도쿄 신주쿠 보행자 천국에서 수집한 영상 데이터로 8개 특성의 확률분포를 추출하고 통계 다양체의 좌표계 구축

Context

기존 보행자 행동 분석은 유클리드 거리 기반 k-means 같은 군집화 방법에 의존했다. 이들 방법은 위치별 보행자 모집단의 차이를 충분히 감지하지 못한다. 정보기하학의 확률분포 모델링을 통해 보행자 행동의 미세한 차이를 정량화하는 방법이 필요했다.

Technical Solution

• 경계 상자 높이를 깊이 프록시로 사용해 픽셀 좌표를 실제 거리로 변환: 가정 인체 높이 1.7m을 기준으로 스케일 팩터 계산
• 8개 행동 특성 추출: 평균 보행 속도, 속도 변동 계수, 서명된 평균 가속도, 감속 비율, 속도 왜도, 정지 비율, 경로 직선도, 체류 시간
• Kolmogorov-Smirnov 검정으로 각 특성의 최적 확률분포 식별: KS 통계량으로 경험적 누적분포함수와 이론적 누적분포함수 간의 최대 차이 측정
• 8개 특성에 대한 분포 패밀리 결정: 평균 속도·속도 왜도·체류 시간은 Gamma 분포, 속도 변동은 Log-normal 분포, 서명된 가속도는 Cauchy 분포, 정지 비율과 경로 직선도는 Beta 분포, 감속 비율은 Normal 분포로 각각 적합
• 다중 위치의 분포 매개변수로 통계 다양체 구축: Fisher 정보 메트릭과 e/m 측지선을 사용해 위치 간 거리 계산

Key Takeaway

보행자 영상 데이터에서 추출한 특성들을 확률분포로 모델링하면 고전적 거리 기반 방법이 놓치는 행동 차이를 정량화할 수 있다. 통계 다양체의 좌표계로 매개변수화하면 다양한 위치의 보행자 집단을 비교 가능한 기하학적 공간에 배치할 수 있다.