지능형 교통 관리에서 대규모 데이터 환경의 임계값 기반 이미지 추출 방식

비디오 교통 모니터링은 교통 데이터의 저렴하고 편리한 출처입니다. 교통 이미지 처리는 교통 상황을 확인하는 데 널리 사용되며, 지능형 교통 시스템(ITS)에서 교통 제어 전략을 결정할 수 있습니다. 그러나 이러한 교통 이미지는 항상 차량 등록 번호 및 사람 얼굴과 같은 개인정보와 관련된 데이터를 포함합니다. 이러한 데이터의 오용은 차량 운전사, 승객, 보행자 등의 프라이버시 위협이 됩니다. 본 논문은 ITS를 위한 임계값 기반 이미지 추출 솔루션을 제안합니다. 먼저, Faster Region Convolutional Neural Networks(RCNN) 모델을 사용하여 교통 이미지를 중요도 수준이 다른 다중 영역으로 세분화한 후, 점진적 비밀 이미지 공유 방식을 기반으로 한 다중 임계값 이미지 추출 방식을 설계하여, 등록 번호 및 사람 얼굴과 같은 주요 교통 정보를 포함하는 이미지를 추출합니다. 이는 높은 중요도가 있는 영역이 더 높은 임계값을 요구하도록 설계되었습니다. ITS의 역할에 따라 서로 다른 세부 정보를 포함한 이미지를 추출할 수 있어 프라이버시와 익명성을 보호할 수 있습니다. 제안된 방법은 ITS에서 추가 분석에 사용될 수 있는 이미지를 안전하고 지능적으로 추출하는 방법을 제공합니다.