MCNN과 KDE를 활용한 연합학습 기반 실시간 군중 밀집도 모니터링 시스템 (Real-Time Crowd Density Monitoring System using Multi-Column CNN and Kernel Density Estimation based on Federated Learning)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 23권 / 3호 / 1 ~ 11페이지
· 저자명 : 윤건용, 이주찬, 양단아

초록

본 논문은 연합학습 기반 다중열 합성곱 신경망(MCNN) 모델을 활용하여 군중 밀집도를 계산하는 시스템을 구현하였다. 제안된 시스템은 플라스크(Flask) 기반 웹 서버와 InfluxDB를 활용한 실시간 데이터 처리와 시각화를 지원하며, 대규모 환경에서도 안정적으로 동작할 수 있는 확장 가능한 아키텍처를 제공한다. 연합학습 구조를 통해 데이터 보안성을 유지하면서 분산된 데이터를 효율적으로 처리하고 공간적 커널밀도추정를 적용하여 공간적 밀집도를 효과적으로 계산하였다. 본 시스템은 MCNN 모델을 사용해 입력 이미지를 밀집도 맵으로 변환하고, 이를 기반으로 공간적 커널밀도추정을 적용해 군중의 밀집도를 분석한다. 실험 결과, 연합학습 기반 MCNN 모델은 기존 모델 대비 평균 절대 오차(MAE)를 3.52%, 평균 제곱근 오차(RMSE)를 4.99% 감소시키는 성능 향상을 보여준다.

영어초록

This paper proposed a system calculating crowd density using a Federated Learning-based Multi-column Convolutional Neural Network(MCNN) model. The proposed system supports real-time data processing and visualization through the Flask web server and the InfluxDB, ensuring reliable operation in large-scale environments. The architecture ensures data security while efficiently processing distributed data, and accurately calculates the spatial kernel density estimation in MCNN model. The kernel density estimation transforms input images into feature maps, for analyzing crowd density. Evaluation results demonstrate that the Federated Learning-based MCNN model improves performance by reducing Mean Absolute Error(MAE) by 3.52% and Root Mean Square Error(RMSE) by 4.99% compared to traditional models.

참고자료

· 없음