야간 기지방어를 위한 인공지능 기반 적외선 표적 탐지 알고리즘 연구 = A Study on Artificial Intelligence-based Infrared Target Detection Algorithm for Night Base Defense

국문 초록 (Abstract)

제4차 산업혁명의 핵심이 되는 인공지능 기술은 딥러닝, 빅데이터, 컴퓨팅 기술 발전과 함께 다양한 분야에서 활용이 확대되고 있다. 활주로를 기반 시설로 가지고 있는 공군 부대는 넓은 구역으로 인해서 기지 경계가 어렵다. 넓은 구역에 대한 오랜 시간의 경계요원의 감시는 피로의 축적에 따라 지속적이고 집중적인 경계 업무가 불가능하다. 특히, 야간 경계 업무 시 CCTV, 인간의 시각에 의존한 경계 업무는 어둠으로 인해서 더 어렵다. 열화상 카메라는 사람들이 눈으로 볼 수 없는 것을 가시화시킬 수 있다. 열화상의 가장 큰 이점은 보안 환경에서 잠재적인 침입자에 대한 지속적인 고품질의 화상을 생성할 수 있다는 것이다. 본 논문에서는 기존의 RGB 카메라가 아닌 적외선 카메라를 이용한 딥러닝 학습모델을 제시하고 인공지능 기반 표적 탐지 알고리즘을 제안하고자 한다. 제안된 표적 탐지 알고리즘은 YOLO 모델을 활용하여 탐지 정확도(IoU)는 0.69, 처리속도는 30 FPS라는 빠른 추론 속도를 보였다. 제안된 표적 탐지 알고리즘은 색상기반 알고리즘인 CAMshift 보다 정확도는 3.28배 높으면서 처리속도는 1.3배 빨랐다. 딥러닝과 열화상 카메라를 이용한 표적 탐지 시스템은 야간의 어둠 속 100M 이상의 거리에서도 0.6 이상의 정확도를 가지고 표적을 탐지할 수 있었다.

다국어 초록 (Multilingual Abstract)

Artificial intelligence technology, which is the core of the 4th industrial revolution, is being utilized in various fields along with the development of deep learning, big data, and computing technology. In this paper, we propose a deep learning learning model using an infrared (thermal imaging) camera instead of a conventional RGB camera and propose an artificial intelligence-based target detection algorithm. Air Force units with runways as their infrastructure have difficulty in guarding the base due to their wide area. Long-term surveillance of wide areas by guards is impossible due to fatigue accumulation and continuous and intensive guard work. In particular, guard work that relies on CCTV and human vision during nighttime guard work is more difficult due to the darkness. Thermal imaging cameras can visualize things that people cannot see with their eyes. The biggest advantage of thermal imaging is that it can continuously generate high-quality images of potential intruders in a secure environment. The proposed target detection algorithm utilized the YOLO model and showed a detection accuracy (IoU) of 0.69 and a fast inference speed of 30 FPS. The proposed target detection algorithm is 3.28 times more accurate and 1.3 times faster in processing speed than the color-based algorithm CAMshift. The target detection system using deep learning and a thermal imaging camera was able to detect targets with an accuracy of 0.6 or higher even at a distance of more than 100 m in the darkness of night.