실시간 객체추적 알고리즘을 적용한 화재감시 시스템 개발에 관한 연구

A study on the development of a fire monitoring system using realtime object tracking algorithm

화재 발생시 화재를 알리는 화재감지기는 급격한 온도변화를 감지하여 경보가 울리는 시스템으로 일정 온도 이상이 되면 화재경보가 발생하게 된다. 화재는 초기 진압이 중요하며, 화재 골든 타임인 화재 발생 10분 이내 화재진압에 실패하면 화재가 급격히 확산되어 피해 면적이 급증하게 된다. 최근 건축 구조물 내에서 사용되는 스마트 화재 감지 CCTV는 화재와 연기를 인식하여 화재를 탐지하는 방식이 아닌 CCTV에 설치된 온도 감지 센서를 이용하여 주위 온도가 센서의 설정 온도보다 높은 경우에 화재로 판단하여 화재 신호를 알리는 방식이다. 이러한 방식은 CCTV의 실시간 동영상 촬영의 장점을 활용하여 화재를 감지하는 것이 아니고, 단순하게 온도 센서에 의해 화재를 감지하고 화재 현장에 대해서만 동영상을 송출한다. 본 연구에서는 실내용 스마트 화재감지 CCTV의 문제점을 개선하고자 불꽃, 연기, 사람 등의 객체들을 추적하고 인식할 수 있는 YOLO 기반의 알고리즘을 CCTV 등의 실시간 감시장비에 적용하였다. 딥러닝 알고리즘 중 하나인 CNN의 경우 Fast-RCNN이 0.5fps, Faster-RCNN이 7fps 수준인 것에 반해 일반적으로 YOLO 알고리즘은 다른 딥러닝 알고리즘들에 비해 FPS(Frame Per Second)가 높다고 알려져 있다. YOLO의 FPS는 45~155fps 수준이며, 높은 FPS는 초당 얼마나 많은 이미지를 인식하는지를 의미한다. 화재는 초기 발견이 중요한 만큼 FPS 역시 매우 중요한 요소이다. 본 연구에서는 높은 수준의 FPS 객체추적 알고리즘인 YOLO 모델을 적용하여 CCTV등 영상을 이용한 실시간 화재감시 시스템에 관한 연구이다.