Journal of Software Assessment and Valuation (한국소프트웨어감정평가학회 논문지)

Korea Software Assessment and Valuation Society (한국소프트웨어감정평가학회)
권호 표지
DOI QR코드

DOI QR Code

Algorithm for the Analysis of business district using Pedestrian-Detection

보행자검출을 통한 상권 분석 알고리즘

  • 이승익 (연암공과대학교 스마트소프트웨어학과)
  • Received : 2021.08.12
  • Accepted : 2021.12.20
  • Published : 2021.12.31
⟨ Previous Next ⟩

Abstract

In this paper, we propose an algorithm that provide services to consumers who want to conduct business by scientifically and systematically analyzing the number of pedestrians in a specific area over a specific period of time. In this paper, we proposed the algorithm to analyze the commercial area using the pedestrian-detect algorithm in the particular region using YOLO, one of the deep learning techniques. And with one image per minute in the images, the number of pedestrians is identified and this information is used for the analysis of business district on interesting area and time, systematically and objectively.

본 논문에서는 특정지역의 보행자들의 검출을 통한 분석으로, 특정시간 동안의 보행자 수를 분석해 원하는 지역의 상권을 과학적이고 체계적으로 분석하여 사업을 하고자 하는 수요자에 대한 서비스 제공을 목적으로 하는 알고리즘을 제안한다. 본 논문을 통해 특정지역에 분포해 있는 다양한 영상획득 장치를 통해 우선 영상에서의 보행자 수를 딥러닝 기법중 하나인 YOLO를 통해 검출하여 알고리즘을 이용하여 분석하고, 관심지역에서 획득된 영상을 활용하여, 분당 한 장의 영상정보를 활용하여 딥러닝 네트워크를 활용하여 보행자수를 파악한 후 특정지역 및 시간대별로 보행자수를 분석하여 상권분석을 체계적이고 객관적으로 수행하는 알고리즘을 제안하였다. 제안한 방법을 통해 보다 객관적인 상권을 분석하여 다양한 방법을 통해 사용자가 원하는 지역의 상권 분석을 위한 모델을 제안하였다.

Keywords

References

  1. J. Yan, Z. Lei, L. Wen, and S. Z. Li. The fastest deformable part model for object detection. In Computer Vision and Pattern Recognition (CVPR), 2014 IEEE Conference on, pages2497-2504. IEEE, 2014. 5, 6
  2. J. Redmon, S. Divvala, R. Girshick, and A.Farhadi, "You only look once: Unified,real-time object detection", Proceedings of the IEEE conference on computer vision and pattern recognition, pp. 779-788, 2016.
  3. R,Girshick, "Fast r-cnn", ICCV,pp.1440-1448, 2015. https://openaccess.thecvf.com/content_iccv_2015/papers/Girshick_Fast_R-CNN_ICCV_2015_paper.pd
  4. S. Ren, K. He, R. Girshick, and J. Sun,"Faster rcnn: Towards real-time object detection with region proposal networks", NIPS,pp.91-99,2015. https://doi.org/10.1109/TPAMI.2016.2577031
  5. W Liu, D Anguelov, D Erhan, C Szegedy, "SSD: Single Shot MultiBox Detector", European Conference on Computer Vision, pp.21-37, 2016. https://arxiv.org/pdf/1512.02325.pdf%EF%BC%89
  6. https://cocodataset.org/
  7. J. Redmon. Darknet: Open source neural networks in c. http://pjreddie.com/darknet/, 2013-2016. 3
  8. https://developer.nvidia.com/embedded/jetson-agx-xavier-developer-kit
  9. D.Kim, S.Lee, S.Kang, "Implementation of a Face Authentication Embedded System Using High-dimensional Local Binary Pattern Descriptor and Joint Bayesian Algorithm", Journal of the Korea Institute of Information and Communication Engineering, vol. 21, no. 9, pp. 1674-1680, 2017. https://doi.org/10.6109/jkiice.2017.21.9.1674
  10. Z. Shen and X. Xue. Do more dropouts in pool5 feature mapsfor better object detection. arXiv preprint arXiv:1409.6911, 2014. 7
  11. C. Szegedy, W. Liu, Y. Jia, P. Sermanet, S. Reed, D. Anguelov, D. Erhan, V. Vanhoucke, and A. Rabinovich. Going deeper with convolutions. CoRR, abs/1409.4842,2014. 2
  12. J. R. Uijlings, K. E. van de Sande, T. Gevers, and A. W. Smeulders. Selective search for object recognition. International journal of computer vision, 104(2):154-171, 2013. https://doi.org/10.1007/s11263-013-0620-5