거주민의 도시 건조환경(Urban Built Environment)에 대한 인식은 도시연구, 도시계획 및 도시설계에 중요한 요소이다. 범죄불안감이란 특정 장소와 특정 범죄에 대해서 느끼는 범죄 발생 가능성에 대한 불안감의 심리량을 의미하는데, 이는 개개인의 주관적인 평가이다. 범죄불안감은 실제 범죄율보다 빠르게 증가하고 있어, 사람들이 범죄불안감을 느끼는 지역을 찾는 것은 범죄예방 에 효과적이며 중요한 과정이다. 하지만 기존 연구에서 도시 건조환경에 대한 불안감 측정은 소수의 사람과 제한된 범위를 대상으로 설문조사나 현장조사에 의존하여 제한적이었다. 본 연구의 목적은 거리영상과 딥러닝 기술을 활용하여 시민들이 느끼는 범죄 불안감 을 측정하고 시각화하는 것이며 연구대상지역은 서울시 영등포구이다. 거리영상을 활용하여 범죄불안감을 측정하기 위해서는 거리 영상에 대한 사람들의 범죄불안감을 측정하고, 이를 딥러닝 모델을 활용하여 평가점수를 예측하는 모델을 구축해야 한다. 이를 위해 본 연구에서는 카카오맵 API를 활용하여 거리영상을 수집하였다. 수집한 영상 중 20,886장의 거리영상을 활용하여 상대적으로 불안감을 느끼는 거리가 어느 쪽인지를 응답하도록 하는 171,942개의 훈련데이터 셋을 구축하였다. 구축된 쌍별비교 데이터 셋으로 Global-Patch-RSS-CNN모델을 훈련 후, 훈련된 모델을 연구대상 지역 전체에 적용하여 범죄불안감 예측점수를 도출하고 시각화였 다. 본 연구는 거리영상과 딥러닝 기술을 활용하여 도시의 범죄불안감을 측정하는 첫 사례를 제시하였다는 점, 그리고 범죄불안감이 높게 평가되는 지역의 환경 특성을 분석하여, 효과적인 도시 계획 및 범죄 예방 전략 수립에 기여할 수 있다는 점에 의의가 있다.

It is important to ensure worker’s safety from radiation hazard in decommissioning site. Real-time tracking of worker’s location is one of the factors necessary to detect radiation hazard in advance. In this study, the integrated algorithm for worker tracking has been developed to ensure the safety of workers. There are three essential techniques needed to track worker’s location, which are object detection, object tracking, and estimating location (stereo vision). Above all, object detection performance is most important factor in this study because the performance of tracking and estimating location is depended on worker detection level. YOLO (You Only Look Once version 5) model capable of real-time object detection was applied for worker detection. Among the various YOLO models, a model specialized for person detection was considered to maximize performance. This model showed good performance for distinguishing and detecting workers in various occlusion situations that are difficult to detect correctly. Deep SORT (Simple Online and Realtime Tracking) algorithm which uses deep learning technique has been considered for object tracking. Deep SORT is an algorithm that supplements the existing SORT method by utilizing the appearance information based on deep learning. It showed good tracking performance in the various occlusion situations. The last step is to estimate worker’s location (x-y-z coordinates). The stereo vision technique has been considered to estimate location. It predicts xyz location using two images obtained from stereo camera like human eyes. Two images are obtained from stereo camera and these images are rectified based on camera calibration information in the integrated algorithm. And then workers are detected from the two rectified images and the Deep SORT tracks workers based on worker’s position and appearance between previous frames and current frames. Two points of workers having same ID in two rectified images give xzy information by calculating depth estimation of stereo vision. The integrated algorithm developed in this study showed sufficient possibility to track workers in real time. It also showed fast speed to enable real-time application, showing about 0.08 sec per two frames to detect workers on a laptop with high-performance GPU (RTX 3080 laptop version). Therefore, it is expected that this algorithm can be sufficiently used to track workers in real decommissioning site by performing additional parameter optimization.