Successfully reported this slideshow.

More Related Content

Related Books

Free with a 14 day trial from Scribd

See all

Sasa

  1. 1. 캡스턴디자인 : 산학 캡스턴 조원: 고지원 박은서 이성호 홍인기
  2. 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
  3. 3. 캡스턴디자인 대기만성 3 1. 한계 해결책◀ 2. 수행보고서 3. 추가계획서
  4. 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. 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. 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. 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.
  8. 8. 캡스턴디자인 대기만성 8 1. 한계 해결책 2. 수행보고서 ◀ 3. 추가계획서
  9. 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. 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. 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. 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")
  13. 13. 캡스턴디자인 대기만성 13 1. 한계 해결책 2. 수행보고서 3. 추가계획서 ◀
  14. 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. 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. 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)
  17. 17. 감사합니다!

×