hyunjungscoding hyunjungscoding

주관: 고용노동부, 한국기술교육대학교 직업능력평가심사원 일시 : 2022.06.22 팀명 New Direction (중앙정보처리학원) 아이디어 CCTV 영상을 통해 도로 위 주정차 차량 식별하고 긴급 차량의 통행 가능 여부를 지도 API를 통하여 시각화하여 제공 긴급차량 골든타임 확보를 위한 AI 기반 관제 솔루션 ㅇ (추진배경) 골든타임 확보율은 평균 57.4% 수준이며 주요 방해 요인은 ‘불법주정차’, 불법 주차 차량 강제처분법의 실효성 논란 및 통합관제센터에서의 인력 부족으로 인해 정확한 관제가 이뤄지지 않는 상황 ㅇ (목표 및 내용) CCTV 영상 분석을 통해 긴급 차량 진입 방해 요소 파악 및 분석 - 통행 방해 주정차 차량을 파악하고 지도에 표시함으로써 지체될 수 있는 시간을 사전에 방지 및 ..

Q. 가장 어려웠던 문제는 무엇이었나? 문제 리스트 : 1. 차량이 움직이는 경우에도 객체탐지는 작동을 해서 이를 제외할 방법을 찾는데 고민을 많이 했습니다. 처음에는 시간 흐름에 따른 이미지 2장을 비교하여 bbox의 중심점이 일치하는 경우 주정차로 판단하려 했지만 객체탐지가 똑같은 BBOX 좌표가 아닌 조금의 명암 차이에도 미세한 오차를 보여 허용 오차율을 BBOX의 5%를 지정해 이 안으로 중심점이 이동했다면 주정차 차량으로 판별하도록 코드를 작성해 해결하였습니다. 2. 구동까지는 완성했었으나 실제 도로폭과 보정한 이미지 도로폭 산출 간에 정확도가 얼마나 되는지 파악하기 어려웠습니다. 그래서 씨씨티비 영상의 장소를 실측하기 위해 대전 현장답사를 통해 오차율을 파악하였습니다. 3. 와핑 작업 후 일부..

http://www.smartcitytoday.co.kr/news/articleView.html?idxno=23599 '도로정찰대팀', K-디지털 트레이닝 해커톤 대상 - 스마트시티투데이 제2회 K-디지털 트레이닝 해커톤에서 도로정찰대팀이 대상을 받았다.고용노동부는 4월부터 전국적으로 두 차례의 예선을 거쳐 최종 본선에 오른 K-디지털 트레이닝(KDT) 10개 팀을 대상으로 22일 www.smartcitytoday.co.kr https://n.news.naver.com/article/025/0003204257?sid=102 교통도 디지털이다…차선정비 예산 확 줄였다, AI 이 서비스 '교통도 디지털이다.' 올해 개최된 K-디지털 트레이닝 해커톤(해커와 마라톤의 합성어)에서 교통 관련 문제 해결 작품이 대..

- 와핑 관련 1) 왜 와핑을 하고 BBOX를 쳤는지? bbox를 치고 난 다음 와핑을 하면 안 됐는지? -> 와핑을 하기전에 bbox를 치게 된다면 bbox도 와핑이 되는 도중에 왜곡이 되어 버립니다. 그러면 가용폭 산출을 위해 왜곡된 bbox의 좌표를 계산해주어야 문제가 추가적으로 발생해 와핑 후 객체탐지를 진행하였습니다. 18) 와핑을 직접 좌표를 찾아서 하셨는데 cctv가 추가될때마다 사람이 직접 좌표를 따서 해야하는지 아니면 자동화 할수 있는 방안을 생각해 보셨는지? ->현재는 직접 좌표를 찾아줘야합니다. 자동화의 경우에는 왼쪽, 오른쪽의 차선을 찾아서 화면의 구도를 파악한 뒤 한 점을 찍으면 그 점의 동일선상에 위치한 점을 직선으로 표시해주는 와핑 보조도구를 생각해 보았습니다. 12) 와핑에 ..

Q. 와핑을 해서 bbox를 친건지 bbox를 치고 와핑을한건지 A. 와핑을 하고 bbox를 쳤습니다 Q. 파인튜닝한 데이터는 어떤건가요? yolov5 가져와서 파인튜닝을 했죠 , 그 때 쓴 데이터는 어떤거죠? A. COCO 데이터셋을 사용하여 차량 탐지를 하였으나, 저희 데이터셋에는 인식이 되지않아 가지고 있는 데이터셋으로 커스텀모델 생성하였습니다 Q. 파인튜닝할 때는 여러가지 모델을 사용하는 게 필요한데 하나만 해봤나요? A. 사전학습 할 때는 저희가 가진 데이터 에서 다양한 이미지를 만들어 변환,증식(좌우반전)해서 사전학습을 했습니다. Q. 처음 헀던 거 하고 데이터 증식,변환하고 파인튜닝한 후에 어떤 개선이 있었는지 A. 사전학습 된 모델 사용시 와핑시 발생하는 이미지 왜곡으로 인한 차량 미검출 ..

6월 8일 고의열 멘토님 1. 개요 부분에 프로젝트 목적에 대해 더 명확하게 표기할 것 if 통행 방해 차량이 있다 -> 지금은 법이 개정돼서 뿌시고 가도 되는데 그렇다면 과연 이게 필요한 것인가( 논리 추가) 2. 소방서가 불 나는 곳까지 가는데 통행 불가도로가 있으면 우회도로를 안내하겠다는 향후 발전 가능성으로 연결하면 좋을 것 3. 성능을 올리는 방향성 Q. 와핑하고 차량 검출했을 때 인식률에 차이가 발생하지 않았는지 - 기존: 왜곡때문에 와핑한 이미지를 가지고 사전 훈련을 시켰음 - 멘토링: 이미지를 먼저 객체탐지를 하고 와핑을 해서 바운딩 박스도 같이 와핑이 될테니 따로 계산할 필요가 없을 것 4. 이미지 안에 가용폭 계산이 된 게 나오면 좋을 것 같음 - 모달 팝업으로 띄우고 이걸 보여주고 그..

6월 30일 서민관 멘토님 1. 세그멘테이션 시 예상되는 어려운 점 - CCTV 별로 상황과 이미지가 다르기 때문에 모델로 인식을 한다면 상당히 많은 경우를 학습해야할 것 -> 수작업 와핑이 더 합리적일 듯 - 자동차는 세그멘테이션의 장점을 사용하는 게 맞지만, 도로는 아닌 듯 - 1차 멘토링에서 말한 정확도를 높이기 위한 세그멘테이션 적용법은 이해가 되지만, 목표가 실현 가능성인지, 여러 기술 사용인지에 따라 다를 듯 - 세그멘테이션 사용했다 하니 바로 어떻게 학습을 시켰을까 하는 의문점이 들었음 -> 세그멘테이션 생각했지만 어떠어떠한 어려움이 있어 지금은 적용하지 않았다라고 말할 수 있어야 될 듯 - 기술 확장하느라 세그멘테이션 모델 써서 하는 것 보다 확실하게 사람이 찍어줘서 더 정확한 데이터를 뽑..

5월 30일 코코사일로 권성일 멘토님 1. 기술적인 부분 - 정확도를 높이는 것 제일 핵심 : object detection이 아닌 segmentation을 이용해 정확도를 높여볼 것 (발표 때 개선 과정 보여주기) - 오차율 체크 : 실제 차선 거리 재보기 , 구글맵으로 차선 거리 재보기 2. 상용화 부분 - 실시간 데이터 받아서 사용 가능하게 하려면 CCTV를 어떻게 가져와서 사용할건지 - cctv 영상 제공하는 기업과 협업하는 방식으로 하게 될텐데 추가적인 생각 필요 - 실 데이터가 어떻게 수집되고 있는지 (관제 시스템에서 녹화가 되고 있는건지, cctv 저장된 sd 카드를 빼서 사용하는지) - 하드웨어적인 부분 edge device를 쓸 건지 (라즈베리 파이 or 아두이노) 3. 해커톤 발표 - ..