Real-Time Fire Detection System with Reduced False Positive Detection Using Time-Series-Based Dynamic Analysis

본 연구는 시계열 기반 동역학 분석을 활용하여 오탐지를 개선한 실시간 화재 감지 시스템을 제안한다. 기존의 카메라 기반 딥러닝 화재 감지 모델은 조명, 반사광, 정적 발광체 등에 의해 높은 오탐지율을 보인다. 이를 해결하기 위해 제안된 알고리즘은 객체 인식 모델(YOLOv8-m)의 바운딩박스 좌표 변화를 시계열적으로 분석하여 실제 화재와 비화재 객체를 구분한다. 초기 10프레임의 평균 좌표를 기준 박스로 설정하고, 이후 30프레임 주기로 비교하여 윗변 또는 측면의 수직 변동이 2% 이상일 경우 화재로, 밑변이 수평으로 안정된 경우 오탐지로 판단한다. 실험 결과, 제안 시스템은 실시간 처리 성능을 유지하면서 2초 이내의 판단이 가능하였고, 기존 대비 오탐지율을 크게 낮추었다. 본 연구는 추가 센서 없이 기존 RGB 영상만으로도 신뢰성 높은 화재 감지 시스템을 구현할 수 있음을 입증하였다.