-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.0 2022-07-14 데이터 최초 개방 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2022-10-13 신규 샘플데이터 개방 2022-07-14 콘텐츠 최초 등록 소개
교통 수신호 중 6가지 동작(우측에서 좌측으로, 좌측에서 우측으로, 전방정지, 후방정지, 좌우측방 동시정지, 전후방 동시정지)에 대하여 자율주행차량의 실제 기상환경 및 시간대를 고려한 다양한 촬영환경을 조성하고 촬영방법을 달리하여 구축한 교통 수(手)신호 패턴 영상 데이터
구축목적
교통경찰의 제스처와 같은 수신호, 지시봉 등과 같은 수신호 체계를 이용한 운행 유무를 자율적으로 판단하기 위한 데이터셋 구축
-
메타데이터 구조표 데이터 영역 영상이미지 데이터 유형 비디오 데이터 형식 jpg 데이터 출처 자체 수집 라벨링 유형 바운딩박스(이미지), 키포인트(이미지) 라벨링 형식 json 데이터 활용 서비스 교통 신호 안내 서비스 데이터 구축년도/
데이터 구축량2021년/1,801,574 -
1. 데이터 구축 규모
데이터 종류 데이터 종류 데이터 규모 데이터 유형 영상 데이터 교통 수신호 영상 12,130클립 mp4 이미지 데이터 초당 15프레임 추출 이미지 1,801,574장 jpg 라벨링 데이터 2D 관절 정보 12,130개 json 바운딩 박스 2. 데이터 분포
- 수신호 동작 분포
우측에서좌측으로 좌측에서우측으로 전방정지 후방정지 좌우측방동시정지 전후방동시정지 2,018 2,016 2,043 2,020 2,019 2,014 
- 수신호권자별 객체 분포
경찰 자치경찰 전의경 헌병 모범운전자 2,219 2,437 2,638 2,423 2,413 
- 촬영 방법 분포
동적 정적 5,297 6,833 
- 촬영 높이 분포
일반(1.4m) 대형(1.9m) 6,074 6,056 
- 날씨 분포
맑음 흐림 비 안개 6,803 3,798 928 601 
-
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드AI 모델 구조
Pose Estimation AI 모델
- 학습 모델은 많이 사용되고 있는 Simple Baselines for Human Pose Estimation and Tracking (ECCV 2018) of MSRA를 사용
- 이미지에서 사람을 detection하고 그 사람의 포즈를 추정하는 Top-down 방식의 Simple Baseline 알고리즘을 활용하여 교통 수신호 이미지로부터 사람 자세를 추출
Action Recognition AI 모델
- Action Recognition은 사람의 자세 정보를 그래프 구조로 간주하여 학습을 진행하는 그래프 합성곱신경망 기반의 동작 인식 모델임
- ST-GCN 알고리즘을 통해 시공간 정보를 포함하는 스켈레톤 그래프를 학습하여 수신호 동작을 분류
모델 활용
- 본 과업을 통해 구축한 교통 수(手)신호 패턴 영상 데이터셋을 활용하여 자율주행을 비롯하여 교통 흐름 분석 등 다양한 교통 분야 활용 서비스 접목이 가능함
- 자율주행차량의 경우 실제 도로주행 상황에서 수신호 체계에 따른 운행 유무를 자율적으로 판단하여 제어할 수 있는 기술을 개발할 수 있음
- 또한 동작인식 기술을 적용하여 CCTV 등을 통해 도로 교통흐름을 분석할 수 있는 정보 서비스를 제공할 수 있음
-
데이터 성능 점수
측정값 (%)기준값 (%)데이터 성능 지표
데이터 성능 지표 번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수 1 Action Recognition Action Recognition ST-GCN AccuracyTop-2 70 % 82.31 % 2 Pose Estimation Pose Estimation Simple baseline AP 72 % 99 %
※ 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 다운로드1. 대표도면
속성명 속성명 정보 속성명 정보 속성명 정보 L_Ankle 왼쪽 발목 R_Ankle 오른쪽 발목 Navel 배꼽 L_Foot 왼쪽 발 R_Foot 오른쪽 발 Neck 목 L_Elbow 왼쪽 팔꿈치 R_Elbow 오른쪽 팔꿈치 Head 머리 L_Hip 왼쪽 엉덩이 R_Hip 오른쪽 엉덩이 L_ear 왼쪽 귀 L_Knee 왼쪽 무릎 R_Knee 오른쪽 무릎 L_eye 왼쪽 눈 L_Shoulder 왼쪽 어깨 R_Shoulder 오른쪽 어깨 Nose 코 L_Wrist 왼쪽 손목 R_Wrist 오른쪽 손목 R_ear 오른쪽 귀 Pelvis 골반 Solar plexus 명치 R_eye 오른쪽 눈 표 <가공 대상 신체 부위 속성표>2. 라벨링데이터 구성
구분 항목 범위 타입 필수여부 한글명 영문명 1 데이터셋 정보 info Object 1–1 데이터셋 식별자 info.identifier string Y 1–2 데이터셋 이름 info.name string Y 1–3 액션 카테고리 info.act_no string Y 1–4 데이터셋 타입 info.data_type string Y 1–5 접근 방향(촬영 방향) info.direction string Y 1–6 평균 차량 속도 info.velocity string Y 1–7 비디오 시간 info.play_time number N 1–8 비디오 파일 크기 info.vid_file_length number N 1–9 촬영 시간대 info.recode_time string Y 1–10 영상 데이터 위치 info.video_path string Y 1–11 이미지 데이터 위치 info.image_folder_path string Y 1–12 관절 정보 이름 info.2D_keypoints[] list Y 1–13 비디오 식별자 info.video_id number Y 1–14 비디오 포맷 info.video_format string Y 1–15 수신호권자 유형
(액터 복장)info.actor_cloth string Y 1–16 액터 정보(성별) info.actor_gender string Y 1–17 촬영 장소 info.shoot_place string N 1–18 카메라 렌즈 info.lense string Y 1–19 촬영 높이 info.s_height string Y 1–20 신호봉 유무 info.hs_tool_yn string Y 1–21 수신호자 신장 범위 info.actor_tall_range string Y 1–22 촬영 방법 info.s_dynamic string Y 1–23 촬영 차선 info.lain_no string Y 1–24 계절 info.s_season string Y 1–25 날씨 info.s_weather string Y 1–26 차량 진행 신호 info.car_ps string Y 1–27 마스크 착용 유무 info.actor_mask string Y 2 시퀀스정보 sequence Object 2–1 이미지식별자 sequence[].image_id number Y 2–2 이미지 프레임 번호 sequence[].frame_no number Y 2–3 이미지 파일 sequence[].image_file string Y 2–4 이미지 너비 sequence[].image_width string Y 2–5 이미지 높이 sequence[].image_height string Y 2–6 바운딩 박스 위치 sequence[].bounding_box string Y 2–7 관절 위치 정보 sequence[].2d_pos string Y 3. 라벨링데이터 실제예시
-
데이터셋 구축 담당자
수행기관(주관) : ㈜스위트케이
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 천제민 031-8091-0000 chjemin@sweetk.co.kr 총괄책임
-
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 -
- AI 허브 접속
신청자 - 안심존
사용신청신청자신청서류 제출* - 심사구축기관
- 승인구축기관
- 데이터 분석 활용신청자
- 분석모델반출신청자
- AI 허브 접속
-
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.