항로표지 충돌 방지를 위한 영상 전처리 알고리즘과 딥러닝을 활용한 해상 객체 고속 검출 (High-Speed Maritime Object Detection Using Image Preprocessing Algorithms and Deep Learning for Collision Avoidance with Aids to Navigation)

서지정보

· 발행기관 : 한국인터넷정보학회
· 수록지 정보 : 인터넷정보학회논문지 / 25권 / 5호 / 131 ~ 140페이지
· 저자명 : 김영민, 권기원, 임태호

초록

해양에서 사용되는 부이와 같은 항로표지는 항해 중인 선박들에게 정확한 정보를 제공하여 선박이 자신의 위치를 명확히 파악하고, 주변의 위험 지역을 표시하여 안전한 항로를 유지하는데 필수적인 역할을 한다. 하지만, 선박과의 충돌 사고로 인해 부이의 파손 및 복구에 막대한 비용이 소요된다. 이러한 사고를 예방하기 위해 현재 고가형 장비를 사용하기도 하지만 비용 부담 문제로 도입하기 쉽지 않다. 해당 문제를 해결하기 위해 본 논문에서는 임베디드 시스템을 활용한 해상 객체 검출 알고리즘 연구를 진행한다. 기존 연구에서는 수평선 검출을 위해 허프 변환을 사용하였지만, 연산량이 많아 실시간 처리가 어렵다는 한계가 존재한다. 이를 개선하기 위해 본 논문에서는 이미지 분할을 진행한 후, Otsu 알고리즘을 최적화하여 수평선을 검출한다. 또한, 검출된 수평선을 기준으로 선박 충돌 위험성이 높은 구역을 위험 영역(Region of Interest, ROI)으로 설정한다. 위험 영역을 설정한 이후, 수평선 아래에 위치한 영역에서 해상 객체를 검출하고 해당 영역에 CNN(Convolutional Neural Network)모델을 활용하여 해당 객체의 선박 여부를 판별한다. 만약 선박으로 판별된 객체가 위험 영역에 존재하는 경우, 이를 위험 선박으로 간주한다. 제안하는 알고리즘은 항로표지 충돌 사고를 사전에 방지할 수 있다.

영어초록

Aids to navigation, such as buoys used in maritime environments, play a crucial role in providing accurate information to navigating vessels, enabling them to precisely determine their position and maintain safe routes by marking surrounding hazardous areas. However, collisions between ships and these aids result in substantial costs for buoy damage and repair. While high-end equipment is currently used to prevent such accidents, its widespread adoption is hindered by cost concerns. This paper presents research on a maritime object detection algorithm utilizing embedded systems to address this issue. Previous studies employed the Hough transform for horizon detection, but its high computational demands posed challenges for real-time processing. To overcome this limitation, our approach first performs image segmentation, followed by an optimized Otsu algorithm for horizon detection. Subsequently, we establish a Region of Interest (ROI) based on the detected horizon, focusing on areas with a high risk of ship collision. Within this ROI, particularly below the horizon line, maritime objects are detected. A Convolutional Neural Network (CNN) model is then applied to determine whether the detected objects are ships. Objects classified as ships within the ROI are considered potential collision risks.

참고자료

· 없음