💻 computer science

Fast Person Detection Using YOLOX With AI Accelerator For Train Station Safety

이 논문은 기차역 안전을 위해 YOLOX와 AI 가속기를 활용한 승객 탐지 기술을 연구하였으며, 실험 결과 Hailo-8 가속기가 Jetson Orin Nano보다 정확도는 12% 이상 높고 지연 시간은 20ms 더 짧음을 입증했습니다.

원저자: Mas Nurul Achmadiah, Novendra Setyawan, Achmad Arif Bryantono, Chi-Chia Sun, Wen-Kai Kuo

게시일 2026-02-12

📖 2 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Mas Nurul Achmadiah, Novendra Setyawan, Achmad Arif Bryantono, Chi-Chia Sun, Wen-Kai Kuo

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

🚉 "기차역의 똑똑한 보디가드: AI 눈(Eye)이 위험을 감지한다!"

여러분, 기차역 승강장에서 노란색 안전선(Yellow Line)을 보신 적 있죠? 기차가 들어올 때 그 선을 넘으면 정말 위험하잖아요. 그런데 사람이 너무 많으면 역무원 한두 명이 모든 승객을 다 지켜보기가 불가능에 가깝습니다.

그래서 연구진들이 **"잠도 안 자고, 눈도 안 깜빡이며, 아주 빠르게 위험을 찾아내는 인공지능 보디가드"**를 만들었습니다.

🤖 1. 이 보디가드는 어떻게 생겼나요? (YOLOX 알고리즘)

이 보디가드의 '두뇌'는 **'YOLOX'**라는 아주 똑똑한 인공지능 모델이에요.

비유를 하자면, 보통의 인공지능이 사진을 볼 때 "음... 저기 뭐가 있나? 아, 사람인가? 어디 있지?" 하고 하나씩 꼼꼼히 따져본다면(2단계 방식), 이 YOLOX는 "딱 보자마자! 저기 사람! 저기 기차!" 하고 한 번에 슥 훑어서 바로 찾아내는 **'천재적인 직관력'**을 가진 친구예요.

특히 이 친구는 사람의 옷차림이 제각각이거나, 사람이 겹쳐 있어도 "아, 저건 사람이구나!" 하고 아주 잘 알아차리는 능력이 탁월합니다.

⚡ 2. 보디가드의 '초능력 엔진': Hailo-8 (AI 가속기)

아무리 머리가 좋아도 몸이 느리면 소용없겠죠? 기차가 들어오는데 "어... 사람이다..." 하고 한참 뒤에 알려주면 이미 늦으니까요.

연구진은 이 똑똑한 두뇌를 가장 빠르게 돌리기 위해 **'Hailo-8'**이라는 특수 엔진(AI 가속기)을 장착했습니다. 기존에 많이 쓰던 'Jetson Orin Nano'라는 엔진과 경주를 시켜봤더니 결과가 놀라웠어요!

정확도: Hailo-8이 기존 엔진보다 12%나 더 정확하게 사람을 찾아냈어요. (눈이 훨씬 더 밝아진 거죠!)
속도: 반응 속도가 20ms(0.02초)나 더 빨라졌어요. 눈 깜빡임보다 훨씬 빠른 속도로 위험을 감지하는 거예요.
효율: 전기는 적게 먹으면서 일은 훨씬 더 잘하는 '가성비 끝판왕' 엔진이었답니다.

📏 3. 어떻게 위험을 판단하나요? (수학적 마법)

이 보디가드는 단순히 "사람이 있다"라고만 하지 않아요. 카메라와 사람 사이의 거리, 그리고 사람의 키를 계산하는 수학 공식(논문에 나온 $h = H_c \times (1 - \frac{z}{z_0})$ 같은 식)을 사용합니다.

이걸 비유하자면, 보디가드가 **"저 승객은 지금 안전선에서 몇 cm 떨어져 있고, 기차와 얼마나 가까운가?"**를 실시간으로 계산해서, 정말 위험한 상황일 때만 **"삐뽀삐뽀! 위험합니다!"**라고 경고를 울리는 아주 정교한 시스템인 거죠.

🌟 요약하자면!

이 논문은 **"기차역에서 승객들이 안전선을 넘는 위험한 상황을, 아주 빠르고 정확하게 잡아낼 수 있는 '초고속 AI 감시 시스템'을 만들었다"**는 내용입니다.

YOLOX라는 똑똑한 머리와 Hailo-8이라는 강력한 엔진을 합쳐서, 사고를 미연에 방지할 수 있는 든든한 디지털 파수꾼을 완성한 것이죠! 🛡️✨

[기술 요약] YOLOX와 AI 가속기를 이용한 기차역 안전용 고속 인원 감지 시스템

1. 문제 정의 (Problem Statement)

기차역 플랫폼은 혼잡한 시간대에 승객이 안전선(Yellow Line)을 넘어가는 사고가 빈번하게 발생하며, 이는 인명 사고로 이어질 위험이 큽니다. 기존의 수동 감시 방식은 인력의 한계로 인해 실시간 대응이 어렵습니다. 따라서 승객이 안전선을 침범했을 때 즉각적으로 경고를 줄 수 있는 고속·고정밀 자동 인원 감지 보안 시스템이 절실히 요구됩니다. 특히, 군중 속에서 사람의 다양한 자세와 복장 변화(내부 분산)를 정확하게 식별하면서도 실시간성을 유지하는 것이 핵심 과제입니다.

2. 연구 방법론 (Methodology)

본 연구는 객체 탐지 알고리즘인 YOLOX와 고성능 에지(Edge) AI 하드웨어인 Hailo-8 AI 가속기를 결합한 시스템을 제안합니다.

알고리즘 (YOLOX):
- YOLO 시리즈 중 가장 효율적인 단일 단계(Single-stage) 탐지 모델을 사용합니다.
- Decoupled Head를 채택하여 회귀(Regression)와 분류(Classification) 작업을 분리함으로써 학습 수렴 속도와 탐지 정확도를 높였습니다.
- Anchor-free 방식을 사용하여 계산 중복을 줄이고 탐지 효율을 극대화했습니다.
데이터셋: 객체 탐지 표준 데이터셋인 MS COCO를 사용하여 모델을 학습 및 검증했습니다.
하드웨어 가속 (Hailo-8):
- 기존 GPU 기반 시스템의 높은 전력 소비와 지연 시간(Latency) 문제를 해결하기 위해, 초당 26 TOPS의 성능을 제공하는 Hailo-8 AI 가속기를 사용했습니다.
- Hailo AI Software Suite를 통해 ONNX 모델을 Hailo 전용 실행 파일(HEF)로 변환하여 에지 디바이스에서 최적화된 추론을 수행합니다.
안전 알고리즘:
- 기차의 상태(OFF, IN, ON, OUT)를 정의하고, 기차가 접근하거나 정차 중인 위험 상황에서만 인원 감지 프로세스를 활성화하여 효율성을 높였습니다.
- 삼각측량 원리를 이용한 수식을 통해 객체의 높이( $h$ )를 계산하여 승객의 위치와 안전 거리를 판별합니다.

3. 주요 기여 (Key Contributions)

실시간 안전 시스템 설계: 기차의 상태와 연동된 지능형 인원 감지 워크플로우를 구축하여 불필요한 연산을 줄이고 보안 효율을 높였습니다.
에지 컴퓨팅 최적화: 고성능 GPU 대신 저전력·고효율 AI 가속기(Hailo-8)를 활용하여 기차역과 같은 실제 현장에 적용 가능한 에지 AI 솔루션을 제시했습니다.
정확도 및 속도 개선: YOLOX의 Decoupled Head 구조를 활용해 군중 환경에서의 탐지 성능을 최적화했습니다.

4. 실험 결과 (Results)

본 연구는 Jetson Orin Nano와 Hailo-8의 성능을 비교 실험하였으며, 결과는 다음과 같습니다 (Table II 참조):

비교 항목	Jetson Orin Nano	Hailo-8 (제안 방식)	개선 사항
정확도 (Accuracy)	61.66%	70.79%	약 12% 향상
지연 시간 (Latency)	54.17 ms	20.88 ms	약 20ms 단축
전력 소비 (Power)	9.1 W	10.74 W	유사 수준
효율성 (Efficiency)	0.125	0.316	약 2.5배 향상

실험 결과, Hailo-8 가속기를 사용했을 때 Jetson Orin Nano보다 훨씬 높은 정확도와 낮은 지연 시간을 기록하며 압도적인 효율성을 보여주었습니다.

5. 연구의 의의 (Significance)

이 연구는 철도 보안 분야에서 **실시간성(Real-time)**과 **정확성(Accuracy)**이라는 두 마리 토끼를 잡을 수 있는 기술적 근거를 마련했습니다. 특히 저전력 에지 AI 가속기를 활용함으로써, 대규모 인프라 구축 비용을 절감하면서도 승객의 안전을 실시간으로 보호할 수 있는 자동화된 보안 시스템의 실용성을 입증했다는 점에서 큰 의의가 있습니다.