AI 영상분석은 테슬라만 하는 게 아니라고요!?
CCTV 영상을 활용한 영상 분석은 여러 해 전부터 영상에서 추출한 이미지의 픽셀 변화를 이용하는 방식으로 개발돼 현장에 적용됐습니다. 그러나 픽셀 변화는 실제 분석에서 요구하는 구체적인 내용(객체 인식 등)을 확인해 처리할 수 없었는데요. 그렇기 때문에 오탐지가 반복 발생해서 고객으로부터 외면받는 상황이었습니다. 그런데 최근 AI기술을 이용한 지능형 영상분석 기술이 빠르게 개발되면서 이 같은 문제를 해결할 수 있게 됐습니다. AI CCTV 또는 AI 엣지 디바이스에서는 객체(사람, 차량)를 감지할 뿐만 아니라 여러 가지 특성(의상 색깔, 안경 착용 등)까지 감지할 수 있는데요. 서버 기반 지능형 영상분석 솔루션은 안전모 미착용이나 쓰러짐과 같은 내용도 높은 감지율로 처리할 수 있도록 지원하고 있습니다.
현장에 지능형 영상분석 기술을 효과적으로 적용하는 데 필요한 내용을 LG CNS에서 제공하는 CCTV통합관리 목적의 SecuXper Intelli-VSM솔루션, 통합모니터링을 위한 SecuXper PSIM솔루션, 전문 지능형 영상분석솔루션과 결합한 SecuXper AI Safety솔루션을 중심으로 정리해보겠습니다.
고객 요구 기준 대상 CCTV별 상세 정리
지능형 영상분석 구축은 다른 IT 프로젝트와 유사하게 고객의 요구를 대상 CCTV별로 구체적이고 명확하게 파악해 어떤 솔루션을 제공할 수 있는지 정리해야 합니다. 현재 지능형 영상분석 솔루션에서 조직의 업무 목적에 부합하는 지능형 영상분석으로 가능한 기능들은 [표1]과 같습니다.
이외에도 고객의 구체적인 요구에 따라 AI기술의 특성인 반복 학습과 알고리즘 개선을 통해 추가 기능을 확보하는 것도 가능합니다. [표2]는 고객의 요구를 취합해 정리한 예시인데요. 대상 CCTV별로 복합적인 기능을 적용하는 것도 가능할 것으로 보입니다. 다만 불꽃 감지, 연기 감지, 액체 누출 감지 기능은 지능형 영상분석만으로는 완벽한 성능을 확보할 수 없기 때문에 부차적인 감지 방안으로 활용할 것을 권합니다.
지능형영상분석 대상으로 확정하여 시스템 적용
[그림1]은 SecuXper AI Safety솔루션 구성도인데요. VMS(Video Management System)에서 대상 CCTV를 선택해 지능형 영상분석을 위해 요구된 기능을 설정할 수 있는 구성 환경입니다.
솔루션의 설정 방법은 적용 솔루션에서 제공하는 방식에 따라 차이가 있으며, 복합적인 설정인 경우에는 반드시 전문 인력이 여러 차례 반복 검증해 적용해야 합니다. 또한 대상 카메라의 영상이 비추는 범위에 따라 적용하려고 하는 기능을 영상 내의 어느 범위로 반영할지 판단해야 하는데요. 이것은 영상 내의 범위를 정하는 RoI(Region of Interest)를 설정하는 기준이 됩니다.
예를 들어 [그림2]의 CCTV화면에서는 문 앞의 사람을 감지하는 것이 목적인데요. 대상이 되는 문이 내부가 보이는 철골구조로 돼 문제가 생기기 때문에 세 가지 색깔의 RoI을 설정해 적용한 것입니다. 빨간 박스 내 사람만을 감지하도록 하고, 파란 박스보다 작으면 제외토록 적용해 안쪽으로 멀리 보이는 사람이나 문 앞의 어린아이처럼 작은 사람은 제외하도록 설정하는 것입니다. 노란색 범위는 실제 사람이 있을 수 있으나, 감지하지 않도록 감지 영역이 아닌 것으로 설정한 범위입니다.
더불어 CCTV의 화각이나 감지 거리에 의해 지원 가능한 해상도와 설정에 따라, 제공 영상에서 객체 및 상황을 감지하는 것에 제약이 있는지 사전에 추정해볼 수 있습니다.
[그림3]과 [표3]은 FHD 4Mbps의 해상도로 설정한 카메라 영상에서 170cm의 사람을 몇 미터까지 인식할 수 있는지를 도식화해 표로 계산한 것입니다. 결론적으로 최소 60픽셀의 영상을 확보할 수 있는 약 55m 거리까지 확인할 수 있는 것으로 도출되는데요. 하지만 카메라마다 설치 높이와 주변 환경에 따라 실제 현장에서는 차이가 있을 수 있다는 점도 고려해야 합니다.
단순해 보이는 사람 감지도 위와 같은 여러 가지 고려 사항이 있는 것처럼, 객체 분석과 상황 분석도 솔루션에서 제공하는 여러 복합적인 기능들을 활용해야 더 정확한 감지가 가능합니다. 그렇기 때문에 반드시 일정 기간의 검증 단계를 거쳐야 하는 것이죠.
[그림4]는 실제 적용된 지능형 영상분석 사례인데요. 사람 감지, 사람의 특성(옷 색깔, 남녀 구분, 안경 착용 여부 등), 차량 감지, 차량의 특성(자가용, 트럭, 색깔 등)이 지정된 RoI(노란 실선으로 표시된 부분)에서 감지되면 관제 요원이 즉시 확인하는 데 이용합니다. 또는 분석 결과를 기록으로 남겨서 경찰 또는 관계 기관으로부터 요청된 사항 중 확인 가능한 내용이 있으면 검색해 해당 영상을 빠르게 확인하는 선별 관제 목적으로 이용하고 있습니다.
추가 학습 후 적용 및 개선 확인
AI기술을 활용한 지능형 영상분석의 중요한 특성은 지속해서 각 분석 기능에 대한 성능을 높일 수 있고, 추가적인 학습 결과가 반영된 버전의 솔루션을 적용할 수 있다는 점입니다. 예를 들어 사람 감지를 설정한 카메라에서 사람이 아닌 특정 고정 물체를 사람으로 감지하는 경우, 해당 물체에 대해 사람이 아닌 것으로 설정하거나 학습 처리할 수 있습니다. 이를 카메라에 적용하면 이후에는 해당 물체를 사람으로 감지하지 않게 할 수 있는 것이죠.
고객이 내화학복 착용 여부에 대해 감지할 수 있도록 요청할 경우, 현재의 솔루션에서는 학습이 전혀 되지 않았기 때문에 적용이 불가능합니다. 하지만 학습 대상에 관한 이미지를 확보해 일정 기간 학습을 적용하면 해당 기능도 제공할 수 있는데요. 고객은 이에 대해 비용과 시간의 이슈를 제기할 수 있으나, 필요한 사안이면 투자를 검토해볼 수 있도록 고객을 설득할 수 있는 기술입니다.
지능형 영상분석 적용을 검토하는 단계에서 수행해야 할 중요한 사항 중 하나는 요구 기능별로 확보 가능한 감지율이 얼마나 돼야 하는지를 관련 조직과 사전에 반드시 확정해야 한다는 것입니다. 그리고 지속적인 학습 결과 적용을 통해 목표 관리가 되도록 해야 하죠. [표4]는 기능별 감지율을 예시로 제공한 것이며 참고 자료로 활용할 수 있습니다.
지능형 영상분석 기술은 지속적인 학습이 가능합니다. 그렇기 때문에 적용한 기능에 대해 꾸준히 관리하고 학습의 결과가 반영될 수 있도록 유지 관리할 것을 권해드립니다.
글 | LG CNS 융합보안팀