[정보통신신문=박남수기자] 서울시 관제인력 1인이 평균 958대의 CCTV를 담당하는 등 열악한 우리나라 관제 여건으로 CCTV 무용론까지 언급되는 가운데, 첨단 딥러닝(Deep Learning) 기술을 적용한 지능형 CCTV 기술을 개발했다.

적은 인력으로 이상행동을 감지하는 역량의 대폭 향상 등 파급효과가 기대된다.

과학기술연합대학원대학교(UST) 한국전자통신연구원(ETRI) 스쿨에 재학 중인 김형민, 전호범 박사과정생(지도교수 김도형)은 다수의 이상상황을 복합적으로 검출, 판단할 수 있는 통합 프레임워크 기술을 개발했다.

이 기술은 한국인터넷진흥원(KISA)의 일곱 가지 지능형 CCTV 인증 영역인 ‘배회, 침입, 쓰러짐, 싸움, 유기, 방화, 마케팅’ 부문을 모두 통과한 국내 유일의 기술로, 세계 최대의 3차원 시각 데이터셋(DB)인 싱가포르 난양공대(NTU)의 ‘RGB+D’ 기준 성능평가에서도 94.66%의 행동인식률을 도출하는 등 세계 최고 수준의 이상행동 감지 정확도를 가진 것으로 확인됐다. 특히, 안개, 눈, 야간 등 다양한 외부 환경에도 사람의 움직임과 이상행동을 정확히 감지할 수 있다.

지능형 CCTV는 사회 안전망 구축을 위한 주요 일곱 가지 상황 탐지에 이미 활용되고 있으나, 그간에는 대부분 단일 이상상황에 대해서만 최적화된 검출 방법을 제안했다. 서로 다른 상황을 복합적으로 검출, 처리하지 못해 효용성이 떨어졌다. 그러나 이번 기술은 복합적으로 발생하는 이상상황을 컴퓨터가 능동적으로 감지해 관제인력에게 알려주어, 적은 인력으로 효율적 관제센터 운영이 가능하다.

본 기술은 시각 인공지능과 언어 인공지능을 결합한 방식으로 컴퓨터가 시스템 경험에 근거하여 정보를 스스로 조합해 결과를 유추하는 ‘제로샷 학습(Zero-shot Learning) 기법’을 적용, 추론 과정에서 탐지 상황을 설정하고 분석하는 인공지능(AI) 기술로 빅데이터 구축 시간과 비용, 기술응용 효율성을 높였다.

제로샵 학습 기법은 인간의 언어로 이미지를 분류하는 것이 가능한 ‘포스트 딥러닝’ 기술로, 시각정보와 언어정보에서 공통점을 비교해 정답을 찾아내는 학습 방식이다. 참고 사례로, 미국 인공지능 회사 ‘OpenAI’가 개발한 그림 인공지능 ‘DALL-E’가 있으며, 이는 이미지와 텍스트를 함께 구분하며 언어 정보를 바탕으로 이미지를 생성하도록 스스로 학습하며, 이후 새로운 텍스트를 입력해 요청 시, 언어 정보를 스스로 조합해 새로운 이미지를 생성한다.

사물인터넷(IoT) 기술과 접목도 가능하여, 최근 증가하는 무인점포 내 난동, 독거노인 쓰러짐 발생, 반려동물 유기 등 이상상황 발생 시 관제인력에게 즉각 알림을 하는 등 다양한 CCTV 환경에서 재난 예방, 보안시설 감시 등 일상 전 부분에서 활용 가치가 크다.

특히, 방화 상황 발생 시에는 기존의 물체 기반의‘화재 영역’탐지가 아닌 화재 장면(연기, 불 등) 및 사람의 방화 행동(기름 뿌리기, 불 지피기 등)을 동시에 탐지, 불이 크게 번지기 이전(10초 이내) 및 방화 단계에서 이상행동 감지 및 관제인력에게 알람 할 수 있어 대형 화재, 산불 예방에도 크게 도움이 될 것으로 보인다.

특정 공간 내 인구 과밀 등도 탐지가 가능하다. 일정 수준 이상의 인구 과밀이 발생할 경우 관제인력이나 관리자에게 상황을 알릴 수 있어 사고 예방 뿐 아니라 소비자 행동 패턴 분석에도 활용 가능할 것으로 기대된다.(이상행동 중 마케팅) 예를 들어, 대형마트 내 계산대에 손님이 갑자기 몰리는 경우 계산원을 추가로 투입하거나 마트 내 특정 구역에서 손님이 몰리는 상황 등을 분석하여 마케팅에 활용이 가능하다.

우리나라 공공기관 CCTV 설치 대수는 2019년 12월 31일 기준으로 114만여대에서 지속 증가중이다.

이중 51.6%가 범죄 예방 목적, 43.8%는 시설 안전 및 화재예방 목적으로 사용중이다. 그러나 보안시설 뿐 아니라 골목길까지 설치된 CCTV에도 불구하고 관제센터 인력 부족으로 재난 예방 골든타임을 놓치는 일이 부지기수로, 행정안전부는 관제인력 1인당 최대 50대의 CCTV 관제를 적정수준으로 설정하였으나 실상은 271.88대로 기준을 훨씬 상회하는 실정이다.

사람 눈에 의존하는 기존 관제 여건으로는 사고 예방은 고사하고 즉각 대응도 기대하기 어려워 CCTV는 ‘사후약방문’이 되는 경우가 많았다. 이번 기술은 기존에 설치된 CCTV들에 실시간 예방 역량을 부여하는 플랫폼 개선 AI기술로서 가치가 있다.

실시간 영상뿐 아니라 이미 촬영된 영상에서도 이상상황 탐지가 가능하다. 많은 분량의 CCTV 촬영물 중 범죄 증거를 찾는 경우, 지금까지는 경찰 인력이 영상 전체를 보며 혐의점을 찾아내야 했던 반면, 본 기술을 활용할 경우 시스템이 영상을 분석, 효율적 범죄 수사에도 크게 도움이 될 것으로 예상된다.

실생활에 높은 적용성 등에 따라 연구소기업 기술출자 1건, 기술이전 1건, 국제학회 논문발표 2건, 국내 특허 출원, 국제특허 출원 심사중이며, 향후에도 부가가치 창출이 예상된다.

영상감시 시장은 2020년 전세계 53조, 국내 3조9144억이며, 2027년에는 전세계 146조, 국내 5조4672억규모에 달할 것으로 전망(출처: 트랜스패런시 마켓 리서치, 휴먼 ICT) 2020년~2025년 연평균 성장률은 약 16.8%로 전망된다.

전호범, 김형민 학생은 UST 석사과정 재학 당시 본 기술의 핵심요소 개발에 역할을 했으며, UST 박사과정 1학기 재학 중 '통합 프레임워크' 기술을 개발, AI 측면의 기능성을 더욱 극대화하는 데 성공했다.

두 학생은 “연구실 안에서만 존재하는 기술이 아니라 연구실 밖 많은 평범한 사람들의 일상에 도움이 되는 기술을 개발하고 싶었다. 앞으로 이 기술로 더 많은 사람들의 삶이 안전해졌으면 좋겠다.”며 소회를 밝혔다.

지도교수인 김도형 교수는, “다른 연구원들의 참여 없이 오로지 학생들이 석사과정 동안의 노력으로 이뤄낸 성과로, 그 의미가 크다”며 “세계적 수준의 최첨단 지능형 CCTV 상용화를 위해 학생들과 함께 지속 노력할 것”이라고 밝혔다.

한편, UST는 과학기술정보통신부 직할 교육기관으로 30개 국가연구소에 교육 기능을 부여해 과학기술 분야 인재를 양성하고 있다. 빅데이터, 인공지능(AI), 바이오, 항공우주, 신에너지 등 국가전략 분야의 42개 전공을 운영 중이며, 국가연구소의 박사급 연구원 1만3000여 명 중 우수 연구자 약 1200여 명이 UST 교수로 활동하고 있다.

박남수 기자 다른기사 보기