Object detection 기반 산불 감지 모델의 비화재 이벤트 감지 성능 개선을 위한 연구

Enhancing Non-Fire Event Detection Performance in Forest Fire Detection Models Using Object Detection Techniques

산불화재는 생태계에 큰 피해를 초래할 뿐만 아니라, 인명 및 재산피해를 유발하게 된다. 이러한 산불화재를 예방하기 위해 최근 실시간 영상 인식 분야에서 이슈가 되고있는 딥러닝 기반의 Object detection기술을 적용한 산불화재 감지 성능 개선 연구가 수행되고 있다. 이러한 산불 화재 감지 선행연구는 화염 및 연기 이미지를 실시간으로 정확하고 빠르게 감지하였고, 높은 성능의 화재감지 모델을 개발하였다. 하지만, 비화재 이벤트에 대한 고려는 수행되지 않았으며, 이는 구름, 안개/연무, 굴뚝연기 등과 같은 화재 연기와 유사한 이미지에 대한 분석은 미흡한 상황이다. 본 연구에서는 다양한 산불 이벤트(구름, 안개/연무, 굴뚝연기, 화재연기, 화염)에 서의 산불 화재 감지 성능을 분석하기위해 Object detection 모델의 YOLO, Faster-RCNN 등의 모델 성능 비교 분석 연구를 수행하였다. 모델 실험 결과, 2-Stage 모델에 해당하는 Faster-RCNN 모델은 정확성 측면에서 높은 성능을 나타내었고, 1-Stage 모델에 해당하는 YOLO 계열 모델이 속도 측면에서는 높은 성능을 나타내었다. 화재 이벤트별 모델 추론 결과, 모든 모델에서 객체형태가 상대적으로 크게 나타나는 구름, 안개/연무 객체는 높은 정확도를 나타내었고, 굴뚝연기와 화재연기 이미지에서 오탐지가 발생하는 문제가 발생하였다. 하지만, 추론속도에서 YOLO 계열 모델의 성능이 높게 나타났으며, 정확성 측면에서는 Faster-RCNN과 YOLO 성능차이 가 미미하였다. 따라서, YOLO와 같이 빠른 추론속도를 나타내는 1-Stage 모델의 네트워크 구조, 하이퍼 파라미 터 최적화 등의 연구를 통해 감지 정확도 개선하는 방향으로 나아가야 한다고 판단된다.