• 제목/요약/키워드: 터널탐지

검색결과 56건 처리시간 0.026초

영상 처리 기법을 이용한 터널 내 화재의 조기 탐지 기법의 개발 (Development of Early Tunnel Fire Detection algorithm Using the Image Processing)

  • 이병무;한동일
    • 한국정보과학회:학술대회논문집
    • /
    • 한국정보과학회 2006년도 가을 학술발표논문집 Vol.33 No.2 (B)
    • /
    • pp.499-504
    • /
    • 2006
  • 터널 내 화재 발생 시 대규모의 인명, 재산 피해가 발생하는데 이러한 상황을 조기에 탐지함으로써 피해를 최소화하기 위한 시스템이 필요하다. 또한 터널 내 설치된 CCTV를 사람이 24시간 감시하기에는 너무 어려운 점이 많다. 이에 따라 적절한 영상 처리를 통한 화염 및 연기 검출 시스템을 통해 경보를 알려줄 경우, 보다 편리하고 사람이 모니터 앞에 없을 때 화재 발생 시 화재를 검출할 수 있어 피해를 최소화 할 수 있다. 본 논문에서는 영상처리 기법을 이용하여 터널 안에서 발생한 화재 및 연기를 고속으로 탐지하기 위한 알고리즘을 제안하였다. 터널 안에서의 화재 탐지는 차량 조명 및 터널내의 조명등과 같은 여러 가지 상황에 의해 산불 탐지 알고리즘과 다른 독자적인 알고리즘의 개발이 요구된다. 본 논문에서 제시한 두 가지 알고리즘은 기존 알고리즘보다 정확한 위치 탐지와 초기 단계에서의 탐지가 가능하도록 되었다. 또한 우리는 실험 결과를 통해 각각의 성능을 비교함으로써 제시한 알고리즘의 타당성을 보여주었다.

  • PDF

터널 내 유고상황 자동 판정을 위한 선행 연구: CCTV를 이용한 차량의 탐지와 추적 기법 고찰 (Preliminary study on car detection and tracking method using surveillance camera in tunnel environment for accident detection)

  • 오영섭;신휴성
    • 한국터널지하공간학회 논문집
    • /
    • 제19권5호
    • /
    • pp.813-827
    • /
    • 2017
  • 터널 내의 CCTV 영상은 동적으로 변화하는 요소들에 의해 영향을 받는 다양한 영상들을 촬영한다. 또한, 카메라의 상태 또한 관리 및 배치가 쉽지 않아 터널 내부 환경 변화에 따라 영상이 달라지는 경향이 있다. 본 논문에서는 터널 내에 설치된 CCTV 카메라 영상을 이용해 차량을 탐지하고 그 차량을 지속적으로 추적하는 새로운 방법을 소개한다. 터널 내 CCTV 카메라 영상은 모션블러 효과와 먼지로 인한 렌즈 흐려짐 효과로 인해 바로 차량을 탐지할 수 없다는 문제점이 있다. 본 논문에서는 이를 극복하기 위해 차영상/비-최대 억제 기법과 Haar Cascade 기법 등에 대한 효과 검토 실험을 제안하고 수행하였다. 본 논문에서 제안하는 방법을 통해 터널 내에 설치된 CCTV에서 차량의 탐지와 추적을 효과적으로 수행할 수 있으며 다양한 터널 유고상황을 자동으로 파악하기 위한 중요 정보를 확보할 수 있었다.

터널 내 돌발상황 오탐지 영상의 반복 학습을 통한 딥러닝 추론 성능의 자가 성장 효과 (Effect on self-enhancement of deep-learning inference by repeated training of false detection cases in tunnel accident image detection)

  • 이규범;신휴성
    • 한국터널지하공간학회 논문집
    • /
    • 제21권3호
    • /
    • pp.419-432
    • /
    • 2019
  • 대부분 딥러닝 모델의 학습은 입력값과 입력값에 따른 출력값이 포함된 레이블링 데이터(labeling data)를 학습하는 지도 학습(supervised learning)으로 진행된다. 레이블링 데이터는 인간이 직접 제작하므로 데이터의 정확도가 높다는 장점이 있지만 비용과 시간의 문제로 인해 데이터의 확보에 많은 노력이 소요된다. 그리고 지도 학습의 목표는 정탐지 데이터(true positive data)의 인식 성능 향상에 초점이 맞추어져 있으며, 오탐지 데이터(false positive data)의 발생에 대한 대처는 미흡한 실정이다. 본 논문은 터널 관제센터에 투입된 딥러닝 모델 기반 영상유고 시스템의 모니터링을 통해 정탐지와 레이블링 데이터의 학습으로 예측하기 힘든 오탐지의 발생을 확인하였다. 오탐지의 유형은 작업차량의 경광등, 터널 입구부에서 반사되는 햇빛, 차선과 차량의 일부에서 발생하는 길쭉한 검은 음영 등이 화재와 보행자로 오탐지되고 있었다. 이러한 문제를 해결하기 위해 현장에서 발생한 오탐지 데이터와 레이블링 데이터를 동시에 학습하여 딥러닝 모델을 개발하였으며, 그 결과 기존 레이블링 데이터만 학습한 모델과 비교하면 레이블링 데이터에 대한 재추론 성능이 향상됨을 알 수 있었다. 그리고 오탐지 데이터에 대한 재추론을 한 결과 오탐지 데이터를 많이 포함하여 학습한 모델일 경우 보행자의 오탐지 개수가 훨씬 줄었으며, 오탐지 데이터의 학습을 통해 딥러닝 모델의 현장 적용성을 향상시킬 수 있었다.

다양한 투과 각도에서 측정된 투과형 펄스 시추공 레이더 신호 분석 (Analysis of cross-borehole pulse radar signatures measured at various tunnel angles)

  • 김상욱;김세윤
    • 지구물리와물리탐사
    • /
    • 제13권1호
    • /
    • pp.96-101
    • /
    • 2010
  • 수 백 미터 깊이에 위치하고 있는 폐쇄된 지하터널을 탐지하기 위하여 펄스 레이더 시스템이 최근 개발되었다 개발원 펄스 레이더 시스템의 탐지능력을 확인하기 위하여, 터널시험장에서 터널 주변의 여러 시추공 중에서 터널측과 15도 간격으로 수평각이 비틀어진 5가지 탐사경로를 선정하였다. 공기로 채워진 터널을 중심으로 20 미터 구간에 대해 레이더 신호의 측정이 이루어 졌다. 도착시간, 감쇠, 분산시간으로 구성된 세가지 기본 변수들이 수신된 신호의 첫번째 첨두치와 두번째 첨두치의 위치로부터 계산되었다. 터널측과 탐사 경로가 45도 이상 비틀어졌을 때 이러한 변수들을 사용하여 레이더 시스템이 터널을 탐지할 수 있었다.

터널 화재의 실시간 조기 탐지를 위한 화염 및 연기 검출 기법 (Flame and Smoke Detection Method for Early and Real-Time Detection of Tunnel Fire)

  • 이병무;한동일
    • 대한전자공학회논문지SP
    • /
    • 제45권4호
    • /
    • pp.59-70
    • /
    • 2008
  • 본 논문에서는 터널 환경 내에서 발생할 수 있는 화재를 조기에 실시간으로 탐지하기 위한 시각 처리 기법을 제시한다. 다양한 환경 하에서 화재 발생 시 이를 조기에 발견하여 인명 및 재산 피해를 최대한 줄이기 위한 목적을 가지고 많은 연구들이 제안되었다. 그러나 터널 화재 탐지의 경우 터널 환경이라는 특이성 때문에 기존의 화재 탐지 기법을 적용하기 어려우며, 터널 공간에 특성화된 새로운 알고리즘이 필요하다. 이에 본 논문에서는 컬러정보를 기반으로 한 화염 후보 영역 검출기법, 움직임 정보를 기반으로 한 연기 후보 영역 검출 기법을 사용하고 모폴로지 기법, 재검증 및 제거 기법을 이용하여 화재 검출 시 발생할 수 있는 오검출 영역을 제거하는 방법을 통해서 정확한 위치 탐지와 조기 탐지가 가능한 알고리즘을 개발하였다. 또한 실험 결과를 통해 각각의 성능을 비교함으로써 제시한 알고리즘의 타당성을 보여주었다.

레이저 스캐닝 데이터를 이용한 터널 시설물 및 손상부위 검측 알고리즘 (A detection algorithm for the installations and damages on a tunnel liner using the laser scanning data)

  • 윤정숙;이준석;이규성;사공명
    • 한국터널지하공간학회 논문집
    • /
    • 제9권1호
    • /
    • pp.19-28
    • /
    • 2007
  • 시설물의 안전성을 위한 유지 관리는 시간과 인력에 따른 경비가 상당히 소모되는 작업이다. 특히 인력에 의한 육안 검사에 의해 이루어지는 터널과 같은 시설물 관리에는 많은 시간과 경비가 요구되고 있으며, 데이터의 보관이나 저장 등에 어려움이 많다. 본 연구에서는 이러한 단점을 극복하기 위하여 최근 신기술로 떠오르는 레이저 스캐닝 기술에 의하여 획득한 데이터를 이용하여 터널의 유지 관리에 필요한 정보를 추출하는 접근방법을 제안하고자 한다. 터널의 레이저 스캐닝 데이터는 시작품으로 제작된 레이저 스캐너를 이용하여 촬영하였으며, 고밀도 점 데이터의 형태로 저장된 자료를 이용하였다. 터널의 스캐닝 데이터의 기하학,광학적 특성을 이용하여 터널 내부에 장착된 시설물들을 제거 한 후, 터널의 라이닝 상에 나타나는 물리적인 손상부위나 균열을 탐지하는 방법을 제시한다. 물리적인 손상부위는 터널의 라이닝이 성립하는 면을 기준으로 근접성을 바탕으로 탐지된다. 이 연구에서는 제안된 알고리즘을 적용하여 현장의 디지털 사진에서 확인할 수 있는 물리적인 손상 부위를 탐지 할 수 있었다.

  • PDF

BIM 모델 활용을 위한 360° 카메라 이미지의 객체 탐지 알고리즘 정확성 비교 연구 (A Study on the Accuracy Comparison of Object Detection Algorithms for 360° Camera Images for BIM Model Utilization)

  • 주현철;이주형;임종원;이재희;강인석
    • 토지주택연구
    • /
    • 제14권3호
    • /
    • pp.145-155
    • /
    • 2023
  • 최근 건설산업 분야에 BIM 기술의 활용이 보편화되면서 3D 모델과 실제 시공 부위의 오류 확인 등을 위해 다양한 객체 탐지 알고리즘들이 활용되고 있다. 객체 탐지 기술은 건축물, 교량, 터널 등 건설시설물의 종류에 따라 객체 특성이 상이하므로 객체 탐지 기술도 적절한 방법을 사용할 필요가 있다. 또한 객체 탐지를 위해서는 초기 객체 이미지가 있어야 하며 이를 위해서도 드론, 스마트폰 등 다양한 방법으로 이미지 취득이 가능하다. 본 연구에서는 철도와 도로 시설의 터널 부위에 대하여 초기 이미지 구축을 위해 터널 내부 촬영에 최적화된 360° 카메라를 이용하여 이미지를 촬영하고, 촬영된 이미지로부터 실제 객체를 탐지하기 위한 객체 탐지 방법론으로 YOLO 알고리즘, SSD 알고리즘 및 R-CNN 알고리즘을 적용하여 방법론별 객체 탐지의 정확도를 비교 분석한다. 분석 결과 Faster R-CNN 알고리즘이 SSD, YOLO v5 알고리즘에 비해 높은 인식률 및 mAP 값을 가졌으며 인식률들의 최소·최대 값의 차이가 작아 균등한 검측 능력을 나타냈다. 이러한 연구는 철도와 도로 시설공사에 BIM 적용이 확산되고 있는 점을 고려하면 360° 카메라의 활용 방법 확대와 유지보수를 위한 터널 시설 부위의 객체 탐지 방법론 적용에 활용될 수 있다.

딥러닝 기반 터널 콘크리트 라이닝 균열 탐지 (Deep learning based crack detection from tunnel cement concrete lining)

  • 배수현;함상우;이임평;이규필;김동규
    • 한국터널지하공간학회 논문집
    • /
    • 제24권6호
    • /
    • pp.583-598
    • /
    • 2022
  • 인력기반 터널 점검은 점검자의 주관적인 판단에 영향을 받으며 지속적인 이력관리가 어렵다. 따라서 최근에는 딥러닝 기반 자동 균열 탐지 연구가 활발히 진행되고 있다. 하지만 대부분의 연구에서는 사용하는 대규모 공개 균열 데이터셋은 터널 내부에서 발생하는 균열과 매우 상이하다. 또한 현행 터널 상태평가에서 정교한 균열 레이블을 구축하기 위해서는 추가적인 작업이 요구된다. 이에 본 연구는 균열 형상이 다소 단순하게 표현된 기존 데이터셋을 딥러닝 모델에 입력하여 균열 탐지 성능을 개선하는 방안을 제시한다. 기존 터널 데이터셋, 고품질 터널 데이터셋과 공개 균열 데이터셋을 조합하여 학습한 딥러닝 모델의 성능 평가와 비교를 수행한다. 그 결과 Cross Entropy 손실함수를 사용한 DeepLabv3+에 공개 데이터셋, 패치 단위 분류와 오버샘플링을 수행한 터널 데이터셋을 모두 학습한 경우 성능이 가장 좋았다. 향후 기 구축된 터널 영상 취득 시스템 데이터를 딥러닝 모델 학습에 효율적으로 활용하기 위한 방안을 수립하는 데 기여할 것으로 기대한다.

객체탐지 모델을 활용한 지하차도 침수 예측 연구 (Study of a underpass inundation forecast using object detection model)

  • 오병화;황석환
    • 한국수자원학회:학술대회논문집
    • /
    • 한국수자원학회 2021년도 학술발표회
    • /
    • pp.302-302
    • /
    • 2021
  • 지하차도의 경우 국지 및 돌발홍수가 발생할 경우 대부분 침수됨에도 불구하고 2020년 7월 23일 부산 지역에 밤사이 시간당 80mm가 넘는 폭우가 발생하면서 순식간에 지하차도 천장까지 물이 차면서 선제적인 차량 통제가 우선적으로 수행되지 못하여 미처 대피하지 못한 3명의 운전자 인명사고가 발생하였다. 수재해를 비롯한 재난 관리를 빠르게 수행하기 위해서는 기존의 정부 및 관주도 중심의 단방향의 재난 대응에서 벗어나 정형 데이터와 비정형 데이터를 총칭하는 빅데이터의 통합적 수집 및 분석을 수행이 필요하다. 본 연구에서는 부산지역의 지하차도와 인접한 지하터널 CCTV 자료(센서)를 통한 재난 발생 시 인명피해를 최소화 정보 제공을 위한 Object Detection(객체 탐지)연구를 수행하였다. 지하터널 침수가 발생한 부산지역의 CCTV 영상을 사용하였으며, 영상편집에 사용되는 CCTV 자료의 음성자료를 제거하는 인코딩을 통하여 불러오는 영상파일 용량파일 감소 효과를 볼 수 있었다. 지하차도에 진입하는 물체를 탐지하는 방법으로 YOLO(You Only Look Once)를 사용하였으며, YOLO는 가장 빠른 객체 탐지 알고리즘 중 하나이며 최신 GPU에서 초당 170프레임의 속도로 실행될 수 있는 YOLOv3 방법을 적용하였으며, 분류작업에서 보다 높은 Classification을 가지는 Darknet-53을 적용하였다. YOLOv3 방법은 기존 객체탐지 모델 보다 좀 더 빠르고 정확한 물체 탐지가 가능하며 또한 모델의 크기를 변경하기만 하면 다시 학습시키지 않아도 속도와 정확도를 쉽게 변경가능한 장점이 있다. CCTV에서 오전(일반), 오후(침수발생) 시점을 나눈 후 Car, Bus, Truck, 사람을 분류하는 YOLO 알고리즘을 적용하여 지하터널 인근 Object Detection을 실제 수행 하였으며, CCTV자료를 이용하여 실제 물체 탐지의 정확도가 높은 것을 확인하였다.

  • PDF

YOLO 알고리즘을 활용한 터널 GPR 이미지 내 강지보재 탐지 (Detection of Steel Ribs in Tunnel GPR Images Based on YOLO Algorithm)

  • 배병규;안재훈;정현준;유창균
    • 한국지반공학회논문집
    • /
    • 제39권7호
    • /
    • pp.31-37
    • /
    • 2023
  • 터널은 지중에 건설되는 구조물이므로 육안으로 터널 강지보재의 위치 등의 확인이 불가능하다. 이에, 터널 유지관리시에는, 일반적으로 GPR 이미지를 활용하여 강지보재 탐지를 수행한다. 인공신경망을 통한 GPR 이미지 분석에 대한 연구는, 주로 지하배관, 도로 손상 등의 탐지에 집중되어 있으며, 강지보재 등의 터널 GPR 데이터를 분석한 사례는 해외와 국내 모두 제한적이다. 본 연구에서는, 합성곱 신경망을 기반으로 하는 1단계 객체인식 알고리즘인 YOLO를 활용하여, GPR 데이터를 바탕으로 한 터널 강지보재의 위치 탐지를 자동화하고, 그 성능을 분석한다. 원본 이미지 데이터는 총 512개이며 원본 이미지 데이터로 이루어진 데이터 세트와 원본 이미지 데이터와 증식기법이 적용된 이미지 데이터를 병합한 2,048개의 데이터로 이루어진 데이터 세트를 해석에 활용하였다. 증식한 데이터를 사용한 모델의 강지보재 누락율(전체 강지보재와 탐지하지 못한 지보재 숫자의 비율)은 0.38%, 원본 데이터만을 활용한 모델의 강지보재 누락율은 7.18%로 나타났다. 따라서, 분석 자동화 측면에서는, 증식기법이 적용된 데이터 세트를 활용하는 것이 더 실용적일 것으로 판단된다.