[모각코] 물랑룽즈 - 4차

퍼듀 프로젝트

센서 조사 및 컴퓨터 비전 관련 자료 조사

주제: Vehicle theft prevention system based on Computer vision and IoT sensors

 

 

1. 어떤 방법으로 탐지할 것인가

• 카메라: 어라운드뷰
• 레이더 센서를 이용한 거리 측정 방법: 송수신하는 신호의 유형에 따라
  • CW(Continuous Wave) 신호
    • 연속적인 고주파 신호를 송수신하여 두 고주파신호의 위상 차이를 통해 거리를 측정하는 방식
    • 주파수 모듈레이션 CW 방법, 주파수 선택 CW 방법 등을 이용해 매우 작은 측정오차를 가지는 거리 측정 센서 제작을 가능하게 함
  • 펄스(Pulse)를 이용하는 방법
  • UWB(Ultra Wideband)로 대표되는 임펄스(Impulse)를 이용하는 방법

2. 컴퓨터 비전

• 인공지능과 이미지 처리 기술의 결합으로, 기계가 사람의 시각 시스템을 모방하여 디지털 이미지와 동영상 데이터를 이해하고 해석하는 능력을 갖추게 하는 분야
• 개발 목표: 사람의 시각 인식과 유사한 수준으로 정보를 인식하고, 그 결과를 다양한 응용 프로그램에 적용할 수 있도록 하는 것
• 이미지나 영상 데이터에서 특징 추출 후, 패턴을 인식하는 기술들이 활용
• 작동 원리
• 이미지 전처리: 이미지 노이즈 제거, 명암 및 색 보정, 크기 및 해상도 조절 등
• 특징 추출: 모서리, 코너, 텍스처, 색상 분포 등
• 패턴 분석 및 분류: 머신러닝, 딥러닝 등의 다양한 방법을 사용해 패턴을 분석하고 객체를 분류
• 이미지 합성 및 생성: 객체를 인식해 분류한 후, 해당 객체들을 다른 이미지와 합성하거나 새로운 이미지를 생성
  • 객체의 위치, 크기, 방향 등을 조절해 일관성 있는 결과물을 생성
• 주요 요소
  • 데이터 수집 및 전처리
    • 노이즈 제거, 이미지 정규화, 색공간 변환
  • 특징 추출 및 표현
    • 특징을 찾아내고, 이를 기계가 이해할 수 있는 형태로 변환
    • SIFT, SURF, HOG 등의 알고리즘이 이 작업을 수행

3. YOLO

• 객체 인식(Object Detection)
  • 이미지 또는 비디오에서 개체를 식별하고 찾는 것과 관련된 컴퓨터 비전 작업
  • 이것은 무엇인가? → 특정 이미지에서 대상을 식별하기 위함
  • 어디에 위치해있는가? → 이미지 내에서 개체의 정확한 위치를 설정하기 위함
  • 단일 알고리즘 실행을 통해 객체 감지가 어려워졌던 차에, YOLO 알고리즘 등장
• 실시간 객체 인식 시스템으로 딥러닝 기반 접근 방식
• 입력된 이미지를 일정 분할로 그리드하고, 신경망을 통과하여 바운딩 박스(와 클래스 예측을 생성하여 최종 감지 출력을 결정

4. 딥러닝 기반 객체 탐지 모델 종류

• One-Stage Detector: Regional Proposal, Classification 동시에 수행
  • YOLO, SSD, RetinalNet
• Two-Stage Detector: Regional Proposal, Classification 순차적으로 수행
  • R-CNN, Fast R-CNN, Faster R-CNN

5. Personal Protective Equipment Kit Detection using Yolo v5 and TensorFlow

https://ieeexplore.ieee.org/abstract/document/9645811

• PPE 객체 식별을 달성하기 위해 텐서플로우 모델인 MobileNet SSD와 Pytorch 프레임워크 Yolov5를 사용했음.
• 위 논문에서는 정확도 뿐만이 아닌 배포 가능성도 고려함.

결론

• Yolov5 모델이 MobileNet SSD 효과적임을 확인함.
• MobileNet SSD 대신 Yolov5 모델을 사용하는 게 효과적임 → 그래서 Yolov5 모델을 사용
• 위 논문보면 훈련된 모델을 배포를 위해 텐서플로우 라이트 모델로 변환함 → 라즈베리파이에 배포 가능

6. Pose Estimation

• Top-down
  • 사람을 먼저 찾고, 찾은 사람의 Bounding Box에서 자세 추정
  • 정확도가 Bottom-up 방식보다 높음
• Bottom-up
  • joint들을 먼저 찾고, joint들의 상관관계를 분석해 자세 추정
  • Object Detection 과정이 없어 속도가 빨라 실시간 처리에 사용 가능