프로젝트 요약

이상행동 AI 학습데이터 구축 사업의 영상·Skeleton 데이터를 대상으로 AI 모델 기반 학습 및 이상행동 판별 가능성 검증

C3D·CNN-RNN·SVM 기반 검증 환경을 구성하고, 영상 이미지 추출 병목을 개선하여 검증 Pipeline의 처리시간 단축

프로젝트 수행 내용

• 이상행동 데이터 AI 검증
  • 구축된 이상행동 영상 데이터를 대상으로 C3D·CNN-RNN 기반 모델을 활용해 데이터의 학습 및 판별 가능성을 검증
• Ensemble 기반 검증 환경 구성
  • 영상은 C3D, Skeleton 데이터는 CNN-RNN으로 분석하고, 두 모델의 분류 결과와 예측 점수를 SVM으로 결합하여 최종 이상행동 분류 결과를 산출하는 앙상블 검증 환경 구성
• 영상 처리 Pipeline 최적화
  • 검증 과정에서 반복적으로 수행되는 이미지 추출 로직의 병목을 분석하고 데이터 처리 성능을 개선

Detect and Extract Tables

기술 구현 및 기여

• 영상·Skeleton 데이터의 AI 학습 적합성 검증을 위한 C3D·CNN-RNN·SVM 기반 이상행동 탐지 프로토타입 모델 구현 및 제공
• 영상 이미지 추출 과정의 병목을 분석하고 처리 로직을 개선하여 검증 데이터 전처리 시간을 단축
• 검증 환경의 재현성을 확보하기 위해 Docker 기반 AI 모델 실행·검증 테스트 환경을 구성

🎯 결과 및 성과

• 영상 이미지 추출 병목을 개선하여 영상 데이터 1건의 전처리 소요시간을 약 60초에서 9.5초로 단축
• 총 9,000건의 이상행동 영상 데이터를 대상으로 학습·검증을 수행하여 구축 데이터의 AI 활용 가능성 검증
• 프로젝트를 통해 구축한 이상행동 데이터셋이 NIA AIHub 공개 데이터셋으로 등록
• 영상·Skeleton 데이터의 AI 학습 적합성 검증을 위한 이상행동 탐지 프로토타입 모델 제공 및 데이터셋과 함께 등록