[논문 리뷰] A review of UAV Visual Detection and Tracking Methods

Raed Abu Zitar, Mohammad Azmi Al-Betar외 2명|arXiv (Cornell University)|2023. 06. 08.

Video Surveillance and Tracking Methods참고 문헌 52인용 수 4

한 줄 요약

이 논문은 다중 센서 융합 기반의 UAV 시각적 탐지 및 추적 기법을 검토하며, 이미지, RF, 열화상, 청각 데이터에 적용된 딥러닝 기법인 YOLOv3, YOLOv4 및 CNN을 중심으로 다룹니다. 하이브리드 시스템이 레이더, 시각, RF 탐지 기술을 조합할 경우 더 높은 정확도와 실시간 성능을 달성하며, 특히 CNN 기반 모델이 98.9%의 분류 정확도에 도달함을 입증합니다.

ABSTRACT

This paper presents a review of techniques used for the detection and tracking of UAVs or drones. There are different techniques that depend on collecting measurements of the position, velocity, and image of the UAV and then using them in detection and tracking. Hybrid detection techniques are also presented. The paper is a quick reference for a wide spectrum of methods that are used in the drone detection process.

연구 동기 및 목표

• 다양한 센서 모odal리티를 활용한 UAV 시각적 탐지 및 추적 기법에 대한 종합적인 리뷰 제공.
• 열화상, RF, 레이더, 광학, 청각 센서 기반 탐지 기법의 강점과 한계 분석.
• 각 기술의 한계를 보완하기 위해 다수의 센서를 융합한 하이브리드 탐지 시스템 평가.
• YOLO 및 CNN과 같은 딥러닝 모델이 탐지 정확도 향상과 실시간 성능 향상에 기여하는 방식 평가.
• 특히 센서 융합 및 전통적 머신러닝 통합 분야에서의 연구 격차와 향후 방향성 규명.

제안 방법

• 열화상, RF, 레이더, 광학, 청각 센서 기반 UAV 탐지 기법에 대한 체계적 리뷰.
• 실시간 객체 탐지 및 시각적, 청각 데이터의 특징 추출을 위한 YOLOv3, YOLOv4, YOLOv4-tiny 및 CNN 등의 딥러닝 아키텍처 평가.
• 탐지 범위, 정확도, 내구성을 향상시키기 위해 레이더, 시각, RF 신호를 융합한 하이브리드 탐지 프레임워크 적용.
• 목표의 속도 및 거리 추정을 위해 FMCW 레이더, 위상 간섭법, 도플러 시프트 분석과 같은 고급 신호 처리 기법 사용.
• CNN, RNN 및 CRNN 모델을 활용한 청각 신호 분류를 위한 앙상블 학습 및 후기 융합 전략 적용.
• 드론 이미지 데이터셋의 클래스 불균형 문제를 해결하기 위해 데이터 증강과 같은 전처리 기법 구현.

실험 결과

연구 질문

• RQ1 열화상, RF, 레이더, 광학, 청각 기반의 다양한 센서 기반 UAV 탐지 기법이 탐지 범위, 정확도, 환경 내구성 측면에서 어떻게 비교되는가?
• RQ2 YOLO 및 CNN과 같은 딥러닝 모델이 시각, RF, 청각 모달리티 전반에서 UAV 탐지 및 분류 성능에 어떻게 기여하는가?
• RQ3 다양한 센서의 데이터 융합을 통해 하이브리드 탐지 시스템이 탐지 신뢰도를 얼마나 향상시킬 수 있는가?
• RQ4 FMCW 레이더 및 도플러 시프트 분석과 같은 신호 처리 기법이 UAV 추적 및 속도 추정에 어떻게 기여하는가?
• RQ5 단일 센서 기반 탐지 시스템의 한계는 무엇이며, 센서 융합는 이러한 문제를 어떻게 완화할 수 있는가?

주요 결과

• 레이더, 시각, RF 센서를 융합한 하이브리드 탐지 시스템은 단일 모odal 기반 접근 방식보다 탐지 범위와 정확도에서 뚜렷한 우수성을 보였다.
• YOLOv3 및 YOLOv4 기반 모델은 CNN을 활용한 특징 추출과 조합될 경우 고정밀도로 실시간 UAV 탐지가 가능했다.
• 레이더 및 청각 신호에 대한 CNN 기반 분류가 최대 98.9%의 정확도를 달성하여 드론 식별에 매우 효과적임을 입증했다.
• 향상된 신호 처리 기법(예: 위상 간섭법)을 적용한 FMCW 레이더를 통해 소형 UAV를 최대 20해리의 거리에서 탐지할 수 있었다.
• 최적의 마이크로폰 어레이 구성과 함께 CRNN 및 앙상블 모델을 활용한 청각 기반 탐지 기법은 다중로터 드론 식별에 뛰어난 성능을 보였다.
• 전처리 단계에서의 데이터 증강 기법 적용으로 모델의 일반화 능력 향상이 이루어졌으며, 특히 적재된 드론 대비 비적재 드론 탐지의 저자료 환경에서 유의미한 개선 효과를 보였다.