AI 지능형 CCTV 시스템 구축 사례
안전사고 예방 및 감지 AI 모델 도입 후 어떠한 변화를 가져왔을까요
더 똑똑한 보안 시스템 기술, 지능형 CCTV 구축하다
안전사고 예방 및 감지 AI 모델
최근 도시 전역에 설치된 CCTV가 단순 녹화 수준을 넘어, 인공지능(AI)을 이용해 높은 정확도로 위험 상황을 감지하는 단계에 이르렀습니다. 이는 교통사고, 범죄, 자연재해 등 공공 안전 문제를 대처하기 위해 필수적인 변화입니다.
특히 AI CCTV 업체들은 캡스 CCTV 등 기존 보안 서비스를 고도화하거나, 인공지능 사고 알림 기능을 추가해 더욱 효과적인 감시 체계를 구축하고 있습니다.
이러한 흐름 속에서 한국딥러닝은 지능형 CCTV 시스템에 탑재될 안전사고 예방 및 감지 AI 모델을 개발했습니다. 해당 프로젝트는 침입·쓰러짐·싸움·군집·인파밀집·침수 등 총 6가지 유형의 사건·사고 데이터를 수집하여, PEL4VAD와 BN-WVAD 모델을 활용해 고도화된 이상탐지(Anomaly Detection) 기능을 구현했습니다.
페인포인트
1. 실시간 대응 한계
기존 CCTV는 녹화 위주였기 때문에, 관제 요원이 영상을 직접 감시하는 데 의존했습니다. 사람이 24시간 모니터링하는 것은 비효율적일 뿐 아니라, 놓치는 부분이 생길 수밖에 없습니다.
기술 특징
1. AI 모델: PEL4VAD & BN-WVAD
PEL4VAD: 영상 프레임 분석에 특화된 이상탐지 알고리즘으로, 사람·차량 움직임을 세밀하게 추적하여 침입, 싸움과 같은 행동을 빠르게 식별합니다. 유사도 행렬의 재활용과 적응형 융합을 통한 TCA 모듈 및 지식 기반 프롬프트를 활용한 PEL 모듈을 제안하여 풍부한 맥락 정보를 포착하고 이상 클래스 간의 세밀한 분별력을 높입니다.
BN-WVAD: BN-WVAD는 BatchNorm을 활용해 이상 이벤트의 특징 편차(DFM)를 측정하고, 이를 바탕으로 잠재적 이상 스니펫을 추출하는 방법을 제안합니다. DFM 분산은 이상 분류기의 예측과 결합되어 노이즈 라벨에도 강건하게 이상 이벤트를 구분해내는 중요한 지표로 작동합니다.
구체적 도입 사례
1. 침입과 싸움 감지
공공기관에서 제공한 공원 CCTV 영상에서, 야간에 무단 침입하거나 싸움이 벌어지는 장면을 중점적으로 학습했습니다.
AI 모델이 실시간 경고를 발령해, 관제센터가 빠르게 현장 조치를 취할 수 있도록 알림을 전송합니다.
원리
1. 이상탐지(Anomaly Detection)
PEL4VAD와 BN-WVAD 모델은 통상적인 패턴에서 벗어나는 움직임, 인구 밀도 변화를 포착합니다. 기계학습 + 딥러닝 기법을 조합해, 영상 속 물체(사람, 차량, 배경 등) 간 상호작용을 분석하고, 안전사고 징후를 예측합니다.
FAQ
Q1. 기존 카메라 장비를 전부 교체해야 하나요?
A1. 꼭 그렇지는 않습니다. 해상도가 극단적으로 낮지 않다면, 기존 CCTV에도 AI 모듈을 추가하거나, 관제 서버에 소프트웨어를 설치해 지능형 기능을 구현할 수 있습니다.
