단일 클래스 분류를 이용한 딥러닝 기반 시야 방해 탐지 (Deep Learning-based Visual Obstacle Detection using One-class Classification)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 데이타베이스연구 / 40권 / 1호 / 38 ~ 53페이지
· 저자명 : 김경훈, 이상준

초록

영상감시는 다양한 환경에서 보안 및 감시 목적으로 광범위하게 사용되고 있을 뿐만 아니라 범죄 예방, 사건 및 사고의 기록, 자산보호, 안전관리 등 다양한 역할을 수행하고 있다. 영상감시에서 시각적 방해 영상을 식별하는 기술은 영상감시의 효율성과 신뢰성을 유지하기 위한 중요한 요소이다. 본 연구는 노이즈가 많은 야외 환경에서 영상감시에서의 시야를 방해하는 이상 영상에 대한 이상치 예측의 정확도를 향상시키고 이를 위한 비지도 학습 방식의 단일 클래스 분류 모델을 이용한 시각적 방해 영상 식별 기법을 제안한다. 제안 방법은 노이즈가 많은 실외 환경에 대응하기 위해 Denoising기법의 Denoising Auto-Encoder와 DeepSVDD를 결합한 모델을 기반으로 가우시안 노이즈 강도 변화에 따른 이상치 예측 성능을 확인하고 기존의 이상치 탐지 모델과의 성능을 비교한다. 제안 방법은 기존 모델과 비교하여 시각적 방해 영상을 식별하는데 있어서 노이즈에 더 강건한 성능을 갖고 있다.

영어초록

Video surveillance is extensively used for security and surveillance purposes across various environments and also plays significant roles in crime prevention, recording incidents and accidents, asset protection, and safety management. The technology for identifying visual disturbance images in video surveillance is crucial for maintaining its efficiency and reliability. This study proposes a visual disturbance image identification technique using a one-class classification model of an unsupervised learning method to enhance the accuracy of outlier prediction for abnormal images that interfere with visibility in noisy outdoor environments. The proposed method is based on a model combining Denoising AutoEncoder and DeepSVDD, which are denoising techniques, to address environments with high noise levels. It evaluates the performance of anomaly prediction based on changes in the intensity of Gaussian noise and compares it with existing anomaly detection models. The proposed method shows more robust performance in identifying visual disturbance images against noise compared to the existing models.

참고자료

· 없음