딥러닝을 활용한 운전자 기반 보행자 감지 시스템 (Driver-Based Pedestrian Detection System Using Deep Learning)

서지정보

· 발행기관 : 한국항행학회
· 수록지 정보 : 한국항행학회논문지 / 28권 / 6호 / 959 ~ 965페이지
· 저자명 : 한조원, 정우진, 최원혁

초록

본 연구의 목적은 운전자로부터 보행자의 신호 상태와 횡단보도, 인도 영역을 쉽게 인지하여 보행자의 안전에 도움을 줄 수 있는 운전자 기반 보행자 안전 알고리즘을 제시하였다. 연구에서는 단안 카메라와 객체 검출 알고리즘 중 하나인 image segmentation을 사용하였다. 운전자를 기반으로 보행자와 횡단보도, 자동차를 검출하기 위해서는 정확한 segmentation 경계와 객체를 검출하여 판단할 수 있는 능력이 필요하다. 실험을 하기 전 객체 검출과 segmentation을 제공하는 모델 Mask R-CNN와 YOLOv8 모델의 구조를 비교하였다. Mask R-CNN은 RolAign 이후에 segmentation mask branch 구조를 추가시켜 각 객체에 대해 픽셀 단위의 마스크를 예측하게 하였다. YOLOv8-seg YOLACT 알고리즘의 원리를 사용한다. Segmentation Branch 구조를 추가시켜 instance segmentation을 수행할 수 있도록 하였다. 논문에서는 YOLOv8-seg 모델을 사용하고 COCO-seg 데이터 셋의 여러 모델을 성능과 학습을 분석하여 실험을 진행하였다. 실험을 진행 후 자동차 안에서의 라이브 스트리밍을 통해 실시간 성능을 확인하였다.

영어초록

The purpose of this study is to propose a driver-based pedestrian safety algorithm that helps drivers easily recognize pedestrian signal status, crosswalks, and sidewalk areas, thereby enhancing pedestrian safety. The study uses a monocular camera and one of the object detection algorithms, image segmentation. To detect pedestrians, crosswalks, and vehicles from the driver's perspective, it is necessary to have the ability to accurately detect objects and boundaries through segmentation. Prior to the experiments, the structures of the Mask R-CNN and YOLOv8 models, which provide object detection and segmentation, were compared. Mask R-CNN adds a Segmentation Mask Branch structure after RoIAlign, enabling pixel-level mask prediction for each object. The YOLOv8-seg model utilizes the principles of the YOLACT algorithm, adding a Segmentation Branch structure to perform instance segmentation. The paper uses the YOLOv8-seg model and analyzes the performance and training of various models on the COCO-seg dataset. After conducting experiments, the real-time performance was verified through live streaming from within the vehicle.

참고자료

· 없음