• 도시철도역 내 CCTV를 이용 동일인물 추적을 통한 승객 교통안전 증대, 사회범죄 예방 및 교통약자 편의성 제공을 위한 AI 학습용 데이터 구축과 AI 학습 모델 제시

• 개발 알고리즘과 데이터셋을 통해 도시철도역내, 기차역내, 백화점, 종합 쇼핑몰, 영화관, 아파트 그리고 다양한 관공서들 등의 유동인구가 많은 실내 공간의 지능형 CCTV 영상에 적용 가능

• 도시철도 역사내에서 교통약자 추적 서비스를 위한 객체추적 6종의 대상을 정의하고 이를 감지할 수 있는 AI 알고리즘 개발 및 각 클래스별 데이터셋 구축을 통해 도시철도에서 실제적으로 활용할 수 있는 응용 서비스를 개발
   

<서비스 구성 예>

• 객체추적을 위한 동일 대상 추적 6종에 대한 총 500시간 이상 영상 데이터셋 구축
   

• 매년 도시철도(지하철) 역사에서는 다양한 안전사고와 범죄가 발생하고 있으며 운영 기관의 예방 노력에도 꾸준히 증가하고 있는 추세임
• 또한 최근 코로나 19 확산을 막기 위한 조치로 지자체에서는 감염자 동선파악 등 적극적인 방역지침을 수행하고 있으며 대중교통 및 공공장소에서의 방역 및 위생관리가 필수사항이 되고 있음
• 도시철도 역사에서의 이상행동 및 추적 영상 학습 데이터 구축을 통해 안전사고, 범죄 및 코로나 19로부터 도시철도 이용객을 보호하고 이를 위해 인공지능을 활용한 CCTV 개발 및 적용 등 적극적이고 선제적인 대처가 요구되고 있음
• 이에 도시철도역 CCTV를 이용하여 안전사고, 사회범죄를 조기에 감지하여 신속히 대응하고, 교통약자의 경우 추적 관찰을 통하여 적기의 돌봄 서비스를 제공하기 위해 역사내 CCTV에 AI를 접목하여 지능화 및 고도화시키기 위해 검증된 학습용 데이터를 구축하고자 함

• 데이터구성(객체추적)
   

• 어노테이션 포맷
  - 객체추적 어노테이션 포맷
  - root 포맷

  어노테이션 포맷 (root)표

  패러미터명	데이터타입	설명
  id	number	· 데이터 고유번호
  file	string	· 원본 영상 파일 경로
  metadata	object<metadata>	· 원본 영상 메타데이터
  frames	Object<frame>[]	· 추적 대상 객체 존재 프레임 목록

  
  - root > metadata 포맷

  어노테이션 포맷 (root > metadata 포맷)표

  패러미터명	데이터타입	설명
  width	number	· 영상 너비
  height	number	· 영상 높이
  duration	number	· 영상 길이
  fps	number	· 초당 프레임 수
  frames	number	· 총 프레임 수
  created	datetime	· 촬영 날짜 및 시간

  
  - root > frame 포맷

  어노테이션 포맷 (root > frame)표

  패러미터명	데이터타입	설명
  number	number	· 프레임숫자
  image	string	· 프레임 이미지 파일 경로
  annotations	object<annotation>[]	· 어노테이션 정보 목록

  
  - root > event > frame > annotation 포맷

  어노테이션 포맷 (root > event > frames > annotation)표

  패러미터명	데이터타입	설명
  label	object<label>	· 바운딩박스 정보
  global_id	string	· 객체 글로벌 고유번호
  category	string	· 객체 분류명

  
  - root > event > frame > annotation > label 포맷

  어노테이션 포맷 (root > event > frame > annotation > label)표

  패러미터명	데이터타입	설명
  x	number	· 바운딩박스 좌측상단 포인트 x 좌표
  y	number	· 바운딩박스 좌측상단 포인트 y 좌표
  width	number	· 바운딩박스 너비
  height	number	· 바운딩박스 높이

수행기관(주관) : 대전도시철도공사

수행기관(참여)