• 융합신호처리학회논문지
• /
• 제23권3호
• /
• pp.166-172
• /
• 2022

본 연구에서는 전동 이동 보조기기를 이용하는 교통약자의 이동을 저해하거나 불편을 초래하는 횡단 보도, 측구, 맨홀, 점자블록, 부분 경사로, 임시안전 방호벽, 계단, 경사형 연석과 같은 주행 장애물 객체를 촬영한 뒤 객체를 분류하고 이를 자동 인식하는 최적의 AI 모델을 개발하여 주행 중인 전동 이동 보조기기의 전방에 나타난 장애물을 효율적으로 판단할 수 있는 알고리즘을 구현하고자 한다. 객체 검출을 높은 확률로 AI 학습이 될 수 있도록 데이터 셋 구축 시 라벨링 형태를 폴리곤 형태로 라벨링 하며, 폴리곤 형태로 라벨링 된 객체를 탐지할 수 있는 Detectron2 프레임워크를 활용하여 Mask R-CNN 모델을 활용하여 개발을 진행하였다. 영상 획득은 일반인과 교통약자의 두 개 그룹으로 구분하여 진행하였고 테스트베드 2개 지역에서 얻어진 영상정보를 확보하였다. Mask R-CNN 학습 결과 파라미터 설정은 IMAGES_PER _BATCH : 2, BASE_LEARNING_RATE 0.001, MAX_ITERATION : 10,000으로 학습한 모델이 68.532로 가장 높은 성능을 보인 것이 확인되어 주행 위험, 장애 요소를 빠르고 정확하게 사용자가 인지할 수 있도록 하는 딥러닝 모델을 구축이 가능한 것을 확인할 수 있었다.

• 융합신호처리학회논문지
• /
• 제23권4호
• /
• pp.200-208
• /
• 2022

본 연구에서는 객체 인식 모델을 활용하여 전동 이동 보조기를 이용하는 교통약자를 위한 자동 정보 수집 체계 및 지리정보 구축 알고리즘을 구현하고자 한다. 장애인의 이동 중 만날 수 있는 객체를 인식하면서 좌표정보와 함께 획득하고 사진정보를 저장하여 기존의 장애인용 지리정보 보다 개선된 이동 경로 선택용 지도정보를 제공하고자 한다. 데이터 획득을 위한 수집 프로세스는 HW 계층을 포함하여 총 4가지 계층으로 구성되어 있으며, 영상 정보와 위치정보를 수집하여 서버로 송신하고 이를 인식하고 분류하는 과정을 통해 지리정보 생성에 필요한 데이터를 추출한다. 생성된 알고리즘은 실제 배리어프리존 일대에서 주행 실험을 실시하고 이 과정에서 실제 데이터의 수집과 그에 따른 지리정보 생성 알고리즘의 실행을 통해 실제 유의한 수준의 지리정보가 얼마나 효율적으로 생성되는지를 확인한다. 수집된 지리정보 처리 성능은 세 번의 실험에서 1회차 70.92 EA/s, 2회차 70.69 EA/s 3회차 70.98 EA/s로 평균 70.86 EA/s로 확인되었으며 실제 지리정보에 반영되기까지 약 4초가 소요됨을 확인할 수 있었다. 이러한 실험 결과로부터 전동 이동 보조기를 이용하는 보행 약자가 현재보다 빠르게 제공되는 새로운 지리정보를 이용해 안전한 주행이 가능한 것으로 확인되었다.

• 융합신호처리학회논문지
• /
• 제24권2호
• /
• pp.119-125
• /
• 2023

본 연구에서는 전동 이동 보조기를 이용하는 교통약자의 이동을 저해하거나 불편을 초래하는 횡단 보도, 측구, 맨홀, 점자블록, 부분 경사로, 임시안전 방호벽, 계단, 경사형 연석과 같은 주행 장애물 객체를 촬영한 뒤 객체를 분류하고 이를 자동 인식하는 최적의 AI 모델을 개발하여 주행 중인 전동 이동 보조기 전방에 나타난 장애물을 효율적으로 판단할 수 있는 알고리즘을 구현하고자 한다. 객체 검출을 높은 확률로 AI 학습이 될 수 있도록 데이터 셋 구축 시 라벨링 형태를 폴리곤 형태로 라벨링 하며, 폴리곤 형태로 라벨링 된 객체를 탐지할 수 있는 Detectron2 프레임워크를 활용하여 Mask R-CNN 모델을 활용하여 개발을 진행하였다. 영상 획득은 일반인과 교통약자의 두 개 그룹으로 구분하여 진행하였고 테스트베드 2개 지역에서 얻어진 영상정보를 확보하였다. Mask R-CNN 학습 결과 파라미터 설정은 IMAGES_PER _BATCH : 2, BASE_LEARNING_RATE 0.001, MAX_ITERATION : 10,000으로 학습한 모델이 68.532로 가장 높은 성능을 보인 것이 확인되어 주행 위험, 장애 요소를 빠르고 정확하게 사용자가 인지할 수 있도록 하는 딥러닝 모델을 구축이 가능한 것을 확인할 수 있었다.