딥러닝을 활용한 비전 기반 궤적 예측 연구 동향 분석 (Research Trends Analysis of Vision-based Trajectory Prediction Using Deep Learning)

서지정보

· 발행기관 : 대한공간정보학회
· 수록지 정보 : 대한공간정보학회지 / 30권 / 4호 / 113 ~ 128페이지
· 저자명 : 이지윤, 조주연, 김지연, 이도현, 강영옥

초록

사람, 자전거, 자동차 등 실시간으로 이동하는 객체의 움직임을 예측하는 것은 중요한 현대 기술 중 하나이다. 특히 이동체는 시계열성을 갖고 있기 때문에 이를 활용하여 이동체의 다음 움직임을 예측하는 기술은 광범위한 분야에서 활용되고 있다. 실시간으로 영상 데이터를 전송하는 드론과 CCTV의 영상 데이터로 차량의 다음 이동 궤적과이동체 간 충돌을 예측하는 비전 기반 이동 궤적 예측 모델은 공간적 속성과 시간적 속성을 동시에 갖고 있기 때문에 이미지 딥러닝 기술의 발전과 함께 대두된 중요한 응용분야이다. 본 연구에서는 최근 많은 연구가 이루어지고 있는 비전 기반(vision-based) 예측 기법을 RNN, Feedforward, GAN, 어텐션 모듈(Attention module), 멀티모달(Multimodal) 카테고리로 나누어 각각의 딥러닝 방법론을 소개하고 이와 관련된 응용분야, 활용데이터 셋을 살펴보았다. 본 연구에서 소개된 방법론과 적용 분야, 그리고 활용 가능한 데이터셋을 참고하여 국내 실정에 맞춘 연구를 한다면 향후 이동 궤적을 활용한 다양한 분야에 실질적인 도움이 될 것으로 예상된다.

영어초록

Predicting the movement of objects, such as people, bicycles, and cars, is one of the important technologies. Since the moving object has an attribute value called the time series, technology of predict the trajectory of the moving object is being used in a wide range of fields. The vision-based trajectory prediction model, which predicts the next movement of a vehicle or collision between moving objects with image data from drones and CCTVs that transmit image data in real time, is an important application with the development of image deep learning technology. In this study, we introduced deep learning methodology related with vision-based prediction techniques, which have been studied recently, by dividing in to RNN, feedforward, GAN, attention module, and multimodal information. And also we looked into the field of the applications and the data sets that related with five divided categories. Referring to the methodology, application fields, and available datasets introduced in this study, it is expected to be of practical help in various domestic research fields utilizing the trajectory prediction in the future.

참고자료

· 없음