본 과제는 인공지능 기반으로 전기차 충전구역에서 충전을 방해하는 차량을 실시간으로 찾아 차단하는 시스템 연구임. 연구 목표는 전기차 및 일반차 번호판을 검출·인식하는 인공지능 모델 개발, (AIoT) 엣지 하드웨어 및 소프트웨어 구현, 확장성 및 적용 용이성 확보임. 핵심 연구 내용은 다양한 기상 및 조명 환경에 강건한 번호판 분류 Detection, 번호 인식에 최적화 된 Recognition, 엔비디아 젯슨나노 기반 경량화 및 일반 카메라(AHD) 활용, 추가 학습으로 적용 개소 확장·번호판 규격 변경 대응임. 기대효과는 빠른 실시간 처리, 설치·유지보수 비용 절감, 충전소 이용 효율 및 민원 감소, 빅데이터 수집/가공 인력 수요 증가로 사회적 기여 가능함

1) 대규모 체험품질 데이터베이스 구축 - Unity3D와 Blender를 활용한 실/가상 배경과 실/가상 객체 조합 요소별 대규모 장면을 생성 (5,000장면 이상) - 주관적 시각 화질 및 naturalness를 반영하는 세부 지표에 대한 주관적 체험품질 점수 획득 (, 20,000명 이상 피험자 대상 5단계 체험품질 주관점수 획득 및 MOS 계산) 2) 실감형 영상 콘텐츠 체험품질 정량화 - 생체인지 기전 반영을 통한 Deep Neural Network(DNN) 기반 정량적 체험품질 예측 모델 설계 - 주관적 체험품질 점수(mean opinion score)를 ground-truth로 활용한 체험품질 예측 모델 학습 - 실/가상 이종 정보 disentangling을 위한 encoder-decoder 구조 신경망 설계 및 영상 특성에 맞는 self-attention 모듈 추가를 통한 성능 향상 (상관도 80%이상 달성) 3) 체험품질 반영 실감형 영상 콘텐츠의 자율 향상 기술 - 체험품질 code의 Generative Adversarial Network(GAN) 특징 연결을 통한 생성 영상 제어 기술 개발 - Neural inverse rendering을 통한 synthetic 객체/배경의 요소별 분해 및 향상 요소 분석 - 장면 및 반사, 기하, 조명 광원 요소별 자율향상 GAN 모델 설계 및 알고리즘 개발 ◾ 1차년도 - Unity3D 및 Blender를 활용한 요소별/단계별 synthetic 영상 제작 - Amazon Mechnical Turk를 이용 주관적 체험품질 점수 획득 - 정량적 체험품질 예측을 위한 DNN 기반 baseline 모델 개발 및 성능 검증 - 4,000개 이상의 장면 및 각 장면에 대한 15,000건 이상의 체험품질 레이블 DB 구축 - PLCC, SROCC 기반 70% 이상 성능의 체험품질 예측 모델 개발 ◾ 2차년도 - Unity3D 및 Blender를 활용한 요소별/단계별 synthetic 영상 추가 제작 및 주관적 체험품질 점수 획득 - 생체인지 모델 반영을 통한 정량적 체험품질 예측 성능 개선 - Neural inverse rendering을 통한 실감형 영상 콘텐츠 객체/배경 요소별 체험품질 분석 및 분리 - 영상 자율향상을 위한 GAN 기반 baseline 생성 모델 구현 및 학습 - 5,000개 이상의 장면 및 각 장면에 대한 20,000건 이상의 체험품질 레이블 DB 구축 - 객관적 체험품질 예측 모델 개선을 통한 PLCC, SROCC 75%이상 성능 달성 - 장면 단위 영상 체험품질 자율향상 알고리즘 개발 ◾ 3차년도 - Synthetic 영상 요소별 (반사, 기하, 조명 광원 등) 자율향상을 위한 적응적 GAN기반 생성 모델 구현 - 체험품질 저차원 임베딩을 통한 고품질 자율향상 영상 획득 - 생성영상 DB 추가 및 자율향상 end-to-end 알고리즘 구축 - 객체/배경 별 요소 단위 체험품질 자율향상 알고리즘 개발 - 최종 자율향상 영상의 피험자를 통한 주관적 품질 평가 결과 상관도 80%이상 달성