ObjectVideo) 대비 TCA 11% 향상, FCR 12% 감소 |
