로고

사이트맵

분야별 검색

하천

댐-하천 CCTV영상 분석 시스템

데이터 유형
이미지 텍스트
조회수
129
다운로드
6
수정일
2022-12-26
소개 CCTV영상 AI 분석으로 수위, 사람 등 위험감지
구축목적 실시간 CCTV 이상 분석 및 조기경보 예측 시스텀 개발을 위한 하천 수위 감지 데이터 구축
분야 하천 데이터유형 JPG|JSON

데이터 변경이력
버전 일자 변경내용 비고

데이터 히스토리
일자 변경내용 비고
데이터 영역 하천 데이터 유형
데이터 형식 JPG|JSON 데이터 출처 한국수자원공사
라벨링 유형 라벨링 형식
데이터 활용 서비스 데이터 구축년도/
데이터 구축량
2021년/10740건



학습데이터 구축
    훈련 데이터 검증 데이터
    데이터개수 8,900건 1,840건
    파일확장자 JPG JPG



개요
  • 본 시험은 물 영역 및 사람, 차량을 검지하는 엔진 개발을 목표로 하고 있으며, 다중 영상 을 디코딩하여 수위 검지 및 예측하는 데 걸리는 시간을 측정함.
시험 환경
CPU AMD Ryzen 7 3700X 8-Core Processor
GPU NVIDIA GeForce RTX 2080 SUPER
OS Windows 10 Pro
Packages - CUDA 11.1
- cuDNN 8.2.0
- Python 3.7
- Pytorch 1.8.0
- Torchvision 0.9.0
영상분석 신경망 정보
Backbone Network ResNet-101
Detector YOLACT(You Only Look At CoefficienTs)
Dataset - training set : 4,050
- validation set : 1,050
- test set : 1,500
- class : water, people, car, ship
Hyper Parameter - Input image size : 550
- iteration : 40,000
- epoch : 39
- batch size : 4
- initial learning rate : 0.0001
- momentum : 0.9
시험 시나리오
  • 시험과정
    시험과정

    < 시험과정 >

  • 성능 측정 기준
    • RTSP 영상 수신/디코딩하는 부분(이하 RTSP 영상 수신부)의 채널당 fps를 측정, 채널 16개의 fps 평균값을 도출
      공식1
    • 영상 분석을 수행하는 부분(이하 영상 분석부)의 fps를 측정, 채널 16개의 fps 평균값을 도출
    • 계산된 두 fps 값 중 가장 적은 값을 선택(두 부분이 별도 스레드로 구동됨을 고려)
시험 내용
  • 시험 환경 셋팅
    • 앞서 작성된 3. 시험 환경에 맞추어 구성함
      환경 세팅 정보

      < 환경 세팅 정보 >

  • 프로그램 구동
    • 시험 환경에 맞춰 프로그램이 구동됨을 확인
  • 기준 채널 16개 입력
    • 시험 후보 CCTV 목록 중 기준 채널 개수만큼 프로그램에 입력
    • 시험 후보 CCTV 목록

      < 시험 후보 CCTV 목록 >

  • 처리속도 계산
    • RTSP 영상 수신부 첫 부분을 start_time, 끝부분을 end_time으로 지정하여 각각 시간 측정
    • RTSP 영상 수신부가 채널 별 독립적으로 구동됨을 고려, 각 채널 당 처리 속도의 평균을 구함
    • 영상 분석부 첫 부분을 start_time, 끝부분을 end_time으로 지정하여 각각 시간 측정
    • 영상 분석부는 채널 순차적으로 구동됨을 고려, 한 프레임 처리 속도에 전체 채널 수(측정 기준 채널 수 16)를 나누어 채널 당 처리 속도 평균을 구함
    • abs(end_time – start_time)을 계산하여 한 Loop에 대한 처리 속도를 계산(ms)
    • 1000 / (처리 속도) 로 평균 fps를 계산
    • 두 부분 중 적은 fps를 가지는 부분을 선택
시험 결과
  • RTSP 영상 수신부 처리 속도
    LOOP #1 LOOP #2 LOOP #3
    LOOP #1 LOOP #2 LOOP #3
    loop 계산
  • 영상분석부 처리 속도
    영상분석부 처리 속도
    영상분석부 처리 속도
  • 최종 분석엔징 처리 속도
    영상분석부 처리 속도
데이터 포맷
데이터예시 JSON형식
train데이터
데이터 예시
JSON 형식
val데이터
데이터 예시
JSON 형식
포인트클라우드 포맷
  • XYZ
    • 포인트가 포함된 확장자로 메모장이나 클라우드컴페어로 열람할 수 있음
    • 포인트의 XYZ 좌표값과 RGB 값만 포함됨
  • TXT
    • 텍스트를 표현하는데 주로 사용되는 확장자
    • 포인트클라우드를 저장하는 확장자로도 사용할 수 있음.
    • XYZ 좌표값과 RGB값만 포함됨
  • LAS
    • LIDAR 데이터를 저장하기 위해 만들어진 확장자. 클라우드컴페어로 열람할 수 있음
  • BIN
    • 개별 포인트클라우드만 저장하는 타 확장자와 달리 클라우드컴페어에서 작업하던 여러 포인트클라우드를 같이 저장할 수 있는 클라우드컴페어 전용 확장자
데이터 속성 정의
  • GT1 데이터
    • 드론 촬영 이미지에서 제작된 원본 포인트클라우드에서 작업 대상만 Segmentation으로 잘라낸 데이터
  • GT2 데이터
    • GT1 데이터의 Surface에서 많이 벗어난 Outlier 포인트를 제거한 데이터
  • GT3 데이터
    • GT2 데이터의 Surface에서 조금 벗어난 C-Noise 포인트를 Surface에 근접시킨 데이터
  • GT4 데이터
    • 식생을 제거하기 위한 데이터로 노이즈(Type A)의 GT에서 식생들을 지표면의 위치로 이동시킨 데이터
  • Size
    • 포인트클라우드 데이터의 용량
  • 포인트 수량
    • 포인트클라우드 데이터의 포인트 수
  • RGB
    • 각 포인트의 컬러값
노이즈 필터링 및 어노테이션 구조
  • 포인트 클라우드의 GT작업은 오픈소스 프로그램인 CloudCompare에서 진행함
  • GT작업 진행 단계에 따라 Outlier와 C-Noise가 남아있는 GT1, Outlier를 제거한 GT2, C-Noise를 이동시킨 GT3,식생 제거 단게에서 식생을 C-Noise처럼 취급하여
    Surface로 이동시킨 GT4로 분류됨
  • 환경 세팅 정보

수행기관(주관): 수자원공사


책임자명 전화번호 대표 이메일 담당업무
- - - -


수행기관(참여)


기관명 담당업무
스탠스 -
아이팝 -
뉴레이어 -
올포랜드 -
딥인스펙션 -
노아에스앤씨 -
무한정보기술 -
베스핀글로벌 -


데이터 관련 문의처


기관명 담당자명 전화번호 이메일
-


연관 데이터