본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색
결과 내 검색 동의어 포함
결과 내 검색 동의어 포함

-

초록보기

사람들의 차량 보유 대수가 증가함에 따라 물피도주 사건도 증가하고 있지만, 수사 과정에서 장시간의 CCTV 영상을 수동으로 검수하므로 용의자를 식별하는 데 많은 시간이 필요하고 비효율적이다. 따라서, 불필요한 인력 소모를 줄이기 위해서는 물피도주 피의자 식별 자동화 시스템의 구축이 필수적이다. 본 논문에서는 CCTV 영상에 인공지능 기술을 활용해 CCTV 영상에서 '물피도주' 사건의 시점을 자동으로 탐지하고 가해 차량을 무엇인지 추적하는 시스템을 제안한다. 이 시스템은 CCTV 영상을 수신하면 피해 차량 선택, 사고 시점 추정, 가해 차량 추정의 과정을 거치며 가장 확률이 높은 물피도주 가해 차량을 탐지한다. 기존 차 사고 차량 사고 검출 방식의 취약점을 보완하고, 사고와 무관한 주변 객체로 인한 오류를 줄이기 위해 객체 분할과 객체 탐지 모델, 그리고 객체 추적과 깊이 추정 모델을 활용하여 주변 객체들을 별도로 분류하는 과정이 도입되었다. 또한 CCTV 영상에 촬영된 국내 차량의 탐지 성능을 향상하기 위해 별도로 구성한 데이터 세트를 통해 객체 탐지 성능을 향상했고, 실제 CCTV에서 촬영된 물피도주 사례들에 이 시스템을 적용했을 때 사고 발생 시점을 정확하게 검출하였고, HD 해상도의 영상에서 27fps 이상의 처리 속도를 보인다

As the number of vehicles owned by individuals increases, so does the occurrence of hit-and-run incidents. However, the investigation process is time-consuming and inefficient due to the need for manual review of long-duration CCTV footage to identify suspects. Therefore, it is essential to establish an automated system for identifying hit-and-run suspects to reduce unnecessary manpower consumption. This paper proposes a system that utilizes artificial intelligence technology on CCTV footage to automatically detect the moment of a 'hit-and-run' incident and track the offending vehicle. Upon receiving CCTV footage, the system undergoes processes of selecting the victim vehicle, estimating the time of the accident, and estimating the offending vehicle, thereby detecting the most probable hit-and-run offending vehicle. To address the vulnerabilities of existing vehicle accident detection methods and to reduce errors caused by irrelevant surrounding objects, the process of object segmentation and detection models, as well as object tracking and depth estimation models, were introduced to separately classify surrounding objects. Additionally, to enhance the detection performance of domestic vehicles captured in CCTV footage, a separate dataset was compiled to improve object detection performance. When this system was applied to actual hit-and-run cases recorded by CCTV, it accurately detected the time of the accident and demonstrated a processing speed of over 27fps in HD resolution video.

권호기사

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 목차
반려동물의 건강 기능성 식품 추천을 위한 마이크로바이옴데이터 기계독해 시스템 = Microbiome data machine reading comprehension system to recommend health functional pet food 차예원, 김민석, 방진숙 p. 7-16

드론 감시 시스템을 위한 인공지능 모델 학습 전략과 절대 좌표 추정 알고리즘 = Artificial intelligence model training strategy and absolute coordinate estimation algorithm for drone surveillance systems 이석복, 박효빈, 김민우, 노현철, 주진기, 장하윤, 이상우, 최의환, 최동걸 p. 17-29

국가 정보시스템의 행정정보 데이터세트의 기록관리를 위한 기록속성 기준 수립 방안 연구 = A study on establishing record attribute standards for managing administrative information datasets in national information systems 최광훈, 양동민 p. 30-49

복합 특징 공간에서의 스웜 최적화를 이용한 강인한 객체 추적 모델 = Robust object tracking model based on swarm optimization in complex feature space 강규창, 배창석 p. 50-61

CCTV 장면에서의 물피도주 차량 탐지 자동화 시스템 = CCTV-based hit-and-run car detection automated system 유용현, 김민우, 김유현, 안병태, 최동걸 p. 62-71

클라우드 모니터링 데이터를 활용한 딥러닝 기반 이상 탐지에 관한 연구 = A study on anomaly detection based on deep learning using cloud monitoring data 조은정, 김명화, 이종섭, 이정진 p. 72-80

모션 합성 데이터를 활용한 강화학습 기반 객체 반응형 애니메이션 생성 = Object reactive animation generation using reinforcement learning based on motion synthesis data 신정민, 한상원, 신병석 p. 81-93

저비용 드론을 이용한 딥러닝 기반 콘크리트 건축물 안전진단 자동화 시스템 = Deep learning-based safety inspection automation system for concrete buildings with low-cost drones 장인성, 정희영, 김태운 p. 94-113

엣지 컴퓨팅 환경에서 쿠버네티스 기반 네트워크 성능 제어 방식 분석 = Exploring Kubernetes-based network performance control in edge computing environments 변지섭, 김수성, 이하림, 백보성, 이경운 p. 114-124

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차