Park Visitor Detection Based on Drones and Machine Learning : Focusing on the YOLOv8 Object Detection Model

도심 공원 관리에서 이용객 수를 정확히 파악하는 것은 시설 유지･보수, 인력 배치, 예산 편성의 핵심 기초자료이다. 그러나 기존 수작업 계수법과 CCTV 기반 모니터링은 낮은 시･공간 해상도, 사각지대, 설치･운영 비용과 같은 제약이 존재한다. 본 연구는 이러한 한계를 해결하고자 드론 촬영 영상과 YOLOv8 객체 검출 모델을 결합한 공원 이용객 자동 탐지 방법을 제시한다. 먼저 고도 15m~150m 범위에서 드론 촬영을 실시하여 사람 검출 정확도를 비교한 결과, 60m 고도가 탐지 성능과 촬영 범위 간 최적 균형을 보였다. 정확도 향상을 위해 수작업 레이블링으로 학습 데이터를 보강하고 모델을 재학습시켜 [email protected] 90%의 성능을 달성하였 다. 이어서 2023.06~2024.05 기간 동안 월 4회 시계열 촬영을 수행하고, 드론 영상을 분할･탐지하여 월별･계절별 이용객 분포(성 수기: 4･10월, 비성수기: 7･8월)를 도출하였다. 본 연구는 드론-AI 기반 객체 탐지 기술을 일상 공공 공간에 시계열적으로 적용하여 공원 관리 의사결정(시설 보수 시기, 인력 배치, 혼잡 완화)에 활용 가능한 정량 데이터를 제공하였다는 점에서 학술적･실무적 의의 를 갖는다. 향후에는 다년도 시계열 자료와 보조 센서(CCTV) 융합을 통해 장기 예측 신뢰도를 높이는 연구가 요구된다.