(2022.03.03~2022.05.30)
Report / Result Video / Presentation
프로젝트에 대한 자세한 설명은 보고서와 비디오를 통해 확인할 수 있다.
본 프로젝트에서는 Object Detection 알고리즘 YOLOv3와 라즈베리 파이를 활용해 오토바이 헬멧 착용 단속 카메라를 제작함으로써 효과적으로 헬멧 착용을 독려할 수 있는 시스템을 제안한다.
Keywords Raspberry Pi, YOLOv3, Text Detection, OCR
본 프로젝트는 아나콘다를 이용한 로컬환경 또는 colab에서 실행이 가능하다.
- 로컬에서 실행할경우 Python 3.7로 가상환경을 만들어주고 아래 명령어를 통해 필요한 라이브러리를 설치해준다.
conda create -n (your own env name) python=3.7
conda activate (your own env name)
git clone https://github.com/guen-a-park/Capstone-Project.git
cd Capstone-Project
pip install -r requirements.txt로컬 환경에서 tensorflow-gpu 를 이용하기 위해서는 다음 링크를 참고해 별도의 환경설정이 필요하다. (윈도우10 기준) Link
- colab에서 실행할 경우 본 프로젝트를 드라이브에서 clone 해준 후 for_colab 폴더의 object_detection_yolo_keras.ipynb 파일을 통해 코드실행여부를 확인할 수 있다.
-
convert_xml_csv.py
train image와 labelImg를 통해 만들어준 annotation 파일을 train에 필요한 하나의 csv로 만들어주는 코드이다.
그 결과인 helmet_anno.csv에서는 train image 경로와 함께 바운딩박스와 label 정보가 들어가게된다.
-
augmentation.ipynb
train image가 부족한 경우 data augmentation을 통해 dataset을 늘려줄 수 있다. augmenataion을 위한 다양한 옵션은 imgaug에서 확인할 수 있다.
-
train.py
custom data를 이용해 새로운 yolo model을 만들기 위한 코드이다. log_dir에서 trainig 도중 생성된 모델 역시 확인할 수 있다.
Note : batch size에 따라(사이즈가 커질수록) 메모리 에러가 발생할 수 있다. 또한 gpu 성능에 따라 로컬 실행이 어려울 수 있으므로 필요하다면 구글 드라이브에서 annotation.csv를 다시 생성하고 colab에서 train해준다.
-
yolo.py
object detection에 필요한 여러 모듈을 담은 클래스파일이다. 사진에서 또는 영상에서의 object detection 여부에 따라서 detect_image 함수 또는 detect_video 함수를 확인한다. 함수에서는 프로젝트에 필요한 정보를 return해준다.
-
yolo_video.py
생성한 모델을 통해 최종적으로 프로젝트의 알고리즘을 실행할 수 있는 코드이다. 실행 과정은 다음과 같다.
-
train.py를 통해새롭게 생성한 모델과 판단할 클래스에 대한 정보를 담은 파일의 경로를 지정해준다. 이후 test할 이미지의 경로도 지정한다.
-
detect_image를 통해 사진의 클래스를 Helmet과 NonHelmet으로 판단하고 바운딩박스 정보를 받아온다.
-
만약 오토바이 탑승자가 헬멧을 미착용했을 경우 해당 바운딩박스를 textROI 함수에 전달해준다.
-
textROI 함수는 text detection 모델인 EAST text detector를 이용하여 오토바이 번호판의 위치를 탐지하고 해당 이미지를 반환해준다.
-
textRead 함수에서는 번호판 이미지에서 문자를 추출하여 디지털문자로 반환해준다. 옵션을 통해 사용하는 모델 및 인식 언어를 바꿔줄 수 있다.
-
 김규리 |
 김민아 |
 김혜민 |
 박근아 |
 홍은표 |