서지주요정보
Rainfall depth recognition from road surveillance videos using deep learning = 딥러닝을 이용한 도로 감시 카메라 영상의 강우량 인식 방법
서명 / 저자 Rainfall depth recognition from road surveillance videos using deep learning = 딥러닝을 이용한 도로 감시 카메라 영상의 강우량 인식 방법 / Zhun Li.
발행사항 [대전 : 한국과학기술원, 2019].
Online Access 원문보기 원문인쇄

소장정보

등록번호

8033873

소장위치/청구기호

학술문화관(문화관) 보존서고

MCS 19042

휴대폰 전송

도서상태

이용가능

대출가능

반납예정일

리뷰정보

초록정보

Rainfall depth is important meteorological information. Generally, high spatial resolution rainfall data such as road-level rainfall data are more beneficial. However, it is expensive to set up sufficient Automatic Weather Systems to get the road-level rainfall data. In this paper, we proposed to use deep learning to recognize rainfall depth from road surveillance videos. To achieve this goal, on the one hand, we collected new video data sets and proposed an estimation procedure to calculate refined rainfall depth from the original meteorological data. On the other hand, we proposed a new deep learning architecture named Temporal and Spatial Segment Networks (TSSN) for rainfall depth recognition. Under the TSSN framework, we utilized the video frame, the differential frame, as well as the optical flow image for rainfall depth recognition. The experimental results show that the combination of the video frame and the differential frame is a superior solution for rainfall depth recognition. The comparative experiments show that TSSN significantly outperforms other adopted methods and has higher robustness against camera movement.

강우량은 매우 중요한 기상 정보이다. 일반적으로, 도로 수준과 같은 높은 공간 해상도의 강우량이 더 높은 가치를 가진다. 하지만, 도로 수준의 강우량을 측정하기 위해 충분한 수의 기상 관측 장비를 설치하는 것은 비용 관점에서 비효율적이다. 본 논문에서는 도로의 감시 카메라 영상으로부터 강우량을 인식하기 위해 심층 신경망을 활용하는 방법에 대해 제시한다. 해당 목표를 달성하기 위해, 본 논문에서는 감시 카메라 영상을 직접 수집하고, 원본 기상 정보로부터 보정된 강우량을 계산하기 위한 추정 방법을 제안한다. 또한, 본 논문에서는 강우량 인식을 위한 새로운 심층 신경망 구조인 Temporal and Spatial Segment Networks (TSSN)를 제안한다. 제안한 심층 신경망을 바탕으로, 본 논문에서는 강우량을 인식하기 위해 영상의 프레임, 두 연속하는 영상의 프레임 차이, 광학 흐름을 입력으로 사용한다. 실험 수행 결과, 영상의 프레임과 두 연속하는 영상의 프레임 차이를 모두 입력으로 사용했을 때 가장 높은 강우량 인식 성능을 보였다. 또한, 본 논문에서 제안한 심층 신경망이 기존의 모델과 비교했을 때, 감시 카메라의 움직임에 대해서도 매우 높은 강건성을 보였다.

서지기타정보

서지기타정보
청구기호 {MCS 19042
형태사항 v, 35 p. : 삽도 ; 30 cm
언어 영어
일반주기 저자명의 한글표기 : 리 준
지도교수의 영문표기 : Ho-Jin Choi
지도교수의 한글표기 : 최호진
학위논문 학위논문(석사) - 한국과학기술원 : 전산학부,
서지주기 References : p. 30-33
주제 Deep learning
rainfall depth
surveillance video
temporal segment networks
temporal and spatial segment networks
심층 신경망
강우량
감시 카메라 영상
시간 분할 네트워크
시간 및 공간 분할 네트워크
QR CODE qr code