YOLOv8n 기반 헬멧·안전벨트 미준수 자동 감지

세계보건기구(WHO)에 따르면, 헬멧과 안전벨트 미착용은 전 세계적으로 심각한 교통사고 사망의 주요 원인입니다. 특히 WHO 아프리카 지역은 인구 10만 명당 19.4명으로 세계 최고 수준의 교통사고 사망률을 보이며, 나이지리아는 195,000km가 넘는 도로망을 수동으로 단속하기에는 인력 제약이 커 자동화된 감지 시스템의 필요성이 대두됩니다. 본 연구는 자원 제약적인 환경에서 도로 안전 규정 준수를 자동으로 감지하기 위해 사전 학습된 YOLOv8n 객체 감지 모델을 미세 조정했습니다. 공개된 SeatbeltHelmet 데이터셋(9,166개 이미지, 9개 클래스)을 활용하여 모델을 50 에포크 동안 학습시켰으며, Google Colab GPU 환경에서 AdamW 최적화 도구를 사용했습니다. 미세 조정된 모델은 mAP50 0.599의 전반적인 성능을 달성했습니다. 특히 '안전벨트 착용자' 클래스에서 mAP50 0.912, '안전벨트 미착용자' 클래스에서 0.847로 높은 성능을 보였습니다. 반면, '헬멧 착용자'와 '헬멧 미착용자' 감지는 각각 mAP50 0.537과 0.380으로 상대적으로 낮은 성능을 기록했는데, 이는 헬멧의 작은 객체 크기와 일반적인 교통 카메라 거리에서의 시각적 유사성 때문으로 분석됩니다. 이 연구 결과는 수동 단속만으로는 한계가 있는 자원 제약적인 아프리카 환경에서 경량화된 객체 감지 모델이 도로 안전 규정 준수 자동 스크리닝에 효과적으로 활용될 수 있음을 시사합니다.