항만 CCTV 영상을 이용한 딥러닝 기반의 객체 검출

초록

항만은 국가 수출입화물의 99.7%를 담당하는 국가 경제활동의 기반이기 때문에, 잠재적 테러 위협이나 외부인의 침입에서 항만을 보호해주는 항만보안이 중요하다. 하지만 항만보안 관리 인력의 부족 및 기존 항만 CCTV 카메라의 낮은 화질로 인해 밀입국과 같은 국내 항만보안 사건은 반복적으로 발생하고 있다. 따라서 CCTV 영상으로 항만에 존재하는 객체를 검출하여 관리하는 딥러닝 기반 지능형 CCTV 도입이 필요하다. 그러나 항만에는 리치스태커, 야드트럭과 같은 특수한 객체가 많기 때문에, 기존의 객체 검출 모델로 항만에 적합한 지능형 CCTV를 개발하기 어렵다. 따라서, 본 논문에서는 항만 환경에 적합한 딥러닝 기반 객체 검출 모델에 대해 제안한다. CCTV 특성상 실시간 객체 검출을 위해 Yolov3를 이용하였고, 항만의 특수한 환경을 반영하기 위해 항만 데이터셋을 구성하여 항만 객체 검출모델의 학습을 진행하였다. 실험결과, 본 연구의 항만 객체 검출 모델이 항만에 존재하는 객체들을 평균 71%의 정확도로 검출하는 것을 확인하였다.