일단 보행자는 무조건 인지하고 회피해야 한다.
3-15 보행자 검출을 위한 영상 분석 방법
보행자의 다양한 자세들자율주행 자동차에 있어 길 위를 걸어가는 보행자는 가장 확실히 감지해야 하는 중요한 대상이다. 그러나 보행자는 촬영 방향이나, 체격 차이, 복장, 헤어스타일, 자세, 어떤 물건을 들고 가느냐 등에 따라서 외관이 크게 다를 수 있다. 또한 인도 주변의 배경도 도로에 비해 복잡하기 때문에 카메라 영상에서 보행자만 검출하는 것은 쉽지 않다.
일단 형상을 단순화해 보면, 사람은 대체적으로 원형의 머리와 사다리꼴 형태의 몸통에 두 팔과 다리가 뻗은 형태로 구성된다. 각각의 위치 관계나 크기 비율을 기준으로 템플릿처럼 이미지에서 맞아떨어지는 형태를 찾아 인식할 수 있다. 이런 비교를 위해서는 영상 내 픽셀들의 밝기의 변화 패턴을 비교 분석하는 HOG (Histogram of Oriented Gradients) 기법을 많이 이용한다. 대략적인 형상으로 보행자로 예상되는 이미지를 샘플링한 이후에 픽셀별로 밝기의 변화 패턴을 조사한 이후에 기존의 데이터와 비교 분석해서 사람을 판정하는 것이다.
현대차 개발자 포럼 자료 참조판정의 정확도를 높이려면, 대조해 볼 수 있는 다양한 표본 데이터가 필요하다. 자율 주행 자동차에서는 딥러닝을 통한 학습 과정에서 보행자 이미지를 나이, 자세 등으로 세분화해서 통계처리한다. 이렇게 유형별로 대표 학습 데이터 베이스를 구축하면 시스템 성능에 최적화하면서 보행자를 빠르게 검출할 수 있다.
대한기계공학회 학술지 참조 보행자 인식 기술은 보안 기술이나 감시 카메라 분석등 응용 범위도 넓어서 관련된 연구가 활발히 진행 중이다. 최근에는 보행자의 존재뿐 아니라 자세와 시선 등을 기반으로 움직임까지도 예측하는 로직도 개발되고 있다. 다음 동작을 예측하면 차로로 달려들거나 하는 상황에 미리 대비해서 차량의 움직임을 효율적으로 제어할 수 있다.
