소프트웨어학과

구분

내용

추진 배경

□ 교내 식당은 특정 시간대에 혼잡도가 매우 높아 학생들이 대기 시간을 예측하기 어려움.
□ 혼잡도 정보를 사전에 알 수 없어 비효율적인 식사 시간이 반복되고 있음.
□ 관리자의 인력 개입 없이 실시간으로 인원 정보를 수집하고 혼잡도를 제공하는 시스템의 필요성이 증가함.

목표 및 내용

□ YOLOv5와 Deep SORT를 이용해 식당 내 사람을 실시간으로 감지하고 입장과 퇴장을 추적함.
□ 입·퇴장 기준선을 설정해 내부 인원 수를 계산하고 이를 바탕으로 혼잡도를 백분율로 산출함.
□ WebSocket을 통해 계산된 혼잡도 데이터를 SwiftUI 앱으로 전송하고 시각적으로 혼잡도 정보를 제공함.
□ 학생은 앱을 통해 각 식당의 실시간 혼잡도를 확인하고 덜 붐비는 시간대를 선택할 수 있음.
□ 시스템 전체는 영상 분석 백엔드, 혼잡도 계산 로직, WebSocket 통신, SwiftUI 프론트엔드로 구성됨.

• 수행결과

□ YOLOv5로 사람을 정확히 감지하고 Deep SORT를 통해 중복 카운팅 없이 고유 인물 추적을 수행함.
□ 입장 및 퇴장 여부는 기준선을 기준으로 자동 판단함.
□ 실시간 혼잡도 데이터는 Python 서버에서 SwiftUI 앱으로 안정적으로 전송되어 앱에서 시각화됨.
□ 혼잡도 UI는 식당명, 위치, 운영 시간, 혼잡도 바 등으로 구성되어 직관적인 사용자 경험을 제공함.
□ 영상 오류와 중복 인식 문제는 confidence threshold 조정 및 예외 처리로 해결함.
□ 참여 기업의 피드백을 반영해 향후 시간대 및 날씨 기반 예측 기능도 고려 중임.