• Proceedings of the Korean Society of Disaster Information Conference
• /
• 2023.11a
• /
• pp.311-313
• /
• 2023

군중눌림 사고 형태의 재난은 국내에서 경험과 연구가 미진한 재난의 형태이지만 세계적으로는 선진국이나 후진국을 가리지 않고 꾸준히 발생중이며, 2022년 10월 29일의 이태원 참사에서 보듯이 국가사회에 엄청난 파급력과 영향을 주는 재난이다. 따라서 군중눌림 사고를 이해하고 발전된 학술적 접근 방식을 통하여 최소한의 예방, 대비, 대응 수준에 이르러야 하나 국내에서는 그 연구가 미진하고 용어와 개념 정립도 되어 있지 않다. 군중눌림 사고는 그 본질 상 얼마 안 되는 짧은 골든 타임 내에 해결이 되지 않으면 대처 시간이 거의 없어 인명피해 대처가 매우 어렵다. 즉 질식으로 의식이 저하되는 피해자가 신고되어도 현장 도착 구급대원이 밀집된 군중을 뚫고 피해자에게 신속히 접근하기란 애무 어려워, 선진국들조차도 많은 인명피해를 내지만 뚜렷한 한 가지 해결책을 제시 못하고 있는 형편이다. 이러한 상황에서 군중압박 사고 관련 정립되지 않은 용어를 관련 개념과 같이 조사 정리하고, 과거 있었던 대표적 군중집회의 분류, 특성 등을 알아보며, 이를 기반으로 용어와 개념이 정리 및 표준화되는 기반이 되도록 하였다.

• Journal of Korean Society of Disaster and Security
• /
• v.16 no.1
• /
• pp.49-60
• /
• 2023

After the 10.29 Itaewon disaster, interests in the crowd crush injury increased, but it is pointed out that the academic and practical basis related to crowd crush is still weak in Korea. Therefore, in this study, terms and concepts related to crowd crush were investigated and proposed, and representative cases of crowd crush events were investigated and summarized. Approaches based on representative cases were investigated, and among them, video analysis, simulation, questionnaire survey and interview methods were derived as an essential approach methods. Through this research, it is expected that standardization of Korean terminology, concept establishment, evaluation, and systematization of approach methods of crowd crush can be accomplished.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.705-708
• /
• 2023

다중밀집 사고를 사전에 방지하기 위해 군중 밀집도를 정확하게 파악하는 것은 중요하다. 기존 방법 중 일부는 군중 계수를 기반으로 군중 밀집도를 추정하거나 원근 왜곡이 있는 데이터를 그대로 학습한다. 이 방식은 물체의 거리에 따라 크기가 달라지는 원근 왜곡에 큰 영향을 받는다. 본 연구는 보행자 깊이 정보를 이용한 군중 밀집도 알고리즘을 제안한다. 보행자의 깊이 정보를 계산하기 위해 편차가 적은 머리 크기를 이용한다. 머리를 탐지하기 위해 OC-Sort를 학습모델로 사용한다. 탐지된 머리의 경계박스 좌표, 실제 머리 크기, 카메라 파라미터 등을 이용하여 보행자의 깊이 정보를 추정한다. 이후 깊이 정보를 기반으로 밀도 맵을 추정한다. 제안 알고리즘은 혼잡한 환경에서 객체의 위치와 밀집도를 정확하게 분석하여 군중밀집 사고를 사전에 방지하는 지능형 CCTV시스템의 기반 기술로 활용될 수 있으며, 더불어 보안 및 교통 관리 시스템의 효율성을 향상하는 데 중요한 역할을 할 것으로 기대한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.111-112
• /
• 2023

학교, 대형 쇼핑몰, 공항 등과 같은 큰 실내 공간에서는 군중의 동선과 밀도를 파악하고 관리하는 것은 안전사고와 연관되어 있어 매우 중요하다. 와이파이 센싱은 기존에 존재하던 CCTV 카메라나 센서를 활용한 혼잡도 관리보다 효율적이고 정확한 방식으로 추정하는 데 도움이 되며, 설치 및 유지보수 측면에서도 효율적이다. 본 논문에서는 실내 환경에서 군중 수를 추정하기 위해 딥 러닝을 이용한 무선랜 신호 분석 기법을 제안한다. 송수신기가 같은 공간에 위치했던 기존 연구들과는 달리 본 논문에서는 송신기와 수신기가 서로 다른 공간에 배치된 환경에서도 무선랜 수신 신호를 통해 다른 공간의 군중 수를 정확히 예측할 수 있다는 것을 실험으로 검증하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.709-711
• /
• 2023

안전관리를 위한 인공지능 기술은 꾸준히 연구되고 있는 분야다. 특히, 컴퓨터 비전 기술을 활용한 CCTV 영상 분석은 군중의 동선과 밀도를 파악하는데 유용하며, 대규모 실내 공간에서 체계적인 안전관리를 가능하게 한다. 그러나 기존의 CCTV 카메라를 사용한 군중 수 추정은 가려짐(occlusion)과 같은 한계가 있다. 본 논문은 무선 랜 신호 데이터 분석 기법을 활용하여 수집한 데이터를 활용하여 실내 환경에서 군중 수를 추정하고자 한다. 본 논문에서는 인원 수 분류 예측을 위해 셰이플릿 확장 변환(Random Dilated Shapelet Transform) 기법을 제안한다. 단일 데이터 세트 내 분류 결과와, TX, RX 배치 방식에 따른 분류 성능의 차이는 모델의 성능 부족보다 데이터의 특성을 고려한 새로운 접근 방법의 필요성을 알려준다.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.12 no.2
• /
• pp.103-110
• /
• 2012

The population growth along with the urbanization, has caused more problems in many public areas, such as subway airport terminals, hospital, etc. Many surveillance systems have been installed in the public areas, but not all of those can be monitored in real-time, because the operators that observe the monitors are very small compared with the number of the monitors. For example, the observer can miss some crucial accidents or detect after considerable delays. Thus, intelligent surveillance system for preventing the accidents are needed, such as Intelligent Surveillance Systems. in this paper, we propose a new crowd density estimation method which aims at estimating moving crowd using images from surveillance cameras situated in outdoor locations. The moving crowd is estimated from the area where using optical flow. The edge information is also used as feature to measure the crowd density, so we improve the accuracy of estimation of crowd density. A multilayer neural network is designed to classify crowd density into 5 classes. Finally the proposed method is experimented with PETS 2009 images.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.24 no.3
• /
• pp.177-182
• /
• 2024

In this paper, the purpose of this paper is to predict and prevent the risk of crowd concentration in advance for possible future crowd accidents based on the Itaewon crush accident in Korea on October 29, 2022. In the case of a single CCTV, the administrator can determine the current situation in real time, but since the screen cannot be seen throughout the day, objects are detected using YOLOv4, which learns images taken with CCTV angle, and safety accidents due to crowd concentration are prevented by notification when the number of clusters exceeds. The reason for using the YOLO v4 model is that it improves with higher accuracy and faster speed than the previous YOLO model, making object detection techniques easier. This service will go through the process of testing with CCTV image data registered on the AI-Hub site. Currently, CCTVs have increased exponentially in Korea, and if they are applied to actual CCTVs, it is expected that various accidents, including accidents caused by crowd concentration in the future, can be prevented.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2014.01a
• /
• pp.71-73
• /
• 2014

본 논문에서는 지하철 내의 인구밀집도 파악을 통한 승객의 이용 편의성을 극대화하고, 군중밀도가 높은 지하철 구간의 경우 고른 인구분포 측정을 통한 승객의 편의성을 극대화하는 플랫폼 및 모바일 앱을 제안한다. 제안하는 시스템으로 기존의 지하철 역내에 설치된 CCTV에 모션벡터 영상처리와 RFID 기술을 결합한 Hybrid CDE로 구성되며, Size-Filtering을 통해서 재검출 과정을 거친다. 이러한 결과 값은 전동차 각 구간의 인구밀집도 정보를 정확히 측정 할 수 있다. 또한 결과 값을 바탕으로 효율적인 인구 유동을 유도할 수 있으며 정보 소외 계층 및 사회적 약자 등, 승객을 안전하게 보호할 수 있는 환경을 조성한다. 시스템 관리자는 학습기능 알고리즘을 통해서 오차 범위를 최소화한 플랫폼 설계를 통해 실시간 모니터링 함으로써 정보 습득 및 제공면에서도 새로운 시스템 설계 제안이 될 것이다.

• The Journal of The Korea Institute of Intelligent Transport Systems
• /
• v.23 no.2
• /
• pp.69-78
• /
• 2024

Recently, the use of CCTV to prevent crowd accidents has been promoted, but research is needed to compensate for the spatial limitations of CCTV. In this study, pedestrian density was measured using drone footage, and based on a review of existing literature, a threshold of 6.7 people/m² was selected as the cutoff risk level for crowd accidents. In addition, we conducted a preliminary study to determine drone parameters and found that the pedestrian recognition rate was high at a drone altitude of 20 meters and an angle of 60°. Based on a previous study, we selected a target area with a high concentration of pedestrians and measured pedestrian density, which was found to be 0.27~0.30 per m². The study shows it is possible to measure risk levels by determining pedestrian densities in target areas using drone images. We believe drone surveillance will be utilized for crowd safety management in the near future.

• KIPS Transactions on Software and Data Engineering
• /
• v.2 no.9
• /
• pp.595-602
• /
• 2013

WiFi fingerprinting is well known as an effective localization technique used for indoor environments. However, this technique requires a large amount of pre-built fingerprint maps over the entire space. Moreover, due to environmental changes, these maps have to be newly built or updated periodically by experts. As a way to avoid this problem, crowd-sourced fingerprint mapping attracts many interests from researchers. This approach supports many volunteer users to share their WiFi fingerprints collected at a specific environment. Therefore, crowd-sourced fingerprinting can automatically update fingerprint maps up-to-date. In most previous systems, however, individual users were asked to enter their positions manually to build their local fingerprint maps. Moreover, the systems do not have any principled mechanism to keep fingerprint maps clean by detecting and filtering out erroneous fingerprints collected from multiple users. In this paper, we present the design of a crowd-sourced fingerprint mapping and localization(CMAL) system. The proposed system can not only automatically build and/or update WiFi fingerprint maps from fingerprint collections provided by multiple smartphone users, but also simultaneously track their positions using the up-to-date maps. The CMAL system consists of multiple clients to work on individual smartphones to collect fingerprints and a central server to maintain a database of fingerprint maps. Each client contains a particle filter-based WiFi SLAM engine, tracking the smartphone user's position and building each local fingerprint map. The server of our system adopts a Gaussian interpolation-based error filtering algorithm to maintain the integrity of fingerprint maps. Through various experiments, we show the high performance of our system.