[데이터 리뷰] AIHUB(헬스케어) - 열화상 체온 정보 데이터

데이터 리뷰 : 데이터 대신 읽어드립니다!
#51 AIHUB(헬스케어) - 열화상 체온 정보 데이터

 

 

 

 

 코로나19의 영향으로 다중이용 시설에 감염병 발견 및 감염 방지를 위해 출입자의 온도를 열화상 카메라로 측정하는 것을 쉽게 볼 수 있습니다. 하지만 열화상 카메라로 측정된 데이터는 모니터링하는 단계에만 그쳐 해당 데이터를 저장하진 않는데요, 주변 온도 등 기타 체온에 영향을 줄 수 있는 요소를 데이터화 하여 열화상 이미지 데이터를 구축하는 것이 필요하다고 합니다. 왜냐하면 성능이 좋은 열화상 카메라의 경우 정확한 체온 측정이 가능하지만, 보급을 위한 저렴한 열화상 카메라는 주변 온도, 거리, 복장 상태 등 많은 외적 요소의 영향을 받아 정확한 체온을 측정하는데 어렵다고 합니다. 따라서 체온 측정의 정확도를 높이기 위해서 다양한 열화상 이미지 데이터 구축이 필요합니다.

 

이와 관련하여 AIHUB 플랫폼에서는 '열화상 체온 정보' 데이터를 제공하고 있는데요, 열화상 카메라를 통해 인식되는 대상의 체온과 성별, 연령, 외형, 패선 등을 포함한 이미지로 구축된 데이터셋입니다. 그렇다면, 오늘 데이터 리뷰기에서는 이 데이터가 어떻게 이루어져 있는지 살펴보고, 어떻게 분석 및 활용하면 좋을지 생각해보도록 하겠습니다~!

 

 

 

 

 

열화상 체온 정보 데이터

 

(1) 데이터 정보

• 제공기관 : 베이넥스
• 데이터 개수 : 4.8만
• 데이터 형식 : jpg, json
• 데이터 구성 : 열화상 이미지(jpg), 환경/객체/Technical 별로 정보가 포함된 가공 데이터(json)
• 다운로드 : https://aihub.or.kr/aidata/30751

 

'열화상 체온 정보' 데이터는 성능이 상이한 열화상 카메라를 통해 취득한 고/중/저성능 열화상 데이터를 객체정보, 환경정보와 결합한 뒤, 고성능 AI학습용 데이터를 기준으로 중성능/저성능 카메라의 온도 보정이 가능한 보정용 데이터셋을 구성한 데이터입니다.

 

위에 다운로드 링크로 들어가면 회원가입 또는 로그인 후 데이터를 다운받을 수 있는데요, 그렇다면 데이터를 다운받아서 한번 데이터가 어떻게 이루어져 있는지 살펴보도록 하겠습니다~

 

 

(2) 데이터 리뷰

https://aihub.or.kr/aidata/30751

 

데이터를 다운로드하면, 위와 같이 고/중/저성능 데이터, 고/중/저-pair 데이터와 각각의 json 데이터로 이루어져 있습니다. 고/중/저성능 데이터는 각 성능의 열화상 카메라로 촬영된 데이터이고, pair 데이터는 고성능 카메라 기준으로 중성능/저성능 카메라로 촬영한 데이터의 온도 보정을 한 데이터입니다. 그럼 각 데이터에 대해 살펴볼까요~?

 

 

- 고성능 데이터(위) / 고성능_piar 데이터(아래)

 

위 이미지는 고성능 열화상 카메라로 촬영된 데이터로, 위에 두 이미지는 일반 데이터, 아래 두 이미지는 대조를 위한 실측치 데이터로 분류된 고성능_pair 데이터입니다.

 

 

- 중성능 데이터(위) / 중성능_piar 데이터(아래)

 

반면 위 이미지는 중성능 열화상 카메라로 촬영된 이미지(위)와 고성능 데이터 기준으로 온도 보정이 된 이미지(아래) 데이터입니다.

 

 

- 저성능 데이터(위) / 저성능_piar 데이터(아래)

 

마지막으로는 저성능 열화상 카메라로 촬영한 이미지(위)와 고성능 데이터 기준으로 온도 보정이 이루어진 이미지(아래)입니다. 위 이미지를 살펴보면 저성능 카메라의 해상도가 많이 낮아 옷과 사람의 피부를 구별하기 쉽지 않음을 알 수 있습니다. 

 

 

한편, 위 열화상 카메라 이미지 데이터에 대해서 환경, 객체, Technical 별로 정보가 포함된 가공 json 파일 형식의 데이터가 추가로 있는데요, 아래 데이터는 고성능_pair 데이터에 대한 json 데이터 일부입니다.

 

[{"environmental_factors":
        {"illumination": 753,
         "temp_inside": 23.7,
         "camera_type": "H",
         "temp_outside": 4.6,
         "humid_outside": 54.0,
         "place": "B1",
         "day": "20210114",
         "humid_inside": 20.0,
         "hms": "172403",
         "image_type": "T",
         "wind": 0.8},
"individual_factors": [
        {"camera_temp": 36.0,
         "individual_temp": 36.7,
         "distance": 5,
         "bbox": [1117, 288, 146, 152],
         "optional":
                 {"gender": "male",
                  "body_type": "normal",
                  "mask_exists": true,
                  "tall": "120-180",
                  "is_short_sleeve": false,
                  "age": "youth",
                  "outer_exists": false}}],
"technical_factors":
         {"bbody_temp": "35℃",
          "netd": "≤50mK",
          "range_of_spectrum": "8~14㎛",
          "model": "DH-TPC-BF3221-T",
          "temperature_range": "30~45℃",
          "temperature_accuracy": "±0.3℃ w/blackbody",
          "resolution": "1280x960",
          "bbody_emissivity": "0.97±0.02"},
"image_id": "B1_H_T_20210114_172403"},

 

위 데이터는 전체 데이터 중 한 이미지에 해당되는 정보를 나와있는 데이터인데요, 한 이미지 당 크게 environmental_factors, individuals_factors, technical_factors 태그로 나누어져 있습니다. 

 

먼저 environmental_factors에는 이미지 속 주변 환경에 대한 정보가 담겨 있는데요, 해당 장소, 열화상 카메라성능(H:고성능/M:중성능/L:저성능), 일자, 시간, 이미지유형, 온도 및 습도 등에 대한 정보를 알 수 있습니다.

 

두 번째로 individuals_factors에서는 이미지 속 등장하는 사람(객체)에 대한 정보가 있는데요, 사람의 체온, 거리, 바운딩박스 좌표, 예상되는 연령, 성별, 키, 체형, 마스크 유무에 대한 정보를 알 수 있습니다.

 

마지막으로 technical_factors 영역에서는 테크니컬 요소에 대한 정보를 알 수 있는데요, 카메라 모델명, 블랙 바디 온도 및 방사율, 해상도, 스펙트럼 범위, 측정 온도 오차범위 등에 대해 알 수 있습니다. 이처럼 한 이미지당 열화상 데이터가 자세하게 구축되어 있답니다.

 

 

(3) 데이터 활용

 그럼 이 '열화상 체온정보' 데이터를 이용하여 어떻게 활용하면 좋을까요? 우선 앞에서도 언급했듯이, 고/중/저성능의 열화상 이미지 데이터를 수집한 뒤, 성능에 따른 이미지를 분석하여 중성능, 저성능 열화상 카메라의 정확도를 높이기 위한 AI온도 보정 기술 개발에 활용할 수 있습니다. 따라서 정확도를 높인 보정력 기술을 개발한다면 성능이 좋지 못한 열화상 카메라를 이용하여도 충분히 높은 성능을 내는 체온 측정이 가능해질 수 있습니다.

 

또한 AI 온도 보정 기술이 탑재된 열화상 카메라가 개발된다면 체온 측정뿐만 아니라 다양한 곳에서도 사용될 수 있는데요, 공장, 물류창고 등 산업시설에 설치하여 화재를 방지할 수 있습니다. 또한 병원 내 열화상 카메라를 설치하여 중증환자나 신생아 등의 열 감지 시스템을 구현하는 등 다양한 분야에 활용시킬 수 있을 거라 생각한답니다!

 

 

 

 

 

# AIHUB

 

 

 오늘 리뷰한 '열화상 체온 정보' 데이터는 <AIHUB(AI 허브)>에서 다운로드 받은 '헬스케어' 카테고리의 데이터로, AI 허브는 AI 기술 및 제품, 서비스 개발에 필요한 AI 인프라(AI데이터, AISWAPI, 컴퓨팅 자원)를 지원함으로써 누구나 활용하고 참여하는 AI통합 플랫폼입니다! 따라서 사용자를 위해 개발 및 활용을 위한 인프라 서비스와 AI 활성화를 위한 서비스를 제공하고 있는 것인데요, 현재 위와 같이 음성/자연어, 비전, 헬스케어, 자율주행 등 다양한 카테고리에 걸친 데이터들을 제공하고 있답니다.

 

 

한편, 오늘 살펴본 데이터는 '헬스케어' 카테고리에 있는 데이터였는데요, 헬스케어 카테고리는 질환 및 질병 진단 의료 영상, 인체 자세, 신체 정보 등에 관련된 데이터를 제공하는 카테고리입니다. 특히 개인이 구축하기엔 어려운 의료 데이터들이 많고, 다른 빅데이터 플랫폼에서는 찾아보기 힘든 데이터들이 제공되고 있습니다. 또한 실제 우리나라 사람들로부터 구축된 데이터들로 이루어져 있기 때문에 우리나라에서 상용화하기 위한 서비스 개발에 활용하기에 매우 적합한 데이터이기도 하답니다. 

 

 

또한 각 데이터 다운로드 페이지에 들어가면 위와 같이 데이터의 구축내용과 필요성, 데이터 구조, 활용예시 등의 정보를 파악할 수 있기 때문에 데이터를 다운로드하기 전에 어떠한 형태로 이루어져 있는지, 데이터를 어떻게 활용하면 좋을지 살펴볼 수 있답니다.

 

 

이렇게 오늘 데이터 리뷰기에서는 AIHUB의 '열화상 체온 정보' 데이터를 리뷰해보았는데요, 다음 리뷰기에서도 동일한 카테고리의 다른 데이터를 리뷰해보도록 하겠습니다. 이전 데이터 리뷰기에서는 소방, 사회 범죄, 해양수산, 헬스케어, 농수산물 등 여러 플랫폼에서 제공하는 데이터 리뷰기가 있으니, 관심이 있으신 분들은 참조하시기 바랍니다! 그럼 다음 리뷰기에서 만나요! :D