YOLOv8x 기반 교차로 우회전 보행자 경고 시스템

개요

이 글은 2024년 DSC 리빙랩 지원사업으로 진행했던 교차로 우회전 보행자 경고 시스템 프로젝트를 정리한 글이다.

프로젝트의 목표는 다음과 같았다.

교차로 횡단보도에 보행자가 있을 때 AI가 이를 감지하고, 우회전 차량 운전자에게 시각적 경고를 제공해 사고 위험을 줄인다.

도로교통법 개정 이후에도 우회전 일시정지 규칙을 정확히 알고 실천하는 운전자는 많지 않았다. 특히 사각지대에 가려진 보행자는 운전자가 늦게 발견할 수 있고, 이때 급정거 또는 사고 위험이 발생한다.

이 문제를 해결하기 위해 CCTV 영상과 객체 탐지 모델을 활용한 보행자 경고 시스템을 설계했다.

문제 정의

교차로 우회전 사고의 핵심 문제는 단순히 운전자가 법을 모른다는 것만은 아니었다.

보고서를 작성하며 정리한 문제는 다음과 같았다.

우회전 일시정지 제도에 대한 인식 부족

보행자 신호 중에도 서행만 하고 지나가는 차량

횡단보도 주변 사각지대에 가려지는 보행자

단속 부족으로 인한 낮은 법규 준수율

기존 우회전 신호등 설치의 비용과 신호 연동 복잡성

따라서 목표는 “운전자를 처벌하는 단속 장치”라기보다, 운전자가 보행자를 더 빨리 인지할 수 있게 도와주는 경고 시스템에 가까웠다.

시스템 아이디어

시스템은 크게 세 단계로 동작한다.

1. CCTV 또는 카메라 영상 입력 YOLOv8x 모델로 횡단보도 내 보행자 탐지 보행자가 감지되면 운전자 시야에 경고 표시

초기 구상에서는 LED 경고 장치를 사용하려 했다. LED는 주야간 가시성이 좋고, 보행자가 있을 때만 점등되므로 운전자에게 명확한 시각적 신호를 줄 수 있다.

다만 실제 사업 진행 중에는 기자재 임차와 구매 과정에 제약이 있어, 최종 현장 테스트에서는 노트북 화면을 활용해 모델의 탐지 결과를 출력하는 방식으로 검증했다.

모델 선정

보행자 탐지 모델로는 YOLOv8x 를 선택했다.

처음에는 여러 객체 탐지 모델을 비교했다.

Faster R-CNN / Mask R-CNN -> 정확도는 높지만 연산량이 커서 실시간 탐지에 부담