컴퓨터 비전과 딥러닝을 이용한 철도 시설 접근자 실시간 모니터링 시스템 (Railway Facility Real-time Intruder Monitoring System Using Computer Vision and Deep Learning)

서지정보

· 발행기관 : 한국철도학회
· 수록지 정보 : 한국철도학회논문집 / 23권 / 1호 / 35 ~ 44페이지
· 저자명 : 박기준, 반다리 비나약

초록

최근 해외에서 민간 다중이용시설을 목표로 다발하고 있는 테러로부터 안전을 확보하는 과제가 주목받고 있다. 이에 본 논문에서는 연간 38억명의 여객, 3700만톤의 화물을 수송하는 철도 시스템의 중요 장비, 시설들을 보호하는 실시간 침입자 모니터링 시스템을 제안한다. 시스템을 구현 및 시험하는 데 있어서 Raspberry Pi를 사용한 디바이스 단에는 TensorFlow와 OpenCV 및 Amazon Web Service(AWS) IoT SDK가 세트 되었고 서버 단에는 AWS 클라우딩 서버에 AWS IoT와 AWS Lambda를 바탕으로 Twilio API가 설치되었다. TensorFlow에는 COCO Dataset으로 학습한 SSD+MobileNetV1가 적용되어 보안 구역의 감시 카메라 시야로부터 침입자의 유무를 감지한다. 침입자가 발생한 경우 SMS를 통해 해당 구역의 안전, 보안관리자에게 침입자 발생 사실을 통지하고 적절한 후속 조치가 이루어질 수 있게끔 안전, 보안관리자를 보조, 침입자에 의한 보안 위협을 예방하고 유사시 피해를 최소화할 수 있도록 한다. 플라스틱 인체 모형을 사용한 시험에서 본 시스템은 침입자를 인식하는 데 있어서 1.05초의 반응속도, 50% 미만의 정확도를 보였으나 실제 사람을 바탕으로 한 실험에서는 카메라로부터 약 10m 이내의 범위에서 80% 이상의 우수한 인식 정확도가 나타 났다.

영어초록

The task of securing safety from terrorist attacks, which have recently been aimed at multiple civilian use facilities overseas, is drawing attention. This paper proposes a real-time intruder monitoring system that protects critical equipment and facilities of the railway system, which transports 37 million tons of cargo and 3.8 billion passengers per year. In integrating and testing the system, TensorFlow, OpenCV, and Amazon Web Service (AWS) IoT SDK were set up for the device part using Raspberry Pi, AWS IoT, and the Twilio API, which is based on AWS Lambda and installed at the AWS cloud on the server part. TensorFlow is applied with SSD+MobileNetV1, which learned with the COCO Dataset to detect the presence of intruders from a surveillance camera view of the secure area. In the event of intruder occurrence, SMS informs the security manager or safety manager of the area and assists their follow-up measures so that security threats by intruders can be prevented and damage minimized in the event of an emergency. In tests using plastic dummies, the system showed a 1.05 s response speed and less than 50% accuracy, in recognizing intruders; however, tests based on actual human bodies showed better recognition accuracy of 80% or more in a range about 10m from the camera.

참고자료

· 없음