콘텐츠로 건너뛰기 메뉴로 건너뛰기 푸터로 건너뛰기
데이터를 불러오고 있습니다
데이터를 저장하고 있습니다
#버드아이뷰 # 광각CCTV # 고고도CCTV # 사람혼잡 # 차량혼잡 데이터셋

도심 혼잡 버드아이뷰 이미지

도심 혼잡 버드아이뷰 이미지
  • 분야교통물류
  • 유형 이미지
구축년도 : 2020 갱신년월 : 2021-08 조회수 : 14,506 다운로드 : 484 용량 :
샘플 데이터 ?

샘플데이터는 데이터의 이해를 돕기 위해 별도로 가공하여 제공하는 정보로써 원본 데이터와 차이가 있을 수 있으며,
데이터에 따라서 민감한 정보는 일부 마스킹(*) 처리가 되어 있을 수 있습니다.

※ 내국인만 데이터 신청이 가능합니다.

  • 데이터 변경이력

    데이터 변경이력
    버전 일자 변경내용 비고
    1.1 2021-08-19 데이터 추가 개방
    1.0 2021-06-18 데이터 최초 개방

    데이터 히스토리

    데이터 히스토리
    일자 변경내용 비고
    2022-10-12 신규 샘플데이터 개방

    소개

    도심 내 차량 혼잡도, 사람 혼잡도를 인지하기 위한 영상 및 이미지 데이터

    구축목적

    도심 혼잡 지역에 대하여 기존의 CCTV 영상에서 할 수 없는 넒은 지역에 대한 분석을 위하여 고층 옥상에 광각 CCTV를 이용한 널은 지역에 대한 차량 및 사람 혼잡 분석
  • 구축 내용 및 제공 데이터량

    구축 내용 및 제공 데이터량
    원천데이터 추출데이터 구축량
    버드아이뷰 차량 영상 · 시내 도로 자동차 이동 데이터
    · 분절 교차로 자동차 이동 데이터
    338시간
    버드아이뷰 사람 혼잡 영상 · 정류장 사람 군집 데이터
    · 사람 이동 데이터
    300시간
    배경 이미지 · 동영상의 시간대별, 날씨별, 계정별 배경 1,222시간
    원본 영상 · 24시간 연속 촬영 데이터 20,800시간

     

    • 원본영상 20,800시간 제공
    • 수집 영상중 시간대별로 6분 영상 추출하여 포당 1프래임 라벨링
    • 사람과 차량을 제거한 배경 이미지 제공
  • 저작도구 설명서 및 저작도구 다운로드

    저작도구 설명서 다운로드 저작도구 다운로드
  • AI 모델 상세 설명서 다운로드

    AI 모델 다운로드
  • 데이터 성능 점수

    측정값 (%)
    기준값 (%)

    데이터 성능 지표

    데이터 성능 지표
    번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수
    1 사람 인식성능 Object Detection YOLO v4, KNN algorithm, CNN, RNN mAP@IoU 0.5 50 % 76.56 %
    2 차량 인식성능 Object Detection YOLO v4, KNN algorithm, CNN, RNN mAP@IoU 0.5 50 % 73.58 %

    ※ 데이터 성능 지표가 여러 개일 경우 각 항목을 클릭하면 해당 지표의 값이 그래프에 표기됩니다.

    ※ AI모델 평가 지표에 따라 측정값의 범위, 판단 기준이 달라질 수 있습니다. (ex. 오류율의 경우, 낮을수록 좋은 성능을 내는 것으로 평가됩니다)

  • 설명서 및 활용가이드 다운로드

    데이터 설명서 다운로드 구축활용가이드 다운로드

    데이터 변경이력

    데이터 변경 이력
    버전 일자 변경내용 비고
    1.1 2021.08.19 데이터 추가 개방  
    1.0 2021.06.18 데이터 최초 개방  

    구축 목적

    • 도심 혼잡 지역에 대하여 기존의 CCTV 영상에서 할 수 없는 넒은 지역에 대한 분석을 위하여 고층 옥상에 광각 CCTV를 이용한 널은 지역에 대한 차량 및 사람 혼잡 분석

    활용 분야

    • 도심지의 널음 지역에 대한 차량 혼잡, 사람 혼잡 분석, 차량 및 사람 유동량 분석 AI 기술 개발

    소개

    • 서초구가 대규모 재난 · 재해 · 사건 · 사고 광역지원 및 해결을 위해 20개소 주요 거점 건물 (최대 52층)옥상을 임차 설치한 고화질(FHD / 5M) 카메라 영상을 통해서 수집된 데이터를 사람과 차량의 혼잡도를 분석하기 위하여 사람혼잡 데이터와 차량 혼잡 데이터로 분류하여 AI학습용 데이터 셋으로 구축 하였으며, 활용도를 높이기 위하여 수집 원본 영상과 사람과 차량이 없는 배경 이미지를 제공
       

    도심 혼잡 버드아이뷰 이미지-소개 이미지

    구축 내용 및 제공 데이터량

    구축 내용 및 제공 데이터량
    원천데이터 추출데이터 구축량
    버드아이뷰 차량 영상 · 시내 도로 자동차 이동 데이터
    · 분절 교차로 자동차 이동 데이터
    338시간
    버드아이뷰 사람 혼잡 영상 · 정류장 사람 군집 데이터
    · 사람 이동 데이터
    300시간
    배경 이미지 · 동영상의 시간대별, 날씨별, 계정별 배경 1,222시간
    원본 영상 · 24시간 연속 촬영 데이터 20,800시간

     

    • 원본영상 20,800시간 제공
    • 수집 영상중 시간대별로 6분 영상 추출하여 포당 1프래임 라벨링
    • 사람과 차량을 제거한 배경 이미지 제공

    대표도면

    • 사람
       

    도심 혼잡 버드아이뷰 이미지-대표도면-사람

     

    • 차량
       

    도심 혼잡 버드아이뷰 이미지-대표도면-차량

    필요성

    • 도심 과밀화에 따라 시민 안전과 관련된 다양한 이슈 발생하며 특히 교통 체증의 심화와 코로나-19 와 같은 전염병의 취약점이 발생
    • 현재 인공지능 학습에 사용되는 CCTV영상의 대부분은 좁은 범위에서 자세하게 촬영된 데이터 활용
    • 현재 도심 혼잡 문제를 해결하기 위해서는 넒은 범위에 대한 모니터링 및 현황 파악이 필요
    • 차량 정체에 따른 사람들의 기회 비용의 증가 및 교통 인프라 효율성을 향상 시키기 위한 분석 데이터의 필요
    • 코로나 19 사태에 따른 인원 군집에 대한 제한 필요에 따른 인원 혼잡에 대한 데이터 필요

    데이터 구조

    • 데이터 구성
       - Pascal_Voc
      데이터 구성 표
      No 항목 길이 타입 필수여부 비고
      한글명 영문명
      1     xml파일 annotation   tag Y  
        1   폴더 명 folder   string Y  
        2   파일 명 filename   string Y  
        3   원본 영상 source   tag Y  
          1 데이터 database   int Y  
          2 xml파일 annotation   tag Y  
          3 이미지 image   string Y  
        4   이미지 크기 size   tag Y  
          1 이미지 너비 width   int Y  
          2 이미지 높이 height   int Y  
          3 이미지 채널 depth   int Y  
        5   segments 정보 segmented   int Y  

       

    • 어노테이션 포맷
        1) 사람 어노테이션 xml 포맷
      어노테이션 포맷 표1
      No 항목 길이 타입 필수여부 비고
      한글명 영문명
      1       공통정보 -   tag Y  
        1     annotation task 정보 task   tag Y  
          1   고유 번호 id   int Y  
          2   이미지 이름 name   string Y  
          3   총 프레임 수 size   int Y  
          4   cvat 모드 mode   string Y  
          5   겹친 객체 수 overlap   int Y  
          6   버그 추적 bugtracker   string N NA
          7   제작 시간 created   date Y  
          8   업데이트 시간 updated   date Y  
          9   시작 프레임 start_frame   int Y  
          10   종료 프레임 stop_frame   int Y  
          11   프레임 필터 frame_filter   string N NA
          12   z 축 순서 z_order   int Y  
          13   라벨의 종류 labels   tag Y  
            1 이름 name   string Y  
            2 color   string Y  
            3 속성 attributes   string Y NA
          14   부분 segments   tag Y  
            1 번호 id   int Y  
            2 시작 프레임 start   int Y  
            3 종료 프레임 stop   int Y  
            4 주소 url   string Y  
          15   admin 유저 owner   int Y  
            1 유저 이름 username   string Y  
            2 이메일 email   string Y  
          16   작업자 assignee   tag Y  
            1 작업자 이름 username   string Y  
            2 이메일 email   string Y  
          17   xml 다운로드 시간 dumped   string Y  
      2       프레임당 정보 -   tag Y  
        1     이미지 정보 image   tag Y  
          1   이미지 높이 height   int Y  
          2   프레임 고유번호 id   int Y  
          3   프레임 이름 name   string Y  
          4   이미지 너비 width   int Y  
          5   Dectecting 정보 box   tag Y  
            1 탐지 객체 종류 label   string Y  
            2 폐색 유무 occluded   int Y 0
            3 사용 영상 source   string Y  
            4 X축 하단 좌표 xbr   int Y  
            5 X축 상단 좌표 xtl   int Y  
            6 Y축 하단 좌표 ybr   int Y  
            7 Y축 상단 좌표 ytl   int Y  

      ※ 태그에 입력되는 원 데이터의 형식은 타입이 위와 같음

       

        2) 차량 메타정보

      어노테이션 포맷 표2
      No 항목 길이 타입 필수여부 비고
      한글명 영문명
      1   공통정보 -   tag Y  
        1 job id id   int Y  
        2 촬영장소 loc   string Y  
        3 날짜 date   date Y 특정 형식 준수
        4 위도 latitude   float Y  
        5 경도 longitude   float Y  
        6 날씨 weather   string Y  
        7 강수량 rainfall   float Y  
        8 미세먼지 dust   float Y  
        9 초미세먼지 fine_dust   float Y  
        10 보간법 mode   string Y  
        11 ROI 변곡점 point   list Y  
      2   차량 흐름 정보 -   tag Y  
        1 job id id   int Y  
        2 차량진입좌표 entrace   list Y (x1,y1),(x2,y2)
        3 우회전 진입점 right_exit   list Y (x,y,radius)
        4 우합류차량 진입점 right_enter   list Y (x,y,radius)
        5 좌회전 진입지점 left_turn   list Y (x,y,radius)
        6 유턴 진입 지점 u_turn   list Y rectangle 좌표
        7 횡단보도 좌표지점 cross_work   list Y (x1,y1),(x2,y2)
        8 차량진출좌표 exit   list Y (x1,y1),(x2,y2)

      ※ ROI(Region Of Interest) : 관심영역이란 의미로 영상 내에서 주로 관심을 가지고 보는 부분(영역)을 지정(주로 다각형으로 표시)한 것을 말한다

       

        3)차량 어노테이션 xml 포맷

      어노테이션 포맷 표3
      No 항목 길이 타입 필수여부 비고
      한글명 영문명
      1       공통정보 -   tag Y  
        1     annotation task 정보 task   tag Y  
          1   고유 번호 id   int Y  
          2   이미지 이름 name   string Y  
          3   총 프레임 수 size   int Y  
          4   cvat 모드 mode   string Y  
          5   겹친 객체 수 overlap   int Y  
          6   버그 추적 bugtracker   string N NA
          7   제작 시간 created   date Y  
          8   업데이트 시간 updated   date Y  
          9   시작 프레임 start_frame   int Y  
          10   종료 프레임 stop_frame   int Y  
          11   프레임 필터 frame_filter   string N NA
          12   z 축 순서 z_order   int Y  
          13   라벨의 종류 labels   tag Y  
            1 이름 name   string Y  
            2 color   string Y  
            3 속성 attributes   string Y NA
          14   부분 segments   tag Y  
            1 번호 id   int Y  
            2 시작 프레임 start   int Y  
            3 종료 프레임 stop   int Y  
            4 주소 url   string Y  
          15   admin 유저 owner   int Y  
            1 유저 이름 username   string Y  
            2 이메일 email   string Y  
          16   작업자 assignee   tag Y  
            1 작업자 이름 username   string Y  
            2 이메일 email   string Y  
          17   영상 크기 original_size   tag Y  
            1 너비 width   int Y  
            2 높이 height   int Y  
          18   xml 다운로드 시간 dumped   string Y  
          19   사용된 영상 이름 source   string Y  
      2       프레임당 정보 -   tag Y  
        1     이미지 정보 image   tag Y  
          1   이미지 높이 height   int Y  
          2   프레임 고유번호 id   int Y  
          3   프레임 이름 name   string Y  
          4   이미지 너비 width   int Y  
          5   Dectecting 정보 box   tag Y  
            1 탐지 객체 종류 label   string Y  
            2 폐색 유무 occluded   int Y 0
            3 사용 영상 source   string Y  
            4 X축 하단 좌표 xbr   int Y  
            5 X축 상단 좌표 xtl   int Y  
            6 Y축 하단 좌표 ybr   int Y  
            7 Y축 상단 좌표 ytl   int Y  

      ※ 태그에 입력되는 원 데이터의 형식은 타입이 위와 같음

  • 데이터셋 구축 담당자

    수행기관(주관) : 서초구청
    수행기관(주관)
    책임자명 전화번호 대표이메일 담당업무
    임동현 02-2155-6098 dlaehdgus@seocho.go.kr · 데이터 구축 총괄
    수행기관(참여)
    수행기관(참여)
    기관명 담당업무
    써프로 · 데이터 품질 검증
    나무플래닛 · AI 모델 및 실증 서비스
    국민안전역량협회 · 크라우드소싱 관리
    데이터 관련 문의처
    데이터 관련 문의처
    담당자명 전화번호 이메일
    임동현(서초구청) 02-2155-6098 dlaehdgus@seocho.go.kr
보건의료 데이터 개방 안내

보건의료 데이터는 온라인 및 오프라인 안심존을 통해 개방됩니다.

안심존이란 안심존 이용메뉴얼 안심존 이용신청
  • 인터넷과 물리적으로 분리된 온라인·오프라인 공간으로 의료 데이터를 포함하여 보안 조치가 요구되는 데이터를 다운로드 없이 접근하고 분석 가능
    * 온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
    * 오프라인 안심존 : 추가적인 보안이 필요한 데이터를 대상으로 지정된 물리적 공간에서만 접속하여 데이터에 접근하고 분석

    1. AI 허브 접속
      신청자
    2. 안심존
      사용신청
      신청자신청서류 제출*
    3. 심사구축기관
    4. 승인구축기관
    5. 데이터 분석 활용신청자
    6. 분석모델반출신청자
  • 1. 기관생명윤리위원회(IRB) 심의 결과 통지서 [IRB 알아보기]
    2. 기관생명윤리위원회(IRB) 승인된 연구계획서
    3. 신청자 소속 증빙 서류 (재직증명서, 재학증명서, 근로계약서 등 택1)
    4. 안심존 이용 신청서 [다운로드]
    5. 보안서약서 [다운로드]
    ※ 상기 신청서 및 첨부 서류를 완비한 후 신청을 진행하셔야 정상적으로 절차가 이루어집니다.

  • 신청 및 이용관련 문의는 safezone1@aihub.kr 또는 02-525-7708, 7709로 문의

데이터셋 다운로드 승인이 완료 된 후 API 다운로드 서비스를 이용하실 수 있습니다.

API 다운로드 파일은 분할 압축되어 다운로드 됩니다. 분할 압축 해제를 위해서는 분할 압축 파일들의 병합이 필요하며 리눅스 명령어 사용이 필요합니다.

리눅스 OS 계열에서 다운로드 받으시길 권장하며 윈도우에서 파일 다운로드 시 wsl(리눅스용 윈도우 하위 시스템) 설치가 필요합니다.

※ 파일 병합 리눅스 명령어

find "폴더경로" -name "파일명.zip.part*" -print0 | sort -zt'.' -k2V | xargs -0 cat > "파일명.zip"

- 해당 명령어 실행 시, 실행 경로 위치에 병합 압축 파일이 생성됩니다.

- 병합된 파일 용량이 0일 경우, 제대로 병합이 되지 않은 상태이니 "폴더경로"가 제대로 입력되었는지 확인 부탁드립니다.

※ 데이터셋 소개 페이지에서 다운로드 버튼 클릭하여 승인이 필요합니다.