A Multi-Camera People Counting Framework using Camera Network and Re-Identification = 카메라 네트워크와 재식별 기술을 활용한 다중 카메라 기반 인원 계수 프레임워크 개발

다국어 초록 (Multilingual Abstract)

Determining the number and positions of people is critical throughout the entire lifecycle of construction projects for effective safety and productivity management. Although recent vision-based methods for people counting have advanced, most have utilized single-camera and have been implemented at macro-levels, constraining their applicability in large areas due to the limited field of view (FOV) and increasing counting errors. To address these challenges, this research proposes a novel multi-camera analysis methodology for zone-level people counting that incorporates person re-identification (Re-ID). Re-ID is the process of matching the same individuals appearing in different views and is an essential technique for fusing information from multiple cameras. The research began by processing video images using Grounded-SAM2 to detect and track people, thereby accumulating bounding boxes and coordinates. Considering the multi-camera layouts, appropriate calibration-free camera network maps were constructed, and the resulting spatiotemporal cues together with the tracking results were fed into the Re-ID model. These Re-ID outputs were then passed to a counting module that produced zone-level people counting results over finely partitioned zones of the whole monitored space. Finally, the proposed methodology was evaluated using three video datasets collected from one building and two construction sites. As a result, it was confirmed that the proposed method can comprehensively derive and analyze zone-level people counting information in large spaces of construction projects from sites to buildings, and it can provide reliable counts even in regions with blind spots and frequent occlusions. In addition, it is expected that the framework can support efficient people management throughout the lifecycle of construction projects and, in turn, enhance both productivity and safety.

국문 초록 (Abstract)

건설 프로젝트에서 현장에 머무는 인원의 수와 공간적 분포를 파악하는 과정은 전 생애주기에 걸친 안전성과 생산성 관리를 위해 필수적이다. 최근 컴퓨터 비전을 기반으로 현장 CCTV 영상을 분석하는 인원 계수 기법이 많이 연구되었으나, 대부분 단일 카메라에 의존해 시야가 제한되었고, 이로 인해 넓은 공간으로의 적용성은 낮고 계수 오류는 빈번하게 발생하였다. 또한, 건물 전체나 현장 전체와 같은 거시 단위의 계수 결과만 제시하는 경우가 많아 현업 활용성에도 제약이 있었다. 이러한 한계점을 해결하기 위해 본 논문에서는 다중 카메라 환경을 기반으로 재식별 기법을 결합한 세부 구역 단위의 인원 계수 방법론을 제안하였다. 재식별은 서로 다른 시점과 영역에서 나타난 동일한 인물을 대응시키는 기술로, 여러 대의 카메라에서 얻은 정보를 융합하는 데 핵심적인 역할을 한다. 본 연구는 먼저 Grounded-SAM2 모델로 영상에서 사람을 검출 및 추적하여 경계 상자와 이동 좌표 데이터를 축적하는 것으로 시작되었다. 이후 다중 카메라 환경에서 나타날 수 있는 다양한 카메라 배치 방식을 고려하여, 파라미터 보정이 필요 없는 카메라 네트워크를 구성하고, 여기서 도출한 시공간적 요소를 추적 결과와 함께 재식별 모델에 입력하였다. 통합된 객체 ID는 계수 모듈로 전달되어 전체 관찰 영역을 세부 구역으로 분할한 후 각 구역 단위의 인원 계수 결과를 산출하였다. 제안한 방법론의 성능을 검증하기 위해 한 동의 건물과 두 곳의 건설 현장에서 수집한 총 세 개의 다중 카메라 영상 데이터셋으로 실험을 수행하였다. 평가 결과, 제안한 프레임워크는 건설 현장부터 운영 중인 대형 건물에 이르기까지 넓은 공간에서 세분화된 구역별 인원 정보를 일관되게 도출・분석할 수 있었고, 사각지대와 잦은 가림이 존재하는 구간에서도 신뢰도 높은 결과를 제공함을 확인하였다. 더 나아가 본 연구는 건설 프로젝트의 전 단계에서 효율적인 인원 관리에 기여하여, 현장의 생산성과 안전성을 동시에 높이는 실질적인 도구로 기능할 것으로 기대된다.

목차 (Table of Contents)

• Chapter 1. Introduction 1
• 1.1. Research Background 1
• 1.2. Problem Statement 4
• 1.3. Research Objectives 5
• 1.4. Research Scope 6
• 1.5. Dissertation Outline 8
• Chapter 2. Literature Review 10
• 2.1. People Counting System 11
• 2.1.1. Sensor-Based People Counting 11
• 2.1.2. Vision-Based People Counting 14
• 2.2. Person Re-Identification in Multi-Camera Surveillance 17
• 2.3. Summary and Research Gap 20
• Chapter 3. Multi-Camera Analysis Framework for Zone-Level People Counting 21
• 3.1. People Detection and Tracking 23
• 3.1.1. Model Selection 23
• 3.1.2. ROI and LOI Selection 26
• 3.1.3. Compilation of Query and Gallery Datasets 28
• 3.2. Camera Network Mapping 29
• 3.2.1. Overlapping Views: Homography Matrix 30
• 3.2.2. Sparse Non-Overlapping Views: Rule-based Topology Inference 33
• 3.2.3. Dense Non-Overlapping Views: Camera Network Matrix 35
• 3.3. Person Re-Identification (Re-ID) with Mutual Feature Comparison 37
• 3.3.1. Feature Extraction 38
• 3.3.2. Mutual Feature Matching 41
• 3.4. Complementary Rules for Zone-Level People Counting 44
• Chapter 4. Experimental Results and Discussions 47
• 4.1. Experiments Overview 48
• 4.1.1. Model Configuration and Parameter Setting 49
• 4.1.2. Evaluation Metrics 51
• 4.2. Multi-Camera People Counting in Building 54
• 4.2.1. Dataset Explanation 54
• 4.2.2. People Tracking and Re-ID Evaluation 58
• 4.2.3. People Counting Per Floor and Zone in the Building 62
• 4.3. Multi-Camera People Counting on Construction Sites 66
• 4.3.1. Dataset Explanation 66
• 4.3.2. Evaluation of Tracking and Re-ID Construction Workers on Construction Sites 70
• 4.3.3. Zone-Level Worker Counting on Construction Sites 76
• 4.4. Discussions 83
• Chapter 5. Conclusions 91
• 5.1. Summary and Contributions 92
• 5.2. Opportunities for Improvement and Future Works 94
• Bibliography 96
• Abstract (Korean) 108