Analysis of the Potential for Vehicle Detection Using Drone Oblique View Images as Training Data

드론 경사 영상 훈련 자료를 이용한 차량 탐지 활용 가능성 분석

Recent advances in drone technology have led to its use as a data collection tool in various fields such as traffic monitoring, incident response, and parking management. In particular, deep learning-based object detection research is being actively conducted, and drone images are widely used in vehicle detection research. However, although drones are used for various purposes with different camera angles, there are very few studies that analyse the compatibility of different camera angles in the object detection field. Therefore, in this study, we used vehicle objects in drone oblique view images as training data for the YOLOv3 algorithm, to detect vehicle objects in drone nadir view images. The nadir view images were taken at different altitudes for the detailed analysis. The average precision (AP) value of 0.85 was obtained by training a vehicle in a oblique view image taken at a 60-degree angle from a height of 100 m in case of the same altitude nadir view images, and the AP value of 0.65 was obtained by detecting a vehicle in a 70 m nadir view image using the same oblique view training data. This study confirms the feasibility of using drone oblique view image to detect vehicle objects in nadir view images.

최근 드론 기술의 발전으로 교통 모니터링, 사고 대응, 주차 관리 등 다양한 분야에서 드론이 데이터 수집 도구로 활용되고 있다. 특히 딥러닝 기반의 객체 탐지 연구가 활발히 진행되고 있어, 드론 영상이 차량 탐지 연구에 폭넓게 활용되고 있다. 그러나 다양한 목적에 따라 촬영 각을 다르게 하여 드론이 활용되고 있지만 객체 탐지 분야에 있어 촬영 각이 다른 영상을 이용하여 그 호환성을 분석한 연구는 그 수가 매우 부족하다. 따라서 본 연구에서는 드론 경사 영상의 차량 객체를 훈련자료로 이용하여 YOLO 알고리즘을 통해 드론 연직 영상의 차량 객체를 탐지하였다. 이때 촬영고도가 서로 다른 연직 영상에서 차량 객체를 탐지하고 탐지 결과를 분석하였다. 100m 높이에서 60도 각도로 촬영한 경사 영상에서 차량 훈련자료를 생성하여, 같은 높이에서 촬영한 연직 영상의 차량을 탐지한 결과 평균 정밀도(AP) 값은 0.85가 나왔으며, 같은 경사 영상을 이용하여 70m 높이에서 촬영한 연직 영상의 차량 객체를 탐지한 결과 0.65의 AP값을 나타냈다. 드론 영상의 공간해상도에 따라 정확도에는 차이가 있으나 경사 영상이 연직 영상의 차량 탐지에 충분히 활용 가능함을 검증하였다.