3D Reconstruction 기반 공간 밀집인파 관제 시스템
BEV 좌표 투영으로 원근 왜곡을 제거한 실제 공간 단위 군중 밀도 분석
개요
3D Reconstruction과 BEV 투영으로 2D 카메라 원근 왜곡을 제거, 실제 공간 단위 군중 밀도를 산출하는 관제 시스템을 연구·개발하여 실서비스에 배포했습니다. 기존 YOLO 기반 방식으로는 불가능했던 절대 밀집도 측정을 구현했습니다.
문제
기존 YOLO 기반 Object Detection 및 Density Estimation 기반 Crowd Counting은 모두 2D Camera View를 기준으로 분석하기 때문에, 카메라와의 거리·촬영 각도에 따라 동일한 영상 영역이라도 실제 커버하는 면적이 달라지는 원근 왜곡 문제가 존재합니다. 이로 인해 화면상의 사람 수나 Density Map만으로는 "실제 공간 1m²당 몇 명이 있는가"와 같은 절대적인 밀집도를 정확하게 산출하기 어렵습니다.
과정
문제 정의2D 원근 왜곡
YOLO 기반 Detection과 Density Estimation 기반 Crowd Counting 모두 2D Camera View에 묶여 있어, 같은 화면 영역도 거리와 각도에 따라 실제 면적이 달라진다는 점을 출발점으로 삼았습니다.
공간 복원3D Point Cloud · BEV
현장 공간을 3D Reconstruction으로 복원하고, 생성된 3D Point Cloud를 BEV 좌표계로 변환했습니다.
정합 · 투영Camera와 3D 공간
Camera View와 3D 공간의 좌표 관계를 Alignment하고, Crowd Density Estimation 모델의 밀도 정보를 BEV 공간으로 투영해 원근 왜곡을 제거했습니다.
군집 · 배포Clustering · Edge
BEV 상의 고밀도 영역을 Clustering해 실제 군중 영역의 면적과 밀도를 따로 산출하고, Edge AI 환경 최적화와 관제 화면·알림 연동까지 마쳤습니다.
화면과 도식

성과
- 단순 인원 계수를 넘어 실제 공간 면적 기반 군중 밀집도 및 고밀도 군집 영역 탐지 시스템 연구·개발 및 실서비스 적용
- Camera View 원근 왜곡 제거로 공간 단위 절대 밀집도 산출 가능
- 관제 화면·알림 시스템 연동 완료
담당 역할
- Crowd Density Estimation 모델 개발 및 데이터셋 구성·Annotation 기준 수립
- 현장 공간 3D Reconstruction 및 BEV 좌표계 생성
- Camera View와 3D 공간 간 Alignment·매핑 구현
- Density Map의 BEV 공간 투영 및 Spatial Density Mapping 구현
- BEV 상 고밀도 군집 영역 Clustering 및 면적·밀도 산출 로직 개발
- Edge AI 환경 모델 최적화 및 관제 서버 연동
- 현장 테스트·성능 검증 및 고객사 커뮤니케이션·일정 관리