본 기술은 딥러닝 기술을 활용하여 횡단보도, 차도, 혹은 인도 등과 같은 교통 환경 내에서 도로를 보행하는 보행자에 대하여 미래 시점에 보행자가 도로를 횡단할지, 혹은 횡단하지 않을지를 미리 예측하는 기술
보행자 도로 보행 예측 기술은 보행자의 과거 프레임 내 보행자와 관련된 연속적인 시각적, 비시각적 정보를 활용하여 보행자가 향후 일정 시간 내에 도로를 횡단할 가능성을 예측하는 기술로 어린이/노인/장애인 보호 구역 등과 같은 고위험 구역에서 보행자의 안전을 향상시키는데 활용될 수 있음
최근 국내에서 어린이 보호 구역 내 사고 건수는 2019년부터 567건, 483건, 523건, 그리고 2022년 514건으로 연간 꾸준히 500건 내외의 사고가 발생하고 있어서 어린이 보호 구역 내 보행자 안전성 확보가 필수적임
- 자동 레이블링 기술
. 기존의 기술은 주어진 데이터셋에 대하여 특정 프레임에 해당하는 구간만 레이블링이 되어 있어서 해당 구간을 넘어서는 프레임에 대해서는 레이블링 값이 존재하지 않아 예측 네트워크를 구동할 수 없어 예측 구간이 상당히 제한적이었음
. 본 기술은 모든 프레임에 대해 자동으로 레이블링하는 기술을 추가하여 모든 프레임에 대해 예측을 수행함으로써 예측 구간의 한계점을 해결하였음
- 효율적인 다중 입력 특징 융합
. 경쟁 기술들은 각자 모델별로 서로 다른 융합 방법을 사용
1) 시각 입력 특징을 추출하기 위해 VGG16, VGG19와 C3D를 동시에 사용하는 등 서로 다른 시각적 인코더를 사용
2) 네트워크에서 RNN을 연속적으로 쌓거나 single로만 사용하는 등 구조적인 면에서 단순한 모델을 사용
. 본 기술은 속도와 정확도를 모두 고려하여,
1) VGG19를 사용하여 시각 입력 특징을 추출
2) 각 입력 특징에 따라 효율적으로 처리할 수 있는 RNN 인코더-디코더 모델을 사용
3) 입력 특징을 더 잘 분석하기 위해서 attention layer를 사용
- 실시간 보행자 도로 보행 예측
. 기존의 기술들은 보행자 행동 예측을 실시간으로 진행하지 못하고 오프라인 방식으로 진행했다는 한계점이 있음
. 본 기술은 예측 결과를 tracker와 연동하여 실시간으로 보행자의 도로 보행 예측을 진행
보행자 도로 보행 예측 AI 기술
- 특허 (실시권)
- 관련 소스 코드 및 학습된 모델
- 요구사항 정의서
- 시험 절차서 및 결과서
- 사용자 매뉴얼
1) 스마트 교통 시스템: 관련 지자체 기관에서 신호등, 교통 관리 시스템 등에서 보행자의 움직임을 예측하여 교통 흐름을 조절하거나 보행자의 안전성을 향상시키기 위해 활용 가능
2) 교통 상황 예측 위험 알림 기능: 보행자나 운전자를 위해 교통 상황 예측, 위험 알림 기능 등을 제공하는 모바일 애플리케이션 개발하거나, 보험 업계에서 교통사고 위험성 예측, 보험료 산정 등과 같은 보행자의 움직임 및 도로 횡단 예측 데이터로 활용 가능