머신러닝 기반 다중운집 인파 밀집도 예측 및 실시간 위치 추적 시스템 개발 = Development of Machine Learning Based Crowd Density Estimation and Real Time Location Tracking System on Mass Gatherings

국문 초록 (Abstract)

다중운집 지역에서 인파 과밀로 인한 사고를 방지하기 위해서는 실시간으로 인파 밀집도를 예측하고 위치를 추적하는 기술이 매우 중요하다. 본 논문에서는 실내 환경에서 수집되는 다양한 센싱 정보를 기반으로 실내 인파의 밀집도 및 위치를 추적하고, 이를 모니터링 하는 시스템을 제안한다. 제안하는 시스템은 무선 WiFi 신호 세기 및 카메라 영상을 입력으로, 핑거프린트 위치 추정 및 객체 탐지 기법을 적용하여 실시간 사용자 위치를 예측한다. 또한, 구역별 밀집도를 계산하기 위해 모니터링 대상 공간을 일정 크기의 구역으로 나눈 뒤 각 구역에 체류하는 예측 된 인파의 수를 카운트한다. 본 연구는 웹 기반의 통합 모니터링 플랫폼을 제안하며, 이를 통해 구역별 밀집도 및 실시간 인파 위치의 통합 모니터링이 가능하다. 제안하는 시스템의 효용성을 검증하기 위해 실 환경에서 테스트 및 검증을 수행했다. 실험 결과, 제안하는 시스템은 실시간 사용자 위치를 정확하게 예측할 수 있으며, 실내 과밀 상황 발생 시 신속하게 탐지 및 모니터링을 수행하고 해당 사용자에게 통지할 수 있음을 확인했다.

다국어 초록 (Multilingual Abstract)

In order to prevent accidents due to overcrowding on mass gatherings, it is crucial to predict and track crowd density in real-time. This paper proposes a system for tracking and monitoring indoor crowd density and their locations based on diverse sensing information collected in indoor environments. The proposed system leverages wireless WiFi signal strength and camera images as input, applying fingerprint location estimation and object detection techniques to predict real-time user locations. The monitored space is divided into predefined-size zones, and the predicted crowd count in each zone is used to calculate the density. A web-based integrated monitoring platform is developed to integrate monitoring of zone-specific density and real-time crowd location estimation. To validate the effectiveness of the proposed system, empirical tests and verifications were conducted in a real environment. The experimental results confirm that the proposed system can accurately predict real-time user locations, promptly detect and monitor overcrowding situations indoors, and notify the relevant users when necessary.