CNN 기반 주차면 판별 및 주차 공간 추천 시스템

본 과제는 기존 주차장에 설치된 방범용 CCTV 영상 자원을 활용하여 별도의 센서 설치 없이 실시간 빈자리 탐지 및 목적지 기반 주차면 추천이 가능한 지능형 주차 관제 시스템을 구현하는 데 목적이 있다.
주차면 판별 파트에서는 실제 주차장을 CCTV와 유사한 위치와 각도에서 촬영하고, 주차 구역별 Polygon 영역을 설정하였다. 이후 해당 영역을 크롭하여 차량 유무에 따라 Empty와 Occupied로 라벨링한 데이터셋을 구축하였다. PyTorch 기반 CNN 모델을 설계하여 Convolution, ReLU, Max Pooling 계층을 거치며 차량 윤곽과 주차선 특징을 학습시켰다. 모델 정확도를 높이기 위해 이미지 크기, 커널 크기, 학습률, 배치 크기 등 하이퍼파라미터 조합을 비교 실험하여 최적의 분류 모델을 선정하고 테스트 데이터셋을 이용하여 성능을 평가하였다.
주차 추천 파트에서는 학습된 CNN 모델로 판단한 실시간 점유 상태를 이용하여 사용자가 설정한 목적지 주변 빈자리를 추천할 수 있게 구현했다. 또한 장애인 전용 주차 구역, 전기차 충전 구역 등 특수한 주차면을 사용자 조건에 따라 우선적으로 추천할 수 있도록 하였다.
본 시스템은 빈 주차 자리 탐지를 위한 추가적인 설비 증설을 최소화하고 방범용으로 사용되고 있는 CCTV를 활용하여 초기 설치비용을 약 70~76%, 유지관리비를 약 62~71% 절감할 수 있을 것으로 추정된다. 또한 주차장 내부를 시각화하여 빈자리를 보여주어 이용자의 주차 편의성을 높였다. 이는 대형마트, 복합쇼핑몰 등 대규모 주차 시설로의 확장이 용이하고, 기존에 활용되던 인프라를 이용하기 때문에 경제적인 측면에서도 많은 이점을 가질 수 있다.