지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 채영호
- 발행연도
- 2022
- 저작권
- 중앙대학교 논문은 저작권에 의해 보호받습니다.
이용수9
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
기존 RGB+D 기반의 벤치마크(Benchmark) 데이터 셋은 센서의 구성, 훈련의 수, 카메라의 방향, 클래스 범주를 기준한 3차원 인간 활동을 포함하는 범용 오픈 데이터 셋이다. 사람의 중의적 움직임은 다양하게 존재한다. 예컨대, 출입문을 들어가는 사람이 범죄자인지, 집주인인지, 손님인지 구분이 안 되는 상황이 이에 해당된다. 기존 학습 방식에서 동작인식을 가능하기 위해서는 다양한 데이터 세트를 포함하기 때문에 구축에서 데이터 수집 과정에서 효율성이 떨어진다고 판단한다. 본 논문에서는 범죄수법의 근거를 포함한 새로운 동작 데이터 세트를 구성하고, 벤치마크 데이터 셋을 취합한다. 이어서 침입 범죄를 가정한 범죄, 비 범죄 시나리오를 기준으로 극 학습기계(Extreme learning machine)의 인식결과를 통해 비교한다. 기존 벤치마크 데이터 셋 대비 범죄 수법이 포함된 동작 데이터 셋의 구간 일치율은 시나리오1에서 80%, 시나리오2는 60%, 시나리오3, 4는 각각 40% 증가하였다. 또한 향상된 인식 정확도를 기준으로 세분화 된 단위동작 연계성의 동작 패턴에 따라 출입문에서 범죄가 일어날 수 있는 여러 가지 다양한 상황을 기준으로 조기에 확인 할 수 있는 보안, 경비 시스템 상황에 대한 가능성을 제시하였다.
목차
1. 서 론 11.1 연구 배경 11.2 연구 목적 및 내용 21.3 논문 구성 32. 관련 연구 42.1 벤치마크 데이터 세트 의의 42.2 기존 벤치마크 데이터 세트 조사 62.2.1 UTD Multimodal Human Action Dataset(MHAD) 62.2.2 MSR-Action 3D 데이터 세트 92.2.3 MSR-Daily Action3D 데이터 세트 102.2.4 UT-Kinect 데이터 세트 113. 범죄수법을 고려한 세분화된 동작 데이터 세트 구성 133.1 범죄수법에 근거한 내용 133.2 센싱 데이터 취득 163.2.1 라이다 시스템 기본 구성 및 동작 원리 163.2.2 관성 측정 장치 센서(IMU:Inertial Measurement Unit) 183.3 극 학습기계(ELM) 기반 트레이닝 203.4 기존 벤치마크 데이터 세트 구성 223.4.1 UTD-MHAD 데이터 세트의 3차원 스켈레톤 구간 움직임 233.4.2 MSR Action 3D 데이터 세트의 3차원 스켈레톤 구간 움직임 253.4.3 MSR Daily Action 3D / UT-Kinect 데이터 세트의 3차원 스캘레톤 구간 움직임 263.5 범죄수법을 고려한 세분화된 데이터 세트 구성 273.6 테스트 데이터 시나리오 구성 313.6.1 시나리오1 구성과 동작 구간별 이미지 333.6.2 시나리오2 구성과 동작 구간별 이미지 343.6.3 시나리오3 구성과 동작 구간별 이미지 353.6.4 시나리오4 구성과 동작 구간별 이미지 364. 두 데이터 세트의 트레이닝 인식률 결과 및 비교 374.1 벤치마크 데이터 세트 결과 374.2 범죄수법을 고려한 세분화된 동작 데이터 셋 결과 404.3 세분화 된 단위동작 연계성의 가능성 425. 결론 및 향후 연구 계획 44참고문헌 47국문초록 49ABSTRACT 50
최근 본 자료
댓글(0)
0