YOLO 기반 도시철도 부정승차 자동 탐지 시스템 개발 = Development of YOLO based Urban Railroad Illegal Ride Detection System

국문 초록 (Abstract)

최근 도시철도에서는 무임승차, 통로 무단 통과 등과 같은 부정 승·하차 행위가 빈번히 발생하고 있다. 현재 대부분의 역에서는 역무원이 CCTV 모니터를 통해 여러 개의 개찰구를 영상을 동시에 관 찰하는 방식으로 단속을 수행하고 있으나 있으나, 이러한 수동적 단속 방식은 인력 부족, 피로 누적, 낮은 효율성 등의 구조적 한계를 지니고 있다. 본 연구에서는 이러한 문제를 해결하기 위해 YOLO 기반 도시철도 부정승차 자동 탐지 시스템을 제안하였다. 제안 시스템은 실제 도시철도 역사 내 설치된 CCTV 영상을 입력으로 받아, 객체 탐지모 델을 통해 정상승차와 부정승차 행위를 실시간으로 구분하였다. 데이터셋은 Roboflow 플랫폼을 이용 해 YOLO 형식으로 정제·라벨링하였으며, 딥러닝을 통해 Anchor-Free 구조의 YOLO 모델을 파인튜닝 하여 도시철도 환경에 특화된 탐지 성능을 확보하였다. 실험 결과, 제안 모델은 Precision 0.911, Recall 0.796, F1-score 0.849, mAP@0.5 0.868의 우수한 성 능을 보였다. PR Curve, F1-Confidence Curve 및 혼동행렬 분석을 통해 임계값 변화에 따른 탐지 안 정성을 검증하였고, 30 FPS 이상의 실시간 처리 속도를 유지하며 실제 운영 환경에서도 적용 가능한 수준의 성능을 확인하였다. 본 연구는 기존 인력 중심 감시 체계의 비효율성을 극복하고, 딥러닝 기반 부정승차 자동 탐지 기 술의 실용적 가능성을 제시하였다는 점에서 의의가 있다.

목차 (Table of Contents)

• Ⅰ. 서 론 1
• Ⅱ. 관련 연구 및 기술적 배경 3
• Ⅱ.1. 부정 승하차 행위 감시 및 단속의 기존 접근 방식 3
• Ⅱ.2. 영상 기반 객체 인식기술의 발전 4
• Ⅱ.3. YOLO의 구조적 특징 및 적용성 5
• Ⅱ.4. 관련 연구의 한계 및 본 연구의 차별성 8
• Ⅲ. 제안하는 시스템 설계 및 구현· 11
• Ⅲ.1. 시스템 개요 11
• Ⅲ.2. 데이터셋 구성 및 특성 12
• Ⅲ.3. YOLO 모델 구조 16
• Ⅲ.4. 부정승차 탐지 알고리즘 17
• Ⅲ.5. 실시간 시각화 및 경고 시스템 18
• Ⅳ. 실험 및 성능 평가 21
• Ⅳ.1. 실험 환경 21
• Ⅳ.2. 평가 지표 정의 21
• Ⅳ.3. 실험 결과 및 분석 22
• Ⅳ.4. 결과 및 고찰 30
• Ⅴ. 결론 34