Barrier-free Entrance Object Detection in Street View Using Deep Learning

교통약자의 이동권 보장은 사회적으로 중요한 이슈로 부각되고 있으며, 이에 따라 공공건물 및 시설물에 대해 장애물 없는 생활환경(BF: Barrier-Free) 인증 제도가 의무화되고 있다. BF와 관련된 요소 중에서 건물 출입구의 접근성 정보는 휠체어 사용자가 실외와 실내를 원활하게 이동하는 데 있어 핵심적인 요소이다. 그러나 현장 조사를 통해 이러한 정보를 수집하고 관리하는 것은 높은 시간적·비용적 제약으로 인해 어려움이 있다. 본 연구는 스트리트뷰 영상을 활용하여 건물 출입구와 BF 관련 객체(출입문, 회전문, 계단, 경사로)를 탐지하는 딥러닝 기반 프레임워크를 제안한다. 휠체어가 접근 가능한 출입문, 경사로, 접근성을 저해하는 회전문 및 계단을 탐지 대상으로 설정하였으며, YOLOv5 모델을 이용하여 학습 및 객체 탐지를 수행하였다. 학습 데이터셋은 스트리트뷰 영상, 서울시 공공 데이터의 건물 출입문 사진, 오픈 데이터셋을 통합하여 구성하였으며, 탐지된 객체를 기반으로 출입구의 BF 상태를 분석하였다. 실험 결과, 추가 데이터셋을 포함하여 학습한 경우에 스트리트뷰 단독 데이터를 사용한 경우보다 전반적으로 탐지 정확도가 향상되었으며, 모든 데이터셋을 활용한 조합에서 가장 높은 정확도(검증 mAP50: 0.657, 테스트 mAP50: 0.532)를 기록하였다. 그러나 경사로와 계단 탐지 성능은 상대적으로 낮았으며, 이는 비정형 형태와 제한된 학습 샘플 때문으로 분석된다. 본 연구는 BF 정보 자동 구축의 가능성을 제시하며, 접근성 평가 방법의 개선 방향을 제안한다.