[논문 리뷰] Observing Responses to the COVID-19 Pandemic using Worldwide Network Cameras

Isha Ghodgaonkar, Abhinav Goel외 19명|arXiv (Cornell University)|2020. 05. 18.

Anomaly Detection Techniques and Applications참고 문헌 4인용 수 5

한 줄 요약

이 논문은 공공으로 접근 가능한 네트워크 카메라를 사용하여 코로나19 봉쇄 조치에 대한 전 세계적 반응을 대규모로 자동으로 모니터링하는 시스템을 제안한다. 110개국에서 30,000개 이상의 카메라를 발견하고 실시간 영상 데이터를 수집함으로써, 2019년 봄에서 2020년 봄 사이에 전 세계적으로 대중의 집합 밀도가 극적으로 일관되게 감소한 것을 밝혀내었으며, 팬데믹 기간 동안 사회적 행동을 비침습적으로 원격으로 관찰할 수 있음을 입증한다.

ABSTRACT

COVID-19 has resulted in a worldwide pandemic, leading to "lockdown" policies and social distancing. The pandemic has profoundly changed the world. Traditional methods for observing these historical events are difficult because sending reporters to areas with many infected people can put the reporters' lives in danger. New technologies are needed for safely observing responses to these policies. This paper reports using thousands of network cameras deployed worldwide for the purpose of witnessing activities in response to the policies. The network cameras can continuously provide real-time visual data (image and video) without human efforts. Thus, network cameras can be utilized to observe activities without risking the lives of reporters. This paper describes a project that uses network cameras to observe responses to governments' policies during the COVID-19 pandemic (March to April in 2020). The project discovers over 30,000 network cameras deployed in 110 countries. A set of computer tools are created to collect visual data from network cameras continuously during the pandemic. This paper describes the methods to discover network cameras on the Internet, the methods to collect and manage data, and preliminary results of data analysis. This project can be the foundation for observing the possible "second wave" in fall 2020. The data may be used for post-pandemic analysis by sociologists, public health experts, and meteorologists.

연구 동기 및 목표

• 인간 관찰자가 위험을 감수하지 않고도 팬데믹 정책에 대한 사회적 반응을 확장 가능하고 자동화된 방법으로 관찰하는 데 목적이 있다.
• 다양하고 분산된 네트워크 카메라 데이터 소스의 과제를 해결하기 위해, 카메라 발견 및 데이터 수집을 위한 도구를 개발하는 데 목적이 있다.
• 사회학자, 공중보건 전문가, 컴퓨터 과학자들이 향후 분석을 위해 지속적이고 실시간인 시각적 데이터셋을 제공하는 데 목적이 있다.
• 컴퓨터 비전 기술이 대규모 공중보건 사건 기간 동안 군중 행동을 분석하는 데의 잠재력을 평가하는 데 목적이 있다.
• 기존의 공공 카메라 인프라를 활용하여 향후 팬데믹 파동을 모니터링할 수 있는 기반을 마련하는 데 목적이 있다.

제안 방법

• 웹 크롤러를 사용하여 시드 URL에서 시작해 네트워크 카메라 피드를 제공하는 웹사이트를 탐색한다.
• 시간에 따른 픽셀 데이터의 변화를 분석하여 실시간 영상 스트림과 정적 또는 오래된 이미지를 구분하는 카메라 식별 모듈을 운영한다.
• 스케일링을 위해 병렬로 작동하는 이미지 아카이브가 정기적으로 각 발견된 카메라에서 가장 최신의 스냅샷을 수집한다.
• 별도의 비디오 스트리밍 도구가 호환 가능한 카메라로부터 실시간 영상 데이터를 캡처하여 시계열 분석을 가능하게 한다.
• 데이터 수집은 2020년 3월 초에 시작되어 주당 약 0.5TB의 속도로 누적되었다.
• 시스템은 개인정보 보호 지침을 준수하며, 개인을 식별하지 않고 집단적 군중 밀도만 분석한다.

실험 결과

연구 질문

• RQ1 다양한 글로벌 소스에서 대규모 실시간 시각 데이터를 어떻게 체계적으로 탐색하고 수집할 수 있는가?
• RQ2 팬데믹 봉쇄 기간 동안 공적 공간에서 인간 활동과 군중 밀도에 측정 가능한 변화가 얼마나 나타나는가?
• RQ3 네트워크 카메라에서 자동으로 수집된 시각 데이터가 공중보건 정책에 대한 사회적 반응을 신뢰할 수 있고 비침습적으로 관찰하는 데 유용한 방법이 될 수 있는가?
• RQ4 글로벌 팬데믹 기간 동안 사회적 거리 두기 및 이동 패턴이 국가 및 도시 중심지 간에 어떻게 다를 수 있는가?
• RQ5 컴퓨터 비전 기술이 저해상도이거나 환경 조명에 영향을 받는 공공 카메라 영상 데이터를 분석하여 행동 추세를 탐지하는 데 얼마나 능력이 있는가?

주요 결과

• 6개 대륙의 110개국에서 30,000개 이상의 네트워크 카메라를 발견하여 글로벌 분포를 가진 시각 데이터셋을 확보하였다.
• 영상 비교 분석 결과, 뉴욕, 런던, 더블린, 로마와 같은 주요 도시 중심지에서 2019년에서 2020년 사이에 대중의 집합 밀도가 일관되게 극적으로 감소한 것으로 나타났다.
• 뉴욕 타임스퀘어에서는 2019년 4월에 높은 수준의 보행자 수가 관찰되었으나, 2020년 4월에는 거의 0에 가까운 수준으로 감소하였다.
• 이탈리아에서는 2020년에 성피터 광장과 바티칸에서 눈에 띄는 군중이 없었고, 이는 2019년에 관찰된 대규모 집합과 대조를 이룬다.
• 웨일즈의 바리와 캐나다의 캐럴러드의 해변은 2019년에는 관광 명소로 붐볐으나, 2020년에는 거의 사람이 없었다.
• 더블린에서의 2020년 성패트릭의 날은 2015년에 비해 거리에서 사람 수가 크게 줄어든 것을 보여주었으며, 이는 강제적인 사회적 거리 두기의 영향을 반영한다.