초록
교통 감시 카메라를 통해 촬영된 차량의 탐지 및 추적은 지능형 교통 시스템의 핵심 구성 요소이다. 본 논문에서는 차량의 3차원 경계 상자(3D bounding box)를 탐지하는 새로운 방법을 제안한다. 감시 장면의 사전 지식으로 제공되는 기하학적 구조를 활용하여, 원근 변환(perspective transformation)을 구성하는 알고리즘을 제안한다. 이 변환을 통해 3차원 경계 상자 탐지 문제를 하나의 추가 파라미터를 갖는 2차원 경계 상자 탐지 문제로 단순화할 수 있다. 따라서 깊은 합성곱 신경망 기반의 수정된 2차원 객체 탐지기(modified 2D object detectors)를 활용하여 차량의 3차원 경계 상자를 탐지할 수 있다. 이미 알고 있는 차량의 3차원 경계 상자 정보는 세밀한 차량 분류(fine-grained vehicle classification)나 차량 재식별(vehicle re-identification)와 같은 작업의 성능 향상에 활용될 수 있다. 제안한 탐지기의 정확도는 브노 컴퍼니 스피드(BrnoCompSpeed) 데이터셋을 이용하여 기존 최첨단 기법과의 속도 측정 정확도를 비교함으로써 평가되었다. 본 방법은 속도 측정의 평균 오차를 22% 감소시켰으며(1.10 km/h → 0.86 km/h), 중앙값 오차는 33% 감소시켰다(0.97 km/h → 0.65 km/h), 또한 재현율(recall)도 증가시켜 83.3%에서 89.3%로 향상되었다.