• 코로나19 및 전염병 발열측정 기기로 활용되고 있는 고성능, 중성능, 저성능 열화상 카메라의 정확도를 높이기 위한 AI 온도보정기술 개발

• 서비스 사업화 및 지속적인 데이터 확보로 체온분야 AI 학습데이터 생태계 선순환 창출

• 1) 데이터 설계 : 객체 및 환경에 대한 카테고리 분류 정의
  - 촬영장소 및 환경 등 구분하여 객체 분류
  - 상황 기반 Annotation 구조 구축
• 2) 데이터 수집 : 초상권 등 법적 문제를 해결한 원천 데이터 수집
  - 촬영 정보에 대해 학습용 자료로 사용하기 위한 반출의 법적 근거 확보
• 3) 데이터 정제 : 부적합 데이터 제거
  - 오차가 심한 불용한 데이터 제거
• 4) 데이터 가공 : 이미지 내 정보를 label로 연결
  - 촬영된 열화상 이미지와 식별된 온도 등으로 labeling 작업 실행
• 5) 데이터 검증 : 데이터셋의 다양성/정확성/유효성 검증
  - 탐지할 객체의 바운딩 박스가 정확한지 확인하고 데이터셋의 유효성 검증
  - TTA 가이드 라인을 따라 검증 저작 도구를 사용하여 데이터의 품질 검증
   

• 열화상체온정보 AI 데이터는 환경정보, 객체정보, Technical 정보가 포함된 데이터로 고/중/저성능 데이터 485,987개로 목표(450,000개) 대비 108% 초과 구축함
   

  구축 내용 및 제공 데이터량 표

  구 분			2021년
  			목표(A)	구축(B)	달성률(B/A)
  데이터셋	고성능		347,000	357,989	103.2%
  	중성능		60,000	73,863	123.1%
  	저성능		25,000	29,466	117.9%
  	소계		432,000	461,318	106.8%
  	Pairing Data	고성능-실측치	3,000	3,189	106.3%
  		중성능-고성능	10,000	16,363	163.6%
  		저성능-고성능	5,000	5,117	102.3%
  		소계	18,000	24,669	137%
  	총계		450,000	485,987	108%

• 코로나 19 등의 감염병과 관련하여 질병의 발견을 위해 학교 등의 다중이용 시설에서 출입자의 온도를 열화상 카메라로 측정하고 있음
• 하지만 모니터링하는 단계에만 그쳐 연관된 데이터를 저장하지 않음
• 이런 열화상 이미지, 주변 온도 등 기타 체온에 영향을 줄 수 있는 요소를 데이터화 하여 열화상 이미지 데이터를 구축하는 것이 필요
• 사람 출입이 많은 시설에서는 열화상 카메라를 사용하여 동시에 여러명의 체온을 측정하고 있지만, 성능이 좋은 열화상 카메라는 고가여서 보편화하기 힘들고 저렴한 열화상 카메라는 정확한 체온을 측정하는데 주변 온도, 거리, 복장 상태 등 많은 외적 요소의 영향을 받음
• 기존 체온계는 한 번에 한 사람만 측정할 수 있으며 체온 측정을 위해 인력이 투입되어야 하며 체온측정 담당자는 감염 위험에 노출됨

• 데이터 구성
  - 열화상이미지(JPG) + 객체 별 가공 데이터(JSON) → zip 파일로 압축시켜 제공
  - 이미지 데이터의 수량으로 인해 zip파일의 형태로 압축되며, 일자 별 폴더 내의 열화상 이미지와 meta 데이터(환경, 객체, Technical 정보가 포함)는 JSON포맷의 구조로 되어 있음
   

• 어노테이션 포맷
   

  어노테이션 포맷 표1

  No			항목명(영어)	항목명(한글)	설명	타입	필수여부
  1			image_id	이미지아이디	이미지를 구분하기 위한 값	String	Y
  2			environmental_ factors	환경속성	주변 환경에 대한 정보	Object	N
  	2-1		place	장소	데이터가 수집된 장소 (A1 : 베이넥스, B1~B3 : 아이튼, C1: 건국대학교병원, D1 : 국제문화기술진흥원, E1 : 글로벌사이버대학교 산학협력단, F1 : 파주 종합복지관, G1 : 파주 장애인 주간보호시설, H1 : 원흥 아이랜드 어린이집	String	Y
  	2-2		camera_type	카메라성능	카메라 성능 정보 (H : 고성능, M : 중성능, L : 저성능)	String	Y
  	2-3		day	일자	년월일 정보 (yyyymmdd로 구성)	String	Y
  	2-4		hms	시간	시간(시분초) 정보 (hhmmss로 구성)	String	Y
  	2-5		image_type	이미지유형	이미지 유형 정보 (T : 열화상 이미지, R : 실화상 이미지)	String	Y
  	2-6		temp_inside	실측온도	실내 측정 온도(단위 : ℃)	Float	Y
  	2-7		temp_outside	기상온도	기상온도(단위 : ℃)	Float	Y
  	2-8		humid_inside	실측습도	실내 측정 습도(단위 : %)	Float	Y
  	2-9		humid_outside	기상습도	기상 습도(단위 : %)	Float	Y
  	2-10		illumination	조도	조도에 대한 정보(단위 : Lux)	Integer	N
  	2-11		wind	바람	바람에 대한 정보(단위 : m/s)	Float	N
  3			individual_factors	객체 속성	사람(객체)에 대한 정보	List<Object>	Y
  	3-1		camera_temp	카메라 측정 온도	인체 체온(단위 : ℃)	Float	Y
  	3-2		individual_temp	실측 온도	고성능 : 고막체온계 실측 온도 중성능 : 고성능 카메라 온도 저서응 : 고성능 카메라 온도	Float	N
  	3-3		distance	거리	거리에 대한 정보(단위 : m) (1m, 2m, 3m, 4m, 5m)	Integer	Y
  	3-4		bbox	바운딩박스	사람 얼굴의 위치 좌표 이미지의 좌측 상단을 기준으로 [left, top, width, height] 값을 가짐	List<Integer>	Y
  	3-5		optional	부가속성	사람에 대한 추가 정보	Object	Y
  		3-5-1	age	연령	나이대 그룹 (child : 유아, youth : 청소년/청년, middle-age : 중장년, old-age : 노년)	String	Y
  		3-5-2	gender	성별	성별 (male : 남자, female : 여자)	String	Y
  		3-5-3	tail	외형(키)	외형(키) (120_under : 120cm이하, 120-180 : 120cm초과 180cm이하, 180_over : 180cm초과)	String	Y
  		3-5-4	body_type	외형(체형)	외형(체형) (slim : 마른체형, normal : 평균체형, fat : 살찐체형)	String	Y
  		3-5-5	mask_exists	마스크유무	마스크유무 (true : 착용, false : 미착용)	Boolean	Y
  		3-5-6	is_short_sleeve	반팔/긴팔	반팔 착용 유무 (true : 착용, false : 미착용)	Boolean	Y
  		3-5-7	outer_exists	아우터유무	아우터 착용 유무 (true : 착용, false : 미착용)	Boolean	Y
  4			technical_factors	Technical 속성	테크니컬 요소에 대한 정보	Object	N
  	4-1		model	카메라 모델명	열화상 카메라 종류별 모델명	String	Y
  	4-2		bbody_temp	블랙바디 온도	블랙바디 설정 온도(단위 : ℃)	String	N
  	4-3		bbody_ emissivity	블랙바디 방사율	블랙바디 방사율	String	N
  	4-4		resolution	열화상해상도	열화상해상도에 대한 정보	String	Y
  	4-5		range_of_ spectrum	스펙트럼 범위	스펙트럼 범위(단위 : µｍ)	String	Y
  	4-6		netd	NETD	노이즈 등가 온도차	String	Y
  	4-7		temperature_ range	측정온도 범위	카메라의 측정온도 범위	String	Y
  	4-8		temperature_ accuracy	측정온도 오차범위	카메라의 측정온도 오차 범위	String	Y

수행기관(주관) : 베이넥스

수행기관(참여)