home
Favorite
RSS 2.0
기사 분류 > 테크뷰
커버 스토리
포커스
핫 뉴스
신제품
케이스 스터디
테크뷰
인터뷰/오피니언
시장 동향
줌 인
인사/동정/이벤트/행사
디지털라이프/가전
문화/예술/사회/엔터테인먼트/여행/뷰티/도서
영국 지능형 CCTV 시험인증제도 현황 분석
글 이광재 기자(voxpop@techworld.co.kr) 2013-12-11 오후 4:04:18 |   지면 발행 ( 2013년 12월호 - 전체 보기 )

<자료제공: 강남구청>


원웅재 제론헬스케어 파트장


요약


지능형 영상 분석 기술은 영상의 정보를 분석하여 자동으로 이상 행위를 탐지하고 관리자에게 경보를 전송하는 기술로써 사고를 사전에 예방하고 사고가 발생한 경우에는 신속하게 대응해 피해를 줄일 수 있게 해주는 기술을 말한다.


최근 영상 보안 감시 시스템의 수요의 증대로 인해 범죄 상황 자동 검출 및 경고, 효율적인 보안 영상 요약 등의 기능을 갖춘 지능형 영상 분석 시스템의 요구가 증가하고 있다. 하지만 기존 지능형 영상 분석 시스템들은 아직까지 안정화가 되지 못 했을 뿐 아니라 많은 오경보로 인해 초기 사용자들의 기대가 실망으로 바뀌어 아직 큰 시장성을 확보를 하지 못하고 있다.


더불어 이 시스템의 성능 기준 및 평가 시스템이 없어 개발자의 제품 성능 기준과 소비자가 기대하는 성능 기준의 차이가 확연히 달라 지능형 영상 분석 시스템의 시장성 확보에 대한 큰 걸림돌이 되고 있는 실정이다.


이에 반에 영국에서는 미국의 '911' 사태를 계기로 지능형 영상 분석 시스템의 중요성을 제차 확인하고 기업·학교·정부·고객 협의를 통해 지능형 영상 분석에서 필요한 영상 분석 시나리오 정의 및 성능 기준을 마련하고 이른 기반으로 한 'iLIDS 인증'이라는 평가 시스템을 도입해 개발자에게는 고려된 시나리오에 대해 제품의 기술적 안정성을 확보하고 고객에게는 제품에 대한 신뢰성을 확보할 수 있는 방안을 마련했다.


이에 따라 비록 영국내의 인증 제도이지만 세계 최초로 체계화 된 지능형 보안 영상 분석 인증 제도로써 세계의 대표 지능형 영상 보안 제품 관련 기업들은 제품의 성능에 대한 안정성 검증과 고객에 대한 자사 제품의 신뢰성을 쌓기 위해 인증 획득에 대한 많은 투자 및 연구를 진행하고 있는 추세다.


본 문에서는 영국의 지능형 CCTV 시험인증제도인 i-LIDS 인증 및 시나리오에 대해 분석 하고자 하며 이를 기반으로 본인이 소속 돼 있는 제론헬스케어의 지능형 영상 분석 시스템의 안정성과 신뢰성 확보를 위한 노력에 대해서 고찰 해보고자 한다.

<자료제공: 아이웍스 블로그>


i-LIDS 인증 개요


영국의 경찰과 정부에서 효율적인 보안 관리를 위해 카메라 기반 지능형 보안 이상 상황 검출 시스템의 요구가 증가하고 있다. 하지만 기존 관련 시스템의 성능에 대한 편차가 심해 시스템의 신뢰성 확보에 대한 어려움이 있는 실정이다.


이에 따라 최근 영국 경찰과 정부에서는 [그림1]과 같이 영상 기반 지능형 보안 시스템에 대한 성능 평가 표준화의 기틀을 마련하고 소비자에 요구에 맞는 지능형 보안 시스템 및 알고리즘 기술 개발과 성능 개선에 기여하기 위해 영국의 경찰 및 정부의 기술적 지원 기관인 '홈 오피스(Home Office)'의 산화 기관인 '센터 포 어플라이드 사이언스 앤 테크놀로지(Center for Applied Science and Technology: CAST)'의 '디텍션 앤 비전 시스템 그룹(Detection and Vision System Group)'에서 주체로 '센터 포 프로텍션 오브 내셔널 인프라스트럭처(Centre for Protection of National Infrastructure: CPNI)'와 협력 관계를 맺고 개발했다.


또한 시나리오 개발 당시 UK 학교·기업·정부·경찰 등의 개발자와 소비자가 협의를 통해 [표 1]과 같이 가장 실용적이고 현실적인 '척박한 지역(Sterile Zone)', '주정차 탐지(Parked Vehicle Detection)', '폐기 수화물(Abandoned Baggage)', '출입 감시(Doorway Surveillance)', '신기술(New Technologies)', 그리고 '멀티플 카메라 추적(Multiple Camera Tracking)'을 선정했으며 관련 시나리오에 해당하는 데이터 셋은 실제 CCTV로 실제 상황을 재현하여 제작했다고 한다.


그림 1. i-LIDS 인증 취지



인증 절차 = 인증 절차는 [그림 2]와 같이 사전에 해당 시나리오의 iLIDS 데이터 셋을 구매해 인증 받을 제품을 자체 테스트 하고 이에 대한 결과를 인증기관에 보낸 후 정식 지원 요청서를 인증기관으로부터 받으면 지원 할 수가 있다.


i-LIDS 데이터 셋은 i-LIDS 인증 주관인 CAST의 iLIDS 팀에 연락해 구매를 할 수 있으며 인증 신청을 하기 위해서는 자체 성능 평가 결과가 F1 측정 70%를 만족해야 한다.


또한 상대적으로 수요가 많은 척박한 지역 이벤트 시나리오에 대한 인증 신청 및 진행은 BRE측에서 진행하고 이를 제외한 나머지 시나리오들은 i-LIDS 인증기관인 CAST에서 진행 하고 있다. 또한 척박한 지역 이벤트 관련 인증 신청은 상시 할 수 있으며 이를 제외한 나머지 인증은 CAST에서 공지한 기간 동안에 인증을 진행 할 수 있다.


인증이 진행시 인증 신청기관은 인증기관에 직접 방문하여 제품을 설치하고 사용 설명과 함께 제품 매뉴얼을 제공 해 줘야 한다. 또한 제품 설치시 시스템 동작 테스트 및 파라미터 튜닝을 할 수 있는 시간이 주어지기 때문에 인증 신청자는 현장에 서 발생 할 수 있는 문제점을 최소화 시킬 수 있다. 제품 설치 완료후 평가 기관은 일정 기간(약 1~2주) 동안 인증 신청기관에서 제공한 사용법을 이용해 사전 테스트를 진행하며 테스트시 생기는 사용 및 시스템적 문제점 등을 인증 신청기관에 문의 및 확인을 한다.


평가 기관의 사전 테스트가 완료되면 본격적으로 성능 평가가 진행되고 그 결과를 분석해 평가 신청자에게 인증 합격 여부를 통보(현장 설치 후 약 5주 ~7 주 후) 해준다.


표 1. i-LIDS 시나리오



인증 평가 레벨은 '제1차(Primary)', '제2차(Secondary)'", 그리고 '접근(Approach)' 레벨로 구분되며 접근 레벨 이하로 평가 받을 경우에 인증에 불합격 처리가 된다.


현재 주체측에서는 각 레벨의 정확한 성능 기준은 명시하고 있지는 않지만 최근 저자 인증 진행시 얻은 사전 지식으로는 제1차는 약 95% 이상, 제2차는 80% 이상이 돼야 안정적으로 인증을 획득 할 수 있을 것으로 보고 있다.


마지막으로 인증이 합격 할 경우에 해당 제품에 대한 인증 통지서를 CAST측으로 받을 수 있으며 [그림2]와 같은 로고를 사용할 수 있을 뿐 아니라 영국의 CPNI 기관에 해당 제품이 등록 되고 CPNI 기관의 로고를 사용할 수 있는 권한이 부여 받는다.


참고로 [그림2]는 저자가 소속된 제론헬스케어 에서 국내 최초로 획득한 '제1차 레벨(Primary Level)' 등급의 i-LIDS 인증 로고다.


그림 2. 인증 절차 및 인증 로고



iLIDS 성능 평가 방법 = 6가지 iLIDS 시나리오의 데이터 셋을 이용한 평가 방법은 크게 이벤트 검출과 멀티플 카메라 추적 시나리오로 구분 할 수 있다.


우선 이벤트 시나리오 평가 방법은 [그림3]과 같이 평가하는 시스템에서 검출된 이벤트 결과에 대해 최초 시작시 설정된 기간에서의(5분 동안) 이벤트 검출 성공 여부는 무시하며 그라운드 터치(Ground-Truth: GT)에 설정된 이벤트 시간에 대해 평가 시스템이 10초 이내 이벤트를 검출 하면 검출 성공(True Positive: TP), 그렇지 않으면 검출 실패(False Negative: FN)로 간주한다. 또한 GT에서 설정된 이벤트 기간 동안 다수 이벤트가 발생할 경우 이 이벤트 주기가 10초 이상이 되면 잘못된 검출(False Positive: FP)로 간주하며 이벤트가 없는 시간에 평가 시스템이 이벤트를 검출을 했을 경우에도 잘못된 검출(FP)로 간주한다. 단, 여기서 잘못된 이벤트 검출(FP)후 5초 내에 다시 발생하는 이벤트는 무시한다. 다음으로 멀티플 물체 추적 이벤트(Multiple Object Tracking Event) 시나리오 평가 방법은 [그림4]와 같이 클레이모어(CLAYMORE) 시스템 기반으로 평가한다.


클레이모어 시스템은 동일 시간대의 5대의 컴퓨터에서 PAL 형식의 입력 비디오에 대에 대한 검출·추적 객체 정보를 클레이모어에 네트워크로 전송하고 클레이모어에서는 GT 데이터의 타깃 객체와 네트워크로부터 입력된 검출·추적 객체 정보를 비교함으로써 성능 평가를 수행한다.


그림 3. 이벤트 시나리오 평가 방법


여기서 [그림4]와 같이 GT의 타깃 객체 영역의 중심과 시스템에서 검출·추적된 객체 영역의 중심간의 거리를 비교해 성능이 평가되며 GT의 타깃 객체 영역 중심과 평가되는 시스템에서 출력되는 검출·추적 영역의 중심간의 거리가 GT의 검출·추적 객체 영역의 가로 폭의 절반 이내 이면 성공(TP), 그렇지 않고 절반 이상이면 잘못된 추적과 추적 실패(FP and FN)로 모두로 간주한다. 그리고, GT에 추적 객체가 있는데 시스템에서 출력되는 검출·추적 객체가 없으면 추적 실패(FN), GT 추적 객체가 없는데 시스템에서 추적 객체 정보가 출력 되면 잘못된 추적(FP)로 간주한다. 이와 함께 각 시니라오에 대한 최종 평가 측정인 F1-측정은 [그림5]와 같이 TP, FP, 그리고 FN를 이용해 계산된 리콜(Recall)과 정밀도(Precision)로 계산된다.


그림 4. 멀티플 카메라 물체 추적 평가 방법

DS 데이터 셋 특징 분석·현황 iLIDS 데이터 셋 특징 분석 = iLIDS 인증기관에 따르면 시나리오별 데이터 셋 제작시 CCTV 비디오 카메라로부터 표준 PAL 형식으로 데이터를 획득하고 실제 환경에서 1년 또는 2일의 환경 변화를 고려해 대표적인 평가 데이터 셋을 선정했다고 한다.


그림 5. 성능평가 측정 계산


또한 데이터 제작 시 디지털 베트캠 테이프(Betcam tape) 레코더를 이용해 레코딩을 하고 SDI(Serial Data Interface)를 이용해 PC에서 영상의 압축 및 가공을 자제해 720×576 해상도의 'mjpeg' 형식의 '.mov' 파일로 편집 및 태깅(Tagging)을 했다고 한다.


i-LIDS 데이터 셋의 구성은 [그림6]과 같이 각 시나리오에 대해 상업용으로 공개된 퍼블릭 트레이닝·테스트 데이터 셋과 인증시 사용되는 비공개용 프라이빗 셋으로 구성돼 있다.


그림 6. iLIDS 데이터 셋 구성 및 데이터 셋 매니저



또한 각 시나리오별 데이터 셋은 '.html' 형식으로 구성된 데이터 매니저가 제공되고 데이터 매니저는 동영상 데이터 셋과 '.xml' 형식의 GT 데이터 셋을 연동해 이벤트·기후·객체 특성·시간 등의 옵션을 사용자가 선택해 사용자가 원하는 데이터 셋과 이에 대한 그라운드 터치 데이터를 검색 및 확인 및 분류 할 수 있게 하고 있다.


척박한 지역 이벤트 탐지 = 척박한 지역 이벤트 탐지 검출 시나리오는 [그림7]과 같이 컬러 카메라(주·야간 모드 포함)와 적외선 카메라를 이용해 2개의 울타리 장소에 사람이 침범 하는 상황을 감지하는 데이터 셋을 제공한다.


그림 7. 척벅한 지역 이벤트 데이터 셋 예와 그라운드 터치 데이터 파일 구조



[그림8]과 같이 이 데이터 셋의 특징은 실제 상황을 고려해 새벽, 주간, 일몰, 밤 등의 시간적 구성과 이에 따라 맑음, 구름, 비, 눈, 안개 등의 기후적 변화, 객체의 속도, 이동 특성 및 경로, 그리고 객체의 그림자 등의 검출하고자 하는 객체의 변화, 비닐, 곤충, 박쥐, 새 등의 잘못된 경고를 생성 할 수 있는 노이즈 객체, 그리고 카메라 흔들림, 카메라 특성에 따른 영상 왜곡, 컬러 영상, 적외선, 카메라 야간 모드의 흑백 영상 등의 카메라 특성들을 포함하고 있다.


뿐만 아니라 각 데이터 셋에 해당하는 .xml 형식의 그라운드 터치 데이터 셋에는 이런 특성에 대해 기술과 함께 이벤트 시간을 기술하고 있다. 참고로 구름의 이동 및 야간에서의 노이즈 등이 이 인증의 어려운 변수가 되고 있다.


그림 8. 척박한 지역 데이터에서 고려된 상황 항목


주정차 이벤트 탐지 = [그림9]와 같이 PV 데이터 셋은 컬러 카메라를 이용해 난이도별 세 도로의 주차 금지 구역 불법 주차 상황 감지 데이터 셋을 제공한다. 또한 GT 데이터에서는 이벤트가 발생하는 기간, 기후, 객체 속성 등을 확인 할 수 있다.


그림 9. 주정차 이벤트 데이터 셋 예와 그라운드 터치 데이터 파일 구조



이 데이터 셋의 특징은 [그림10]과 같이 실제 상황을 고려해 새벽, 주간, 밤의 시간적 구성과 기후, 카메라 흔들림, 그림자, 그리고 빛 변화 등에 대한 환경적 변수와 자동차의 종료 및 이동 특성 등의 객체 특성을 포함하고 있다.


뿐만 아니라 이 저조도(밤)에서의 자동차 조명, 유리 빛 반사의 빛 변화에 대한 특성과 그림자로 인한 객체의 조도 변화의 대한 특성은 이 인증에서 어려운 변수로 작용하고 있다.


그림 10. 주정차 탐지 데이터 셋에서 고려된 상황 항목



폐기 수화물 이벤트 탐지(AB) = [그림11]과 같이 AB 데이터 셋은 컬러 카메라 기반 난이도별 2지역(지하철 승강장, 지하도)에서 유기 수하물 감지 데이터 셋을 제공한다. 또한 GT 데이터에서는 이벤트가 발생하는 기간, 거리, 객체 유형, 혐의자 옷차림 등을 확인 할 수 있다.


그림 11. 폐기 수화물 데이터 셋과 그라운드 터치 데이터 예



더불어 AB 데이터에서 고려된 상황 항목은 [그림12]와 같이 유기 수화물이 문제가 되는 전철 승강장, 지하도의 장소에 대해 장소의 혼잡도, 유기 수화물의 카메라로부터의 거리, 유기 수화물의 종류, 혐의자 옷 스타일 등에 상황 등을 포함하고 있다.


여기서 유기 수화물의 혼잡도와 유기 수화물의 장소는 이 과제를 어렵게 하는 요소로 작용하고 있다.


그림 12. 폐기 수화물 데이터 셋에서 고려된 상황 항목



출입 감시(DS) = [그림13]과 같이 DS 데이터 셋은 컬러 카메라 기반 난이도별 2지역 문 출입 이벤트 탐지 데이터 셋을 제공한다. 또한 GT 데이터에서는 이벤트가 발생하는 기간, 기후, 노이즈 객체, 이벤트 유형 등을 확인 할 수 있다.


그림 13. 출입 감시 데이터 셋과 그라운드 터치 데이터 사용 예



또한 AB 데이터에서 고려된 상황 항목은 [그림 14]와 같이 출입 상황이 발생하는 장소에 따른 시간 변화 및 기후 변화, 객체의 행동, 카메라의 특성, 건물 내부의 조명과 자동차 헤드라이터 등으로 인한 빛의 변화, 그리고 출입 하는 사람의 제외한 주변 객체 등의 특성을 포함하고 있다. 여기서 문 근처에서 여러 사람들이 배외하거나 순간적으로 가리는 상황 및 저조도(밤) 상황은 이 인증에서 어려운 변수로 작용하고 있다.


그림 14. 출입 감시 데이터 셋에서 고려된 상황 항목



신 기술(NT) = [그림15]와 같이 NT 데이터 셋은 인접 IR·중간파·장파 카메라에서 각각 난이도별 3지역(들판, 강, 강을 포함한 다리)에서 움직이는 침입 탐지 데이터 셋을 제공한다.


그림 15. 신기술 데이터 셋과 그라운드 터치 데이터 예



또한 GT데이터에서는 이벤트가 발생하는 기간, 기후, 객체의 특성 및 유형 등을 확인 할 수 있으며 NT 데이터에서 고려된 상황 항목은 [그림16]과 같이 장소, 시간, 기후, 검출 객체, 조수 상태, 분류 영역, 조도 변화, 접근 객체 유형, 이동 각도, 이동 방향, 노이즈 객체, 카메라 상태 등을 포함 분류하고 있다.


그림 16. 신기술 데이터 셋에서 고려된 상황 항목



멀티플 카메라 추적(MCT) = [그림17]과 같이 MCT 데이터 셋은 선택된 타깃 객체를 5지역(Customs, Left Baggage, Cafe, Lift, Infor Desk)에서 추적하는 시나리오로 구성돼 있으며 3지역(Left Baggage, Cafe, Lift)은 공통된 영역은 포함하고 있고 나머지 2지역에 대해서는 공통된 영역을 포함하지 않는다. 또한 GT 데이터에서는 추적하고자 하는 객체의 특징 및 카메라(전체·중복 영역·중복 되지 않은 영역의 카메라)를 분류하고 있어 사용자는 데이터 매니저에서 찾고자 하는 데이터 셋을 쉽게 검색 할 수 있다.


그림 17. 멀티플 카메라 추적 데이터 셋과 그라운드 터치 데이터 셋 예



이와 함께 MCT 데이터에서 고려된 상황 항목은 [그림18]과 같이 시간, 군중 밀집도, 카메라 선택, 추적 객체의 속성(옷 유형, 성별, 옷의 색상, 가방 소유 유무) 등을 포함 분류하고 있다. 더불어 복잡한 군중의 밀집도와 카메라간의 색상 왜곡과 영상에서의 객체 크기는 본 인증을 매우 어렵게 하는 요소라 볼 수 있다.


그림 18. 멀티플 카메라 추적 데이터 셋에서 고려된 항목



iLIDS 인증 현황 = 티메디아(Timedia)에서 제작 및 판매되고 있으며 관계자에 의하면 현재 iLIDs 데이터 셋을 2013년 1월 기준 24(연구용 30%, 상업용 70%)여 기관 정도가 구매를 했다.


또한 조사한 바에 따르면 제론헬스케어, 하니웰 비디오 애널리틱스, 에이전트 비, 시큐리션, 마이크로샤프, 아이피소텍, 아이피에스 애널리틱스 등 18개 회사가 척박한 지역 이벤트에 대한 인증을 획득한 상태이고 이 중 11개 기관이 인증의 최고 등급인 제1 차 레벨(Primary Level)을 획득한 상태로 파악되고 있다. 하지만 상대적으로 난이도가 높은 다른 시나리오에 대해서는 많은 업체들이 인증 신청을 하고 있지만 아직 기술적 한계로 인해 인증에 통과를 하고 있지 못하고 있다고 한다. 이런 기술적 한계를 극복할 수 있는 시스템들을 발굴하기 위해 i-LIDs의 주관 기관인 CAST측에서는 2007년 지능형 보안 시스템 관련 학회로 저명한 '어드밴스드 비디오 앤 시그널 기반 감시'에 챌린지데이터 셋을 공개했으며 2013년 '범죄 예방 및 탐지를 위한 이미지' 학회에서 'i-LIDS 챌린지: 탐지 이벤트 인 컴프레스드 비디오' 행사를 개최해 많은 연구자 및 기업들의 관심을 유도하고 있다.


또한, 'i-LIDs 인더스트리 데이' 행사를 개최해 i-LIDs 데이터 셋의 구매 기관들을 초청, i-LIDs의 필요성과 이점들을 관철 시켜주고 기업에서 인증 준비시 궁금증 과 문제점들에 대한 의견을 수렴하고 있다.


이와 함께 데이터 셋을 구매하기 전에 CAST측에 iLIDs 데이터 셋의 데모 CD를 신청할 수 있어 i-LIDs의 시나리오 및 GT 데이터의 구조를 사전에 파악할 수 있도록 하고 있다.


시스템의 신뢰성 확보 위한 접근 방법


제론 헬스케어의 지능형 보안 영상 플랫폼 = [그림 19]와 같이 제론헬스케어는 그 동안 객체 검출 및 추적, 비정상 상황 이벤트 감지, 침입 이벤트 감지, 이동 객체 카운트, 유기 수화물 이벤트 감지, 결제 이벤트 감지, 영·유아 상태 모니터링 등의 지능형 보안 영상 분석 시스템을 위해 다양한 영상 분석 솔루션을 개발하고 있다. 또한 이러한 솔루션을 기반으로 제품의 효율적인 유지 보수와 안정성 확보, 편리한 이식성, 솔루션의 다양한 확장성 등을 고려해 자체 표준 개발 킷(SDK)과 함께 이를 이용한 응용 지능형 보안 영상 분석 소프트웨어를 개발해 오고 있다. 하지만 다른 기업과 마찬가지로 기술력 및 성능향상에 대한 노력과 많은 비용 투자에도 불구하고 아직까지 고객의 신뢰성 확보가 부족해 그 시장성을 증명하고 있지 못하고 있다.


그림 19. 제론헬스케어 지능형 보안 영상 분석 솔루션



이와 같은 문제를 극복하고 고객이 만족 할 수 있는 솔루션을 개발하기 위해서 우리는 [그림 20]과 같이 제품의 대한 성능 테스트 및 평가 분석 프로세서를 자체 정립하고 이를 이용한 평가 분석 툴을 개발해 보다 효율적으로 자사 제품이 설치된 고객 사이트에서의 성능 검증 및 문제점 분석, 그리고 이를 통한 고객이 만족성 확인에 대한 노력을 하고 있다.


더불어 공인된 인증 제도인 i-LIDs 인증 획득을 통해 자사의 제품 및 평가 프로세서에 신뢰성을 확인하기 위해 노력해 오고 있다.


그림 20. 제론헬스케어의 평가 및 분석 시스템



제론헬스케어 iLIDS 평가 결과 분석 = 우리는 자체 우리의 노력의 신뢰성을 확인하고 보다 우수한 제품을 만들기 위해 정립된 성능 테스트 및 평가 분석 프로세서와 평가 분석 툴을 자사 제품중에 하나인 '제론 ISS 독립형 v1.0'의 침입 이벤트 검출 기능을 iLIDS 척박한 지역 이벤트 시나리오 데이터 셋을 이용해 평가를 수행했다.


자체 정립된 성능 테스트 및 평가 분석 프로세스에 따라 시나리오의 '트레이닝(Training(SZTR))'과 '테스트(Test(SZTE))' 데이터 셋을 객체 종류·색·시간(밤·낮)·속도·기후·배경과의 유사성, 카메라부터의 거리·이동 경로·그림자 여부·상황 등으로 분석 및 분류했다.


또한 평가를 진행하기 위한 기준은 i-LIDS 사용자 가이드를 따랐으며 분석된 데이터 셋과 사전 테스트를 통해 대표적인 데이터 셋을 선별하고 이를 이용해 자사 제품의 침입 이벤트 검출 모듈의 파라미터 튜닝 작업을 통해 최적이 파라미터를 구했다.


실제 테스트 및 평가는 자사가 개발한 테스트 및 평가 툴에 평가 데이터 셋과 해당 GT 데이터를 입력해 자동적으로 평가가 수행 할 수 있으며 태깅 기능을 통해 각 상황에 따라 시스템의 결과를 확인 할 수 있었다.


[그림21]은 자사 제품인 제론 ISS 독립형 v1.0에 대해 i-LDIS 척박한 지역 이벤트 시나리오 테스트 데이터 셋을 이용한 성능 평가 결과를 보여 주고 있다. 테스트 데이터 셋에 대해서 개선된 VA 모듈의 성능 평가 결과 레벨1에 대해서는 총 13개 동영상(이벤트가 포함된 동영상 7개, 이벤트가 포함되지 않은 동영상 6개)에 대해서 검출율 100%, 검출 실패 율 0%, F1-측정 99.47%로 평가됐으며 레벨2에 대해서는 총 16개의 동영상(이벤트가 포함된 동영상 6개, 이벤트가 포함되지 않은 영상 10개)에 대해서 검출율 97.09%, 검출 실패율 2.91%, F1-측정 97.09%의 성능을 보였으며 총 F1-측정 98.28%의 결과가 나왔다.


그림 21. 제론 ISS 독립형 v1.0 자체 성능 평가 결과



이는 iLIDS 인증시 인증 시스템이 95% 이상 성능을 충족해 안정적으로 제1차 레벨 인증을 획득 할 수 있음을 볼 때 인증 신청시 우리 제품 또한 제1차 레벨의 인증 획득을 할 수 있음을 확인 시켜주고 있다. 이에 따라 실제 우리는 자체 성능 평가 결과를 이용해 i-LIDS 척박한 지역 이벤트 인증을 신청 및 진행했으며 최근 국내 최초로 제1차 레벨의 i-LIDS 인증을 획득한 상태다.


결론


본문에서는 최근 지능형 영상의 필요성이 두각 되는 가운데 실제 제품의 신뢰성 상실로 인한 제품의 시장성의 축소의 문제점을 확인하고 이를 타게 하기 위한 성능 기준 및 이에 대한 공인된 인증 제도의 필요성에 대해 제기 해봤다.


또한 고객의 신뢰성과 제품의 성능 확보를 위한 영국의 노력과 이런 노력의 결실인 세계에서 유일한 지능형 영상 보안 시스템 인증 제도인 'iLIDS' 인증 제도를 분석을 통해 그 실효성을 검토해 봤다.


이와 함께 제론헬스케어 제품의 신뢰성 확보와 성능 검증에 대한 노력을 통해 기업이 기술적으로 검토하고 노력해야 할 또 요소가 무엇인지를 확인해 봤다. 하지만 지능형 영상 보안 시스템의 넓은 응용 범위와 고객이 원하는 다양한 지능적 분석의 요구 사항 등을 고려할 때 고객의 신뢰성을 위해 특정 데이터 셋을 가지고 일반적 성능을 제시하는 것은 매우 비현실적이다.


이것이 의미 하는 것은 아무리 기업에서 제품의 성능 확보를 위한 제품 개발과 성능 검증을 한다고 하더라도 실제 사용시에는 제 성능이 나오지 않을 가능성이 크기 때문에 고객에 대한 신뢰성 학보가 어렵다는 반증이 될 수 있을 것이다. 이에 따라 우리도 영국의 i-LIDs 인증 제도와 같이 정부·학교·연구소·기업·고객들이 지능형 영상 보안에서 꼭 필요한 요구 사항이 무엇인지 검토하고 이에 맞는 체계적인 데이터 셋 확보와 함께 공신력 있는 인증 제도를 설립함에 따라 기업에게는 시장성을 고객에게는 신뢰성을 제공할 필요가 있다.


참  고   문  헌
- 국내외 지능형 CCTV 영상 감시 산업 동향, 영상정보자원 지원센터, 2012. 08


- 지능형 영상 분석 이벤트 탐지 기술 동향, 전자통신동향분석, 2012.08


- iLIDS 인증 사이트: www.gov.uk/imagery-library-for-intelligent-detection-systems


- i-LIDS 프로젝트 포퍼먼스 스탠다드 포 에볼루션 비디오 애널리틱스 시스템(Project-Performance Standards for the Evaluation of Video Analytics Systems, ERNICIP 컨퍼런스, 2012. 12


- i-LIDS 사용자 가이드, 2011. 08


- AVSS2007 학회 데이터셋 : www.eecs.qmul.ac.uk/~an drea/avss2007_d.html


- CCDP 학회 iLIDS 챌린지 : www.icdp-conf.org


<CCTV News>

위 기사와 이미지 무단전제를 금지 

관련 태그 : 영국 CCTV 지능형 시험인증  
이전 페이지
분류: 테크뷰
2013년 12월호
[관련기사]
청주시, CCTV통합관제센터 확대 운영 (2014-12-18)
국제지식재산연수원,, CCTV 도입 등 안전시설물 확충 (2014-12-17)
HD급 고화질에 스마트한 방문자 분석 기능까지 하나로 (2014-12-16)
전북도, 빅데이터 활용 ‘스마트 빅보드’로 재난 대응시스템 구축 (2014-12-16)
경기도, 빅데이터로 범죄사각 지대 최소화 한다 (2014-12-16)
이글루시큐리티, 대규모 영상관제 시스템용 사용자 정의 분할화면 표출장치·방법 (2014-12-15)
은평구청 CCTV통합관제센터, 국산 공개SW로 전력 · 운영비 절감 (2014-12-15)
베네수엘라 보안전시회를 다녀와서 (2014-12-15)
과테말라 보안 시장, 범죄율과 함께 CCTV도 수요도 증가 (2014-12-15)
IoT 기술, ICT 인프라와 접목 전 지구적 문제점 해결 가능 (2014-12-15)
최근 많이 본 기사
엔터메이트 ‘천년도’, 연말...
[칼럼] 美서 크라우드펀딩으...
올레TV, 2014년 뒤흔든 화제...
악성코드가 iOS와 안드로이드...
2015 정시 원서 접수 시작…...
조이시티, 헬리콥터 3D 액션...
SK텔레콤 웹페이지, ‘웹어워...
와토, 큰 사람 이야기 ‘알뜰...
경기도, 빅데이터로 범죄사각...
IoT 기술, ICT 인프라와 접...
과월호 보기:
Tag Cloud
마일스톤삼성전자인텔윈드리버네시삼십삼분악성코드트위터스마트폰후후한국모바일기업진흥협회한국레노버SAP컴투스특허슈피겐요기요VM웨어네오싸이언엔터메이트오피스 365SK텔레콤티머니애드오피애저공유기EOS에이샵아카마이안드로이드소니세기P&CKISA미생이에프엠네트웍스ADC인포네틱스케이스VMS하웨이NAS포토북아웃도어3D프린팅스토리지인터넷진흥원버바팀명량HP쿠차통합관제센터브로케이드지스타내비게이션태블릿사물인터넷ICT미래창조과학부알테라이노베이션티뮤스피커라인LG유플러스시만텍다산네트웍스씨게이트소니코리아인터파크CKBS블랙박스웹젠윈도아이폰페이게이트시놀로지LG전자한국후지제록스헤드폰UHD카메라인도네시아HDD씨디네트웍스시스코노키아앱코마우스패드크리스마스행정자치부모니터전민기적IoT다크어벤저2안랩줌닷컴이노릭스프로젝터인포네틱스리서치룰더스카이레드햇4:33LTE멀웨어블루투스 스피커조직개편IDC애플이어폰샌디스크CCTV젠하이저블루투스창조경제박람회앤비젼천상의 기사단EMC영화스마트앱어워드제이씨현엑스엘게임즈라드웨어캐논코리아비즈니스솔루션캐논SDN엡손한국인터넷진흥원배달앱로크웰오토메이션조이시티페이스북올레tv삼성테크윈젬알토미스터쿤SK C&C대원CTS네이버오라클아이피타임쓰레기 불법투기헬스케어배달통카스퍼스키랩특허청웨어러블팅크웨어모토로라솔루션에이수스PS4알뜰폰로지텍간편결제삼성아야나 림바뮤 온라인만물인터넷게임빌옐로모바일전자랜드프라이스킹IPTV뱅앤올룹슨와사비망고특허출원장애청소년아이폰6발리니콘이미징코리아RPG데이터 분석윌리스사이버먼데이한국스마트카드MMORPGLG CNS매직 쿼드런트곰TVEFMSK브로드밴드모니터링KT모바일페이나우나임네트웍스하둡후지필름배달의민족가비아몰테일NFC도메인우아한형제들VOD영웅 포 카카오MS데이터센터맵피SCEK기가바이트SSD프리스케일슈프리마와토NFV클라우드아크로니스산학협력정보보호11번가엔비디아현대엠엔소프트가트너블랙프라이데이유프라자빅데이터KTH중소기업리버베드엘룬사가외장하드도시바크리티카SNS
회사소개  |  제휴문의  |  온라인 광고  |  지면광고  |  매체소개  |  개인정보취급방침  |  이메일주소 무단수집 거부  |  ⓒ Techworld, Inc.