2. 캡스턴디자인 대기만성 2
Outline Of Contents
■ 프로젝트 한계 해결책
…1 객체 정보에 대한 이진트리
…2 여러 명의 사람이 똑같은 복장
…3 잠깐 사라졌다 나타나는 사람
…4 서로 다른 카메라에서 오버랩
■ 수행보고서
…1 프로젝트 개요
…2 핵심 기술
…3 학습내용: TensorFlow와 카메라
■ 추가계획서
…1 프로젝트 추진 일정
…2 역할 분담
4. 캡스턴디자인 대기만성 4
1 한계 해결책 …객체 정보에 대한 이진트리
■ 이진트리를 만들어서 해결한다.
・처음에는 남,여로 크게 이진을 나누고 그 다음은 바지,치마
어두운색, 밝은색 이런 식으로 점점 세분화 시키고 이러한 분류별로 고유 ID를 부여
・ 예를 들어 남자의 경우 아이디는 무조건 1로 시작하고 여자는 2로 시작한다.
그 다음 자리 숫자는 바지의 색으로 설정한다고 가정하면, 밝은 색의 경우 0~4
어두운 색의 경우는 5~9, 그리고 더 세분화를 시켜서 0은 하얀색 1은 빨강 2는 파랑
이렇게 번호를 부여해준다.
・ 정리하면, 사람들마다 큰 특징을 세분화 시키고 그것을 나타낼수있는 고유아이디를
만들것이다. (사람들의 옷,신발 피부톤, 사람얼굴의 이목구비 특징으로 세분화 시킬 예정)
5. 캡스턴디자인 대기만성 5
1 한계 해결책 …여러 명의 사람이 똑같은 복장
■ 그런데 여러 명의 사람이 똑같은 복장을 입는다면?
・고유 ID를 8자리로 가정하면 우리는 6자리는 사람의 특징을 세분화하고, 나머지 2자리는
비슷한 사람들을 구분할 수 있는 고유아이디를 줄 것이다. 얼굴이 완전히 같지 않다면 또는
얼굴을 자세히 식별할 수 없을 경우라도 동일 인물이 아닌 이상 그 사람에게 같은 코드를
부여하지 않을 것이고 만약 같은 코드를 부여하려해도 그 코드가 이미 존재한다면
다른 코드를 부여할 것이다.
6. 캡스턴디자인 대기만성 6
1 한계 해결책 …잠깐 사라졌다 나타나는 사람
■ 잠깐 사라졌다 나타나는 사람을 어떻게 같은 사람으로 인식할 것인가?
・고유 번호마다 타이머를 부여할것이다.
・ 예를 들어 타이머를 3분이라는 타이머를 설정할 경우, 그 고유번호를 가진사람이 사라지더라도
고유번호는 3분동안 사라지지 않고 유지될것이다. 그러다 어떤 사람이 나타난다면 해당 사람의
특징대로 고유번호를 한자리씩 설정해준다.
・ 그렇게 특징이 전부 일치하여 고유번호 앞자리 6자리가 같다면 동일한 고유 ID를 부여
할 것이며 높은 확률로 같은 사람을 고유 ID로 인식할수있다.
■ 한계점
・쌍둥이나 너무 얼굴이 비슷한 경우 오류를 초래할 수 있다.
・화질이 안좋거나 거리가 너무 멀어 얼굴 판별이 어려울 경우 식별 할 수 있는 것이 복장과
머리길이, 머리색 키, 체형 등으로만 하게 되기 때문에 상대적으로 오류가 더 많이 생길수있다.
→ 하지만 복장, 머리길이, 머리색, 키, 체형만으로도 대부분의 사람은 구별 가능하다 생각
・같은 사람이 다른 복장으로 갈아 입을 경우 같은 고유ID로 부여할 수 없다.
7. 캡스턴디자인 대기만성 7
1 한계 해결책 …서로 다른 카메라에서 오버랩
■ 서로 다른 카메라에서 오버랩 되었을 경우 어떻게 한사람으로 인식할 것인지?
・카메라가 겹치는 곳을 비춘다면, 그 오버랩 되는 부분을 설정하여 오버랩되는 영역에 위치한
사람에게 부여되는 고유 ID 6자리가 같다면 같은 사람으로 판별할 수 있다. 그리고 추가적인
고유 ID 나머지 2자리를 부여하지 않는다.
9. 캡스턴디자인 대기만성 9
2 수행보고서 …프로젝트 개요
■ 제안 배경
・공공시설을 이용할 때 사람이 거의 다니지 않는 곳에 광고물이
배치된다던가 하는 경우를 많이 봤는데 ‘사람들의 동선을 파악해 사람들이
지나다니는 빈도가 높은 곳에 광고물을 배치하는 것이 더욱 효과적이지 않을까? ‘
라는 생각으로부터 프로젝트를 추진했다.
■ 주요 내용:
・특정 장소에서 사람의 동선과 머무르는 영역을 트래킹한다면 해당 백화점,
마트와 같은 마케팅이 필요한 다양한 영역에 유용한 데이터로 활용할 수 있다.
・카메라 영상 속에 등장하는 인물들의 얼굴을 인식하여 고유 ID를 부여하고,
각 객체마다 특정 필드에 얼마나 머무르는지 어떻게 이동하는지를 트래킹하여
화면에 나타낸다.
10. 캡스턴디자인 대기만성 10
2 수행보고서 …핵심 기술
YOLO 알고리즘
어떤 object의 이미지를 한번 보고 object의 이미지를
기억하고 추측하는 딥러닝 기반의 물체 인식 알고리즘
DEEPSORT알고리즘
객체를 트래킹하여 이동한 위치를 파악하고, 파악한 결과를
토대로 같은 객체인지 파악하는 알고리즘
TensorFlow 딥 러닝을 위한 오픈소스 소프트웨어
11. 캡스턴디자인 대기만성 11
2 수행보고서
…학습 내용(TensorFlow와 카메라) (1)
■ 객체와 배경을 성공적으로 분류한 결과 사진
■ visual studio code로 opencv와 python을 설치하고 tensorflow 라이브러리를 설치하여
객체 인식에 성공
■ 픽셀 라이브러리와 여러 오픈소스를 통해 다양한 방법으로 객체를 인식
■ 현재 이미지 정보를 미리 받아서 객체를 인식하지만, 동영상 실시간 인식을 성공하기 위해
추가 학습 중
■ 새로 구입한 Intel Depth 카메라 D455에 대해 학습 및 D455 3대에 촬영 각도에 대해 학습
12. 캡스턴디자인 대기만성 12
2 수행보고서
…학습 내용(TensorFlow와 카메라) (2)
■ 실행 코드
import pixellib
from pixellib.semantic import semantic_segmentation
segment_image = semantic_segmentation()
segment_image.load_pascalvoc_model("deeplabv3_xception_tf_dim_ordering_tf_kernels.h5")
segment_image.segmentAsPascalvoc("path_to_image", output_image_name
= "path_to_output_image")
14. 캡스턴디자인 대기만성 14
3 추가 계획서 …프로젝트 추진 일정(1)
■ 5월 목표
・기존에 사용했던 yolo알고리즘이 아닌 새로운 버전인 yolo v2를 이용하기 위해
기존 알고리즘과 차이점을 공부한다.
■ 6~7월 목표
・일단 각 객체마다 ID를 부여하고 객체를 인식하는 기본적인 구성을 마친다.
그리고 우리가 극복해야할 가장 큰 문제인 hole을 어떻게 해결할 지 공부한다.
■ 8월 목표
・홍인기 학생이 hole 문제에 대한 해결법이나 우리 프로젝트 관련 여러 자료들을
찾아서 정리해주고 프로젝트에서 빠진다. 나머지 조원은 공부한 것을 토대로
hole문제 해결방법을 적용해본다.
15. 캡스턴디자인 대기만성 15
3 추가 계획서 …프로젝트 추진 일정(2)
■ 9월 목표
・hole문제를 해결하고 전체적인 뼈대를 완성한다. 세부적인 부분을 조금씩 다듬는다.
그리고 우리가 프로젝트를 완성시켰을 때 실생활에 적용시키려고 했던 부분에 적용시켜본다.
■ 10월 목표
・프로젝트를 완벽히 완성하고 점검한다.
16. 캡스턴디자인 대기만성 16
3 추가계획서 …역할 분담
■ 홍인기 - 디자인 & 프로젝트 구상 & 프로젝트 정보수집
■ 고지원 - 개발 & 프로젝트 진행상황 관리
■ 박은서 - 개발 & 프로젝트 정보수집
■ 이성호 - 개발(메인개발)
