주·정차 금지 구역 내 딥러닝 기반 실시간 주차 운전자 하차 시점 판별 시스템 ((Deep Learning-Based Real-Time Parking and Driver Disembarkation Detection System in No-Parking Zones))

서지정보

· 발행기관 : (사)한국스마트미디어학회
· 수록지 정보 : 스마트미디어저널 / 14권 / 5호 / 17 ~ 25페이지
· 저자명 : 천승환, 김수형

초록

기존의 불법 주·정차 단속 방식은 사후 감지(post-detection) 방식으로 운영되어, 운전자가 차량을 떠난 한참 후에야 위반 여부를 파악할 수 있어, 원활한 교통 상황과 보행자 안전을 제공하는데 한계가 있다. 또한, 실시간 불법 주·정차 단속을 위한 번호판 인식 시스템(LPR)은 협소한 도심 도로에서는 도로 규모에 비해 설치 및 운영하기에 부담되는 고비용이며, 프라이버시 문제로 인한 민원 발생 가능성이 높다는 문제점을 갖고 있다. 그리고 차량의 실내에서 운전자의 행동을 분석하고자 하는 연구들은 다수 있지만 현재까지는 차량에서 내리는 운전자를 탐지하고 운전자에게 직접 불법 주·정차임을 경고할 수 있는 관련 연구는 없다.
이러한 문제를 개선하기 위해, 본 논문에서는 YOLOv3 기반 객체 탐지, Darknet 프레임워크, 그리고 MOSSE 기반 다중 객체 추적(MOT) 기술을 적용하여 감시 영상에서 차량의 주·정차 시점과 운전자의 하차 시점을 판별하는 알고리즘을 수행하였다. 그 결과, 운전자가 차량에서 내리는 시점을 91% 이상의 정확도로 판별할 수 있음을 확인하였다. 이를 통해, 단순한 번호판 단속이 아닌 계도(계몽) 목적의 시스템을 구축하여, 운전자가 차량에서 멀어지기 전에 현장에서 즉각적인 경고나 알림을 제공함으로써 신속한 차량 이동을 유도할 수 있다.

영어초록

Traditional illegal parking enforcement operates on a post-detection basis, meaning that violations are identified long after the driver has left the vehicle. This approach has limitations in ensuring smooth traffic flow and pedestrian safety.
To address these issues, this paper proposes a system that integrates YOLO-based object detection, the Darknet framework, and MOSSE-based Multi-Object Tracking (MOT) technology. The system identifies vehicle parking events and detects driver exit events from surveillance footage. The proposed approach achieves over 91% detection accuracy for identifying driver exit moments. Instead of relying on license plate-based enforcement, this system aims to provide proactive guidance by immediately issuing on-site warnings and notifications before the driver moves away from the vehicle, encouraging prompt vehicle relocation and reducing illegal parking incidents.

참고자료

· 없음