Convolutional neural network를 利用한 降雪感知시스템 開發
저자
발행사항
서울 : 성균관대학교 정보통신대학원, 2019
학위논문사항
학위논문(석사)-- 성균관대학교 정보통신대학원 : IT컨설팅학과 2019. 2
발행연도
2019
작성언어
한국어
주제어
발행국(도시)
서울
기타서명
Development of snow detection system using convolutional neural network
형태사항
iv, 36 p. : 삽화, 표 ; 30 cm
일반주기명
지도교수: 김문현
참고문헌: p. 32-34
UCI식별코드
I804:11040-000000149317
DOI식별코드
소장기관
경찰청 교통사고 통계에 따르면 눈, 안개 등 기상현상이 있는 날이 맑은 날에 비해 교통사고 치사율이 높은 것으로 나타났다. 특히, 맑음·눈·비 세 가지 날씨 중 눈이 오는 날의 교통사고의 경우 치사율이 가장 높다. 이러한 위험기상으로부터 국민의 생명과 재산을 보호하기 위해서 기상청에서는 실시간 기상정보를 제공하고 있다. 하지만 기상청에서 국민에게 제공하는 기상정보는 지역별 5km x 5km 면적(area) 단위의 정보이기 때문에 실제로 국지적인 기상악화로 인한 사고가 발생하는 도로나 인구 밀집지역과는 관계가 없는 영역까지 포함해 제공되고 있다.
본 연구는 기존의 면(area)단위의 기상정보를 보완하기 위해 고속도로에 설치된 CCTV 영상을 이용한 강설감지연구를 진행하였다. 고속도로의 CCTV를 이용해 고속도로 망을 중심으로 기상정보를 생성하면 면 단위의 정보가 아닌 선(line) 단위의 강설정보를 생산해낼 수 있다.
고속도로의 CCTV영상에서 강설정보를 생산하기 위해 템플릿 인식과 같은 영역기반매칭방식과 차영상 추출을 이용한 동적물체추출방식 등의 기존의 전통적인 영상처리방법을 이용한 물체감지가 아닌 Convolutional Neural Network을 이용한 강설입자 감지방법을 제안하였다. 또한, 템플릿 인식 및 차영상 추출을 이용한 동적물체추출방법과 Convolutional Neural Network을 이용한 강설입자 감지방법을 이용한 정확도비교를 통해 Convolutional Neural Network을 이용한 강설감지방법의 신뢰성을 검증하였다.
정확도 검증에 사용한 데이터는 영동고속도로 횡계리, 유천리, 진부리 지점의 도로공사 CCTV의 영상 중, 2018년 2월, 3월에 눈이 온 날의 영상과 눈이 오지 않은 맑은 날의 영상을 사용하였다.
템플릿 인식을 이용한 강설감지율은 26.28%, 차영상 추출을 이용한 강설감지율은 55.42%, Convolutional Neural Network을 이용한 방법의 강설감지율은 78.39%로 Convolutioanl Neural Network을 이용한 방법의 강설감지율이 세 가지 방법 중 가장 높은 강설감지율을 보였다.
본 연구를 전국 고속도로의 실제환경에 적용하는 데에는 좀 더 많은 연구가 필요할 것으로 보인다. 본 연구는 강설감지율 검증에 영동고속도로의 세 지점의 CCTV 영상만을 사용했으므로 전국고속도로로 그 범위를 확대하기 위해서는 더 많은 지점과 다양한 환경의 데이터를 수집해 학습 및 테스트를 해 볼 필요가 있다. 또, 주간(09:00~18:00)의 영상만을 사용했으므로 야간에 적용할 수 있는 또 다른 데이터나 기술이 필요하다. 또한 물체를 감지하기 위한 오픈소스 레이어인 YOLOv3를 실험에 사용했으므로 강설감지에 최적화된 레이어를 사용한다면 더욱 높은 강설감지율을 보일 것으로 기대된다. 추가적으로 영상마다 카메라 성능이나 설치환경이 지점마다 모두 다르며 강설강도 판단을 위한 지속적인 연구가 필요할 것으로 보인다.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)