CCTV를 이용한 C3D 기반의 광학 흐름을 결합한 이상 탐지 모델 :Anomaly Detection Model that Combines C3D-based Optical Flow using CCTV

박슬기

추천

검색

자료유형: 학위논문

저자정보: 박슬기 (인하대학교, 인하대학교 대학원)

지도교수: 조근식

발행연도: 2020

저작권: 인하대학교 논문은 저작권에 의해 보호받습니다.

이용수6

이 논문의 연구 히스토리 (2)

2020

CCTV를 이용한 C3D 기반의 광학 흐름을 결합한 이상 탐지 모델

박슬기 전기컴퓨터공학과 2020.01 학위논문

C3D 기반의 광학 흐름을 결합한 CCTV에서의 이상 탐지

박슬기 , 홍명덕 , 조근식 한국컴퓨터정보학회 학술발표논문집 2020.01 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

최근 이상 탐지는 딥러닝 기술의 발전으로 이상 탐지를 위한 딥러닝 기반의 여러 방법론이 제안되고, 빅 데이터로 대용량의 데이터세트가 생성되면서, 불법 트래픽 탐지, 사이버 침입 탐지와 같은 다양한 분야에서 기존의 정확도를 높이거나 새로운 문제를 해결하는 방법으로 활발하게 사용되고 있다.
기존 CCTV 비디오에서 딥러닝 기반의 이상 탐지 연구는 객체의 행동 값 만을 이용하여 이상을 탐지하였기 때문에, 객체가 일부 가려진 경우 객체의 행동 값 추출이 어렵다는 문제와 행동 값 추출에서 모든 프레임을 입력 값으로 사용하지 않기 때문에, 시간 흐름에 따른 정보가 축소되는 문제점이 있었다. 또한 CCTV 비디오에서의 이상의 원인은 프레임의 복잡성 등 다양한 요소와 시계열 분석에 따른 정보로 이루어져 있어, 객체의 행동 값 만을 이용하여 이상을 탐지하기에는 한계가 있다.
이러한 문제를 해결하기 위해 본 논문에서는 객체 중심의 다양한 특징 값을 사용하고자 광학 흐름을 결합하여 객체의 방향, 속도, 위치 정보를 사용하는 모델을 설계하였다. 또한 광학 흐름과 제약 조건을 이용하여 객체의 움직임을 기준으로 전경과 배경을 분리함으로써 객체가 일부 가려진 경우 행동 값 추출이 어려웠던 문제를 보완하고, 광학 흐름의 입력 값으로 모든 프레임을 사용하여 시간 흐름에 따른 정보 축소 문제를 보완하였다.
따라서 본 논문에서는 C3D 에 광학 흐름을 결합한 새로운 딥러닝 기반의 이상 탐지 모델을 제안한다. 제안하는 이상 탐지 모델은 UCF-Crime 데이터세트를 사용하였으며, 실험 결과 기존에 연구되었던 행동 값 만을 사용한 모델과 비교하여 76.44 의 AUC 를 달성하였다. 또한 이상 탐지 모델 설계 시 객체의 행동에 다양한 측면을 고려해 여러 특징 값과 시계열 분석에 따른 정보를 사용하는 것이 적절하다는 결론을 도출하였다.

With the recent development of deep learning technology, various methodologies based on deep learning for detecting anomalies have been proposed, and corresponding datasets for this domain have been created using big data. Anomaly detection is actively used in various fields such as illegal traffic detection and cyber intrusion detection to improve existing accuracy or solve new problems.
In the existing CCTV videos, deep learning-based anomaly detection research in the literature detected anomalies using only the object''s action value. For this reason, there is an issue that it is difficult to extract the behavioral value of an object when the object is partially of occlusion. Another issue with the existing works is that information over time is reduced because all frames in the video are not used as input values in behavioral value extraction. Since the cause of the abnormality in CCTV video is composed of various factors such as frame complexity and information according to time series analysis, there is a limit to detecting the abnormality using only the action value of the object.
In order to solve this problem, in this paper, we designed a model that uses the direction, velocity, and position information of an object by combining optical flows to use various feature values centered on the object. In addition, by adding optical flow and constraints, the foreground and background are separated based on the movement of the object, which helps compensate for occlusion problem by extracting the behavior value even when the object is partially obscured. The problem of information reduction over time was compensated by using all frames as input values for the optical flow. In this paper, we propose a new deep learning-based anomaly detection model that combines optical flow with C3D.
The proposed anomaly detection model was tested using the UCF-Crime dataset. As a result of the experiment, the AUC of 76.44 was achieved by comparing our model with the model, which uses only the behavior values in previous studies. Finally, we concluded that it is appropriate to use information according to various feature values and time series analysis considering various aspects of the behavior of an object when designing an anomaly detection model.

#이상 탐지 #광학 흐름 #객체 중심 #딥러닝 #인공지능

제 1 장 서론 1
제 2 장 배경지식 및 관련 연구 5
2.1 기존 이상 탐지 특징 추출 방법 5
2.2 시공간 특징을 통한 이상 탐지 9
2.3 이상 탐지 성능 향상을 위한 기존 연구 11
제 3 장 C3D 기반의 광학 흐름을 결합한 이상 탐지 모델 14
3.1 시공간 특징 추출 14
3.2 이상 탐지 모델 17
제 4 장 실험 및 결과 분석 24
4.1 데이터세트 24
4.2 ROC Curve & AUC 결과 분석 25
4.3 모델 최적화에 따른 성능 비교 분석 29
제 5 장 결론 및 향후 연구 31
참고문헌 33

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)