병렬 딥러닝 구조를 이용한 보행자 무단횡단 의도 통합 예측

Abstract

도시화로 인해 교통사고와 주차 문제는 점점 더 다양해지고 있으며, 횡단보도에서 발생한 보행자 사고는 교통사고 사망자의 30% 이상을 차지하고 있다. 특히, 적신호 상황에서 운전자가 사전에 보행자를 인지하지 못할 경우 치명적인 부상을 입힐 가능성이 높다. 이에 따라, 보행자 횡단 의도를 사전에 예측하여 교통사고를 예방하기 위한 다양한 연구들이 진행되고 있다. 본 논문에서는 보행자의 횡단 의도를 사전에 예측하는 딥러닝 기반 통합 보행자 횡단 의도 예측 시스템을 제안한다. YOLOv5 객체 탐지 모델을 사용하여 횡단 의도가 있는 보행자 행동을 식별하고, 동시에 MMPOSE 관절 예측 모델을 사용하여 보행자의 시점을 분류한다. 보행자의 행동, 시점, 보행자와 횡단보도 사이의 거리를 분석하여 다양한 시나리오에서 횡단 의도를 예측한다. 향후 본 연구를 기반으로 자율주행 시스템에서 교통 안전 향상을 위한 다양한 응용 연구가 이루어질 것으로 기대된다.

Urbanization has led to diversification in traffic accidents and parking issues, with pedestrian accidents at crosswalks accounting for over 30% of traffic fatalities. Particularly concerning are situations where pedestrians are not anticipated by drivers during red signal conditions, as the potential for severe injuries is high. To address this issue, we propose a deep learning-based integrated pedestrian crossing intent prediction system. The system uses the YOLOv5 object detection model to identify pedestrian actions that indicate crossing intent. At the same time, it utilzes the MMPOSE joint prediction model to classify the pedestrian's perspective. By analyzing pedestrian actions, perspectives, and the distance between the pedestrian and the crosswalk, the system predicts crossing intent in various scenarios. Future research based on this study is expected to contribute to diverse application studies aimed at enhancing traffic safety in autonomous driving.