싱가포르 도시 순찰을 위한 혁신적인 AI 기반 자동 번호판 인식 시스템 등장!

싱가포르 연구진이 개발한 PatrolVision은 저전력 GPU 기반의 혁신적인 ALPR 시스템으로, RFB-Net과 YOLO 기반 네트워크를 활용하여 높은 정확도와 속도를 달성했습니다. 16,000개 이상의 이미지 데이터셋을 통해 검증된 PatrolVision은 AI 기반 공공 서비스의 실용성을 입증하는 중요한 사례입니다.

AI 기반 공공 서비스의 새 지평을 열다: PatrolVision

AI 기술이 우리 삶 곳곳에 스며들고 있지만, 공공 서비스 분야에서의 AI 활용은 아직 초기 단계입니다. 특히, 인구 규모에 맞는 정확하고 빠른 정보 처리라는 난관에 직면해 있습니다. 교통 감시 분야에서도 컴퓨터 비전 기술의 활용은 자율주행 분야에 비해 상대적으로 저조한 편이죠.

하지만, 최근 싱가포르에서 개발된 PatrolVision 시스템은 이러한 현실적인 문제에 대한 획기적인 해결책을 제시합니다. Anmol Singhal과 Navya Singhal이 이끄는 연구팀은 저전력 GPU를 기반으로 도시 환경에서의 자동차 감지, 인식, 추적이 가능한 순찰 시스템 프로토타입을 개발했습니다.

기존의 자동 번호판 인식(ALPR) 시스템의 한계를 극복하기 위해, PatrolVision은 다음과 같은 혁신적인 접근 방식을 채택했습니다.

• RFB-Net 기반 번호판 탐지 및 보정: 실제 도시 환경에서 촬영된 이미지는 각도, 조명 등 여러 요인으로 인해 번호판이 왜곡될 수 있습니다. PatrolVision은 RFB-Net을 이용하여 이러한 왜곡된 번호판을 정확하게 탐지하고 보정합니다. 단일 이미지에서 여러 개의 왜곡된 번호판을 동시에 처리하는 기능은 특히 주목할 만합니다.
• YOLO 기반 네트워크를 이용한 문자 인식: 보정된 번호판 이미지는 YOLO 기반 네트워크에 입력되어 문자를 인식합니다. 싱가포르의 단일 및 이중 행 번호판 모두를 지원하도록 설계되었습니다.
• 방대한 데이터셋 기반 성능 검증: 16,000개 이상의 이미지를 포함하는 새롭게 구축된 데이터셋을 이용하여 시스템의 성능을 평가했습니다. 그 결과, 번호판 탐지 정확도 86%, 문자 인식 정확도 67% (오류 1개 이하인 경우 89%)를 달성했습니다. 무엇보다 64FPS의 처리 속도는 실시간 순찰 시스템 구현에 충분한 속도를 제공합니다.

이러한 결과는 PatrolVision이 실제 도시 환경에서 효과적으로 작동할 수 있음을 보여줍니다. 저전력 GPU 기반 시스템이라는 점은 경제적 효율성까지 고려한 설계임을 의미합니다. AI 기반 공공 서비스의 현실적인 적용 가능성을 한 단계 끌어올린 획기적인 연구라고 할 수 있습니다. 앞으로 PatrolVision과 같은 기술이 더욱 발전하여 안전하고 효율적인 도시 환경 구축에 기여할 것을 기대해 봅니다.