A study to recognize and classify road dangerous objects automatically using deep learning
Inchul Yang, Woo-Hoon Jeon, Joyoung Lee · Journal of Digital Contents Society · 2021
도로에는 낙하물, 포트홀, 로드킬 등 다양한 위험객체가 빈번하게 발생하며, 이로 인한 사고를 예방하기 위한 최선의 방법은 신속하게 검지하는 것이다. 이를 위해 전 세계적으로 모바일 앱 기반의 도로위험객체 신고 서비스가 공공과 민간 영역에서 활발히 개발 · 운영되고 있는 실정이다. 하지만 도로환경에서 앱을 사용하여 위험객체를 신고하는 행위는 위험하기 때문에 그 사용시간을 최소화하는 기술의 개발이 필요하다. 이에 본 연구에서는 딥러닝 기술을 활용하여 도로 이미지로부터 도로위험객체를 자동으로 인식하고 분류하는 방법을 제안 및 구현하고 성능을 검증함으로써 그 가능성을 점검하였다. 신고 이미지는 노면상태불량, 배수시설불량, 도로시설물불량, 로드킬 및 장애물의 네 개의 분류체계로 분류하였고, 딥러닝을 통해 학습된 모형(YOLO v3)은 평균 95%의 높은 검출율을 나타냈다.