ISSN 1226-9069제 31권 제 1호 2023년 6월
컴퓨터정보통신연구논문집
JRICIC (Journal of the Research Institute for Computer and Information Communication)
요약
차량의 대기행렬 길이는 교통 혼잡을 최소화하기 위한 신호 최적화의 중요한 정보이지만 영상 검출기를 통해 차량의 검출 정확도가 낮아 실제 교통상황에서의 대기행렬길이를 산출하는데 정확도를 낮추는 가장 큰 원인 중의 하나이다, 또한 규칙 기반의 정해진 규칙에 의한 객체검출만을 수행함으로 다양한 객체를 검출하는 데는 한계가 있었다. 이에 딥러닝 기반의 영상처리기법을 도입하고 이를 이용해 객체검출을 할 수 있도록 하여 대기행렬 길이 산정 오류를 개선할 수 있는 모델을 개발하였다. 데이터 증량 기법을 하여 YOLOv5 학습을 수행하였으며 소형 차량도 잘 인식할 수 있도록 원거리의 소형 차량 라벨링을 좀 더 정확하게 수행하였다. 학습 결과 mAP50이 0.95로 좋은 결과를 얻었으며, 기존 룰 베이스의 영상 인식에 비해 차량 감지가 12% 향상되었다.