무인 항공기 비디오에서 소형 이동 객체 탐지를 위한 방법

작은 움직이는 물체 탐지는 비행 곤충 모니터링, 그들의 탐식 행동 연구, 곤충 수분 매개체를 활용한 작물의 개화 및 수분 상태 모니터링, 꿀벌 떼의 감시, 꿀벌의 이동 경로 추적 등 다양한 응용 분야에서 중요한 연구 주제이다. 그러나 작은 물체는 특징적인 형태나 질감 정보가 부족하기 때문에, 기존의 합성곱 신경망(Convolutional Neural Networks, CNN) 기반의 현대적 물체 탐지 기법을 직접 적용할 경우 성능이 크게 저하된다. 본 논문에서는 표준 영상 카메라를 탑재한 무인 항공기(UAV)로 촬영한 영상에서 작은 움직이는 물체를 탐지하기 위한 방법을 제안한다. 제안하는 방법의 주요 단계는 영상 안정화, 배경 추정 및 제거, CNN을 활용한 프레임 세분화, 그리고 세분화된 프레임에 대한 임계값 처리이다. 그러나 CNN을 학습시키기 위해서는 대규모 레이블링된 데이터셋이 필요하다. 영상 내 작은 움직이는 물체를 수동으로 레이블링하는 것은 매우 어려우며 시간이 많이 소요되며, 현재까지는 그러한 레이블링된 데이터셋이 존재하지 않는다. 이 문제를 해결하기 위해, 실제 세계 배경을 가진 영상 시퀀스에 작은 블롭 형태의 물체를 합성하여 생성한 가상 영상을 이용해 CNN을 학습시키는 방법을 제안한다. 실제 꿀벌 비행 탐지 실험 결과를 통해, 고전적인 컴퓨터 비전 기법과 CNN, 그리고 가상 학습 데이터셋을 결합한 본 방법이, CNN을 직접 적용할 때 발생하는 문제를 극복하고, 실제 영상에 대한 테스트에서 평균 F1 스코어 0.86을 달성함을 입증하였다.