earticle

영어

Recently, drone technology innovations have led to a significant increase in application attempts in various industries. Among them, there are many attempts to build a surveillance system using drones to replace the existing fixed CCTV system, but constraints such as weight limitations and calibration problems of sensors occur. To overcome these difficulties, in this paper, we introduce a drone surveillance system based on an artificial intelligence(AI) model. To improve the performance of the AI model, we perform synthetic data collection and dataset construction in a virtual environment, and present several learning methods to effectively learn with real datasets. In addition, we apply a methodology to effectively detect small objects that often occur in the drone environment, and propose an absolute coordinate estimation algorithm to estimate the absolute coordinates of the detected objects. Furthermore, we enhance the drone surveillance system with additional attributes such as unique identification numbers (IDs), velocity measurements, and human keypoints for the detected objects, which are thoroughly validated in real and virtual environments.

한국어

최근 드론 기술의 혁신으로 인해 다양한 산업 분야에서의 응용 시도가 두드러지게 증가하고 있다. 이 중에서도, 기 존의 고정형 CCTV 시스템을 대체하고자 드론을 활용한 감시 시스템을 구축하는 시도가 많아졌지만 센서의 무게 제한 및 캘리브레이션 문제와 같은 제약 사항이 발생한다. 이러한 어려움을 극복하고자, 본 논문에서는 인공지능 모 델을 기반으로 한 드론 감시 시스템을 소개한다. 우리는 인공지능 모델의 성능을 향상시키기 위해 가상 환경에서 합 성 데이터 수집 및 데이터 세트 구축을 수행하며, 실제 데이터 세트와 효과적으로 학습하는 몇 가지 학습 방법을 제 시한다. 뿐만 아니라, 드론 환경에서 자주 발생하는 작은 객체를 효과적으로 탐지하기 위한 방법론을 적용하고, 탐 지된 객체의 절대 좌표를 추정하기 위한 절대 좌표 추정 알고리즘을 제안한다. 더 나아가, 우리는 탐지된 객체에 대 한 고유한 식별 번호(ID), 속도 측정, 인체의 관절 위치와 같은 추가적인 속성을 통해 드론 감시 시스템을 고도화하 였으며, 이를 현실과 가상 환경에서 철저히 검증한다