YOLO Vehicle Detection Study Using Drone Nadir and Oblique View Images

최근 드론 기술과 AI기술의 발전으로 객체 탐지 알고리즘을 이용한 교통량 분석, 주차 단속 등 다양한 분야의 활용이 가능해졌다. 2024년 6월 말 기준 한국의 자동차 누적 등록 대수는 26,134 천대로 인구 1.96명당 1대의 개인용 차량을 보유하고 있다. 이로 인한 교통 혼잡, 안전사고, 불법 주정차 문제, 긴급차량 진입 문제 등 여러 문제들이 심각한 상황이다. 이러한 문제들을 해결하기 위하여, 현재 딥러닝 기반 객체 탐지 알고리즘 및 드론 영상을 활용하여 주정차 차량 탐지 및 차종에 따른 차량 탐지 분류 등 다양한 연구가 수행되고 있다. 그러나 차량을 탐지하기 위해 연직 영상 또는 경사 영상 중 하나의 촬영 각도만을 이용하는 연구들이 대부분이며, 두 가지 화각을 이용한 연구는 현재 미비한 상황이다. 따라서 본 연구에서는 드론 연직 및 경사 영상의 차량 객체를 YOLOv3 알고리즘으로 탐지하기 위한 두 가지 시나리오를 상정하고 비교 분석하였다. 연직 영상으로 경사 영상의 차량을 탐지한 시나리오 1, 경사 영상으로 연직 영상을 탐지한 시나리오 2에 대한 연구를 진행하였으며 다양한 경사 각도에 대한 결과를 확인하기 위하여 60도 경사 영상을 사용한 경우와 50도 경사 영상을 사용한 경우도 세부 시나리오로 분석하였다. 시나리오 1의 평균 정밀도(AP) 값은 0.36, 0.32가 나왔으며, 시나리오 2의 경우 0.76과 0.69의 더 높은 AP값을 나타냈다. 연구를 통해 드론 연직 영상을 이용하여 경사 영상의 차량 객체를 탐지하는 것에는 한계가 존재하는 것을 확인하였으며, 경사 영상을 이용한 연직 영상의 차량 객체 탐지는 높은 정확도로 가능한 것을 확인하였다.