AI-Hub

#유동인구 # 인공지능 # 학습 데이터셋

유동 인구 분석을 위한 CCTV 영상 데이터

분야영상이미지
유형 비디오 , 이미지

구축년도 : 2021 갱신년월 : 2023-06 조회수 : 15,040 다운로드 : 1,126 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.

소개 파일 목록 (API 다운로드)

※ 내국인만 데이터 신청이 가능합니다.

데이터 토론 문의하기 목록

데이터 변경이력

데이터 변경이력
버전	일자	변경내용	비고
1.4	2023-06-20	라벨링데이터 수정
1.3	2022-12-12	원천데이터, 라벨링데이터 수정
1.2	2022-11-23	원천데이터, 라벨링데이터 수정
1.1	2022-09-28	라벨링데이터 수정	Training, Validation > 라벨링데이터_0928_add 개방
1.0	2022-07-14	데이터 최초 개방

데이터 히스토리

데이터 히스토리
일자	변경내용	비고
2022-11-07	데이터셋 담당자 정보 변경
2022-10-21	AI 모델 수정
2022-10-20	신규 샘플데이터 개방
2022-10-20	샘플데이터 및 AI 모델 수정
2022-07-14	콘텐츠 최초 등록

소개

총 7곳의 상권으로부터 CCTV 화각을 고려하여 수집된 데이터셋으로, 촬영 시간 및 촬영 장소의 다양성을 추구하며 비식별화를 통해 개인정보 문제를 해결한 학습용 데이터셋

구축목적

상권으로부터 유동인구의 특징 분석 인공지능 학습을 위한 데이터셋 구축

메타데이터 구조표
데이터 영역	영상이미지	데이터 유형	비디오 , 이미지
데이터 형식	jpg, mp4	데이터 출처	직접 수집
라벨링 유형	바운딩박스(이미지/동영상), 세그멘테이션	라벨링 형식	JSON
데이터 활용 서비스	특정 인상착의 인물 또는 그룹 탐색 서비스, 유동인구 분석을 통한 버스 노선 등의 도시개혁 정책 개정에 활용 가능	데이터 구축년도/ 데이터 구축량	2021년/3분 클립 6,600개(330시간)

데이터 통계

데이터 통계
구분	분류	항목	시간	비율	구분	분류	항목	시간	비율
1	장소	자갈치시장	49.5H	15%	1	시간대	새벽(0~9시)	65.1H	19.70%
2		서면영광도서 앞	33H	10%	2		오전(9~12시)	81.8H	24.80%
3		사직구장 주변 상권	66H	20%	3		오후(12~16시)	55.4H	16.80%
4		중구 중앙동 주변	66H	20%	4		저녁(16~20시)	65.2H	19.80%
5		동래역 근처	16.5H	5%	5		야간(20~24시)	62.5H	18.90%
6		사상 시외버스 터미널	66H	20%
7		연산동 막걸리 골목	33H	10%

구분	분류	항목	수량	비율
1	성별 분포	남자	53,723	63%
2	성별 분포	여자	31,524	37%
3	연령대 분포	미취학아동	1,015	1%
4		청소년	1,393	2%
5		청년	34,343	40%
6		중장년	48,496	57%
7	상의 유형 분포	상의_긴팔	1,826,233	28%
8		상의_반팔	4,434,147	68%
9		상의_민소매	50,187	1%
10		상의_원피스	209,241	3%
11	상의 색상 분포	상의_빨간색	242,019	4%
12		상의_주황색	86,841	1%
13		상의_노란색	191,406	3%
14		상의_초록색	215,466	3%
15		상의_파란색	1,016,220	16%
16		상의_보라색	84,739	1%
17		상의_분홍색	205,707	3%
18		상의_갈색	204,656	3%
19		상의_흰색	1,157,862	18%
20		상의_회색	916,885	14%
21		상의_검은색	2,198,007	34%
22	하의 유형 분포	하의_긴바지	5,017,387	77%
23		하의_반바지	1,165,135	18%
24		하의_치마	127,446	2%
25		하의_해당없음	209,840	3%
26	하의 색상 분포	하의_빨간색	48,573	0.70%
27		하의_주황색	14,395	0.20%
28		하의_노란색	57,746	0.90%
29		하의_초록색	73,911	1.10%
30		하의_파란색	798,183	12.20%
31		하의_보라색	15,029	0.20%
32		하의_분홍색	15,499	0.20%
33		하의_갈색	206,173	3.20%
34		하의_흰색	274,255	4.20%
35		하의_회색	938,482	14.40%
36		하의_검은색	3,868,460	59.30%
37		하의_해당 없음	209,102	3.20%
38	소지품 유형 분포	캐리어	5,205	0.10%
39		우산	303,552	4.70%
40		가방	1,081,869	16.60%
41		모자	813,428	12.50%
42		안경	119,146	1.80%
43		해당 없음	4,196,608	64.40%
44	애완동물 동행 여부 분포	동행하지 않음	6,500,015	99.70%
45	애완동물 동행 여부 분포	동행	19,793	0.30%

저작도구 설명서 및 저작도구 다운로드
저작도구 설명서 다운로드 저작도구 다운로드

AI 모델 상세 설명서 다운로드

AI 모델 상세 설명서 다운로드 AI 모델 다운로드

활용 모델

PAR(Pedestrian-Attribute-Recognition) : Input 이미지로부터 CNN을 통해 특징을 추출하고 레이어별로 속성의 위치 예측 모듈을 통해 객체의 속성값을 예측하는 모델

활용 모델
데이터명	AI 모델	모델 성능 지표	응용서비스(예시)
유동인구 CCTV 영상 데이터	PAR, PAR-MD	mA : 82% 이상	객체 속성기반 탐색 서비스 제작

서비스 활용 시나리오

상가의 CCTV는 24시간 상가 내 객체에 대하여 감시하며, 영상 데이터를 통합관제센터로 전송
전송된 영상 데이터를 인공지능 모델을 통해 분석하고 이미지를 질의하여 여러 CCTV로부터 특정 인물 혹은 그룹을 검색
분석된 결과를 통해 실종신고내역과 비교하여 특정 실종자의 최종확인 위치를 파악하고 유관 기관에 신고하여 조치
또한, 특정 그룹(같은 성별, 같은 연령대 등)의 선호 상점 및 자주 통행하는 골목 등의 분석에도 활용 가능

데이터 성능 점수

측정값 (%)

기준값 (%)

데이터 성능 지표

데이터 성능 지표
번호	측정항목	AI TASK	학습모델	지표명	기준값 점수	측정값 점수
1	사람 속성 탐지 모델(person attribute recognition)	Object Detection	PAR	mA	82 %	84.59 %

※ 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

1. 데이터 포맷

1. 데이터 포맷
과제명	주요 내용	수집 방법	데이터 구축량	데이터 형식
유동인구 분석을 위한 CCTV 영상 데이터	유동인구 분석을 위한 CCTV 영상 데이터 구축	직접 촬영	330시간 분량	영상/Json 맵핑

	사람	상점	자동차
예시
속성값	성별, 연령대, 상·하의 유형 및 색상, 소지품, 애완동물 동행여부	공실, 주차장, 층수, 엘리베이터, 화장실 유무	이동방향, 상태
포맷	mp4, json	mp4, json	mp4, json

2. 어노테이션 포맷

분류	속성명		속성 설명	데이터	필수여부	예시
분류	속성명		속성 설명	타입	필수여부	예시
info	year		촬영연도	int	O	2021
(CCTV)	version		버전정보	String	O	1.1
	date_created		촬영일자	String	O	2021-01-01 15:00
	day		촬영요일	String	O	fri
	weather		날씨	String	X	sunny
	username		사용자 ID	String	O	admin
video	file_name		파일명	String	O	sample.mp4
(CCTV)	resolution		비디오 해상도 및 컬러	Array[int]	O	[1920, 1080, 3]
	fps		촬영 프레임	int	O	3
	total_frame		영상 총프레임	int	O	540
	play_time		영상 시간	String	O	0:03:00
	in_out		실내·외	String	O	out
	location		촬영장소	String	O	seomyeon_yk_front
	location_type		촬영장소 상권 유형	String	O	downtown
	total_person		영상내 유동인구수	int	O	1
annotations	id		객체 ID	String	O	person_1
	frame_no		현재 프레임	int	O	25
	bbox		바운딩 박스	Array[int]	O	[100, 200, 100, 200]
	direction		이동방향	String	O	N
	top_type		상의 유형	String	O	long_sleeve
	top_color		상의 색상	String	O	white
	bottom_type		하의 유형	String	O	long_pants
	bottom_color		하의 색상	String	O	blue
	accessories		소지품	String	O	backpack
	pet		애완동물 동행 여부	int	O	0
	actor	actor_id	연기자 ID	String	X	actor_0
objects	id		객체 ID	String	X	car_1
	frame_no		현재 프레임	int	X	25
	bbox		바운딩 박스	Array[int]	X	[100, 200, 100, 200]
	direction		이동방향	String	X	N
	state		상태	String	X	parking
events	id		객체 ID	String	X	person_1
	start_frame		이벤트 시작 프레임	int	X	45
	end_frame		이벤트 끝 프레임	int	X	70
	action		액션 유형	String	X	store_in
	action_position		액션 위치	Array[int]	X	store_2
categories	person	supercategory	객체 유형	String	O	person
		id	객체 ID	String	O	person_1
		gender	성별	String	O	male
		age	연령대	String	O	adult
		cam_in	객체 입장 프레임	Array[int]	O	[15]
		cam_in_direction	객체 입장 방향	Array[String]	O	[N]
		cam_out	객체 퇴장 프레임	Array[int]	O	[500]
		cam_out_direction	객체 퇴장 방향	Array[String]	O	[E]
background	store	supercategory	객체 유형	String	O	store
		id	객체 ID	String	O	store_2
		empty	공실 여부	int	X	0
		category	객체 유형	String	X	restaurant
		segmentation	객체 위치좌표	Array[int][int]	X	[100,200], [200,300], [300,400], [400,500], [500,600]
		parking	주차장 유무	int	X	1
		toilet	화장실 유무	int	X	0
		floor	층수	int	X	2
		elevator	엘리베이터 유무	int	X	1
	car	supercategory	객체 유형	String	O	car
		id	객체 ID	String	O	car_3
		cam_in	객체 입장 프레임	Array[int]	X	[20]
		cam_in_direction	객체 입장 방향	Array[String]	X	[N]
		cam_out	객체 퇴장 프레임	Array[int]	X	[90]
		cam_out_direction	객체 퇴장 방향	Array[String]	X	[E]

3. 실제 예시

원천데이터(영상) : 3fps, FHD(1920x1080px) 해상도의 비식별화 처리된 3분 클립
라벨링 데이터 : 원천데이터와 동일한 이름으로 매칭되는 Json 포맷의 라벨

4. 데이터 저장구조

상권의 영상 데이터는 상위 분류(촬영 상권)에 따른 하위분류(시간대)로 분류하여 폴더를 구성하고 저장
촬영 상권은 do-sa(동래역), ja-ma(자갈치 시장), ju-ja(중앙동), sa-bt(사상 터미널), sa-st(사직 야구장), se-yk(서면 영광도서), ye-ma(연산동 막걸리 골목) 총 7 곳으로 구성
촬영 시간대는 새벽(0-9시), 오전(9-12시), 오후(12-16시), 저녁(16-20시), 야간(20-24시)로 5개의 시간대로 구성
파일명은 (촬영일)_(촬영시간)_(요일)_(날씨)_(실내외)_(장소)_(카메라번호).mp4 / JSON으로 1set 구성

유동 인구 분석을 위한 CCTV 영상-데이터 저장 구조 과정 이미지

데이터셋 구축 담당자

수행기관(주관) : ㈜디아이솔루션

수행기관(주관)
책임자명	전화번호	대표이메일	담당업무
하석주	051-717-2503	sjha@di-solution.co.kr	· 사업 총괄 · 데이터 검수 · AI 모델 개발

수행기관(참여)

수행기관(참여)
기관명	담당업무
㈜나래솔루션	· 데이터 수집
㈜일주지앤에스	· 데이터 가공

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
  사용신청신청자신청서류 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