earticle

한국어

본 논문에서는 객체 중심 증강 기법을 사용한 임베딩 유사성 기반 군중 이상 탐지 기법을 제안한다. 우선 모든 비디오 프레임의 영역별 픽셀값에 대해 평균을 구해 사람과 같은 객체가 나타나지 않는 배경 장면을 구성한다. 그 후 입력 이미지에서 이전에 구한 배경 장면의 픽셀 차이를 계산해서 객체만 포함된 이미지를 생성한다. 그런 다음 생성된 이미지에 대해 본 논문에서 제안하는 데이터 증강 기술을 적용하여 이미지의 가능한 모든 공간에 여러 객체가 존재할 수 있도록 이미지를 구성한다. 그런 다음 사전 훈련된 합성 곱 신경망(CNN)을 사용하여 CNN의 서로 다른 레이어로부터 임베딩 벡터를 추출한다. 그 후, 임베딩 벡터의 다변량 가우스 분포를 계산하여 정상 클래스에 대한 확률 파라미터인 평균과 분산값을 얻는다. 그 이후 정상 클래스를 나타내는 참조 벡터와 테스트 이미지에서부터 추출한 임베딩 벡터 사이의 거리를 계산하여 이상 영역이 감지된다. UCSD 데이터 셋을 사용하여 실험한 결과 우리가 제안한 방법이 다른 임베딩 유사성 기반 방법보다 이상 영역을 더 잘 감지할 수 있음을 보여준다. 실험 결과로부터 우리는 움직이는 객체가 있는 이미지가 포함된 데이터 셋에 대해서는 이미지 분포를 모델링 하는 데 있어서 객체 중심 증강 기법이 필수라는 것을 확인하였다.