Earticle

초록

영어

This study presents the construction of an AI learning dataset and the prototypical development of a model for detecting anomalous behaviors in residential and public spaces, as part of an effort to enhance security and crime prevention. The AI learning dataset and model were designed to stimulate the advancement of AI technology and the development of AI projects in private companies. During the dataset construction, ResNet50 was modularized to extract features from video frames, and 3D-CNN was used to process skeleton points from JSON files. This data was then labeled according to predefined anomalous behaviors. Furthermore, GridCV was employed to utilize the SVM classifier and GRUs for processing video sequences The learning performance evaluation of the model demonstrated a continuous improvement in main accuracy and a decreasing trend in detailed loss.. The trained model can predict the category of behavior appearing in a given video sequence. The AI learning dataset and model prototyped in this study provide valuable insights into the practicality of developing anomaly detection functions. It is expected to contribute to the advancement of AI applications in the field of public safety by securing, constructing, and distributing data necessary for AI learning for immediate anomaly detection, crime prevention, and offender apprehension.

한국어

본 연구에서는 보안과 범죄 예방 강화의 하나로 공공 CCTV와 보안 카메라의 영상 데이터를 사용하여 주거 및 공용 공간에서 이상행동을 탐지하기 위한 AI 학습 데이터 세트의 구축과 이를 활용한 모델을 시범 개발하 였다. AI 학습 데이터 세트와 모델은 민간 기업의 AI 기술 발전과 AI 프로젝트 개발을 촉진하기 위해 설계되었다. 데이터 세트 구축 시 비디오 프레임에서 특징을 추출하기 위하여 ResNet50을, JSON 파일에서 스켈레톤 포인트를 처리하기 위하여 3D-CNN을 사용하여 모듈화 하였다. 이 데이터를 사전에 정의된 이상행동에 따라 Labeling 하였 다. 또한 GridCV를 사용하여 SVM 분류기와 비디오 시퀀스 처리를 위한 GRU를 활용하였다. 모델의 학습 성능 평가에서는 주요 정확도(main accuracy)가 지속해서 향상되었으며, 상세 손실(detailed loss) 또한 감소하는 추세 를 보였다. 이를 바탕으로 학습된 모델은 주어진 비디오 시퀀스에서 나타나는 행동의 범주를 예측할 수 있다. 본 연구에서 구축된 AI 학습 데이터 세트와 모델 시범 개발로 즉각적인 이상행동 감지를 통한 범죄예방 및 범인 검 거를 위해 인공지능 학습에 필요한 데이터 확보, 구축 및 배포하여 민간기업의 AI 기술 발전 및 인공지능 사업의 발전을 도모하고자 이상행동 탐지 기능 개발의 실용성에 대한 귀중한 인사이트를 제공하여 공공 안전 분야에서 AI 애플리케이션의 발전에 기여할 것으로 기대된다.

목차

요약
Abstract
Ⅰ. 서론
1.1 AI 학습데이터 구축
1.2 AI 기반 영상 인식
1.3 이상행동 탐지
Ⅱ. AI 학습데이터 셋 구축 및 활용 모델
2.1 AI 학습데이터 셋 구축
2.2 AI 모델 상세
Ⅲ. 결론
REFERENCES

키워드

이상행동 탐지 AI 학습 데이터 ResNet50 3D-CNN GridCV GRU Anomaly Detection AI Learning Data ResNet50 3D-CNN GridCV GRU

저자

• 이현주 [ Hyun-Ju Lee | 동국대학교 기술창업학과 박사수료 ]
• 이승엽 [ Seung-Yeob Lee | 동국대학교 기술창업학과 박사수료 ]
• 성창수 [ Chang-Soo Sung | 동국대학교 기술창업학과 교수 ] Corresponding Author
• 김대진 [ Dae-Jin Kim | 동국대학교 영상문화콘텐츠연구원 교수 ] Corresponding Author

참고문헌

발행기관

간행물