드론 영상의 이동 객체 인식을 위한 특징점 매칭 기반 딥러닝 훈련 자료 구축 방법론

초록

딥러닝을 활용한 이동 객체 인식은 빠르고 정확한 인식 성능을 기대할 수 있다. 하지만, 딥러닝 기반 객체 인식의정확도는 훈련 자료의 품질에 큰 영향을 받기에 양질의 훈련 자료를 확보하는 것이 중요하다. 기존의 훈련 자료를 마련하는 방법들은 상당한 비용, 합성 영상의 한계 그리고 초기 훈련 자료 요구와 같은 단점을 지니고 있다. 본 연구에서는위와 같은 한계점을 극복하고자, 특징점 매칭을 이용해 드론 영상으로부터 차량 객체를 인식하여 초기 훈련 자료를 효율적으로 취득하는 방법론을 제안하고자 한다. 이를 위하여 연속된 드론 영상에서 참조 객체와 다른 영상 간 특징점 매칭을 수행한 후, KAZE, ORB, SIFT 그리고 SURF 알고리즘의 성능을 비교하였다. 다양한 도로 위 상황을 반영하기 위하여 드론과 차량 객체의 움직임으로 인한 객체의 형상 변화에 따라 시나리오를 분류한 후, 시나리오별 참조 객체를 강도에 따라 세분화하여 특징점 매칭 결과를 비교하였다. 실험을 통하여 KAZE 및 SURF 알고리즘이 평균 매칭점 개수 측면에서 우수한 성능을 보였으며, 90% 이상의 평균 정확도를 보였다. 또한, 두 알고리즘은 차량과 드론 간 상대적인 위치변화와 차량 객체의 강도 변화에 가장 안정적인 성능을 보였다. 이에 본 연구에서는 특징점 매칭 기반 이동 객체의 훈련자료 취득 방법론을 제시하였으며, 드론 영상으로부터 효율적인 훈련 자료 취득이 가능함을 확인하였다.

키워드