영상감시는 다양한 환경에서 보안 및 감시 목적으로 광범위하게 사용되고 있을 뿐만 아니라 범죄 예방, 사건 및 사고의 기록, 자산보호, 안전관리 등 다양한 역할을 수행하며, 사회의 안전과 보안에 중대한 기여를 하고 있다. 영상감시에서 시각적 방해 영상을 식별하는 기술은 영상감시의 효율성과 신뢰성을 유지하기 위한 중요한 요소이다. 시야를 방해하는 객체로 인한 거짓 알람은 시간적, 금전적 비용 낭비를 초래하게 된다.
본 논문은 노이즈가 많은 야외 환경에서 영상감시에서의 시야를 방해하는 이상 영상에 대한 이상치 예측의 정확도를 향상시키고 이를 위한 비지도 학습 방식의 단일 클래스 분류 모델을 이용한 시각적 방해 영상 식별 기법을 제안한다.
제안 방법은 노이즈가 많은 실외 환경에 대응하기 위해 Denoising 기법의 Denoising AutoEncoder와 DeepSVDD를 결합한 모델을 기반으로 가우시안 노이즈 강도 변화에 따른 이상치 예측 성능을 확인하고 기존의 이상치 탐지 모델과의 성능을 비교한다.
실험 데이터셋은 데이터 증강을 통해 나뭇잎, 거미줄, 렌즈 습기 이미지를 기존 데이터셋 이미지와 병합한 비정상 데이터셋을 생성하여 구성하였다.
제안 방법은 기존 모델과 비교하여 AUC, F1-Score, Recall, Precision의 성능 지표에서 성능 향상을 보였으며 시각적 방해 영상을 식별하는데 있어서 노이즈에 더 강건한 성능을 갖고 있다.