움직이는 드론으로 촬영된 영상에서의 개인 수 자동 계산: 혁신적인 기술과 MovingDroneCrowd Dataset

본 연구는 빠르게 움직이는 드론으로 촬영된 혼잡한 장면에서 개인 수를 정확하게 계산하는 새로운 방법을 제시합니다. 새롭게 구축된 MovingDroneCrowd Dataset과 Depth-wise Cross-Frame Attention (DCFA) 모듈을 통해 기존 기술의 한계를 극복하고, 더욱 정확하고 효율적인 개인 수 계산을 가능하게 합니다.

스마트 시티 구축과 안전 관리를 위해 실시간 영상 분석 기술은 필수적입니다. 특히, 혼잡한 환경에서 개인의 수를 정확하게 파악하는 것은 매우 중요한 과제입니다. 하지만 기존의 영상 개인 수 계산(VIC, Video Individual Counting) 기술은 정지 또는 느리게 움직이는 카메라로 촬영된 데이터셋에 의존해 왔습니다. 이는 실제 세계의 역동적인 상황, 특히 드론으로 촬영된 빠르게 변화하는 군중 장면을 정확하게 분석하는 데 한계가 있었습니다.

Yaowu Fan, Jia Wan, Tao Han, Antoni B. Chan, Andy J. Ma 등 연구진은 이러한 한계를 극복하기 위해 획기적인 연구를 수행했습니다. 연구진은 MovingDroneCrowd Dataset을 새롭게 구축하여 기존 기술의 한계를 뛰어넘었습니다. 이 데이터셋은 빠르게 움직이는 드론으로 촬영되었으며, 다양한 조명, 촬영 높이, 각도에서 촬영된 혼잡한 장면을 포함하고 있습니다. 이는 기존 데이터셋과 비교하여 훨씬 더 현실적이고 복잡한 상황을 반영합니다. 단순히 정적인 이미지 분석을 넘어, 실제 드론 촬영의 역동성을 고려한 데이터셋이라는 점에서 큰 의미를 가집니다.

또한, 연구진은 기존의 개인 식별 방식 대신 Depth-wise Cross-Frame Attention (DCFA) 모듈을 제안했습니다. DCFA 모듈은 연속된 프레임 간의 공유 밀도 맵을 학습하여 유입 및 유출 밀도 맵을 직접 추정합니다. 이는 혼잡하고 작은 표적의 정확한 위치 파악이 어려운 기존 방식의 한계를 극복하고, 더욱 효율적이고 정확한 개인 수 계산을 가능하게 합니다. 이는 마치 영상의 흐름 자체를 이해하고 분석하는 것과 같습니다.

연구 결과, MovingDroneCrowd Dataset과 DCFA 모듈을 사용한 VIC 방법은 기존 최첨단 기술보다 훨씬 우수한 성능을 보였습니다. 특히, 역동적이고 복잡한 혼잡 장면에서 그 효과가 두드러졌습니다. 연구진은 향후 MovingDroneCrowd Dataset과 코드를 공개하여 다른 연구자들의 활용을 지원할 계획입니다. 이는 기술 발전에 큰 기여를 할 것으로 기대됩니다. 이 연구는 단순한 기술적 진보를 넘어, 더욱 안전하고 효율적인 스마트 시티 구축에 중요한 발걸음을 내딛은 것입니다.