Building an AI-Powered Motion Blur Mitigation System for High-Speed Railway Wagon Monitoring

개요

고속 철도 화물 열차 모니터링을 위한 AI 기반 모션 블러 완화 시스템은 역 카메라로 촬영된 고속으로 이동하는 화물 열차의 시각 정보 품질을 개선하는 것을 목표로 합니다.

주요 내용

* 문제점: 고속으로 통과하는 화물 열차 영상은 심각한 모션 블러, 저조도 환경에서의 시인성 저하, 식별자 가독성 감소, 손상 검사 품질 저하 문제를 겪으며, 이는 객차 번호 OCR, 객차 수 계산, 손상 감지, 자산 추적, 유지보수 검사 등의 후속 작업에 영향을 미칩니다.
* 솔루션 아이디어: 기존의 감지 알고리즘 개선 대신, AI를 활용하여 입력 영상 자체의 품질을 향상시키는 데 초점을 맞춥니다.
* 프로젝트 목표: 실시간 영상 스트림을 수신하고, 고속 이동으로 인한 모션 블러를 줄이며, 저조도 환경에서의 시인성을 향상시켜, 후속 분석을 위한 검사 준비 프레임을 생성하는 AI 기반 파이프라인을 구축합니다. 이 시스템은 거의 실시간으로 작동하며 궁극적으로 NVIDIA Jetson과 같은 엣지 디바이스에서 실행될 예정입니다.
* 시스템 아키텍처: 현재 파이프라인은 영상 스트림 수신, 프레임 추출, 모션 블러 완화, 저조도 향상, 프레임 품질 분석, OCR/검사 준비 출력 단계를 거칩니다.
* 현재 구현: DroidCam을 통한 라이브 카메라 피드, 영상 업로드, 이미지 업로드 기능을 지원합니다. 모션 블러 완화를 위해 딥러닝 기반 접근 방식이 사용되며, 객차 측면 패널, 식별자, 구조적 세부 정보 복원에 중점을 둡니다. 야간 작업, 악천후, 저조도 환경을 위한 저조도 향상 기능도 통합되었으나, 주간 과도한 향상 방지를 위한 적응형 처리 파이프라인을 탐색 중입니다.
* 대시보드: 실시간 스트림, 영상 업로드, 이미지 업로드 모드를 제공하며, 원본 대비 향상된 프레임 비교, 상위 10개 복원 프레임 표시, 블러 감소 추정치, 선명도 점수, 처리 지연 시간, 프레임 속도 등의 품질 메트릭을 표시하여 운영자에게 시스템 상태를 시각적으로 제공합니다.
* 중요성: 대부분의 철도 AI 시스템은 감지, 분류, 추적에 중점을 두지만, 이러한 모든 시스템은 이미지 품질에 의존합니다. 이미지 복원은 모든 후속 철도 분석 시스템의 성능을 향상시키는 기초 레이어 역할을 합니다.
* 향후 로드맵: 향후 단계에는 객차 번호 OCR, 자동 객차 수 계산 및 검증, 손상 감지(파손된 사다리, 열린 문, 누락된 부품 등), 이상 감지, 예측 유지보수가 포함됩니다.
* 엣지 배포 비전: 카메라에서 엣지 디바이스(Jetson AGX)로 영상을 전송하고 AI 처리를 로컬에서 수행한 후, 관련 분석 결과만 중앙 모니터링 시스템으로 전송하는 것을 목표로 합니다.

시사점

이 시스템은 기존 철도 모니터링 시스템의 성능을 저하시키는 주요 병목 현상인 이미지 품질 문제를 해결함으로써, 더욱 정확하고 신뢰할 수 있는 데이터 기반의 후속 분석 및 유지보수 예측을 가능하게 하는 foundational layer로서의 역할을 수행할 수 있습니다.