http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : Connie Susilawati (검색결과 1 건)
- 무료
- 기관 내 무료
- 유료
-
다중 카메라 네트워크 가상의 관심선(Line of Interest)을 활용한 건물 내 재실자 인원 계수 방법론 개발
천휘경,박찬혁,지석호,노명일,Connie Susilawati 대한토목학회 2023 대한토목학회논문집 Vol.43 No.5
건물에서 재난이 발생할 경우, 건물 내 인원을 신속히 구조하여 사상자를 최소화하는 것은 단연 최우선순위가 된다. 이러한 구조활동을 위해서는 건물 내 어디에 몇 명이 있는지를 알아야 하는데, 실시간으로 알기가 어렵다 보니 주로 건물주나 경비원 등 관계자의 진술이나 층별면적, 수용인원과 같은 기초자료에 의존하는 실정이다. 따라서 빠르고 정확하게 재실 인원 정보를 파악하여 현장에 대한 불확실성을 낮추고 골든타임 내 효율적인 구조활동을 지원하는 것이 반드시 필요하다. 본 연구는 컴퓨터 비전 알고리즘을 활용하여 이미 건물에 설치되어 있는 여러 대의 CCTV가 촬영한 이미지로부터 건물 위치별 재실인원을 계수하는 방법론을 제시한다. 계수 방법론은 (1) 카메라별 관심선(LOI) 설정을 통한 다중 카메라 네트워크 환경 구축, (2) 딥러닝을 활용한 모니터링 구역 내 사람 탐지 및 추적, (3) 다중 카메라 네트워크 환경을 고려한 인원 합산 세 단계로 구성된다. 제안된 방법론은 5층 건물을 대상으로 세 개의 시간대별로 수행된 현장 실험을 통해 검증되었다. 최종 결과는 89.9%의 정확도로 재실자를 인식하는 것으로 나타났으며, 층별, 구역별 합산 결과도 93.1%, 93.3%의 정확도로 우수했다. 층별 평균 MAE와 RMSE는 각각 0.178과 0.339이었다. 이처럼 실시간으로 제공하는 건물 내 재실자 정보는 초기 재난대응 단계에 신속하고 정확한 구조활동을 지원할 수 있다. In the event of a disaster occurring within a building, the prompt and efficient evacuation and rescue of occupants within the building becomes the foremost priority to minimize casualties. For the purpose of such rescue operations, it is essential to ascertain the distribution of individuals within the building. Nevertheless, there is a primary dependence on accounts provided by pertinent individuals like building proprietors or security staff, alongside fundamental data encompassing floor dimensions and maximum capacity. Consequently, accurate determination of the number of occupants within the building holds paramount significance in reducing uncertainties at the site and facilitating effective rescue activities during the golden hour. This research introduces a methodology employing computer vision algorithms to count the number of occupants within distinct building locations based on images captured by installed multiple CCTV cameras. The counting methodology consists of three stages: (1) establishing virtual Lines of Interest (LOI) for each camera to construct a multi-camera network environment, (2) detecting and tracking people within the monitoring area using deep learning, and (3) aggregating counts across the multi-camera network. The proposed methodology was validated through experiments conducted in a five-story building with the average accurary of 89.9% and the average MAE of 0.178 and RMSE of 0.339, and the advantages of using multiple cameras for occupant counting were explained. This paper showed the potential of the proposed methodology for more effective and timely disaster management through common surveillance systems by providing prompt occupancy information.
ScienceON
DBpia연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
