전기 오토바이 헬멧 감지 개선 YOLOv8 알고리즘

전기 오토바이 운전자 및 동승자의 헬멧 착용 여부를 자동으로 감지하는 객체 감지 알고리즘은 규제 인력 비용을 절감할 수 있습니다. 그러나 복잡한 환경 배경과 헬멧과 유사한 머리 장식은 오탐 및 미탐을 유발하여 감지 정확도를 저하시키는 문제가 있었습니다. 본 연구에서는 이러한 문제를 해결하기 위해 YOLOv8n-Improved 객체 감지 알고리즘을 제안합니다. 이 알고리즘은 먼저 넥(neck) 부분에서 단순화된 가중 양방향 특징 피라미드 네트워크(Bi-FPN) 구조를 사용하여 단일 입력 노드를 제거하고, 연결 에지를 추가하며, 특징의 중요도에 따라 경로 가중치를 부여합니다. 이를 통해 알고리즘의 다중 스케일 특징 융합 능력을 최적화하고 계산 효율성을 향상시킵니다. 또한, 헤드(head) 부분에서는 예측 박스와 실제 박스 간의 벡터 각도를 도입하는 스케일 민감형 IoU(Intersection over Union) 손실 함수를 사용하여 페널티 측정 방식을 재정의합니다. 이 개선은 네트워크의 수렴 속도를 높이고 모델의 정확도를 향상시킵니다. 테스트 세트에서 비교 검증한 결과, YOLOv8n-Improved 알고리즘은 전기 오토바이 및 헬멧 감지에서 평균 정밀도(AP)가 각각 1.37% 및 3.16% 증가했으며, 전체 평균 AP는 2.27% 향상되었습니다. 또한, 두 범주 모두에서 오탐 및 미탐이 감소하는 것을 확인했습니다. 이 연구는 헬멧 착용 감지 시스템의 실용성을 크게 높이는 데 기여할 것입니다.