딥러닝 알고리즘 기반 보행자 감지 시스템 (Pedestrian Detection System Based on Deep Learning Algorithm)

서지정보

· 발행기관 : 한국항행학회
· 수록지 정보 : 한국항행학회논문지 / 28권 / 6호 / 946 ~ 952페이지
· 저자명 : 정우진, 한조원, 최원혁

초록

스마트 횡단보도는 IoT 센서와 실시간 신호 제어 기술을 활용하여 보행자 사고 위험을 줄이는 대표적인 기술이다. 최근 딥러닝 알고리즘의 발전에 따라 실시간 보행자 탐지시스템을 구축할 수 있는 환경이 개선되었다. Yolo 알고리즘은 많은 성능 개선을 통해 실시간 객체 탐지에 있어 높은 인식률과 인식속도를 나타낸다. 그 중 Yolov8 알고리즘은 C2f 모듈, PAN 모듈과 앵커 프리 방식을 채택하면서 기존 모델에 비해 성능이 향상되었다. 따라서 본 논문에서는 실제 보행자 데이터 세트를 구성하여 Yolo 알고리즘 버전 별 성능을 분석하고 훈련을 통해 보행자 감지 시스템에 적합한 알고리즘 버전을 선별한다. 훈련된 알고리즘을 젯슨 나노에 이식하여 온-디바이스 기반 보행자 감지 시스템을 구축한 후 실제 시뮬레이션을 통해 보행자가 정상적으로 감지되는 지를 확인한다.

영어초록

Smart crosswalks are representative technologies that reduce the risk of pedestrian accidents by utilizing IoT sensors and real-time signal control technology. With the recent development of deep learning object detecting algorithms, the environment to build a real-time pedestrian detection system has improved. Yolo algorithm shows high recognition rate and high recognition speed in real-time object detection through many performance improvements. Among them, Yolov8 algorithm has been upgraded a lot in performance compared to the existing model by adopting C2f module, PAN module and anchor-free method. Therefore, in this paper, a real pedestrian data set is constructed to analyze the performance of each version of Yolo algorithm and select the algorithm version suitable for the pedestrian detection system through actual training. After constructing an on-device based pedestrian detection system by transplanting the trained algorithm into Jetson Nano board, it checks whether pedestrians are detected normally through actual simulation.

참고자료

· 없음