콘텐츠로 건너뛰기 메뉴로 건너뛰기 푸터로 건너뛰기
데이터를 불러오고 있습니다
데이터를 저장하고 있습니다
#컴퓨터 비전 #안전 #교통/모빌리티

멀티센서 동선 추적 데이터

멀티센서 동선 추적 데이터
  • 분야교통물류
  • 유형 비디오
구축년도 : 2021 갱신년월 : 2022-09 조회수 : 4,608 다운로드 : 141 용량 :
샘플 데이터 ?

샘플데이터는 데이터의 이해를 돕기 위해 별도로 가공하여 제공하는 정보로써 원본 데이터와 차이가 있을 수 있으며,
데이터에 따라서 민감한 정보는 일부 마스킹(*) 처리가 되어 있을 수 있습니다.

※ 내국인만 데이터 신청이 가능합니다.

  • 데이터 변경이력

    데이터 변경이력
    버전 일자 변경내용 비고
    1.1 2022-09-14 전체 최종 데이터 업로드 완료
    1.0 2022-07-29 데이터 최초 개방

    데이터 히스토리

    데이터 히스토리
    일자 변경내용 비고
    2022-10-20 신규 샘플데이터 개방
    2022-07-29 콘텐츠 최초 등록

    소개

    코로나19 확진자 동선 추적 등에 활용될 수 있는 멀티센서(네트워크로 연결된 CCTV) 환경에서의 특정 대상(사람)의 동선을 추적하는 인공지능 학습모델 개발 및 데이터셋 구축

    구축목적

    • CCTV를 활용하여 동선을 추적하는 방식은 영상을 모니터링 요원이 육안으로 검사하기 때문에 시간이 많이 소요될 뿐 아니라, 지하철, 버스 환승센터 등 공공 밀집 시설에서는 특정인의 동선 추적이 어려움
    • 특정 1인에 대한 특징들을 미리 추출한 뒤 추적하는 기술이 있지만, 다중 카메라에서 특정 1인에 대한 추적이므로 감염병 확산을 방지하기 위한 다중 추적은 어려움
    • 매우 중대한 사회문제인 코로나19 확진자 동선 추적 등의 사회 문제 해결을 위해 멀티센서를 활용한 동선추적 인공지능 모델 개발과 학습용 데이터셋이 필요
  • 1. 데이터 구축 규모 및 학습모델 성과 목표

    1. 데이터 구축 규모 및 학습모델 성과 목표
    구분 성과목표 구축실적 달성율
    멀티센서 동선 추적
    데이터셋
    원시데이터(수집) 총 2,800분 총 3,519분 125.60%
    원천데이터(정제) 총 2,400분 총 2,472분 103%
    학습데이터(가공) 총 2,700,000 파일
    (JSON)
    총 2,941,120 파일
    (JSON)
    108.90%
    학습모델 평가지표(Re-ID F1-Score) 30% 35.20% 100%
    평가지표(bbox mAP) 80% 85.70% 100%

     

    2. 데이터 분포

    • 시나리오별 클래스 수량 분포
      멀티센서 동선 추적 데이터-데이터 분포_1_시나리오별 클래스 수량 분포 그래프
    • 다양성 분포
      항목 지표 구분 결과(수량) 결과(비율)
      시간 분포 비율 오전 235,584장  8.02%
      오후 2,703,667장 91.98%
      날씨 분포 비율 맑음 2,585,875장  87.98%
      흐림 353,376장  12.02%
      성별 분포 비율 남성 199명 44.72%
      여성 177명  39.78%
      Unknown 69명  15.51%
      온도 분포 비율 여름 1,407,955장  47.90%
      가을 1,531,296장  52.10%
  • 저작도구 설명서 및 저작도구 다운로드

    저작도구 설명서 다운로드 저작도구 다운로드
  • AI 모델 상세 설명서 다운로드

    AI 모델 상세 설명서 다운로드 AI 모델 다운로드

    1. 학습 모델 개요

    • Multi-target Multi-Camera Tracking을 위해, Multi-target Single-Camera Tracking 기술과 Multi-Camera Tracklet Association 기술은 아래의 모식도처럼 융합
      멀티센서 동선 추적 데이터-학습 모델 개요_1

    2. 학습 모델 개발 상세 방안

    • 여러 대의 time snyc가 맞는 카메라가 있을 때 각각의 비디오 정보를 인풋으로 이용
    • Multi-target Single-Camera Tracking 기술은 각각의 비디오 정보에 등장하는 객체의 tracjectorty들을 아웃풋으로 만듬
    • 각 비디오의 객체 tracjectory를 카메라간 이어주기위해 Multi-Camera Tracklet Association 기술을 이용하여 연결

    3. 사용 기술

    • Multi-target Single-Camera Tracking 기술에는 QDTrack을 사용함.

    4. 학습 모델 개발 조건

    • Multi-Camera Tracklet Association(MTA) 기술은 다음의 세가지 실질적인 제약조건을   고려함. 
      • single-camera time constraint: 객체는 동시간, 동일 카메라에 여러 번 나타날 수 없음.
      • multi-camera time constraint: 객체는 view overlap 이 없는 서로 다른 카메라에 같은 시간대에 존재 할 수 없음.
      • homography constraint: view overlap 이 있는 카메라간의 homography를 이여 warping 했을 때 서로 겹치는 trajectory 는 동일 객체일 확률이 높음.
  • 데이터 성능 점수

    측정값 (%)
    기준값 (%)

    데이터 성능 지표

    데이터 성능 지표
    번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수
    1 바운딩박스 객체 추적 Re-Identification QDTrack IDF1 30 % 30.5 %
    2 바운딩박스 객체 인식 Object Detection Faster R-CNN mAP 80 % 91.6 %

    ※ 데이터 성능 지표가 여러 개일 경우 각 항목을 클릭하면 해당 지표의 값이 그래프에 표기됩니다.

    ※ AI모델 평가 지표에 따라 측정값의 범위, 판단 기준이 달라질 수 있습니다. (ex. 오류율의 경우, 낮을수록 좋은 성능을 내는 것으로 평가됩니다)

  • 설명서 및 활용가이드 다운로드

    데이터 설명서 다운로드 구축활용가이드 다운로드

    데이터 예시

    1. 원천 데이터: MP4
    멀티센서 동선 추적 데이터-데이터 예시_1_원천 데이터: MP4(1)
    멀티센서 동선 추적 데이터-데이터 예시_2_원천 데이터: MP4(2)

    2. 가공 데이터: JSON

    • 가공 유형: 바운딩 박스

    3. 데이터 구성

    • 라벨은 다음과 같이 구성되며, 항목별 타입과 필수여부 및 값 범위를 정의한다. 
      데이터 예시
      구분 항목명 타입 필수여부 설명 범위 비고
      1 info object   데이터셋정보    
        1–1 info[].mode string Y 데이터셋가공방식 interpolation  
      1–2 info[].video_name string Y 데이터셋영상이름    
      1–3 info[].video_width number Y 영상너비 1920  
      1–4 info[].video_height number Y 영상높이 1080  
      2 frames object   프레임정보    
        2–1 frames[].frame_id string Y 프레임식별자 “(\d{4})”  
      3 objects object   바운딩박스 좌표정보    
        3–1 objects[].label string Y 라벨링이름 [person, void,
      blackout]
       
      3–2 objects[].type string   라벨링종류 box  
      3–3 objects[].track_id string   객체추적식별자 “(\d{3})”  
      3–4 objects[].occluded string   객체 가림 [0,1] 0:온전함
      1:가림
      3–5 objects[].truncated number   이미지 영역 바깥으로 객체 잘림 [0-1] 이미지 내 객체 영역이 보이는 비율
      3–6 objects[].position[] object   바운딩박스 좌표정보    
        3–6–1 objects[].outside[].x number   바운딩박스 좌상단 x좌표    
      3–6–2 objects[].outside[].y number   바운딩박스 좌상단 y좌표    
      3–6–3 objects[].outside[].width number   바운딩박스 너비    
      3–6–4 objects[].outside[].height number   바운딩박스 높이    
      3–7 objects[].attributes[] object   객체 속성 정보    
        3–7–1 objects[].attributes[].pid string   객체식별자 “(\d{3})”  
      3–7–2 objects[].attributes[].gender string   객체성별 [male, female, unknown]  
      ※ '항목명', '타입', '설명'은 필수 입력 대상이며, '필수여부'에 해당하는 항목의 경우, 반드시 'Y'로 표기한다.
      ※ 동일한 데이터 셋에 다수 개 스키마를 적용한 경우, 스키마 별로 라벨 구성요소를 작성한다. 

    4. json

    멀티센서 동선 추적 데이터-데이터 예시_3_json

  • 데이터셋 구축 담당자

    수행기관(주관) : ㈜테스트웍스
    수행기관(주관)
    책임자명 전화번호 대표이메일 담당업무
    조한진 02) 422 - 5178 jhj@testworks.co.kr · 사업 총괄
    수행기관(참여)
    수행기관(참여)
    기관명 담당업무
    한국과학기술원(우상현 / shwoo93@kaist.ac.kr) · 인공지능 개발
    ㈜미루시스템즈(jhyoon@mirusystems.com) · 데이터 수집, 수집 장비(CCTV)
    데이터 관련 문의처
    데이터 관련 문의처
    담당자명 전화번호 이메일
    조한진 02) 422 - 5178 jhj@testworks.co.kr
보건의료 데이터 개방 안내

보건의료 데이터는 온라인 및 오프라인 안심존을 통해 개방됩니다.

안심존이란 안심존 이용메뉴얼 안심존 이용신청
  • 인터넷과 물리적으로 분리된 온라인·오프라인 공간으로 의료 데이터를 포함하여 보안 조치가 요구되는 데이터를 다운로드 없이 접근하고 분석 가능
    * 온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
    * 오프라인 안심존 : 추가적인 보안이 필요한 데이터를 대상으로 지정된 물리적 공간에서만 접속하여 데이터에 접근하고 분석

    1. AI 허브 접속
      신청자
    2. 안심존
      사용신청
      신청자신청서류 제출*
    3. 심사구축기관
    4. 승인구축기관
    5. 데이터 분석 활용신청자
    6. 분석모델반출신청자
  • 1. 기관생명윤리위원회(IRB) 심의 결과 통지서 [IRB 알아보기]
    2. 기관생명윤리위원회(IRB) 승인된 연구계획서
    3. 신청자 소속 증빙 서류 (재직증명서, 재학증명서, 근로계약서 등 택1)
    4. 안심존 이용 신청서 [다운로드]
    5. 보안서약서 [다운로드]
    ※ 상기 신청서 및 첨부 서류를 완비한 후 신청을 진행하셔야 정상적으로 절차가 이루어집니다.

  • 신청 및 이용관련 문의는 safezone1@aihub.kr 또는 02-525-7708, 7709로 문의

데이터셋 다운로드 승인이 완료 된 후 API 다운로드 서비스를 이용하실 수 있습니다.

API 다운로드 파일은 분할 압축되어 다운로드 됩니다. 분할 압축 해제를 위해서는 분할 압축 파일들의 병합이 필요하며 리눅스 명령어 사용이 필요합니다.

리눅스 OS 계열에서 다운로드 받으시길 권장하며 윈도우에서 파일 다운로드 시 wsl(리눅스용 윈도우 하위 시스템) 설치가 필요합니다.

※ 파일 병합 리눅스 명령어

find "폴더경로" -name "파일명.zip.part*" -print0 | sort -zt'.' -k2V | xargs -0 cat > "파일명.zip"

- 해당 명령어 실행 시, 실행 경로 위치에 병합 압축 파일이 생성됩니다.

- 병합된 파일 용량이 0일 경우, 제대로 병합이 되지 않은 상태이니 "폴더경로"가 제대로 입력되었는지 확인 부탁드립니다.

※ 데이터셋 소개 페이지에서 다운로드 버튼 클릭하여 승인이 필요합니다.