Abstract
해상 임무에서 AUV (Autonomous Underwater Vehicle)의 활용이 확대됨에 따라, 임무 수행 및 회수 과정에서 수면 부근의 AUV를 안정적으로 탐지하는 기술의 중요성이 증가하고 있다. EO (Electro-Optical) 카메라는 장비 구성이 단순하고 운용 비용이 낮으며 실시간 관측이 가능하다는 장점으로 해상 임무 내 영상 탐지에 널리 활용된다. 그러나 EO 카메라 기반 영상 탐지는 시각 정보에만 의존하기 때문에 동적 해상 환경의 영향을 크게 받는다. 특히, AUV는 크기가 작고 대부분의 영역이 수면 하부에 위치하여 유효 시각 정보가 제한적이다. 이러한 상황에서 윤슬은 넓은 영역에 강한 반사광을 형성하여 AUV를 가릴 수 있다. 이로 인해 기존 영상 탐지 모델은 AUV를 탐지하지 못하는 미탐지가 발생하고, 영상 내 탐지 공백이 발생하게 된다. 본 연구에서는 이러한 문제를 개선하기 위해 윤슬을 고려한 딥 러닝 기반 AUV 탐지 방법을 제안하였다. 제안된 방법은 윤슬에 의한 가림 상황을 부분 가림과 완전 가림 상황으로 구분하고, 각 상황에서 RoI (Region of Interest) 기반 재탐지 모듈과 GRU (Gated Recurrent Unit) 기반 탐지 추적 모듈을 활용하여 미탐지로 인한 탐지 공백을 보완하였다. 제안된 방법의 유효성을 검증하기 위해 실해역 환경에서 수집한 AUV 영상 데이터셋에 제안된 방법을 적용하였다. 그 결과, 제안된 방법의 윤슬 상황에서의 탐지 연속성과 안정성이 기존 방법 대비 향상됨을 확인하였다.