KETI

2020.08 ~ 2020.12

교통사고 탐지

Python, keras, pytorch, Yolov4, DeepSort, FlowNet2.0, ORBSLAM2

Traffic Accident Detection

본 프로젝트는 전자기술연구원(KETI)에서 진행되는 프로젝트로 데이터 및 코드는 대외비 입니다.

데이터, 코드를 제외한 프로젝트 과제 내용만 공유합니다.

---

1. 소개

1.1 정의

• 블랙박스 영상을 활용한 교통사고 탐지
• 1인칭 시점의 블랙박스 영상을 활용한, 비지도 학습 기반의 교통 상황 이상 탐지 모델
• 영상 프레임 내의 객체들에 대한 미래 위치를 예측해서 이상 탐지 진행. 이 때 모델이 학습하기 위한 정답, Label은 바로 다음 순간의 위치이기 때문에 별도로 Labeling 할 필요가 없다.
• 미래 위치 예측은 1) 모델이 예측한 미래 위치가 실제 위치와 비교했을 때 얼마나 정확한지(Accuracy), 그리고 2) 객체가 보이는 비정상적인 움직임이 일관적으로 관측되는지(Consistency) 등을 평가하며 학습이 진행되고, 잘 학습된 모델은 예측한 위치와 실제 위치의 차이가 큰 경우를 이상 상황으로 탐지
• 인코더-디코더를 포함하는 LSTM 모델로 예측
• 모델에 Input으로 들어가는 Feature를 생성하기 위해서는 4가지 기법이 사용됨
  • 객체 탐지 : Yolov4 (논문에서는 Mask-RCNN을 사용)
  • 트래킹 : DeepSort
  • 광학 흐름 : FlowNet2.0
  • 자아 궤적 탐지 : ORBSLAM2

---

2. 단계별 영상

2.1 원본 영상

2.2 객체 탐지 + 트래킹

• Yolov4를 이용하여 객체를 탐지하고 DeepSort를 이용하여 객체 트래킹

2.3 광학 흐름

• FlowNet2를 이용하여 프레임상의 광학 흐름을 탐지하여 프레임 이미지의 변화를 탐지

2.4 자아 궤적 탐지

• ORBSLAM2를 이용하여 자아의 궤적을 탐지, 어떻게 움직이고 있는지를 판단한다.

3. 결과

3.1 추가 영상