Python 3.11
영상 인식·제어 코드 실행
캡스톤 디자인
보행자와 소통하는
자율주행 시스템
자율주행 · 제스처 인식
개발 배경 / 2025년 전국 교통사고 통계
횡단보도 안에서도 발생하는 인명 피해
2025년 횡단보도 내
보행 사망자
250명
전체 보행 사망자 926명 중 27.0%
횡단보도 내 부상자 11,322명
신호 유무를 구분하지 않은 횡단보도 전체 기준
무신호 횡단보도만의 사고 비율과는 다름
경찰청 경찰통계자료
보행자의 사고 시 상태별 사상자 · 확인: 2026.10.23
사진: Striker9498 / Wikimedia Commons / CC0 / 2026년
서로 다른 판단이 충돌 위험으로
보행자는 횡단을 기대하고, 차량은 출발하는 상황
개발 목표 / 무신호 횡단보도 상황의 모형 실험
보행자의 요청을 이해하고 차량 상태를 전달
“차량이 내 손짓을 이해했는지
보행자도 확인할 수 있게”
- 01
보행자 요청 인식
횡단보도 상황에서 실제 손의
GO·STOP 제스처를 구분 - 02
차량 동작 연결
제스처에 따라 정차를 유지하거나
정해진 대기 시간 후 출발 - 03
시각적 응답
디스플레이의 색상·움직임으로
보행자에게 차량 상태 전달
검증 범위: 모형 트랙·레고 보행자·실제 손 제스처
실제 사고 감소 효과와 공공도로 안전성은 별도 검증 필요
추가 자료 / 자율주행 처리 과정
색상과 윤곽으로 도로 인식
- 01
관심 영역·색상 분리
분석 영상 축소·ROI 설정 후
HSV로 노란 경계와 흰 표시 추출 - 02
노면·주변 밝기 확인
검은 노면을 확인하고 Gaussian Blur로
구한 주변 밝기와 흰 표시의 대비 계산 - 03
윤곽·형상 검사
작은 틈을 보완하고 면적·형상으로
점선 후보를 선별 - 04
경로 구성·검증
같은 경로의 점선을 연결하고
노란 경계·노면으로 유효성 확인
Canny·Hough·투시 변환은 비교 실험에만 사용
추가 자료 / 제스처 전처리
손 관절을 제스처 특징으로 변환
한 프레임21 × 3 = 63
30개 처리 프레임63 × 30 = 1,890
- 01
손 관절 21개 추출
RGB 변환 후 MediaPipe로
x·y·z 좌표를 수집 - 02
손 위치·크기 정규화
손목 좌표를 빼 원점으로 이동한 뒤
손 크기로 나누어 특징을 비교 - 03
연속 프레임 결합
30개 프레임을 시간 순서로 연결해
1,890개 특징값을 KNN에 전달
30프레임의 시간 길이는 처리 속도에 따라 달라짐
현재 정규화는 손의 회전까지 보정하지 않음