인파 위험 분석을 위한 보행자 검출 및 사람 재식별 연구

Pedestrian Detection and Person Re-identification for Crowd Risk Analysis

연구 내용

밀집 인파에서 가림과 겹침에 의해 저하되는 보행자 검출 성능을 개선하고 재식별 단서를 결합해 위험 상황을 분석·예측하는 연구

밀집 인파 환경에서 보행자 가림과 겹침으로 인해 발생하는 오검출 문제를 줄이기 위해 YOLOv5 계열 검출기에 어텐션 기반 특징 융합을 적용합니다. 또한 업샘플링을 통해 다중 스케일 피라미드 특징의 해상도를 보강하고, 중첩 대상에 대한 차별적 어텐션 특징 맵을 결합하는 구조를 사용합니다. 더 나아가 사람 ReID에서는 self-attention과 feature clustering 메커니즘을 통해 유사 인스턴스의 구분성을 높이고, 인파 사고 위험 분석 모델과 결합하여 상황 분석 및 예측에 활용합니다.

관련 프로젝트

2건

연구 흐름

초기 연구는 밀집 보행자 검출에서 NMS 부담과 가림에 따른 정확도 저하를 동시에 다루는 데 집중되었고, YOLOv5 기반으로 특징 추출 단계에 어텐션 메커니즘을 적용하는 방향으로 확장되었습니다. 이후 다중 스케일 피라미드 특징을 정교하게 결합하는 절차로 중첩 영역의 구분성을 강화하였습니다. 2023년부터는 Hippo-RPR 딥러닝 모델 기반 위험 상황 분석 및 예측 과제를 통해, 검출·재식별 기반 정보가 인파 사고 위험도 산출로 이어지도록 모델링과 예측 체계를 고도화하는 흐름을 형성하였습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

밀집 인파 모니터링
보행자 검출 실시간화
가림 상황에서 추적 신뢰도 향상
사람 재식별 기반 사건 추적
위험 상황 조기 경보
교통 혼잡 안전 관리
군중 밀도 기반 운영 최적화
비디오 기반 안전 분석 자동화
공공장소 CCTV 분석
엣지 컴퓨팅 추론 파이프라인