- 최근 칼부림 사건이 빈번하게 발생하고 있으며, 언제 어디서 갑자기 사고가 발생할 지 전혀 예측할 수 없음
- 사고 예방을 위한 수많은 인력 투입의 물리적 한계가 존재함
- 쏟아지는 다양한 살인 예고, 허위 신고에 모두 대처하기 힘듦
- 사고 발생시, 즉각적인 대처가 쉽지 않고 대형 인명 피해로 빠르게 번질 수 있음
- Object Detection을 활용한 칼부림 사건 예방
- 실시간 동영상, CCTV 등을 활용한 빠른 사고 위험 감지
- 적은 인력과 비용을 통한 효율적인 사고 예방 솔루션
- 즉각적인 자동 경보 또는 신고 등을 통한 대형 인명 피해 방지
흉기로 분류되는 물체
총기, 칼흉기가 될 수 있는 물체
망치, 도끼흉기로 분류되지 않는 물체
스마트폰, 캔, 플라스틱 병, 지갑, 카드, 우산
YOLO의 가장 최신 버전이며, 2023년 1월 Ultralytics에서 개발되었다. YOLO 모델을 위한 완전히 새로운 리포지토리를 출시하여 개체 감지, 인스턴스 세분화 및 이미지 분류 모델을 train하기 위한 통합 프레임워크로 구축되었다. YOLOv8은 COCO에서 50.2의 mAP를 달성하였고 다양한 작업별 domain들에서 YOLOv8은 YOLOv5보다 높은 성능을 보여주었다. 이번 프로젝트에서는 YOLOv8의 여러 세부 버전 중 small 버전인 YOLOv8s를 Fine-tuning 하였다.
- 225 layers
- 11,139,470 parameters
- 28.7 GFLOPS
Grayscale
25% of imagesBlur
up to 2.5 pxNoise
Up to 5% of pixelsMosaic
training data => 8980개에서 25653개로 증강
image size
640*640batch size
32epochs
200optimizer
SGDmomentum
0.937learning rate
0.01label smoothing
0.05
mAP50
0.984mAP50-95
0.898Speed
19.8ms per image
모델 학습에 사용하지 않은 유튜브 영상 예시
메인 화면에서 본 프로젝트의 모델을 불러오고, 캠 또는 카메라를 연결할 수 있다.
카드와 같이 위험하지 않은 물체가 탐지되었을 때, 아무런 일이 일어나지 않는다. (캔버스에 프레임별로 bounding box를 직접 그림)
칼과 같이 위험한 물체가 탐지되었을 때, 즉시 빨간 화면으로 바뀌고 경고음이 울린다. 또한 오른쪽 상단의 알림을 통해 어떤 물체가 탐지되어 경보가 울렸는 지 확인할 수 있다.