Earticle

초록

영어

This research proposes an improved system for the "automatic hit-and-run vehicle detection system in CCTV footage." Hit-and-run incidents involve collisions with parked vehicles followed by fleeing the scene, which has been increasing annually. However, the current investigation method includes inefficient processes, such as investigators having to analyze CCTV footage manually for long periods. The improved system addresses key weaknesses of the existing system, such as video processing speed, false detection caused by surrounding objects, and complex algorithm structures. In particular, the optical flow calculation algorithm was optimized, and vectorized operations were introduced to improve processing efficiency. Additionally, the use of frame interval sampling techniques shortened analysis time. A major improvement involved completely removing the complex depth estimation model previously used in the system, and adopting a simplified approach that more accurately identifies the accident point through the analysis of object positions and movements on a 2D plane. As a result, computational complexity was significantly reduced, and the algorithm's efficiency was enhanced. Experimental results show that the improved system provides more efficient processing compared to the previous system, with a 67% reduction in false detections in nighttime footage. Moreover, it accurately detects the accident points across all test videos, and the improvements made to the system are expected to contribute to enhancing the efficiency of investigations into hit-and-run incidents.

한국어

본 연구는 기존의 "CCTV 장면에서의 물피도주 차량 탐지 자동화 시스템"을 개선한 시스템을 제안한다. 물피도주는 주차된 차량에 충돌사고를 내고 현장을 이탈하는 행위로, 매년 증가하고 있으나, 현재 수사 방식은 수사관이 CCTV 영상을 장시간 직접 분석해야 하는 비효율적인 과정을 포함한다. 개선된 시스템은 기존 시스템의 주요 약점인 영상 처리 속도, 주변 객체에 의한 오검출, 그리고 복잡한 알고리즘 구조를 해결하였다. 특히 광학 흐름 계산 알고리즘을 최적화하고, 벡터화 연산을 도입하여 처리 효율을 높였으며, 프레임 간격 샘플링 기법으로 분석 시간을 단축시켰다. 주요 개선점으로 기존 시스템에서 사용하던 복잡한 깊이 추정 모델을 완전히 제거하고, 2D 평면상의 객체 위치와 움직임 분석을 통해 사고 시점을 더 정확히 식별하는 단순화된 접근 방식을 도입하였다. 이를 통해 계산 복잡성이 크게 감소하고 알고리즘의 효율성이 향상되었다. 실험 결과 개선된 시스템은 이전 시스템에 비해 효율적인 처리가 가능하며, 특히 야간 영상에서의 오검출이 67% 감소하였다. 또한 모든 테스트 영상에서 사고 시점을 우수한 정확 도로 탐지하였으며, 본 시스템의 개선은 물피도주 사건의 수사 효율성 향상에 기여할 것으로 기대된다.

목차

요약
Abstract
1. 서론
2. 관련 연구
2.1 CCTV 장면에서의 물피도주 차량 탐지 자동화시스템
2.2 차량 탐지 및 분류 시스템의 설계와 성능 평가
2.3 차로별 좌표계 변환에 의한 차량 속도 추정 기반사고 위험 상황 분류
2.4 도로 CCTV 데이터를 활용한 딥러닝 기반 차량이상 감지
2.5 딥러닝 기반 CCTV 교통사고 탐지 및 응급구조자동화
2.6 주차장 환경에서의 차량 사고 검출
3. 제안 방법
3.1 야간 및 저조도 환경에서의 차량 검출 성능강화를 위한 추가 학습
3.2 2단계 사고 분석 모듈
3.3 최적화된 광학 흐름 분석 모듈
3.4 동적 객체 분석 모듈
3.5 프레임 샘플링
4. 실험
4.1 실험 환경 및 실험 영상 구성
4.2 실험 분석 및 결과
5. 결론
Acknowledgements
참고문헌

키워드

객체 탐지 CCTV 영상 물피도주 광학 흐름 딥러닝 컴퓨터 비전 Object Detection CCTV Video HIt-and-Run Optical Flow Deep Learning Computer Vision

저자

• 이상욱 [ SangWook Lee | 국립한밭대학교 정보통신공학과 ]
• 유용현 [ YongHyun Yu | 국립한밭대학교 정보통신공학과 ]
• 김유현 [ Yuhyun Kim | 국립한밭대학교 정보통신공학과 ]
• 최동걸 [ Dong-Geol Choi | 국립한밭대학교 정보통신공학과 ] 교신저자

참고문헌

발행기관

간행물