earticle

영어

We present an interpretable, rule based video analysis algorithm for early recognition of high risk events (e.g., arson, fire, knife attacks) inside subway coaches. Validation uses routine operation footage and CCTV from the May 31, 2025 Line 5 arson incident. Using YOLOv5s for person detection and DeepSORT for multi object tracking, we compute frame level average speed (avg_speed) and the circular standard deviation of headings (dir_std) while preserving ID consistency under occlusion. The key advantage is rapid anomaly judgment by capturing collective behavior transitions—a sudden surge of movement aligned in one direction—through two simple statistics. The final decision declares an anomaly when (avg_speed > 1.700 m/s) OR (dir_std < 91.0°) holds for K = 3 consecutive frames and the anomaly fraction within W = 13 satisfies r ≥ 0.45. On the evaluated videos, the method achieved Precision 0.905, Recall 0.909, F1 0.907, and Accuracy 0.869 at the frame level. The results underpin enhancements to urban-rail safety by enabling earlier operator awareness and mitigating secondary harm, and the proposed rule set shows strong potential as a core component of CCTV-based early-warning modules.

한국어

도시철도(지하철) 객차처럼 폐쇄·혼잡한 환경에서 발생할 수 있는 방화·화재·흉기 난동 등 고위험 상황을 조기 포착하기 위해 영상분석 기반의 규칙형 이상상황 감지 알고리즘을 제안한 다. 정상 운행 장면과 함께 2025년 5월 31일 5호선 객차 방화 사건의 CCTV 영상을 활용해 검증 하였으며, 사람 검출에는 YOLOv5s, 다중객체 추적에는 DeepSORT를 사용하였다. 제안 안골리 즘은 가림(occlusion) 상황에서도 ID 일관성을 확보하고, 프레임 단위 평균 속도(avg_speed)와 방향각의 원형 표준편차(dir_std)를 계산한다. 집단이 한쪽 방향으로 빠르게 동조 이동하는 전이 신호를 두 지표로 간단히 포착해 빠른 이상 판단을 가능케 한다는 점이 해당 알고리즘의 핵심 강점이다. 최종 판정은 (avg_speed > 1.700 m/s) OR (dir_std < 91.0°)의 1차 조건을 연속 K=3 프레임 유지하고, 최근 W=13 프레임의 이상 비율 r≥0.45를 만족할 때 ‘이상상황’으로 판단한다. 알고리즘 평가 결과, 프레임 단위 Precision 0.905, Recall 0.909, F1 0.907, Accuracy 0.869를 달성하 였다. 이는 관제의 조기 인지와 2차 피해 억제를 통해 도시철도 안전체계의 고도화를 뒷받침하 며, 제안 로직은 현장 CCTV 기반 조기경보 모듈의 핵심으로 활용될 수 있음을 보여준다.