CCTV에 인공지능 결합한 지능형 CCTV
이상행동 감지해 알리는 예방 기능 갖춰
아직 객체 간 겹침·모호한 행동 식별은 불가
편집자주
현실로 성큼 다가온 인공지능(AI) 시대. 생활 속에 깊숙이 스며든 AI 이야기가 격주 토요일 <한국일보> 에 찾아옵니다. 컴퓨터비전을 연구하는 정소영 서울여대 기초교육원 초빙교수가 쉽게 풀어 드립니다.
대전시가 운영하는 CCTV관제센터는 폭력, 절도 등의 범인 검거에 큰 역할을 하고 있다. 대전시 제공
잠시 자리를 비운 사이 물건을 도난당했을 때, 영문 모를 사고를 당했을 때, 이를 해결하기 위해 가장 먼저 찾게 되는 게 사고현장을 담은 폐쇄회로(CC)TV다. 주변에서 CCTV를 찾는 건 생각보다 어렵지 않다. 반면 CCTV를 돌려 보며 단서를 찾는 건 쉬운 일이 아니다.
예상치 못한 사고로 인해 인명피해나 재산손실이 발생한 경우 원인을 찾는 도구로 CCTV가 쓰이는 일이 갈수록 늘고 있다. 그래서 위험요소가 존재하는 장소에 CCTV 설치가 늘고 있다. 그러나 여전히 CCTV는 범죄나 사고 예방보다는 사건 발생 후 증거자료로 활용되는 일이 많다. 이는 수많은 CCTV를 24시간 감시할 인력을 확보하는 것이 현실적으로 어렵기 때문이다. CCTV를 ‘감시 카메라’라고도 부른다. 이름처럼 CCTV 수천 대가 상황을 감시하다가 위험한 상황을 알아서 인식하고 이를 사람에게 경고해줄 수 있다면 CCTV의 순기능이 더 강화될 수 있지 않을까?
실제로 인공지능 기술을 접목한 지능형 CCTV는 이런 기능을 할 수 있다. 지능형 CCTV는 실시간으로 영상을 분석해 움직임이 있는 물체를 감지·분류하고, 사전에 정의된 사건을 감지해 자동 식별하고 이를 감시자에게 알려 사람이 24시간 영상을 감시할 필요없이 선별적인 관제가 가능하다. 이는 실제로도 식별하는 것이 중요한 상황이나 행위를 놓치는 것을 방지하는 효과가 있어 실시간으로 위험 상황에 대한 대응이 가능하게 돕는다. 또한 선별적으로 유의미한 상황이 담긴 영상만을 저장하고 관리할 수 있기에 더 효율적이다.
그렇다면 지능형 CCTV는 어떤 원리로 위험 상황을 감지하고 식별하는 것일까? 대표적으로 딥러닝 기반의 ‘행동인식 기술’이 있다. 행동인식 기술이란 인간의 신체 동작을 자동으로 인식하는 기술이다. 특히 ‘구부리기’, ‘다리 들어올리기’ 등 인간의 활동이 연속적으로 일어나 결합되어 의미를 갖는 행동을 인식하는 것에 목표가 있다. 주로 ‘밀기’나 ‘때리기’와 같이 인간 사이에 주고받는 행동이나, ‘쓰러지기’와 같이 위험 상황으로 간주될 만한 의미 있는 행동을 인식한다.
딥러닝으로 영상 기반의 행동을 인식하기 위해서는 CNN(Convolution Neural Network) 기반의 방법과 LSTM(Long Short Term Memory) 기반의 방법이 있다. 이 두 방법은 모두 움직이는 모션 정보를 추출하기 위해 비디오 영상의 여러 프레임을 종합적으로 분석하는 데에 중점을 두는데, CNN 기반 방법은 연속적인 프레임을 쌓아 두고 3D 커널을 적용함으로써 움직임 정보를 잘 축적한 특징맵을 생성하고, LSTM 기반 방법은 영상을 프레임별로 분석하되 과거 프레임에 대한 기억을 Cell이라는 구조를 통해 조절한다. 즉, 이전 프레임이 행동인식에 있어 중요한 정보를 가지고 있다고 판단된다면 이 정보를 유지하고, 이전 프레임에 중요한 정보가 없다고 판단된다면 해당 프레임의 정보를 잊는다. 이렇게 CNN과 LSTM 방법 모두 연속된 비디오 프레임에서 정보를 분석하여 특징 벡터를 추출한 후 행동에 대한 스코어 값을 계산하여 행동을 식별한다.
현재 CCTV에서 이상행동이 발생하는 경우를 검출하기 위한 다양한 연구가 진행되고 있다. 객체 간 겹침으로 인한 오인식이나 모호한 행동에 대한 정의의 어려움으로 100% 신뢰할 만한 행동인식 기술로 가는 길은 아직 멀기만 하다. 이런 어려움을 딛고 연구가 활발히 진행된다면 CCTV가 폭행, 싸움, 절도, 주취행동 등 이상행동을 스스로 식별해 안전담당자에게 알리고 신속하게 대응함으로써 지금보다 한층 더 안전한 나라가 될 수 있지 않을까?
기사 URL이 복사되었습니다.
댓글0