오픈소스 하드웨어와 딥러닝 기반 객체 탐지 알고리즘을 활용한 교내 유동인구 분석 (Analysis of Floating Population in Schools Using Open Source Hardware and Deep Learning-Based Object Detection Algorithm)

서지정보

· 발행기관 : 한국전자통신학회
· 수록지 정보 : 한국전자통신학회 논문지 / 17권 / 1호 / 91 ~ 98페이지
· 저자명 : 김보람, 임윤교, 신실, 이진혁, 추성원, 김나경, 박미소, 윤홍주

초록

본 연구에서는 오픈소스 하드웨어인 라즈베리파이와 딥러닝 기술 기반 객체 탐지 알고리즘을 이용해 이미지를 통한 부경대학교 교내 유동인구 조사 및 분석을 수행하였다. 연구수행을 위해 라즈베리파이를 이용하여 5월 10일에서 5월 14일 총 5일간 이미지를 수집하였다. 이후 YOLO3의 IMAGEAI, YOLOv5 모델을 사용하여 수집한 이미지의 인물 검출을 진행하였으며 정확도 비교 분석을 위해 Haar-like features, HOG 모델을 사용하였다. 비교결과, 개교기념일인 10일 가장 적은 유동인구가 관측되었고, 입구의 경우 12일, 츨구의 경우 14일에 가장 많은 유동인구가 관측되었다. 해당 연구의 공간적, 시간적 범위를 넓힌다면 더욱 정확한 유동인구 분석이 가능할 것으로 예상된다.

영어초록

In this study, the floating population survey and analysis of Pukyong National University campus were conducted using images through an object detection algorithm based on the open source hardware Raspberry Pi and deep learning technology. For the study, images were collected for a total of 5 days from May 10th to May 14th using Raspberry Pi. After that, people were detected from the collected images using YOLO3's IMAGEAI and YOLOv5 models, and Haar-like features and HOG models were used for accuracy comparison analysis. As a result of comparison, the smallest floating population was observed on the 10th day, the anniversary of the opening of the school, and the largest floating population was observed on the 12th day for the entrance and the 14th for the exit. If the spatial and temporal scope of the study is expanded, it is expected that more accurate floating population analysis will be possible.

참고자료

· 없음