*주저자 : 한동대학교 기계제어공학부 석사과정 **공동저자 : 한동대학교 기계제어공학부 학사 ***공동저자 : 서울대학교 기계항공공학부 우주항공공학과 석사과정 ****교신저자 : 한동대학교 기계제어공학부 교수; e-mail: [email protected] ￭ 접수일：2019년 1월 14일 / 심사일：2019년 2월 8일 / 게재확정일：2019년 5월 9일
머신러닝을 이용한 시각장애인 도로 횡단 보조 임베디드 시스템 개발
Development of Street Crossing Assistive Embedded System for the
Visually-Impaired Using Machine Learning Algorithm
오선택, SeonTaek Oh*, 정기동, Kidong Jeong**, 김호민, Homin Kim***,
김영근, Young-Keun Kim****
요약 본 연구는 시각장애인들이 도로를 안전하게 횡단할 수 있도록 신호등 인식 및 음성안내를 제공해주는 임베디 드 시스템의 설계를 제안한다. 시각장애인에게 독립보행은 큰 어려움으로 작용하고 있으며, 독립보행의 제한은 그들 의 삶의 질을 저하시키는 요인으로 작용하고 있다. 도로횡단에서의 신호등 인식과 도로 및 차로의 구분 불가는 시각 장애인의 독립보행을 방해하는 가장 큰 요인 중 하나이다. 본 연구에서 제안하는 스마트기기는 안경에 달린 초소형 카메라로 GPU 보드에 탑재된 머신러닝 알고리즘을 이용하여 보행자 신호등을 검출 및 인식하며, 음성 안내를 유저 에게 전달해준다. 휴대성을 위하여, 기기는 충분한 배터리 수명과 함께 소형 및 가볍게 디자인되었다. 또한, 안경 다 리에는 외부 소리를 막지 않으면서 음성 안내를 전달해주는 골전도 스피커가 부착되어 있다. 본 연구에서 제안하는 스마트기기는 실험을 통하여 보행자 신호의 초록 신호에 대하여 87.0%의 검출율(recall)과 100%의 정확도(precision) 를 가지며, 빨간 신호에 대하여, 94.4%의 검출율(recall) 값과 97.1%의 정확도(precision)를 가지는 것으로 유효성을 확인하였다.Abstract In this study, a smart assistive device is designed to recognize pedestrian signal and to provide audio instructions for visually impaired people in crossing streets safely. Walking alone is one of the biggest challenges to the visually impaired and it deteriorates their life quality. The proposed device has a camera attached on a pair of glasses which can detect traffic lights, recognize pedestrian signals in real-time using a machine learning algorithm on GPU board and provide audio instructions to the user. For the portability, the dimension of the device is designed to be compact and light but with sufficient battery life. The embedded processor of device is wired to the small camera which is attached on a pair of glasses. Also, on inner part of the leg of the glasses, a bone-conduction speaker is installed which can give audio instructions without blocking external sounds for safety reason. The performance of the proposed device was validated with experiments and it showed 87.0% recall and 100% precision for detecting pedestrian green light, and 94.4% recall and 97.1% precision for detecting pedestrian red light.
핵심어: Visually-impaired, Street crossing, Assistive device, Pedestrian signal, Machine learning, Real-time object detection
1. 서론
낯선 환경에서의 독립보행은 시각장애인에게 가장 큰 어려 움 중의 하나이다. 많은 시각장애인들은 독립보행의 한계로 인 해 대부분의 시간을 집에서 보내게 된다. 독립보행의 제약은 시 각장애인들로 하여금 심리적인 압박을 느끼게 하며, 사회성 결 여로 이끌기도 한다[1]. 따라서, 시각장애인에게 독립보행은 삶 의 질을 높일 수 있는 중요한 요소이다. 한국시각장애인연합회에 따르면, 시각장애인의 독립보행에 있어서 걸림돌이 되는 것들은, 랜드마크 설정, 장애물 회피, 보 행자신호 인식, 교차로 횡단 방향 인식 등이 있다[2]. 독립보행 을 돕기 위한 연구로는 물체 인식, 회피 및 길 안내에 관한 연구 가 가장 활발히 진행되고 있다.Argus II Retinal Prosthesis System은 안경에 부착된 카메라를 통해 시각 정보를 인식하고 이를 전기 신호로 변환하여 망막 속 시신경에 전달하는 생체 인공 눈을 통해 사물을 식별하게 도와준다[3]. BrainPort V100는 카메라의 시각 정보를 혀의 전기 자극으로 변환하여 빛, 사물의 형태, 움직임 등을 파악하도록 돕는 장치이다[4]. 스마트폰을 이용해 장애물을 검출하고 분류 하는 연구[5]를 비롯한 스마트폰을 보행 보조장치로 활용하는 연구도 활발히 진행되고 있다. 족부 진동 피드백으로 장애물 회피 및 길을 안내해주는 FeetNavi는 신발에 장착된 진동자를 통해서, 장애물 감지 및 경 로 안내를 사용자에게 전달해준다[6]. 초음파로 장애물을 탐지 하여 진동으로 경고해주는, 흰지팡이에 탈부착이 가능한 SmartWand는 가속도 센서를 이용하여, SmartWand가 사용자의 진행방향을 향할 때, 초음파센서로 장애물에 대한 정보를 검출 및 진동으로 경고 신호를 전달하도록 설계되었다[7]. 또한, 초 음파 센서와 GPS를 연동한 시각장애인의 실외 보행지원 시스 템은 초음파 센서를 통해 전방에 있는 장애물의 정보를 사용자 에게 전달하고, GPS에서 획득한 위치 정보를 바탕으로 목적지 까지 안내하는 시스템이다[8]. 그 외, 초음파센서를 이용하여 장애물을 알려주는 Ultracane 은 상용화 되어 사용되고 있다[9]. Wayfindr는 비콘과 핸드폰을 이용하여 사용자에게 현재 위 치와 방향에 대한 음성 신호를 전달해주는 보행 보조기기이며, 시각장애인의 랜드마크 설정과 방향 및 길 안내에 도움을 주는 제품이다[10]. 위와 같이 물체 인식, 장애물 회피나, 길안내에 관한 연구 및 제품의 개발은 활발히 진행중이지만, 위의 연구 및 제품들은 교 차로에서 보행자신호 인식이나, 교차로 횡단 방향에 관한 기능 개선이 필요하다. 보행자신호 인식과 교차로 횡단 방향 인식에 도움을 주는 보행보조기구로는 점자블록과 음향신호기가 있지 만, 한국시각장애인연합회에 따르면, 점자블록의 파손 및 잘못 된 설치로 인해 사용하지 않는다는 응답이 45%로 나타났다. 음 향신호기 또한, 점자블록과 동일한 이유로 미사용율이 74%로 나타났다[2]. 또한, 보고서에 따르면, 음향신호기는 큰 소리로 인해, 다른 사람들에게 불편함을 줄 수 있고, 시각장애인들도 사용을 기피하는 상황이 존재한다. 이와 같이 시각장애인의 도 로횡단을 돕는 보조기기 또한, 개선이 필요하다. 상용화 되어있는 제품들 가운데, 보행자 신호 인식의 가능성 을 가진 보조기기는 Orcam[11]과 Aipoly[12]가 있다. Aipoly는 스마트폰 카메라를 통해서 물체를 판단해주는 스마트폰 어플 리케이션이다. 하지만, Aipoly는 가까이 있는 물체에 대한 판단 만 진행한다. 따라서, 장거리에 위치한 보행자 신호등 인식에 대한 한계를 가지고 있다. Orcam은 근거리에 있는 object를 인 식 및 판별하는 용도로 설계되었다. Orcam은 Aipoly와 달리, 손 가락으로 지목한 개체를 판단해주는 기능을 가지고 있지만, 시 각장애인에게 장거리에 위치한 보행자신호등을 정확히 지목하 는 것에 대한 어려움이 존재한다. 따라서, 두 제품 모두 도로 횡 단에 있어서는 적합하지 않다. 시각장애인의 도로 횡단에 있어서 위험 요소인, 보행자 신호 인식과 교차로 횡단 방향에 관한 연구는 중요하지만, 미비한 상 황이다. 따라서, 본 연구에서는 카메라를 사용하여 시각장애인의 도 로 횡단을 돕는 임베디드 보조기기를 제안한다. 본 연구에서 제 안한 보조기기는 안경에 달린 초소형 카메라로 영상을 입력 받 아, 신용카드 크기의 임베디드 GPU 보드에서 머신러닝 알고리 즘 처리 후, 외부 소리를 방해하지 않는 골전도 이어폰을 통해 서 음성 안내 신호를 유저에게 전달하는 방식으로 설계되었다. 본 연구에서는 보행보조기기의 하드웨어를 설계하였으며, YOLOv2[13]를 사용하여 보행자 신호 (빨간 신호, 초록 신호) 및 횡단보도를 학습 및 성능검증을 실험하였다. 또한, 실제 도 로 환경에서 보행보조기기를 착용한 후, 기기의 성능을 검증하 였다. 본 논문의 구성은 다음과 같다. 2장에서는 제안하는 보조기 기의 하드웨어 및 소프트웨어의 구성에 대해 설명한다. 3장에 서는 보조기기의 시뮬레이션 및 실험 결과에 대해 설명하며, 마 지막으로 4장에서 결론을 맺는다.
2. 도로 횡단 보행보조기기 설계
2.1 제약조건
시각장애인을 위한 도로횡단 보조기기에서 중요하게 생각 해야 하는 조건들은 (1) 휴대성 및 (2) 안전성이다. 두 조건을 만 족하기 위한 제약조건은 아래와 같다. (1) 휴대성 • 프로세서 부분 무게: 500g 미만 • 안경 부분 무게: 100g 미만(2) 안전성 • 정확도 (Precision): 95% 이상 • 검출율 (Recall): 80% 이상 • 연산 속도: 최소 15 FPS 휴대성은 무게에 제약조건을 두었지만, 프로토타입이기 때 문에, 허용 범위를 넓게 잡았다. 안전성은 정확도 (precision)와 검출율 (recall), 그리고 실시간 구현을 위한 연산속도로 제약조 건을 두었다. 안전성은 본 연구에서 가장 중요하게 생각하는 부 분이며, 도로횡단 보조기기의 경우, 오검출이 미검출보다 위험 성이 크기 때문에, 정확도를 검출율보다 높게 설정하였다.
2.2 하드웨어 설계
시각장애인의 독립보행을 돕기 위한 보행보조기기는 그림 1 과 같이 구성되어 있으며, 하드웨어는 두 부분으로 나뉘어져 있 다. 첫번째 부분은 임베디드 프로세서 부분으로, NVIDIA사의 GPU 보드인 Jetson TX2와 베터리, 그리고 케이스로 구성되어 있으며, 두번째 부분은 소형 카메라와 골전도 이어폰이 부착되 어 있는 안경 부분이다. 자세한 성능은 각각 표 1, 표 2에 기술 되어 있다. 그림 1. 시스템 개념도 무게 (g) 크기 (mm2) 전력 (W) 프로세서(TX2) 75 87*50 7.5~15 Carrier 보드 (Orbitty) 41 87*50 2~6 배터리 141 65*54 -케이스 167 115*75 총합 424 115*75 21(최대) 표 1. 하드웨어 성능표 (프로세서 부분) 무게 (g) 전력 (W) 카메라 15 5 (최대) 골전도 이어폰 5 2 (최대) 안경 테 60 -총합 80 7(최대) 표 2. 하드웨어 성능표 (안경 부분) 2.2.1 임베디드 프로세서 머신러닝 알고리즘의 실시간 구현을 위해서 GPU의 사용은 필수적이다. 또한, 휴대하기 위해서 기기는 가볍고, 작으며, 에 너지 소비가 적어야만 한다. 위의 조건들을 만족하기 위해서 사 용된 임베디드 프로세서는 NVIDIA사의 Jetson TX2 보드와 Orbitty사의 Carrier 보드이다. 임베디드 프로세서의 무게는 116g 이며, 크기는 87mm*50mm로 신용카드 크기와 비슷하다. 전력 공급을 위해 11.1V와 3000mAh의 성능을 지닌 리튬-이 온 배터리를 사용하였다. 이는 최대 파워로 임베디드 프로세서 를 가동했을 때, 1.2시간을 사용할 수 있는 양이다. 무게는 141g, 크기는 64mm*54mm이다. 임베디드 프로세서 케이스의 크기는 115mm*75mm, 무게는 167g으로 3D 프린터로 만들었다. 케이스에는 골전도 이어폰을 연결 할 수 있는 Audio포트와, 카메라 및 USB등을 연결할 수 있는 USB 포트, 그리고 배터리를 충전할 수 있는 배터리 포트 가 있다. 그림 2. 임베디드 프로세서 부분 구성도 2.2.2 소형 카메라와 골전도 이어폰 소형 카메라와 골전도 이어폰은 Florian Wahl 등이 제작한 WISEglass의 디자인을 참고하여 기성품 안경의 다리 부분에 내 장되도록 하였다[14]. 이는 기성품 안경테의 디자인을 살리면서 부착되는 부분의 무게를 최소한으로 하여 편안한 착용감을 확 보하기 위함이다. 정확한 각도와 높이에서 보행자 신호에 대한 영상을 얻기 위 해서, 소형 카메라는 사람의 눈 높이에 고정되어 있어야 한다. 또한, 대부분의 보행자 신호가 횡단보도의 오른쪽에 위치해 있 기 때문에, 소형 카메라는 안경 오른 쪽 테에 부착되도록 설계되었다. 소형 카메라는 HD Micro USB Camera Module을 사용했 다, 소형 카메라의 시야각은 60도이며, 25 FPS의 성능을 지닌다. 카메라의 해상도는 640*480이다. 골전도 이어폰 또한, 안경 오른쪽 테에 부착되어 있다. 시각 장애인에게 청각은 가장 의지하는 감각 중 하나이다. 따라서, 청각을 방해하는 이어폰은 시각장애인에게 불편함과 위험성을 증가시킨다. 위와 같은 이유로 인해, 외부 소리를 방해하지 않 는 골전도 이어폰을 통해서 결과를 전달하도록 설계하였다. 골 전도 이어폰은 EHPP사의 EI-01 제품을 사용했으며, 안경 테와 접촉하고 있는 뼈에 소리 진동을 전달하도록 설계하였다, 안경, 골전도 이어폰, 카메라의 총 무게는 80g이며, 이는 100g 미만으 로 지속적으로 착용해도 무리가 없는 무게이다. 또한, 카메라와 골전도 이어폰은 탈부착이 가능하도록 설계되었다. 그림 3. 안경 부분 구성도 (a) 정면 (b) 측면 그림 4. 안경 부분 착용 사진
2.3 소프트웨어 설계
2.3.1 보행자 신호 검출 및 인식 알고리즘 입력 받은 영상에서 보행자 신호를 인식하기 위해서는 (1) Object Detection과 (2) Object Recognition을 해야 한다. (1) Object Detection은 입력 받은 이미지에서 object를 식별 하는 것이며, (2) Object Recognition은 식별한 object를 이미 알고 있는 객체와 관련짓는 것이다. 본 연구의 보조기기는 안정성을 위해 높은 정 확성(precision)과 검출율(recall), 그리고 실시간 구현을 위해 빠 른 처리속도를 요구한다. 따라서, Object Detection 및 ObjectRecognition을 빠른 속도로 수행할 수 있는 tiny-YOLOv2 알고리 즘을 사용하였다. 알고리즘 수행을 위해, 보행자 신호등의 색 (빨간 색, 초록 색)과 횡단보도를 각각의 객체로 정의하여 YOLOv2에 학습하였다(그림 5).
학습에 사용된 이미지는 낮과 밤에 찍은 횡단보도와 보행자 신호 사진이며, Training Set 1412장, Validation Set 471장으로, 총 1883장의 사진을 사용하였다.
Training Set (이미지) Validation Set (이미지) 총합
# 1412 471 1883 표 3. 물체 탐지 알고리즘 데이터 수 (a) 객체 #1 초록 신호 (b) 객체 #2 빨간 신호 (c) 객체 #3 횡단보도 그림 5. 물체 탐지 및 인식 알고리즘 객체 2.3.2 도로 횡단 알고리즘 도로 횡단 알고리즘은 보행자 신호의 탐지 및 인식 후, 상황 에 맞는 적절한 안내 음성신호를 골전도 이어폰을 통해서 유저 에게 전달한다. 이 알고리즘은 보행자 신호를 세가지로 분류한 다. (1) 빨간 신호를 인식했을 때, (2) 빨간 신호를 인식 후, 초록 신호를 인식했을 때, (3) 빨간 신호를 인식하지 못한 상태에서 초록 신호를 인식했을 때이다. (1)번 상황의 경우, 보행자는 무조건 횡단보도에서 다음 신 호를 기다려야 하므로, 멈추라는 신호를 전달하게 된다. (2)번 상황처럼, 빨간 신호를 먼저 인식 후, 초록 신호를 인식하였을 때만, 횡단보도를 건널 수 있도록 음성 안내 신호를 준다. (3)번 의 경우는 초록 신호가 먼저 인식 되었을 경우이다. 이 경우에 는 초록 신호가 언제 켜졌는지 알지 못하고, 시각장애인의 보행 속도가 느린 것을 감안해서, 초록 신호이지만 멈추라는 음성 신 호를 전달한다. 각각 상황에 따른 음성 안내 신호는 표 4에 기 술되어 있다.
상황 설명 음성 안내 1 빨간 신호 인식 “빨간 불입니다. 멈추세요.” 2 빨간 신호 인식 후 초록 신호 인식 “초록 불입니다. 건너도 됩니다.” 3 빨간 신호 인식 전 초록 신호 인식 “초록 불입니다. 그러나, 멈추세요.” 표 4. 도로 횡단 알고리즘의 상황 별 음성 안내
3. 실험 결과 및 분석
3.1 도로횡단 보조기기의 시뮬레이션 결과
포항시 도심에서 낮에 촬영된 영상과 낮, 밤에 촬영된 사진 으로 검증 실험을 진행하였다. 영상과 사진은 보행 보조기기의 설계와 같이, 사람의 눈 높이에서 영상을 촬영하였다. 영상의 총 Frame의 수는 1363 프레임이며, 빨간 신호는 960 프레임, 초 록 신호는 403 프레임이다. 영상 속에서 보행자 신호등의 판별 여부는 각 Frame마다 진행하였다. 실험 결과, 빨간 신호의 경우, 960프레임 중 564 프레임을 인 식했다. 초록 신호의 경우, 403 프레임 중 263 프레임을 인식하 였다. 두 신호 모두 미검출은 있었으나, 오검출은 없었다. 따라 서, 빨간 신호와 초록 신호는 각각 58.8%와 65.3%의 검출율 (recall) 값을 가졌으며, 100%의 정확도 (Precision) 값을 가졌다. 이는 안전성 제약조건인 정확도 95% 이상, 검출율 80% 이상의 값을 통과하지 못한 결과였다. 정확도 (%) 검출율 (%) 프레임 속도 (FPS) 초록 신호 100 65.3 15 빨간 신호 100 58.8 15 표 5. YOLOv2 실험에 따른 신호별 정확도 및 검출율 결과 미검출이 발생한 이유는 그림 7과 같이 차가 신호등 앞을 지 나갈 때, 신호등을 가리지 않았음에도 불구하고, 검출이 안되는 오류가 발생했기 때문이다. 또한, 학습 데이터의 부족으로 인 해, 밝기의 차이로 인한 미검출이 존재하였으며, Frame 단위의 검출로 인해, 미검출율이 높아졌다고 판단하였다. 위의 문제점들은, 정밀한 annotation과 데이터의 추가로 수정 될 수 있을 것이다. 또한, 실제 보조기기를 사용할 경우, frame 단위 검출이 아닌, 음성 신호를 기점으로 검출을 한다. 따라서, Frame 단위가 아닌 수초마다 한번씩 검출을 할 경우, 미검출율 을 낮출 수 있을 것으로 사료된다. (a) 초록 신호 결과 (b) 빨간 신호 결과 그림 6. YOLOv2 결과 그림 7. 객체 미검출 원인3.2 도로횡단 보행보조기기의 성능 실험 결과
그림 8. 도로횡단 알고리즘 검출 결과 도로 횡단 알고리즘은 정안인 실험자 1명이 보조기기를 착 용한 후 실험을 진행하였다. 실험은 총 15분 동안 진행되었으 며, 실험 중 마주친 교차로의 수는 2개, 보행자 신호등의 수는 4개이다. 도로 횡단 알고리즘의 실험에서는 시뮬레이션 실험과 달리, 골전도 이어폰으로 전달되는 음성 신호로 검출 여부를 확인하 였다. 음성 신호는 약 1초마다 신호등 검출 결과를 골전도 이어 폰을 통해 출력한다. 따라서, 1초마다 출력 되는 음성 신호를 기준으로, 음성 신호와 현재 신호등의 상태 비교를 통해, 정확 도(precision)와 검출율(recall)의 값을 계산하였다. 실험 결과, 빨간 신호에 대한 정확도(precision)는 97.1%, 검 출율(recall)은 94.4%로 확인되었으며, 초록 신호에 대해서는 100%의 정확도(precision)와 87%의 검출율(recall)을 확인하였다. 알고리즘 처리속도 또한 15 FPS로 확인되었다. 이번 실험에서 확인된 검출율과 정확도, 그리고 연산속도는 위에서 제시한 제 약조건을 만족하는 값이다. 따라서, 본 연구의 기기는 도로 횡 단 보행 보조기기로서의 사용 가능성을 확인하였다. 자세한 결 과는 표 6, 표 7에 기술되어 있다. 그림 9. 도로횡단 알고리즘 미검출 결과 초록 불 (횟수) 빨간 불 (횟수) True Positive 47 34 False Positive 0 1 False Negative 7 2 True Negative 68 91 표 6. 도로 횡단 알고리즘 실험 결과정확도 (%) 검출율 (%) 프레임 속도 (FPS) 초록 신호 100 87.0 15 빨간 신호 97.1 94.4 15 표 7. 도로 횡단 알고리즘에 따른 신호별 정확도 및 검출율
4. 결론
본 연구에서는 시각장애인의 도로 횡단을 보조하는 기기를 제안하였다. 본 연구의 보조기기는 안경에 달린 소형 카메라로 영상을 입력받아, 보행자 신호를 탐지 및 인식하고, 도로 횡단 알고리즘 결과에 따라, 사용자에게 음성안내 신호를 골전도 이 어폰을 통해서 전달한다. 실시간 구현을 위해, NVIDIA사의 Jetson TX2 보드와 YOLOv2 알고리즘을 사용하였으며, 휴대성 을 위해, 기기의 무게와 크기를 최소화하였다. 제작된 프로토타입을 사용하여, 영상과 실제 도로에서 실험 을 진행한 결과, 시뮬레이션 상에서는 초록 신호와 빨간 신호의 정확도(precision)는 100%, 검출율(recall)은 각각 65.6%와 58.4% 로 확인되었다. 시뮬레이션에서는 모든 프레임에 대해서 검출 여부를 측정하였기 때문에 검출율(recall)이 낮게 측정되었으나, 실제 도로 위에서 음성 신호를 기준으로 검출하였을 때, 초록 신호, 빨간 신호의 정확도는 각각 100%, 97.1%로 측정되었으며, 검출율은 87%, 94.4%로 측정되었다. 알고리즘 처리속도 또한, 약 15 FPS의 속도로 실시간 구현이 가능하다는 것을 확인할 수 있었다. 하지만, 실험 결과에서 세 가지의 문제점이 발견되었다. 하 나는 하드웨어의 무게와 크기이다. 현재 프로토타입으로 만들 었기 때문에, 임베디드 프로세서의 크기와 무게는 작고 가볍지 않다. 두 번째로는 YOLOv2 알고리즘을 수행하는 중, 다른 object가 객체 주변에 있을 경우 (ex. 차가 보행자 신호 앞을 지 나갈 경우), 객체를 가리지 않았음에도 인식을 하지 못하는 문 제를 지니고 있다. 세 번째로, 본 기기의 효용성을 높이기 위해 서는 건널목 인식 알고리즘이 함께 사용되어야 한다. 향후 본 연구의 기기 상용화를 위해서, 위의 세 가지 문제는 후속 연구 를 통해 해결할 것이다. 본 연구에서 얻을 수 있는 의의는 시각장애인을 위한 도로 횡단 보행 보조기기의 사용 가능성 여부다. 시각장애인의 독립 보행을 방해하는 요소인 보행자 신호 인식에 대한 해결은, 시각 장애인들의 독립보행 가능성을 열어줄 것이다. 또한, 독립보행 의 제한으로 인해 사회활동의 어려움을 겪고 있는 부분을 해결 함으로써 더 나은 삶의 질을 제공할 수 있다고 사료된다.참고문헌
[1] 경시연. 시각장애인의 문제 및 욕구 파악을 위한 면접 조사 결과 보고서. 경북시각장애인연합회. pp. 25-27. 2009. [2] 전자통신연구원. 시각장애인 보행편의를 위한 요구사항 분 석 연구. 한국시각장애인연합회. pp. 32-36. 2015. [3] David, D. Z., Jessy, D. D. and Robert, J. G. TheArgus® II retinal prosthesis system: An overview. 2013 IEEE International Conference on Multimedia and Expo Workshops. ICMEW. pp. 1-6. 2013. [4] Stronks, H. C., Mitchell, E. B., Nau, A. C. and
Barnes, N. Visual task performance in the blind with the BrainPort V100 Vision Aid. Expert Review of Medical Devices. 13(10). pp. 919-931. 2016. [5] Tapu, R., Mocanu, B., Bursuc, A. and Zaharia, T. A
Smartphone-based Obstacle Detection and Classification System for Assisting Visually Impaired People. The IEEE International Conference on Computer Vision Workshops. ICCV. pp. 444-451. 2013. [6] 유용재, 오세영, 최승문. FeetNavi: 시각 장애인의 길찾기 를 위한 족부 진동 피드백 시스템. HCI2017 학술대회 발표 논문집. 한국HCI학회. pp. 269-271. 2017. [7] 김래현, 박세형, 이수용, 조현철, 하성도. 초음파 및 가속도 센서를 이용한 시각장애인용 보행보조 장치의 성능 개선. 정보과학회논문지 : 소프트웨어 및 응용. 36(4). 정보과학 회. pp. 291-297. 2009. [8] 이진희, 임석현, 이은석, 신병석. 초음파 센서와 GPS를 연 동한 시각장애인 실외 보행지원 시스템. 정보과학회논문지 : 소프트웨어 및 응용 36(6). 정보과학회. pp. 462-470. 2009.
[9] Ultracane. https://www.ultracane.com April 23. 2017. [10] Wayfindr. https://www.wayfindr.net April 23. 2017. [11] Orcam. https://www.orcam.com/en April 23. 2017. [12] Aipoly. https://www.aipoly.com April 23. 2017. [13] Joseph, R., Santosh, D., Ross, G. and Ali, F. You
Only Look Once: Unified, Real-Time Object Detection. 2016 IEEE Conference on 2016 June. Computer Vision and Pattern Recognition (CVPR). pp. 779-788. 2016.
[14] Florian, W., Martin, F. and Oliver, A. WISEglass: Smart eyeglasses recognising context. Proceedings of the 10th EAI International Conference on Body Area Networks. ICST (Institute for Computer Sciences, Social-Informatics and Telecommunications Engineering). pp. 11-17. 2015.
