딥러닝 모델을 기반한 화재감시 시스템 개발에 관한 연구

A study on the development of fire monitoring system using a deep learning model

산업화 시대 이후 건축기술의 발달에 따라 점진적으로 건축물은 고층화, 대형화되어가고 있으며 이러한 발달에 상응하듯 건축물 화재로 인한 인명과 재산의 피해 규모는 점차 심각해지고 있다. 건축물에서의 화재 방지를 위한 다양한 연구가 진행되어왔으며 CCTV와 연동된 실시간 객체 탐지 알고리즘(Algorithm) 기반의 화재 감시 장비 등이 연구되었다. 기존의 실시간 객체 추적 화재 감시 장비는 YOLO 알고리즘 등을 적용하는 방식으로 하나의 이미지 내에서 객체의 경계 상자(Bounding box) 및 클래스(Class)를 인지한다. 하지만 건축물 내에서 화재가 발생했을 때 연기가 CCTV 내의 화면을 가득 채우게 되면 명확한 객체 추적이 어려운 점이 있다. 본 연구에서는 기존 실시간 객체 추적 알고리즘 기반의 화재 감시 장비의 문제점을 개선하고자 다양한 딥러닝(Deep learning) 알고리즘들을 분석하였고, 분석 결과를 토대로 최적의 딥러닝 모델을 영상 추적 시스템에 적용하여 화재 연기에 의한 객체 추적의 어려움을 해결하고자 하였다. 본 연구에서는 정상 이미지와 화염, 연기 등의 다양한 연소생성물들이 포함된 이미지의 데이터 세트를 구성하였고, 다양한 컨볼루션 신경망 학습 모델들에 대해 합성곱 연산, 여러 가지 활성화 함수 등을 반영하여 학습을 진행하였다. 다양한 컨볼루션 신경망 알고리즘들에 대한 화재 탐지 결과들로부터 정확도, 학습 속도, 탐지 속도 등을 비교하였고, 여러 종류의 연소생성물들을 감지하기 위한 최적의 모델을 찾고자 하였다. 또한, 모델 내의 특정 옵션이 모델 성능에 끼치는 영향 등에 대해서도 분석을 진행하였다.