earticle

한국어

교통사고 발생 시 과실 비율 산정은 당사자들에게 많은 시간과 비용이 들어가는 문제이다. 특히 교통수단과 인프라가 발전함에 따라 교통사고는 복잡해져 전문 변호사 사이에서도 의견이 분분하다. 딥러닝 기반의 비디오 분석은 최근 여러 모델과 기법들이 제시되면서 점점 다양한 분야에서 사용되고 있다. 본 연구에서는 이러한 비디오 분석 모델들을 교통사고 과실 비율 산정에 적용하여 문제들을 해결하고자 한다. 최근 많이 연구 되고 있는 비디오 분석 모델 프레임 워크인 CNN 계열 모델과 Transformer 계열 모델들을 비교 분석하여 보다 적절한 네트워크 아키텍처가 무엇인지 연구해보고자 한다. 교통사고 과실 비율을 예측값으로 설정하여 회귀 방법론으로 문제를 정의하였고, 실제 판례가 존재하는 교통사고 영상을 기반으로 네트워크를 학습시킨다. 비디오 분석 분야의 인공지능 모델은 프레임 단위로 사고 순간의 영상을 분석할 수 있어 보다 효과적으로 과실 비율 산정에 도움을 줄 수 있을 것으로 예상된다.