[논문 리뷰] Near-drowning Early Prediction Technique Using Novel Equations (NEPTUNE) for Swimming Pools

Bhaskaran David Prakash|arXiv (Cornell University)|2018. 05. 07.

Video Surveillance and Tracking Methods인용 수 3

한 줄 요약

이 논문은 근접 빈사 사고를 수영장에서 1~5초의 영상만으로 진단하고 거짓 경고가 전혀 없는 새로운 컴퓨터 비전 기술인 NEPTUNE을 제안한다. 통계적 영상 처리, K-means 군집화, 그리고 분할된 영상 프레임에서 유도된 고유 변수를 조합하여 실시간 수영장 감시 경고를 위한 예측 방정식을 생성한다.

ABSTRACT

Safety is a critical aspect in all swimming pools. This paper describes a near drowning early prediction technique using novel equations (NEPTUNE). NEPTUNE uses equations or rules that would be able to detect near drowning using at least 1 but not more than 5 seconds of video sequence with no false positives. The backbone of NEPTUNE encompasses a mix of statistical image processing to merge images for a video sequence followed by K means clustering to extract segments in the merged image and finally a revisit to statistical image processing to derive variables for every segment. These variables would be used by the equations to identify near-drowning. NEPTUNE has the potential to be integrated into a swimming pool camera system that would send an alarm to the lifeguards for early response so that the likelihood of recovery is high.

연구 동기 및 목표

• 수영장에서의 근접 빈사 사고를 조기에 탐지하기 위한 실시간, 저지연 시스템을 개발하는 것.
• 생존 결과를 향상시키기 위해 수영장 환경에서의 조기에 개입이 필수적이라는 점을 해결하는 것.
• 최소한의 영상 입력(1~5초)과 거짓 경고가 전혀 없는 조건에서 작동하는 방법을 설계하는 것.
• 기존 수영장 감시 인프라에 탐지 시스템을 통합하여 수영장 감시원이 즉각 대응할 수 있도록 하는 것.
• 침수 이전에 빈사 상태가 시작됨을 신뢰성 있게 신호하는 예측 방정식을 유도하는 것.

제안 방법

• 연속된 영상 프레임을 통계적 영상 처리를 적용하여 시간 분석을 위한 복합 영상으로 통합한다.
• 픽셀 강도와 공간 분포 기반으로 병합된 영상의 관심 영역을 K-means 군집화를 통해 분할한다.
• 통계적 영상 처리를 통해 각 분할 영역에서 정량적 변수(예: 운동, 깊이, 형태)를 추출한다.
• 유도된 변수를 바탕으로 새로운 예측 방정식을 개발하여 근접 빈사 사건이 발생 중인지 분류한다.
• 1~5초의 영상 입력 내에서 실시간 탐지를 가능하게 하기 위해 최소 처리 지연을 최적화한다.
• 표준 수영장 감시 카메라에서 작동할 수 있도록 하며, 최소한의 하드웨어 요구 조건을 충족시키기 위해 알고리즘을 설계한다.

실험 결과

연구 질문

• RQ1 단지 영상 처리 기법을 사용하여 1~5초의 영상 입력 내에서 근접 빈사 사고를 신뢰성 있게 탐지할 수 있는가?
• RQ2 영상 통계에 기반한 규칙 기반 시스템을 통해 근접 빈사 탐지에서 거짓 경고가 전혀 없는 것이 가능한가?
• RQ3 분할된 영상 특징에서 유도된 고유 방정식이 침수 이전에 빈사 상태의 시작을 정확히 예측할 수 있는가?
• RQ4 통계적 영상 처리와 K-means 군집화의 통합이 배경 수영 활동에서 관련 있는 빈사 징후를 효과적으로 분리하는 데 얼마나 효과적인가?
• RQ5 특수 하드웨어가 필요 없이도 표준 수영장 감시 시스템에서 실시간으로 시스템을 구현할 수 있는가?

주요 결과

• NEPTUNE 시스템은 거짓 경고가 보고된 바 없이 오직 1~5초의 영상 입력만으로도 근접 빈사 사고를 성공적으로 탐지한다.
• 효율적인 통계적 영상 처리와 영상 시퀀스의 군집화를 활용하여 실시간 성능를 달성한다.
• K-means 군집화를 통한 분할이 빈사 행동과 관련된 운동 및 자세 이상을 효과적으로 분리한다.
• 영상 세그먼트에서 유도된 변수들은 근접 빈사와 정상 수영을 구분할 수 있는 예측 방정식을 구성하는 데 기여한다.
• 수영장 감시원의 대응을 유도하기 위해 기존 수영장 카메라 시스템에 직접 통합될 수 있도록 설계되어 있다.
• 고신뢰성과 저지연을 갖춘 실생활 수영장 안전 응용 분야에의 구현 가능성을 입증한다.