• 한국ITS학회 논문지
• /
• 제23권2호
• /
• pp.69-78
• /
• 2024

최근 CCTV 영상을 기반으로 인파사고를 예방하는 방안이 추진되고 있다. 그러나 CCTV는 공간적 한계점이 있어 이를 보완하기 위한 연구가 필요한 실정이다. 본 연구에서는 드론 영상을 사용하여 보행자의 밀도를 측정하는 연구를 수행하였다. 기존 연구문헌을 통해 군중의 인파사고 임계값인 1m²당 6.7명을 위험수준으로 선정하였다. 또한 드론의 파라미터를 도출하기 위해 선행연구를 수행한 결과, 고도 20m, 각도 60°에서 보행자의 인식률이 높은 것으로 나타났다. 이후 선행연구를 기반으로 보행자가 밀집한 대상지를 선정하여 밀집도를 측정한 결과, 단위 면적당 0.27~0.30명 수준으로 나타났다. 본 연구를 통해 드론 영상을 사용하여 대상지의 보행자 밀집도에 따른 위험수준 측정이 가능한 것으로 확인되었으며, 향후 인파사고 안전관리 대체 수단으로 활용이 가능할 것으로 판단된다.

• 조명전기설비학회논문지
• /
• 제24권1호
• /
• pp.160-166
• /
• 2010

철도와 도로가 평면 교차하는 개소에서 열차의 진입을 통행자에게 알려 사고를 방지하는 운전보안설비를 건널목 보안장치라 하며, 이 장치는 레일을 전기회로의 일부로 사용하여 회로를 구성하고 철도차량의 차축에 의해 레일사이를 단락함에 따라 열차의 유무를 검지하는 궤도회로장치에 의한 것이 대부분이다. 그 만큼 건널목보안장치에서 궤도회로장치가 중요한 역할을 하지만, 열차운행 횟수 감소로 눈, 비, 습기 등에 의하여 레일에 녹이 발생하여 열차가 궤도회로를 점유하여도 단락감도 불량으로 궤도회로가 낙하되지 않아 건널목보안장치 무경보 발생으로 도로차량과 충돌하는 사고발생이 우려된다. 본 논문에서는 이와 같은 문제점을 보완하기 위하여 열차에 의해 궤도를 단락하는 열차검지방식에서 적외선 센서에 의해 열차접근을 확인하여 건널목보안장치를 제어하는 방식으로 변경하여 열차안전운행을 확보하는 효율적인 안전장치로서의 역할을 수행할 수 있도록 설계 방법을 제안한다.

• 한국정보통신학회논문지
• /
• 제26권5호
• /
• pp.668-674
• /
• 2022

시각 정보를 이용한 기계 학습 기술은 주변 상황 인지, 결함 감지, 보안 그리고 사용자 분석과 같이 산업, 서비스 분야에서 활용성이 높아졌다. 그 중 CCTV 영상 분석을 통한 사용자 분석은 시각 정보를 잘 활용하는 실용적인 부분이라고 할 수 있다. 또한 이러한 임베디드 환경에서의 실용성을 높이기 위한 신경 회로망 경량화에 대한 연구가 지속되고 있다. 본 논문에서는 디스플레이형 자판기인 키오스크에서 활용할 수 있는 사람 및 얼굴 검출과 사용자의 나이 및 성별 분류 시스템을 제안한다. 제안하는 모델은 MobileNet, YOLOv2, 생략 연결을 기반으로 설계되었으며, 검출과 분류 망을 개별적으로 학습한 뒤 결합한 2-stage 구조를 띈다. 또한 주의 집중 기법을 사용하여 시스템의 성능을 향상시키고자 하였다. 제안하는 시스템에 대한 구동과 성능 평가는 소형 그래픽 처리 유닛인 Nvidia Jetson Nano에서 진행하였다.

• 한국컴퓨터정보학회논문지
• /
• 제29권1호
• /
• pp.61-68
• /
• 2024

횡단보도에서 발생하는 교통사고를 해결하기 위한 시도가 계속되고 있지만, 교통사고는 끊임 없이 일어나는 상황이다. 특히 노인, 장애인 등의 교통약자들은 교통사고에 노출될 위험이 더 크다. 이에 대한 문제점을 주의 깊게 볼 필요가 있다. 본 논문은 교통 약자 중 휠체어, 목발과 같은 보조 기구를 이용하는 보행자를 위해 YOLO v5 모델을 활용한 객체 탐지 기술을 제안한다. 휠체어, 목발 사용자 그리고 보행자의 이미지 크롤링, Roboflow와 Mobibity Aids 데이터를 수집하였다. 일반화 성능을 높이기 위해 데이터 증강 기법을 활용하였다. 더하여 Type 2 error를 줄이기 위해 앙상블 기법을 이용하여 Recall이 96%인 높은 성능 수치를 얻었다. 이를 통해 교통약자를 목표로 YOLO 내 단일 모델을 앙상블 할 시, 객체를 놓치지 않고 정확한 탐지 성능을 보여준다는 것을 입증하였다.

• 디지털콘텐츠학회 논문지
• /
• 제12권3호
• /
• pp.279-289
• /
• 2011

시각 장애인을 위한 실시간 보행보조 시스템의 안전한 보행안내와 편리한 서비스를 제공하기 위해 최신 하드웨어 기술과 소프트웨어 기술이 결합되고 있다. 이 시스템은 보행자가 원하는 목적지까지 보행할 수 있도록 장애물 검출 및 인지와 장소인식, 기호인식으로 구성된다. 본 논문에서는 보행보조 시스템의 중요한 요소 중 하나인 기호인식을 위해 지하철 역 내부에서의 기호 객체 검출 시스템을 개발하였다. 본 논문은 조명과 잡음이 존재하는 복잡한 환경으로부터 기호 객체 영역을 강건하게 검출할 수 있는 적응적인 특징맵을 제안하였다. 그리고 보행 시 객체의 이동, 회전 및 크기에 불변하도록 고속 제르니케 모멘트 특징을 이용하여 기호를 인식한다. 화살표, 화장실, 출구번호 3개의 기호를 대상으로 하며, 에이다부스트 분류기를 이용하여 기호를 학습 및 인식한다. 실험결과에서는 5000장의 기호영상 데이터 베이스의 3개의 기호에 대해 평균 87.16%의 검출율과 20 frame/sec의 처리속도를 통해 안정적이며 실시간 시스템에 적합함을 입증한다.

• 한국정보통신학회논문지
• /
• 제26권3호
• /
• pp.389-395
• /
• 2022

심층 학습 기술의 발전으로 인해 분류, 객체 검출, 분할과 같은 시각 정보를 이용한 심층 학습이 다양한 분야에서 활용되고 있다. 그 중 자율 주행은 시각 데이터를 잘 활용하는 대표적인 분야 중 하나이다. 본 논문에서는 도로 위의 사람과 운송수단 객체에 대한 개별적인 깊이 값을 예측하는 망을 제안한다. 제안하는 모델은 YOLOv3와 Monodepth를 기반으로 하며, 하드 파라미터 쉐어링을 이용한 인코더와 디코더를 통해 객체 검출과 깊이 추정을 동시에 수행한다. 또한 주의 집중 기법을 사용하여 객체 검출 및 깊이 추정의 정확도를 높이고자 하였다. 깊이 추정은 단안 이미지를 통해 이루어지며, 자가 학습 방법을 통해 학습을 수행하였다.

• 한국정보전자통신기술학회논문지
• /
• 제14권2호
• /
• pp.128-133
• /
• 2021

현재 자율주행차량 시장은 3레벨 자율주행차량을 상용화하고 있으나, 안정성의 문제로 완전 자율주행 중에도 사고가 발생할 가능성이 있다. 실제로 자율주행차량은 81건의 사고를 기록하고 있다. 3레벨과 다르게 4레벨 이후의 자율주행차량은 긴급상황을 스스로 판단하고 대처해야 하기 때문이다. 따라서 본 논문에서는 CNN을 통하여 차량 외부의 정보를 수집하여 저장하고, 저장된 정보와 차량 센서 데이터를 이용하여 차량이 처한 위기 상황을 0~1 사이의 수치로 출력하는 차량 내·외부 데이터 및 딥러닝 기반 차량 위기 감지 시스템을 제안한다. 차량 위기 감지 시스템은 CNN기반 신경망 모델을 사용하여 주변 차량과 보행자 데이터를 수집하는 차량 외부 상황 수집 모듈과 차량 외부 상황 수집 모듈의 출력과 차량 내부 센서 데이터를 이용하여 차량이 처한 위기 상황을 수치화하는 차량 위기 상황 판단 모듈로 구성된다. 실험 결과, VESCM의 평균 연산 시간은 55ms 였고, R-CNN은 74ms, CNN은 101ms였다. 특히, R-CNN은 보행자수가 적을 때 VESCM과 비슷한 연산 시간을 보이지만, 보행자 수가 많아 질수록 VESCM보다 많은 연산 시간을 소요했다. 평균적으로 VESCM는 R-CNN보다 25.68%, CNN보다 45.54% 더 빠른 연산 시간을 가졌고, 세 모델의 정확도는 모두 80% 이하로 감소하지 않으며 높은 정확도를 보였다.

• 방송공학회논문지
• /
• 제18권4호
• /
• pp.535-542
• /
• 2013

본 논문에서는 고속 및 고인식률의 성능을 갖는 영상인식 엔진 구조를 제안한다. 본 엔진은 2단계의 특징점 추출 및 분류 알고리즘을 수행하여 자동차와 보행자를 인식할 수 있다. 엔진의 인식률을 높이기 위해 HOG 특징점 값과 LBP 특징점 값을 같이 사용하여 알고리즘을 구성하였으며, 처리 속도를 높이기 위해 병렬 구조를 개선하여 하드웨어를 설계하였다. 실험결과를 통해 설계한 엔진이 초당 90프레임의 인식 처리가 가능하며 FPPW $10^{-4}$ 하에서 97.7%의 보행자 인식률을 가짐을 보인다.

• 한국ITS학회 논문지
• /
• 제17권3호
• /
• pp.98-110
• /
• 2018

본 논문은, 동적인 객체의 인식률 향상을 위해 고밀도 그리드 모델과 앵커 모델을 제안하였다. 두 가지 실험은 수행하여 제안하는 CNN 모델들을 제안하였다. 첫 번째 실험에 있어서, YOLO-v2모델을 KITTI 데이터 셋에 적용시켜 보았고, 고밀도 그리드 모델과 앵커 모델을 기존 YOLO-v2와 비교하였다. 실험에 있어서, 본 논문에서 제안하는 두 가지 모델은 기존의 YOLO-v2모델에 비하여 '어려움' 난이도의 자동차 검지에 있어서 6.26%에서 10.99%까지 우수한 성능을 나타낸 것을 확인하였다. 두 번째 실험에 있어서는 새로운 데이터 셋을 학습하였고, 두 가지 모델은 기존의 YOLO-v2모델보다 22.4%까지 '어려움' 난이도의 자동차 인식률 향상이 있음을 확인할 수 있었다.

• 한국지능시스템학회논문지
• /
• 제26권4호
• /
• pp.259-266
• /
• 2016

최근 감시와 보안을 목적으로 활발하게 CCTV가 설치되고 있고, 지능형 감시시스템은 영상에서 객체의 검출 및 감시 등으로 광범위하게 응용되고 있다. 본 연구에서는 지능형 영상 감시 시스템에서 HOG 특징과 FCM 기반의 RBFNN 분류기를 이용한 상반신 검출 방법을 제안한다. HOG는 보행자를 검출하기 위해 기존에 제안되었던 특징으로 본 논문에서는 이를 사용해 상반신의 고유한 기울기를 학습하였다. HOG 특징은 입력 이미지의 크기에 비례하는 고차원의 특징 벡터로 기울기를 표현하기 때문에 RBFNN분류기의 입력데이터로 쓰려면 차원 축소가 필요하다. 이를 위해 PCA 알고리즘을 RBFNN 분류기 앞에 적용하여 HOG 특징의 차원을 저차원으로 축소하였다. 컴퓨터 실험에서는 미리 분류된 상반신 영상과 사람이 아닌 영상을 통해 분류기를 훈련시킨 후 테스트 영상과 동영상을 이용하여 제안된 상반신 검출 방법의 성능을 평가하였다.