반응형
abstract
- RGB 이미지에서 감지하도록 의도된 컨볼루션 신경망 모델을 사용하여 열화상에서 자동 사람 감지 작업
- Faster R-CNN, SSD, Cascade RCNN 및 YOLOv3와 같은 표준 최첨단 개체 감지기의 성능을 국경 주변의 불법 이동을 시뮬레이션하는 비디오에서 추출한 열 이미지 데이터 세트로 재학습한 성능을 비교
- 보호 구역에서 맑은 날씨, 비, 안개, 밤 다양한 범위에서 다양한 움직임 유형으로 녹화
- YOLOv3는 다른 탐지기보다 훨씬 빠르면서도 최고에 필적하는 성능을 달성하여 추가 실험에 사용
- 테스트 데이터 세트에서 우수한 감지 결과를 얻는 데 필요한 최소 이미지 수를 결정하기 위해 다양한 교육 데이터 세트 설정 실험
- 학습에 약간의 열화상 세트를 사용, 모든 테스트 시나리오에 대한 평균 정확도와 관련하여 우수한 감지 결과 달성
- 잘 알려지고 널리 사용되는 다양한 열화상 데이터 세트에서도 학습된 모델 테스트
- 사물이 몰래 통과하거나 불법 월경하는 경우 특히 중요한 사람과 동물을 열화상으로 인식한 결과 제시
- 또한 다양한 날씨와 촬영 조건에서 녹화된 감시 비디오가 포함된 실험에 사용된 원본 열 데이터 세트를 제시
Related work
- THERMAL CAMERA CHARACTERISTIC FOR SURVEILLANCE APPLICATION
- 열화상 카메라와 열화상 센서의 녹화 거리와 종류 및 품질은 이미지 또는 비디오 해상도와 녹화되는 인물의 크기에 직접적인 영향을 미침
- 각 작업(물체 감지, 인식, 식별)의 성공 확률은 이미지가 캡처되는 거리, 카메라의 품질 또는 해상도와 직접적인 관련이 있음. (당연한거 아닌가...? 아닌가..?)
- 열화상 카메라
- 조명 조건에 불변하고 광범위한 빛 변화와 날씨 조건에 강하며 완전한 어둠 속에서도 작동 가능
- 가시광선 카메라보다 훨씬 적은 세부 정보 제공
- 일반적으로 가시광선 카메라보다 해상도 훨씬 낮음
- 주변 온도가 높을수록 감지된 물체와 배경 사이의 대비가 감소할 수 있음
- 물체 자체가 방출하는 열은 일정하지 않으며 물체의 내부 상태에 따라 달라짐(ex 운동하는 사람)
- LWIR vs MWIR
- 두 대역 모두 태양광 효과 무시가능, 안개, 비에 의한 악영향 받음
- MWIR: 따뜻한 기후에서 유리
- LWIR: 추운 기후에서 선호, 안개낀 조건에서 유리
- MWIR 센서는 LWIR 센서보다 습도의 영향을 덜 받음
- 대부분의 기후에서 LWIR보다 대기 투과율이 높음
- 감시 시스템을 위한 편리한 솔루션: FLIR 시스템(MWIR 및 LWIR 대역 모두에서 동시에 활성화되는 열화상 카메라)
EXPERIMENT WORKFLOW
- DATA COLLECTION
- 표준 24° x 18° 시야(FOV) 렌즈와 FLIR 7° FOV 망원 렌즈(P/B 시리즈)를 사용하여 약 140cm 높이의 삼각대에 장착된 FLIR ThermalCam P10 LWIR 열화상 카메라를 사용하여 겨울 동안 여러 세션으로 진행
- 카메라 센서는 320x240의 열 해상도 캡처합니다
픽셀은 외부 비디오 레코더를 사용하여 1280x960 픽셀로 업그레이드 - 거리 측정을 위해 CAT S60 GPS가 장착된 스마트폰에 설치된 ViewRanger 애플리케이션을 사용
- DATA PREPROCESSING AND ANNOTATION
- 맑은 날씨: 약 20분 - 11,900개의 이미지 추출
- 안개: 약 13분 - 4,905개의 이미지 추출
- 비: 약 15분 - 7,030개의 이미지 추출
- 이 중 6,111개를 선택하여 모델 학습에 사용
- 주석은 오픈 소스 Yolo BBox 주석 도구를 사용하여 작성
- 웹 브라우저 내에서 실행되는 도구
- YOLO, VOC, MSCOO 주석을 동시에 저장 가능
- 필요한 형식으로 후속 변환이 필요하지 않음(시간 절약 가능)
- 각 개체 주위의 경계 상자의 중심 위치, 너비, 높이, 경계 상자의 크기, 해당 클래스 레이블(인간 또는 개)로 구성
- CVC FIR, VOTTIR2015, OTCBVS, Terravic Motion IR Database로 테스트하기 위해 도메인 적용이 필요
- 색상 RGB 이미지를 그레이스케일로 변환하여 적용(2가지로 적용 - 열 이미지의 표현을 더 잘 반영하기 위해)
- 뜨거운 영역이 밝게 / 뜨거운 영역이 어둡게
- OBJECT DETECTOR
- 모든 실험 좋은 성능 보임
- YOLOv3이 제일 빠름
반응형
댓글