딥러닝을 활용한 스트리트뷰에서의 barrier-free 출입 객체 탐지 (Barrier-free Entrance Object Detection in Street View Using Deep Learning)

서지정보

· 발행기관 : 한국측량학회
· 수록지 정보 : 한국측량학회지 / 42권 / 6호 / 703 ~ 711페이지
· 저자명 : 김혜진, 박슬아, 김지영

초록

교통약자의 이동권 보장은 사회적으로 중요한 이슈로 부각되고 있으며, 이에 따라 공공건물 및 시설물에 대해 장애물 없는 생활환경(BF: Barrier-Free) 인증 제도가 의무화되고 있다. BF와 관련된 요소 중에서 건물 출입구의 접근성 정보는 휠체어 사용자가 실외와 실내를 원활하게 이동하는 데 있어 핵심적인 요소이다. 그러나 현장 조사를 통해 이러한 정보를 수집하고 관리하는 것은 높은 시간적·비용적 제약으로 인해 어려움이 있다. 본 연구는 스트리트뷰 영상을 활용하여 건물 출입구와 BF 관련 객체(출입문, 회전문, 계단, 경사로)를 탐지하는 딥러닝 기반 프레임워크를 제안한다. 휠체어가 접근 가능한 출입문, 경사로, 접근성을 저해하는 회전문 및 계단을 탐지 대상으로 설정하였으며, YOLOv5 모델을 이용하여 학습 및 객체 탐지를 수행하였다. 학습 데이터셋은 스트리트뷰 영상, 서울시 공공 데이터의 건물 출입문 사진, 오픈 데이터셋을 통합하여 구성하였으며, 탐지된 객체를 기반으로 출입구의 BF 상태를 분석하였다. 실험 결과, 추가 데이터셋을 포함하여 학습한 경우에 스트리트뷰 단독 데이터를 사용한 경우보다 전반적으로 탐지 정확도가 향상되었으며, 모든 데이터셋을 활용한 조합에서 가장 높은 정확도(검증 mAP50: 0.657, 테스트 mAP50: 0.532)를 기록하였다. 그러나 경사로와 계단 탐지 성능은 상대적으로 낮았으며, 이는 비정형 형태와 제한된 학습 샘플 때문으로 분석된다. 본 연구는 BF 정보 자동 구축의 가능성을 제시하며, 접근성 평가 방법의 개선 방향을 제안한다.

영어초록

The mobility rights of transportation-vulnerable groups have emerged as a critical societal issue, leading to the mandatory implementation of the BF (Barrier-Free) certification system for public buildings and facilities. Among the elements of BF, accessibility information for building entrances is a key factor for enabling wheelchair users to move seamlessly between outdoor and indoor environments. However, collecting and managing such information through on-site surveys is challenging due to significant time and cost constraints. This study proposes a deep learning-based framework using street-view imagery to detect building entrances and BF-related objects, including entrance doors, revolving doors, stairs, and ramps. Target objects were defined as wheelchairaccessible entrance doors and ramps, as well as accessibility-hindering objects such as revolving doors and stairs. The YOLOv5 model was employed for training and object detection. The training dataset was constructed by integrating street-view imagery, entrance photographs from public datasets provided by the Seoul Metropolitan Government, and open datasets. Based on the detected objects, the BF status of building entrances was analyzed. Experimental results demonstrated that including additional datasets in training significantly improved detection accuracy compared to using street-view imagery alone. The highest accuracy (validation mAP50: 0.657, test mAP50: 0.532) was achieved when all datasets were combined. However, the detection performance for ramps and stairs was relatively lower, primarily due to their irregular shapes and the limited number of training samples. This study highlights the feasibility of automating BF information generation and suggests directions for improving accessibility evaluation methods.

참고자료

· 없음