• 보건의료생명과학 논문지
• /
• 제8권2호
• /
• pp.121-125
• /
• 2020

인원계수는 특정 시설의 혼잡도나 이용량을 파악하여 시설을 효율적으로 관리하거나 화장실 등 특정 장소의 출입인원을 파악하여 자동으로 절전기능을 구현함으로써 에너지 절약을 최대화하기 위한 용도로 늘 관심있는 방법이었다. 영상처리에 의한 인원계수 방법은 매우 비용이 비싸며 조명의 주위환경에 심하게 영향을 받는 단점이 있고 area sensor의 경우 인원이 팔짱을 끼고 근접하여 통과할 경우 1명의 인원으로 계수하는 단점이 있다. 비용이 비싸고 조명에 영향을 받거나 특정한 경우 인원계수가 부정확한 기존의 방법을 해결하기 위하여 본 논문에서는 라이다(LIADAR)의 원리를 이용한 새로운 인원계수 방법을 제안한다. 병원 출입인원을 정확하기 계수하는 것은 병원시설을 관리하는 데도 도움이 되겠지만 코로나19가 만연한 현시점에서 효율적인 방역대책을 세우는 데도 도움이 될 것이다.

• International journal of advanced smart convergence
• /
• 제12권4호
• /
• pp.147-153
• /
• 2023

In recent times, an absence of effective crowd management has led to numerous stampede incidents in crowded places. A crucial component for enhancing on-site crowd management effectiveness is the utilization of crowd counting technology. Current approaches to analyzing congested scenes have evolved beyond simple crowd counting, which outputs the number of people in the targeted image to a density map. This development aligns with the demands of real-life applications, as the same number of people can exhibit vastly different crowd distributions. Therefore, solely counting the number of crowds is no longer sufficient. CSRNet stands out as one representative method within this advanced category of approaches. In this paper, we propose a crowd counting network which is adaptive to the change in the density of people in the scene, addressing the performance degradation issue observed in the existing CSRNet(Congested Scene Recognition Network) when there are changes in density. To overcome the weakness of the CSRNet, we introduce a system that takes input from the image's information and adjusts the output of CSRNet based on the features extracted from the image. This aims to improve the algorithm's adaptability to changes in density, supplementing the shortcomings identified in the original CSRNet.

• 방송공학회논문지
• /
• 제21권4호
• /
• pp.493-505
• /
• 2016

컴퓨터 비전이나 감시영상 시스템에서 유동인구 수 측정은 안전, 스케줄링, 광고효과 측면에서 중요한 과제 중 하나이다. 유동인구 수 측정은 조명변화, 부분적인 폐색, 중첩, 사람검출과 같은 다양한 어려움을 겪고 있다. 가장 큰 문제점은 혼잡한 상황에서 추적되는 객체에 대한 폐색과 중첩이다. 정확한 유동인구 수 측정을 위해 폐색과 중첩은 반드시 해결해야 할 과제이다. 본 논문에서는 기존의 보행자 추적 방법을 개선한 효율적인 유동인구 수 측정 시스템을 제안한다. 기존의 보행자 추적과 달리, 제안된 방법은 평균 필터 추적방법을 적용하여 성능을 향상시킬 수 있음을 보인다. 또한 객체 추적의 성능향상을 위한 프레임 보상, 아웃라이어 제거를 통해서 추적을 개선한다. 그와 동시에 제안된 시스템은 추적된 객체의 다양한 정보를 저장한다. 데이터 셋 S6와 데이터 셋 S7에 대하여 유동인구 수 측정 정확도를 향상시키고 에러율을 줄인다. 또한 제안된 방법은 실시간으로 평균 80fps의 검출을 제공한다.

• 한국정보통신학회논문지
• /
• 제24권10호
• /
• pp.1361-1368
• /
• 2020

인원을 계수하기 위한 시스템은 기존에 다양한 방법으로 이루어지고 있다. 기존 시스템의 계수방식으로는 적외선 센서, 레이저, 카메라 등이 있는데 이러한 기존 시스템의 경우에는 천장, 벽의 측면 등과 같이 공간에 대한 제약이 발생한다. 본 논문에서는 다수의 압전소자가 포함된 압전매트를 이용하여 보행자의 발걸음을 검출하고 압전매트에서 수집된 데이터를 활용하여 동시에 통과하는 보행 인원을 계수하는 방법을 제시한다. 보행자가 압전매트 위를 지나갈 경우, 수집한 센서 데이터를 SPI 통신을 이용하여 종합하고 TCP/IP 통신을 이용해 PC서버로 전송하는 방식의 통신시스템을 이용하였다. 성능분석 결과, 약 600개가량의 발걸음 데이터에서 99% 정도의 정확도로 인식하는 결과를 얻었다. 이를 통해 다른 인원 계수 시스템의 단점을 극복하고자 한다.

• 한국정보통신학회논문지
• /
• 제24권7호
• /
• pp.935-941
• /
• 2020

사람 수 추정 기술은 IoT 서비스를 제공하기 위해 중요하다. 대부분의 사람 수 추정 기술은 카메라 또는 센서 데이터를 활용한다. 하지만 기존 기술들은 사생활 침해 문제가 발생 가능하며 추가로 인프라를 구축해야한다는 단점이 있다. 본 논문은 Wi-Fi AP를 활용하여 사람 수를 추정하는 방법을 제안한다. 사람 수 추정을 위해서 Wi-Fi의 채널 상태 정보를 딥러닝 기술을 활용하여 분석한다. Wi-Fi AP 기반 사람 수 추정 기술은 사생활 침해 우려가 없으며, 기존 Wi-Fi AP 인프라를 활용하면 되기 때문에 추가 비용이 발생하지 않는다. 제안하는 알고리즘은 k-바인딩 데이터 전처리 과정과 1D-CNN 학습 모델을 사용한다. AP 2대를 설치하여 6명의 사람 수 추정 결과를 실험을 통해 분석하였다. 정확한 사람 수 판별에 관한 결과는 64.8%로 낮은 결과를 보였지만, 사람의 수를 클래스로 분류한 결과는 84.5%의 높은 결과를 보였다. 해당 알고리즘은 제한된 공간에 사람의 밀집도를 파악하는데 응용 가능할 것으로 기대된다.

• 한국정보통신학회논문지
• /
• 제21권7호
• /
• pp.1441-1446
• /
• 2017

최근 통로를 지나가는 사람을 계수하거나 특정 공간 내 사람이 몇 명 있는지를 계수하는 시스템에 관한 연구가 활발하게 진행 중이다. 기존의 인원 계수 시스템은 기둥 혹은 벽 주변에만 설치 가능한 적외선, 초음파, 카메라 등을 이용하여 인원을 계수하였다. 적외선, 초음파의 경우, 가격은 싸지만 다수의 보행자가 동시에 들어오는 상황이 발생할 경우 출입을 감지하기에는 적합하지 않다. 본 논문에서는 이러한 단점을 보완하기 위해 압전 센서를 이용하여 센서매트를 설계하였다. 또한, 보행자의 진행방향을 파악하고, 방향에 따라 인원을 계수할 수 있는 시스템을 구현하였다. 센서 매트는 보행자가 센서 매트 위로 걸어 갈 때 센서에 감지된 압력과 시간을 통해 방향성을 파악하고 지나가는 보행자의 수를 파악하여 준다.

• 한국전자파학회논문지
• /
• 제30권1호
• /
• pp.28-37
• /
• 2019

본 논문에서는 임펄스 무선-초광대역(impulse-radio ultra wideband: IR-UWB) 레이다를 이용하여, 특정 공간 내 존재하는 인원들의 계수를 실시간으로 추정하는 시스템을 제안한다. 제안된 시스템은 정확한 인원 계수 추정을 수행하기 위해 학습 기반의 분류 기법을 사용한다. 즉, 인원수에 의해 달라지는 반사 신호의 패턴에 따라 특징 벡터 데이터베이스(feature vector database)를 형성하고, 형성된 데이터베이스를 이용하여 분류기(classifier)를 학습시킨다. 학습된 분류기를 통해 새로운 신호 수신 시 자동으로 인원 계수 추정을 수행할 수 있다. 실내 환경에서 0명부터 10명까지 변하는 사람들을 실시간으로 추정함으로써, 본 논문에서 제안된 시스템의 효용성을 검증하였다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2002년도 ITC-CSCC -3
• /
• pp.1416-1419
• /
• 2002

This paper describes an implementation method for the people counting system which detects and tracks moving people using a fixed single camera. This system counts the number of moving objects (people) entering the security door. Moreover, the detected objects are tracked by the proposed tracking algorithm before entering the door. The proposed system with In-tel Pentium IV operates at an average rate of 10 frames a second on real world scenes where up to 6 persons come into the view of a vertically mounted camera.

• 대한임베디드공학회논문지
• /
• 제19권1호
• /
• pp.39-46
• /
• 2024

In this paper, we propose an efficient method for estimating the number of people and their locations using multiple IR-UWB radar sensors. Using three IR-UWB radar sensors in the indoor space, the measured signal from the target is processed to remove the clutter using rejection methods. Then, to further remove the clutter and to determine the presence of the human, the time-frequency image representing the micro-Doppler is obtained and classified by a convolutional neural network. Finally, the system finds the number of human objects and estimates each position in a two-dimensional space. In experiments using the measured data, the system successfully estimated the location and number of individuals with a high accuracy ≈ 88.68 %.

• 대한전자공학회논문지SP
• /
• 제43권5호
• /
• pp.22-29
• /
• 2006

본 논문에서는 블록 기반 실시간 계수 시스템을 제안한다. 계수 시스템은 쇼핑몰이나 대형건물의 출입구, 엘리베이터, 에스컬레이터 등과 같은 다양한 환경에 적용될 수 있다. 본 논문의 핵심은 세 부분으로 구분 할 수 있다. 첫째, 환경 변화에 강인한 배경 제거 기법, 둘째, 학습을 이용한 블록 기반 계수 결정 방법, 마지막으로 4 채널에서 실시간으로 처리가 가능한 시스템 구현이다. 환경 변화에 강인한 배경 제거 기법으로 MOG(mixture of gaussian) 방법을 적용하였으며, 블록 기반 계수 결정 방법은 영상을 $6{\times}12$개의 영역으로 구분하고, 학습 영상을 이용하여 각각의 블록에서 물체의 크기에 대한 평균과 분산을 계산하고 이를 저장하여 계수에 적용하는 방법을 제안하였으며, 마지막으로 4 채널에서 실시간으로 처리 하기 위하여 추출된 물체 각각을 구분하여 추적하는 것이 아니라 물체가 이동 중에 발생할 수 있는 여러 상황 즉 결합이나 분리되는 현상을 분석하여 계수 판단에 적용하였다. 제안된 방법을 이용하여 에스컬레이터, 복도 그리고 출입문등과 같이 조명환경과 그림자 상황 등이 변하는 환경에서 의 계수 정확도는 $90{\sim}94%$, 채널 당 처리 속도는 15 frames/sec 이상의 성능을 보였다.