자율주행 차량을 위한 교통 통제 제스처 인식

자동차 운전자는 교통경찰의 신호 제스처에 어떻게 반응해야 하는지 알고 있다. 그러나 자율주행차의 경우, 도로 교통 제어 제스처 인식 기능을 갖추지 않는 한 이와 같은 상황에 적절히 대응할 수 없다. 본 연구에서는 기존 자율주행 데이터셋이 교통 제어 제스처 인식을 위한 학습 데이터를 제공하는 데 한계가 있음을 지적하고, 이를 해결하기 위해 3D 신체 스켈레톤 입력 기반의 데이터셋을 제안한다. 이 데이터셋을 통해 각 시간 단계에서 교통 제어 제스처를 분류하는 작업을 수행할 수 있다. 본 데이터셋은 여러 배우자로부터 수집된 총 250개의 시퀀스로 구성되어 있으며, 각 시퀀스의 길이는 16초에서 90초까지 다양하다. 제안한 데이터셋의 성능을 평가하기 위해, 순환 신경망(RNN), 어텐션 메커니즘, 시간적 컨볼루션 네트워크(TCN), 그래프 컨볼루션 네트워크(GCN) 등의 딥 뉴럴 네트워크 기반의 8가지 시계열 처리 모델을 제안한다. 본 연구에서는 제안된 데이터셋에 대해 모든 접근 방식에 대한 광범위한 평가 및 분석을 수행하였으며, 실제 도로 환경에서의 정량적 평가도 수행하였다. 코드와 데이터셋은 모두 공개되어 있으며, 연구자들의 활용이 가능하다.