프로젝트명 :
딥러닝 알고리즘 기반 화재 객체 탐지에 관한 연구=Fire object detection using deep-learning based algorithm
카테고리 :
AI > Object Detection
기간 :
2023.01 – 2024.01
개요 :
최근 국내외에서 화재로 인한 인명 및 재산 피해가 빈번히 발생하고 있으며, 특히 화재의 초기 탐지 및 신속한 대응이 화재 피해 최소화에 결정적인 요소로 부각되고 있다. 본 연구는 이러한 현실적인 문제에 주목하여 딥러닝 기반의 객체 탐지 기술을 활용한 화재 탐지 시스템을 연구한 석사 학위논문이다.
개발범위 :
화재에 대한 실험 데이터 수집을 위해 화재조사관과 협조를 통해 실험을 진행하여 이미지 데이터를 수집.
YOLOv5 모델 학습을 위한 라벨링을 진행하였고 이미지 전처리 적용한 이미지 데이터셋을 생성.
모델 튜닝을 통해 mAP 80%이상 도출한 후 해당 모델을 기준으로 이미지 전처리 방법 별 모델 학습 및 검출.
본 논문의 주요 실험 포인트는 유리창에 비치는 유사 화재와 실제 화재 영역을 구분하여 검출해내는 것으로 사진과 같이 유사 화재가 아닌 실제 화재에 대한 검출을 성공적으로 검출해 내었음.
연구 배경 및 필요성
화재는 짧은 시간 내에도 큰 피해를 유발할 수 있어 초기 탐지가 매우 중요하다. 기존의 전통적인 화재 탐지 시스템은 연기나 열을 기반으로 하며, 시각적인 탐지에 있어서는 날씨, 조명 등 외부 환경의 변화에 매우 민감하여 정확도가 낮아지는 문제가 있다. 따라서 이러한 환경적 제약을 극복하고 보다 정확한 시각적 화재 탐지를 위한 딥러닝 기반의 혁신적인 접근법이 필요했다.
연구 목표와 핵심 방법론
본 연구의 주된 목표는 딥러닝 알고리즘을 활용하여 외부 환경 변화에도 높은 성능을 유지하는 신뢰성 높은 화재 객체 탐지 시스템을 개발하는 것이다. 연구를 수행하기 위해 현장성을 높이기 위한 실험 데이터를 확보하는 단계부터 화재조사관과의 협업을 통해 실제 화재 상황을 재현한 다양한 환경 조건에서 이미지를 수집하였다.
본 연구는 YOLOv5 모델을 채택하여, 정확한 화재 객체 탐지를 위한 딥러닝 학습을 진행하였다. 특히, 본 연구의 가장 독특한 접근법은 이미지 전처리 과정에서 나타난다. 이미지의 명암 대비를 강화하고, 불필요한 배경 요소를 제거하는 등 다양한 이미지 전처리 기법을 적용하여 환경적 요소로 인한 성능 저하를 크게 완화했다.
연구 결과와 성과
실험 결과, 제안된 이미지 전처리 방법을 적용한 YOLOv5 모델은 평균 정밀도(mAP) 80% 이상의 높은 성능을 기록하였다. 특히 본 연구의 주요 성과는 실제 화재와 유리창이나 반사면 등에 비친 화재 유사 이미지 간의 명확한 구분을 통해 실질적 혼동 사례를 성공적으로 극복한 점이다. 이는 화재 탐지의 정확성과 신뢰성을 현저히 높이는 데 기여한 주요 기술적 성과라 할 수 있다.
적용된 주요 기술 및 연구 환경
본 연구는 다음과 같은 최신 기술 환경에서 진행되었다:
- 프로그래밍 언어: Python
- 운영체제(OS): Ubuntu
- 주요 라이브러리 및 프레임워크: OpenCV, Numpy, Pytorch, Tensorflow
- 객체 탐지 모델: YOLOv5
연구의 의의와 향후 발전 가능성
본 논문의 연구 결과는 학술적인 측면뿐만 아니라, 실제 화재 상황에서 즉각적으로 활용될 수 있는 실무적 가치를 제공한다는 점에서 의의가 크다. 본 연구를 통해 개발된 화재 탐지 시스템은 향후 다양한 시설 및 환경에 적용되어 초기 화재 탐지 및 신속 대응을 가능하게 함으로써 사회 안전성을 높이는 데 크게 기여할 수 있을 것으로 기대된다.
추후 연구에서는 더욱 다양한 환경 및 대규모 데이터를 기반으로 모델의 성능을 더욱 개선하고, 실제 현장 적용성을 높이는 방향으로 발전시킬 예정이다.
