A Study on the Trigger Technology for Vehicle Occupant Detection

차량 탑승 인원 감지를 위한 트리거 기술에 관한 연구

Currently, as demand for cars at home and abroad increases, the number of vehicles is decreasing and the number of vehicles is increasing. This is the main cause of the traffic jam. To solve this problem, it operates a high-ocompancy vehicle (HOV) lane, a multi-passenger vehicle, but many people ignore the conditions of use and use it illegally. Since the police visually judge and crack down on such illegal activities, the accuracy of the crackdown is low and inefficient. In this paper, we propose a system design that enables more efficient detection using imaging techniques using computer vision to solve such problems. By improving the existing vehicle detection method that was studied, the trigger was set in the image so that the detection object can be selected and the image analysis can be conducted intensively on the target. Using the YOLO model, a deep learning object recognition model, we propose a method to utilize the shift amount of the center point rather than judging by the bounding box in the image to obtain real-time object detection and accurate signals.

현재 국내외 자동차 수요가 증가하게 되면서 차량탑승 인원은 적어지고 차량 수는 증가하는 추세이다. 이는 교통체증이 더 심해지게 되는 주요 원인이 된다. 이를 해결하기 위해 다인승 전용차로, HOV(High-occupancy vehicle) lane을 운영하고 있지만, 이용 조건을 무시하고 불법으로 이용하는 사람들이 계속 증가하고 있다. 이러한 불법행위를 경찰이 육안으로 판단하여 단속하기 때문에 단속 정확도도 낮으며 효율이 떨어진다. 본 논문에서는 이와 같은 문제를 해결하기 위해 컴퓨터 비전을 이용한 영상 분석 기술을 이용해서 보다 효율적인 탐지를 할 수 있는 시스템 설계를 제안한다. 기존의 연구되었던 차량 탐지 방법을 개선하여 영상 안에서 트리거를 설정하여 탐지 객체가 선정된 후 대상에 대해서 집중적으로 영상 분석을 진행할 수 있게 설계했으며 딥러닝 객체 인식 모델인 YOLO 모델을 사용하여 실시간 객체 탐지와 정확한 신호를 얻기 위해 영상 내 bounding box로 판단하는 것이 아닌 중심점의 이동량을 이용하는 방법을 제안한다.