밀집된 실내 공간에서 정적인 사람을 세는 mmWave 레이더 기술 mmCounter

초록

기존 mmWave 레이더는 움직임에 의존해 사람을 감지하기 때문에 정적으로 밀집해 있는 다수의 사람을 세는 데 한계가 있었습니다. 본 연구는 호흡과 같은 미세 신체 움직임에서 발생하는 초저주파 신호를 추출하고, 이를 처리해 정적인 사람을 정확히 세는 시스템 ‘mmCounter’를 제안합니다. 익숙한 환경에서 평균 F1 점수 87%의 높은 정확도를 보이며, 3제곱미터 공간에 최대 7명까지 셀 수 있습니다.

상세 분석

mmCounter의 기술적 핵심은 정적인 개인이 생성하는 미세 움직임, 특히 호흡 신호를 효과적으로 포착하고 분리해내는 다단계 신호 처리 파이프라인에 있습니다. 첫 번째 도전은 레이더로부터 2미터 이상 떨어진 여러 명의 미세 변위 신호를 추정하는 것입니다. 이를 위해 Range-Doppler-Azimuth FFT와 Zero-Elevation Point Cloud 생성 후, 도플러 정보를 활용한 미세 변위 추정 알고리즘을 설계해 미세 운동 신호를 추출합니다. 기존의 포인트 클라우드 기반 방법이 정적 대상에게는 실효성이 없음을 극복한 접근법입니다.

두 번째 핵심은 알려지지 않은 인원 수 조건에서 호흡 신호원을 분리해내는 새로운 알고리즘입니다. 추출된 미세 운동 신호는 주기적인 호흡 성분과 무작위 신체 흔들림이 혼합되어 있습니다. 연구팀은 이를 분리하여 호흡 신호와 해당 신호의 공간적 분포 정보를 동시에 얻는 방법을 제시합니다. 이는 기존의 호흡수 추정 연구가 인원 수를 사전에 알고 있다는 가정과 근본적으로 차별화됩니다.

마지막으로, 가장 혁신적인 부분은 분리된 여러 개의 호흡 신호를 실제 사람 수에 매핑하는 ‘호흡 신호 그룹화’ 문제를 해결한 것입니다. 한 사람이 여러 호흡 신호를 생성할 수 있는 다대일 관계를 해결하기 위해, 호흡 신호의 공간적 분포 패턴을 학습하는 자기 주의 기반 딥러닝 아키텍처를 개발했습니다. 이를 통해 유사한 공간적 근원에서 발생하는 호흡 신호들을 하나의 개인으로 클러스터링할 수 있게 되었습니다. 이 세 가지 기술이 결합되어 기존에는 불가능했던 고밀도 정적 군중 계수를 가능하게 했으며, 평가 결과는 제안된 파이프라인의 유효성과 일부 환경 변화에 대한 강건성을 입증하고 있습니다.