• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권3호
• /
• pp.1450-1463
• /
• 2019

The problem towards crowd behavior recognition in a serious clustered scene is extremely challenged on account of variable scales with non-uniformity. This paper aims to propose a crowed behavior classification framework based on a transferring hybrid network blending 3D res-net with inception-v3. First, the 3D res-inception network is presented so as to learn the augmented visual feature of UCF 101. Then the target dataset is applied to fine-tune the network parameters in an attempt to classify the behavior of densely crowded scenes. Finally, a transferred entropy function is used to calculate the probability of multiple labels in accordance with these features. Experimental results show that the proposed method could greatly improve the accuracy of crowd behavior recognition and enhance the accuracy of multiple label classification.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2015년도 추계학술대회
• /
• pp.175-178
• /
• 2015

본 논문은 국내외 해양사고 원인의 60-80%에 해당하는 인적과실을 예방하기 위하여 긴급상황에 대한 가상현실 선원 훈련 플랫폼을 제안한다. 제안된 훈련 플랫폼은 가상현실 기술을 통해 긴급 상황 내 절차 숙달을 위한 상호작용 방법과 가상 선박 환경 내에서 군중 에이전트를 제어하는 군중 제어 방법을 제공한다. 제안된 훈련 플랫폼의 상호작용 방법은 훈련 몰입도를 높이기 위하여 음성인식과 행동인식을 사용한다. 군중 제어는 사회적 특성을 반영한 에이전트의 행동모델을 적용하여 자연스러운 시뮬레이션을 제공한다. 제안된 훈련 플랫폼의 효율성을 실험하기 위해 선박 내 화재 상황에 대한 가상 훈련 시나리오를 standalone 훈련 플랫폼으로써 구현하였다.

• 한국안전학회지
• /
• 제39권3호
• /
• pp.50-59
• /
• 2024

In recent years, building architecture has become increasingly complex and larger in scale to accommodate many people. In densely populated facilities, the interiors are becoming more intricate and high-rise, with narrow corridors, hallways, and stairs. This poses challenges for evacuating occupants in case of emergencies such as fires, making it crucial to assess the evacuation safety in advance. In evacuation safety research, there are significant limitations to theoretical studies owing to their association with crowd behavior and human evacuation characteristics, as well as the risks associated with experiments involving human participants. Consequently, evacuation experiments conducted using simulation-based methodologies are gaining recognition worldwide. However, crowd simulations face validation difficulties because of variations in crowd movement and evacuation characteristics across different cases and scenarios, as well as the challenge of accurately reflecting human characteristics during evacuations. In this study, we investigated validation methods for evacuation simulations using the SAFEGUARD validation data set (SGVDS) provided by the University of Greenwich, UK. The SGVDS collects data on crowd evacuations through actual evacuation tests conducted on ColorLine's large RO-PAX ferry and Royal Caribbean International's cruise ships. The accuracy of the crowd simulations can be validated by comparing SGVDS and crowd simulation results. This study will contribute to the development of highly accurate crowd simulations by verifying various crowd simulations.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제9권8호
• /
• pp.2948-2963
• /
• 2015

In the field of computer vision, visual surveillance systems have recently become an important research topic. Growth in this area is being driven by both the increase in the availability of inexpensive computing devices and image sensors as well as the general inefficiency of manual surveillance and monitoring. In particular, the ultimate goal for many visual surveillance systems is to provide automatic activity recognition for events at a given site. A higher level of understanding of these activities requires certain lower-level computer vision tasks to be performed. So in this paper, we propose an intelligent activity recognition model that uses a structure learning method and a classification method. The structure learning method is provided as a K2-learning algorithm that generates Bayesian networks of causal relationships between sensors for a given activity. The statistical characteristics of the sensor values and the topological characteristics of the generated graphs are learned for each activity, and then a neural network is designed to classify the current activity according to the features extracted from the multiple sensor values that have been collected. Finally, the proposed method is implemented and tested by using PETS2013 benchmark data.

• 한국멀티미디어학회논문지
• /
• 제20권2호
• /
• pp.196-204
• /
• 2017

Behavior of intelligent video surveillance system is recognized by analyzing the pattern of the object of interest by using the frame information of video inputted from the camera and analyzes the behavior. Detection of object's certain behaviors in the crowd has become a critical problem because in the event of terror strikes. Recognition of object's certain behaviors is an important but difficult problem in the area of computer vision. As the realization of big data utilizing machine learning, data mining techniques, the amount of video through the CCTV, Smart-phone and Drone's video has increased dramatically. In this paper, we propose a multiple-sliding window method to recognize the cumulative change as one piece in order to improve the accuracy of the recognition. The experimental results demonstrated the method was robust and efficient learning units in the classification of certain behaviors.

• 한국지능시스템학회논문지
• /
• 제23권5호
• /
• pp.460-465
• /
• 2013

본 논문은 실내외 공간에서 인간을 포한함 이동물체의 위치를 인식하고 출입금지 구역으로의 이동에 대해서 보안목적의 이동로봇이 센서를 이용하여 이동물체 및 인간의 행동 움직임을 인식하고 진입을 제한하는 주행기법을 제시하고 있다. 제시한 방법은 로봇자체의 DR센서 정보와 레이져스케너에서 얻은 환경정보로부터 로봇의 위치추정방법을 결합 한 것이다. 이동로봇은 인간의 속도벡터를 계산 및 주행할 경로를 계획하고 인간의 진행방향을 차단할 수 있도록 예측된 경로를 따라 주행을 하게 된다. 이때, 인간의 움직임은 포인터 물체로 간주하였으며 로봇의 기구학에 기반하여 인간의 위치를 추정하는 기본 방법을 제시하고 그 타당성을 검정하기위해 로봇을 이용한 위치추정 및 추적 실험결과를 제시하였다.

• 정보보호학회논문지
• /
• 제21권6호
• /
• pp.183-190
• /
• 2011

감시카메라 환경에서 군중의 비정상 집단행동 탐지란 감시카메라로부터 유입되는 영상에서 다중 객체가 위험에 처한 상황을 신속하고 정확하게 탐지하는 분야를 말한다. 본 논문에서는 CCTV 등과 같은 감시카메라 환경에서 움직임 벡터와 SVDD를 이용하여 집단내의 비정상 상황을 탐지하는 프로토타입 시스템을 제안한다. 제안된 시스템은 H.264 압축과정에서의 움직임 벡터 정보를 이용하여 영상내의 움직임 정보를 추출 표현하였으며, 비정상 집단행동의 판별 문제를 실용적 차원의 단일 클래스 분류 문제로 재해석하여 단일 클래스 SVM의 대표적 모델인 SVDD를 탐지기로 설계하였다. 제안된 시스템은 H.264 압축 과정에서 얻어지는 움직임 벡터를 이용함으로써, 실시간성을 보장하며 SVDD의 점증적 갱신 학습 능력으로 인하여 비정상 집단행동 데이터베이스의 변화에도 능동적으로 적응할 수 있다. 공개적으로 사용 가능한 벤치마크 데이터 셋인 PETS 2009와 UMN을 이용하여 본 논문에서 제안한 비정상 집단행동 탐지 시스템의 성능을 실험적으로 검증한다.