수집영상에 대한 엣지컴퓨팅을 활용한 효율적인 객체탐지 = Efficient Object Detection Using Edge Computing for Collected Video

국문 초록 (Abstract)

본 연구는 연산 성능이 낮은 IoT 장치에서 YOLO11n.pt 모델을 활용한 객체 탐지 기법을 연구하였다. 탐지 대상은 사람으로 한정하며, 라즈베리파이 5를 이용하여 객체 탐지 성능을 측정하였다. 또한, 네트워크를 활용한 원격 엣지 컴퓨팅 협업 시스템을 적용하여 객체 탐지 성능을 개선하였다. 다양한 시나리오를 바탕으로 본 제안에 대한 구현물을 실험하여 객체 탐지 성능이 향상됨을 검증하였으며, 본 연구는 향후 IoT 기반 영상 분석 및 실시간 객체 탐지 기술의 성능 평가에 중요한 기준이 될 것으로 기대한다.

다국어 초록 (Multilingual Abstract)

This study investigates an object detection method using the YOLO11n.pt model on IoT devices with limited computational performance. The detection target is restricted to humans, and the object detection performance was evaluated using a Raspberry Pi 5. Additionally, a remote edge computing collaboration system utilizing a network was applied to enhance detection performance. The proposed implementation was tested under various scenarios, demonstrating improved object detection capabilities. This research is expected to serve as a valuable benchmark for evaluating the performance of IoT-based video analysis and real-time object detection technologies in the future.