[논문 리뷰] Social Distance Detection Using Deep Learning And Risk Management System

R. G. Sangeetha, Jaya Aravindh V. V|arXiv (Cornell University)|2023. 04. 20.

COVID-19 diagnosis using AI인용 수 4

한 줄 요약

이 논문은 단일 단계 객체 검출 기반의 딥러닝 기반 사회적 거리 측정 시스템을 제안한다. 컨volutional 네트워크(CNN)를 사용하여 CCTV 영상에서 실시간으로 준수 여부를 모니터링한다. 위반 사항을 분석할 수 있는 리스크 관리 모듈을 통합하여 병원과 학교와 같은 공공 공간에서 수동 모니터링에 의존하는 것을 줄이고 팬데믹 기간 동안 안전성을 향상시킨다.

ABSTRACT

An outbreak of the coronavirus disease which occurred three years later and it has hit the world again with many evolutions. The effects on the human race have already been profound. We can only safeguard ourselves against this pandemic by mandating a "Face Mask" also maintaining the "Social Distancing." The necessity of protective face masks in all gatherings is required by many civil institutions in India. As a result of the substantial human resource utilization, personally examining the whole country with a huge population like India, to determine whether the execution of mask wearing and social distance maintained is unfeasible. The COVID-19 Social Distancing Detector System is a single-stage detector that employs deep learning to integrate high-end semantic data to a CNN module in order to maintain social distances and simultaneously monitor violations within a specified region. By deploying current Security footages, CCTV cameras, and computer vision (CV), it will also be able to identify those who are experiencing the calamity of social separation. Providing tools for safety and security, this technology disposes the need for a labor-force based surveillance system, yet a manual governing body is still required to monitor, track, and inform on the violations that are committed. Any sort of infrastructure, including universities, hospitals, offices of the government, schools, and building sites, can employ the technology. Therefore, the risk management system created to report and analyze video streams along with the social distance detector system might help to ensure our protection and security as well as the security of our loved ones. Furthermore, we will discuss about deployment and improvement of the project overall.

연구 동기 및 목표

• 인도와 같은 고밀도 인구 지역에서의 수동적인 사회적 거리 준수 모니터링 문제를 해결하기 위해.
• 코로나19 패닉 기간 동안 공중 보건 조치를 이행하기 위한 인력 의존도를 줄이기 위해.
• 컴퓨터 비전을 활용하여 사회적 거리 위반 및 마스크 착용 위반을 자동으로 감지하는 시스템을 개발하기 위해.
• 영상 기반 위반 사항을 보고하고 분석하기 위한 리스크 관리 시스템을 통합하기 위해.
• 학교, 병원, 정부 기관과 같은 기관에서 확장 가능한 배포를 가능하게 하기 위해.

제안 방법

• 시스템은 비디오 프레임에서 고수준의 의미적 특징을 추출하기 위해 CNN 기반 아키텍처를 사용하는 단일 단계 검출기를 사용한다.
• 기존의 CCTV 카메라에서 오는 실시간 영상 스트림을 처리하여 개인을 검출하고 상호 거리를 측정한다.
• 깊이 학습 모델을 적용하여 사람 검출 및 공간적 관계 이해 능력을 기반으로 한 접근 위반을 식별한다.
• 리스크 관리 모듈은 검출된 위반 사항을 로깅하고 분석하여 관리적 조치를 위한 추적 및 보고 기능을 제공한다.
• 새로운 하드웨어 없이도 기존 감시 인프라에 통합될 수 있도록 설계되었다.
• 대학, 병원, 건설 현장과 같은 다양한 환경에서의 배포를 지원한다.

실험 결과

연구 질문

• RQ1 딥러닝을 어떻게 활용하여 공공 공간에서의 사회적 거리 모니터링을 자동화할 수 있는가?
• RQ2 CNN 기반 단일 단계 검출기가 실시간 영상에서 접근 위반을 감지하는 데에 얼마나 효과적인가?
• RQ3 리스크 관리 시스템은 기관의 집행에 있어 자동 감지의 유용성을 어떻게 향상시킬 수 있는가?
• RQ4 기존 인프라 변경을 최소화하면서도 다양한 공공 환경에서 시스템을 효과적으로 배포할 수 있는가?
• RQ5 자동화를 통해 수동 모니터링 작업량은 얼마나 감소할 수 있는가?

주요 결과

• 기존 CCTV 인프라를 활용하여 실시간으로 사회적 거리 위반 사항을 감지할 수 있어 수동 모니터링 필요성을 줄였다.
• 리스크 관리 시스템의 통합으로 검출된 위반 사항에 대한 체계적인 로깅과 분석이 가능해졌다.
• 학교, 병원, 정부 기관과 같은 다양한 공공 기관에 배포가 가능하다.
• 마스크 착용과 사회적 거리 유지 위반 사항을 동시에 감지할 수 있어 공중 보건 준수를 향상시켰다.
• 최소한의 하드웨어 업그레이드로 다양한 환경에 확장성 있고 적응 가능한 시스템을 제공하였다.
• 운영 비용을 절감하고 공중 보건 조치 이행의 일관성을 높였다.