http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
엣지 디바이스에서의 딥러닝 기반 차량 인식 및 속도 추정을 통한 스마트 횡단보도 시스템의 설계 및 구현
장선혜,조희은,정진우,Jang, Sun-Hye,Cho, Hee-Eun,Jeong, Jin-Woo 한국정보통신학회 2020 한국정보통신학회논문지 Vol.24 No.4
최근 우리나라의 자동차 보급률이 증가함에 따라 교통사고 발생 건수 또한 증가하고 있다. 특히, 차량간 사고뿐만 아니라 횡단보도 근처에서의 인명 사고 또한 증가하고 있어 횡단보도 교통안전에 대한 주의가 더욱 요구되고 있다. 본 논문에서는 NVIDIA Jetson Nano급의 엣지 디바이스를 이용하여 횡단보도에 접근하는 차량을 인식하고 속도를 추정함으로써 횡단보도 주위 안전 상태를 예측하는 시스템을 제안한다. 딥러닝 기반 차량 위치 인식을 통하여 얻은 정보들을 바탕으로 다양한 기계 학습 기법을 학습시켜 차량 속도에 따른 위험 정도를 예측한다. 마지막으로, 실제 주행 영상을 이용한 실험 및 웹 시뮬레이션을 통해 제안하는 시스템의 성능과 활용 가능성을 검증하였다. Recently, the number of traffic accidents has also increased with the increase in the penetration rate of cars in Korea. In particular, not only inter-vehicle accidents but also human accidents near crosswalks are increasing, so that more attention to traffic safety around crosswalks are required. In this paper, we propose a system for predicting the safety level around the crosswalk by recognizing an approaching vehicle and estimating the speed of the vehicle using NVIDIA Jetson Nano-class edge devices. To this end, various machine learning models are trained with the information obtained from deep learning-based vehicle detection to predict the degree of risk according to the speed of an approaching vehicle. Finally, based on experiments using actual driving images and web simulation, the performance and the feasibility of the proposed system are validated.
딥러닝 기반 차량 속도 모니터링을 통한 스마트 횡단보도 시스템의 설계 및 구현
장선혜(Sun-Hye Jang),조희은(Hee-Eun Cho),정진우(Jin-Woo Jeong) 한국정보통신학회 2019 한국정보통신학회 종합학술대회 논문집 Vol.23 No.2
우리나라의 개인별 자동차 보급률이 지속적으로 증가하면서 교통사고 발생률 또한 지속적으로 증가하는 추세를 보이고 있다. 특히, 보행자 사고 중 횡단보도에서의 아동과 노인의 사고 비율이 높은 것으로 나타나면서 횡단보도 교통사고에 대한 예방 노력이 많이 이루어지고 있다. 본 논문에서는 횡단보도에 접근하는 차량들의 속도 모니터링을 통한 적응형 알림을 제공함으로써 보행자 교통사고를 예방하기 위한 시스템을 제안한다. 이를 위하여 딥러닝 기술을 활용하여 횡단보도에 접근하는 차량의 위치 변화를 모니터링하며 최적화된 분류 모델과 파라미터를 사용하여 차량 속도에 따른 위험 정도를 예측한다. 실제 차량 주행 영상을 이용한 시뮬레이션 및 실험을 바탕으로 제안하는 시스템의 교통사고 예방 활용가능성을 확인하였다. As the individual vehicle penetration rate of Korea continues to increase, the rate of traffic accidents tend to increase as well. In particular, among the pedestrian accidents a high ratio of accidents of children and the elderly at crosswalks are observed; therefore, a lot of studies and efforts have been made to prevent crosswalk traffic accidents. This paper proposes a system to prevent pedestrian traffic accidents by providing adaptive notification through speed monitoring of vehicles approaching the crosswalk. To this end, a deep learning technology is used to monitor changes in the position of the vehicle approaching the crosswalk, and well-optimized classification models and parameters are used to estimate the speed of a vehicle, thereby predicting the degree of safety around the crosswalk. Through the experiments and simulations using real vehicle driving images, we show the feasibility of the proposed system to prevent traffic accidents.