🚸 스쿨존 충돌사고 예방 알리미.V2

(School_Zone_Collision_Accident_Prevention_Notifier)

구분	설명
프로젝트 명	딥러닝 기반 스쿨존(골목길) 충돌사고 예방 알고리즘 개발
제안배경	매년 높아지는 스쿨존 교통사고를 예방하기 위한 아이디어입니다.
기간	2023.03 ~ 2023.08
요약	Object Detection 알고리즘인 YOLOv8을 base로 사용했습니다. 객체를 탐지 후 움직임을 탐지하는 알고리즘과 알림을 주는데 필요한 조건들을 추가해서 충돌사고를 예방할 수 있는 알리미를 개발했습니다.
역할	리더/ 아이디어 타당성 검토/ Stop-Moving 알고리즘 제안/ 아이디어 구현(개발)

시연영상 👉 https://youtu.be/BCXjsv-tun4

1. 움직이는 객체와 정지해있는 객체를 분리합니다.

Tracking 된 객체가 frame마다 얼마나 이동하는지를 계산하여 움직이는 객체, 움직이지 않는 객체를 구분하였습니다.

각 frame, class name(ex, car, person)별로 탐지된 객체들의 bounding box의 좌측상단(혹은 우측상단) point의 변동을 계산하여 평균을 계산합니다.

다음 frame에서 탐지된 객체의 bounding box 좌측상단 point의 변동 * 가중치(hyper parameter)의 값이 이전 frame에서 계산된 bounding box들의 변동의 평균값보다 더 크다면 움직이는 객체(Moving)로 판단합니다.

# Computing Uclidian Distance
bx, by = info[0]
x, y = bbox_point
ud = np.sqrt((bx - x) ** 2 + (by - y) ** 2)
cond = ud

# 차에 비해서 사람은 Identifying Moving Object이 잘 안됨. 따라서 가중치 부여
if ('person' in class_names) & ('car' in class_names):
    if class_name == 'person':
        cond = (cond + weight) ** 2
    if class_name == 'car':
        cond = cond // 3

if detect_type == 'weight':
    cond_ud = (cond > cond_list_mean * weight)
elif detect_type == 'square':
    cond_ud = (cond ** weight > cond_list_mean ** weight)
elif detect_type == 'exp':
    cond_ud = (np.exp(cond) > np.exp(cond_list_mean) * weight)
elif detect_type == 'exp2':
    cond_ud = (np.exp2(cond) > np.exp2(cond_list_mean) * weight) 
    
elif detect_type == 'expm1':
    cond_ud = (np.expm1(cond) > np.expm1(cond_list_mean) * weight)

# Identifying Moving Object
if cond_ud: 

    cv2.rectangle(frame, (int(x1), int(y1)), (int(x2), int(y2)), (0, 0, 255), 3)
    cv2.putText(frame, f"MOVING_{track_id}_{class_name}",                                         
                (int(x1), int(y1) - 10), 
                cv2.FONT_HERSHEY_SIMPLEX, 0.9, 
                #colors[track_id % len(colors)], 
                (0, 0, 255), 
                thickness=2)
    
    print(f'A moving {class_name} detected!!!')

2. Moving 상태가 지정한 조건만큼 연속해서 지속될 시 'Warning'상태가 됩니다.

WARNING을 부여받은 객체는 알고리즘이 예의주시 하고 있다는 뜻입니다 👀.

# WARNING을 주는 기준 : warning_count
# warning 조건 달성
if globals()[f'track_id_{track_id}_count_{sequence}'] >= warning_count:
    cv2.putText(frame, "WARNING", 
                (int(x1), int(y1) - 30), 
                cv2.FONT_HERSHEY_SIMPLEX, 
                2, (0, 165, 255), thickness=4)

3. False Alarm을 예방하고자 탐지하고자 하는 구간(Zone)을 설정해줍니다.

# 두 영상에 모두 WARNING 신호를 줄 때
if (warning_text1_source != '') & (warning_text2_source != '') & ((count_in_zone_1 > 0) & (count_in_zone_2 > 0)): 
    c += 1
    warning_text1 = warning_text1_source
    warning_text2 = warning_text2_source

LED 점등 조건
조건1. 두 영상에 모두 Warning 상태인 객체가 있을 때
조건2. Warning 상태인 두 객체가 Zone 안에 있을 때

✅ 조감도