YOLO 객체 탐지 모델 기반 집-나무-사람(HTP) 검사 시스템 설계 및 구현 = Design and Implementation of a House-Tree-Person (HTP) Test System Based on the YOLO Object Detection Model

국문 초록 (Abstract)

집-나무-사람(HTP; House-Tree-Person) 그림검사는 대표적인 비언어적 심리평가도구이지만, 치료사의 주관적인 시각과 전문성에 따라 결과가 다르게 해석될 수 있는 한계가 있다. 따라서 본 연구에서는 심리진단의 주관적 오류를 낮추고 HTP 검사의 객관성을 확보하기 위해 YOLOv8 기반 인공지능 객체 검출 모델을 적용한 HTP 검사 서비스를 구현하였다. 7~13세 아동 7,000명의 데이터를 포함한 56,000건의 라벨링된 그림을 수집, 전처리하여 학습시켰으며, 주요 객체(집, 나무, 사람)의 위치 및 관계를 분석하도록 모델을 학습시켰다. Box Loss는 0.95에서 0.57로, Classification Loss는 1.75에서 0.35로 감소하며 성능이 향상되었다. 최종 성능 지표로 평균 mAP50 0.985, mAP50-95 0.862를 기록하며 다양한 임계값에서도 안정적인 인식 성능을 확보하였다.

다국어 초록 (Multilingual Abstract)

The House-Tree-Person (HTP) drawing test is a widely used nonverbal psychological assessment tool; however, its interpretation varies depending on the therapist’s subjectivity and expertise. To reduce subjective errors and enhance objectivity, this study implemented an AI-based HTP test using a high-accuracy object detection model based on YOLOv8. A total of 56,000 labeled drawings from 7,000 children aged 7 to 13 were collected, preprocessed, and used for training. The model was trained to recognize the location, size, and interrelationship of classes. The box loss decreased from 0.95 to 0.57 and the classification loss decreased from 1.75 to 0.35, improving the model performance. As the final metric, the model achieved an average mAP50 of 0.985 and mAP50-95 of 0.862, demonstrating stable recognition across various thresholds.