← 메인 페이지로 돌아가기
2023.06 ~ 2023.12
Road Image De-identification
이미지 및 영상 내 번호판과 얼굴 정보를 자동으로 비식별화하는 딥러닝 기반 시스템입니다.
GitHub →주요 기능
DeepLabV3 기반 번호판 Segmentation
블랙박스 영상에서 번호판 영역을 정확하게 추출
YOLOv5 기반 얼굴 검출 및 블러 처리
영상 내 얼굴 영역을 자동으로 검출하고 블러 처리
이미지 및 영상 파일의 자동 비식별화 파이프라인
다양한 입력 형식을 지원하는 자동화된 비식별화 처리
CLI 기반 다중 입력, 디렉토리 처리 기능
대량의 파일을 효율적으로 처리할 수 있는 CLI 인터페이스
기술 스택
Languages & Frameworks
Python
PyTorch
OpenCV
ML Models
DeepLabV3
YOLOv5
Hardware
CUDA
핵심 알고리즘/기술
License Plate Detection & Blur
DeepLabV3 모델을 사용하여 번호판 영역을 검출하고 cv2.blur(ksize=(50,50))로 블러 처리
Head Detection & Blur
YOLOv5-crowdhuman 모델로 얼굴 영역을 검출하고 cv2.blur(ksize=(100,100))로 블러 처리
개발자 역할
차량 번호판 / 사람 얼굴 디텍션 모델 선정 및 실험
DeeplabV3, YOLOv5-crowdhuman 등 다양한 딥러닝 모델 비교 후 최종 선정, 모델 성능 평가 및 하이퍼파라미터 튜닝 진행
디텍션 결과 기반 Blur 처리 파이프라인 구현
디텍션된 Bounding Box 좌표를 기반으로 OpenCV blur 함수 적용, 번호판 및 머리 영역의 자동 추출 및 비식별화 처리 전체 로직 구현
전체 파이프라인 통합 개발
이미지 및 영상 입력 → 디텍션 → Blur → 결과 저장의 전체 흐름 구현, CLI 기반 실행 스크립트 옵션 정리 및 예외 처리 로직 구현
성능 평가
성능 평가
DeeplabV3 Precision0.890
DeeplabV3 Recall0.875
YOLOv5 Person Precision0.866
YOLOv5 Person Recall0.712
YOLOv5 Head Precision0.882
YOLOv5 Head Recall0.656
결과 예시
프로젝트 결과
주간/야간 환경에서 안정적인 번호판 및 얼굴 비식별화 성능 달성
프로젝트 구조
프로젝트 구조
모듈화된 구조로 각 컴포넌트의 독립적인 개발과 테스트가 가능
. ├── data/ # 입력 이미지/영상 ├── license/ # 번호판 blur 처리 결과 ├── output/ # 최종 결과 (번호판 + 머리 blur) ├── pytorch_licenseplate_segmentation/ # 번호판 모델 ├── yolov5_crowdhuman/ # 머리 검출 모델 ├── blur.py # 메인 실행 파일 └── requirements.txt # 의존 패키지 목록
설치 및 실행
환경 요구사항
- Python 3.11.5
- PyTorch
- OpenCV
- CUDA 11.8+
- cuDNN 8.7+
설치 방법
conda create -n blur_env python=3.11.5conda activate blur_envpip install -r requirements.txtpython blur.py
주의사항
- GPU 지원이 필요합니다
- CUDA 11.8 이상이 필요합니다
산학협력 성과
NC&
- 실제 블랙박스 데이터 기반 검증 및 피드백 반영
- 기업 요구사항에 맞춘 비식별화 성능 개선
- 시스템 최적화 및 사용자 입력 기반 처리 기능 구현
발표자료
Road Image De-identification 발표 자료