1. e-JIKEI 카메라 기반 e-JIKEI 네트워크 프라이버시 제공 기법
2. Dairi EYE Lock 프로그램 기반 프라이버시 제공 기법
3. 세미블라인드 핑거프린팅(Semi-blind Fingerprinting) 기반 프라이버시 제공 기법
4. Privacy-Safe See-Through Vision 기반 프라이버시 제공 기법
5. USB 메모리 기반 영상 감시 카메라 시스템 프라이버시 제공 기법
6. 적응적 비쥬얼 개념을 활용한 PriSurv 기반 프라이버시 제공 기법
7. 프라이버시 보호를 제공하는 영상 감시 카메라 이미지 분배 시스템 기법
8. Scalable Video Coding을 이용한 프라이버시 보호 영상 감시 시스템 기법
9. 프라이버시 보호를 위한 H.264/AVC 영상 스크램블링 기법
10. SecST-SPIHT 코딩 및 디코딩 스킴
11. 영상 감시 시스템 내의 민감한 프라이버시 정보에 대한 영상 데이터 은닉 기법
12. RFID 기반의 프라이버시 제공 영상 감시 시스템 기법
13. DRM 기반의 프라이버시 제공 영상 감시 시스템 기법
14. 영상 감시 시스템 내의 프라이버시 보호를 위한 주파수 영역 기반 스크램블링 기법
15. 보안 카메라 내의 움직이는 객체 마스킹을 통한 프라이버시 보호 기법
16. 얼굴 검출 및 JPEG2000의 ROI 코딩 기반 프라이버시 제공 영상 감시 시스템 기법
17. Life-log 시스템 영상을 위한 프라이버시 보호 기법
18. 자동화된 영상 감시 시스템을 위한 보안과 프라이버시 보호 기법
19. 접근 레벨 기반의 CCTV 영상 프라이버시 보호 기법
20. SPDCM(Stated Preference Discrete Choice Modelling) 기반 프라이버시 보호 기법
21. DWDM 파장 개선을 활용한 CCTV 보안 시스템 기법
22. 구글 스트리트 뷰 서비상에서의 얼굴 블러닝(Face-blurring) 기법
본 기고에서는 최근 Chinomi등에 의해 연구된 CCTV 환경에서 영상 내의 다양한 객체들에 대한 프라이버시를 제공 방법으로 응용 가능한 적응적 비쥬얼 개념을 활용한 PriSurv 기반 프라이버시 제공 기법에 관해 소개한다.
PriSurv 기반 프라이버시 제공 기법
PriSurv는 프라이버시가 보호된 영상 감시 시스템(Privacy Protected Video Surveillance System)으로 식별된 객체(object)들과 뷰어(viewer)들 간의 친밀도(closeness)를 기반으로 프라이버시 정책들(policies)이 결정되는 객체 프라이버시 제공 기술이다. PriSurv는 비쥬얼 추상 개념(visual abstraction)이라 불리는 독특한 메커니즘을 이용하여 객체의 프라이버시 정책들에 따른 비쥬얼 정보의 내용을 제어하게 된다. 특히 객체의 프라이버시 정책들은 객체들의 비쥬얼 정보를 제어하는 기능을 가지는 추상 오퍼레이터(abstraction opera tors)의 타입에 의존하여 결정된다.
PriSurv는 개별 객체에 대한 다양한 프라이버시 제공 기술을 적용한 식별된 객체에 대한 프라이버시 보호기술로 다음과 같은 특징을 가진다.
(1) 영상 감시 카메라를 이용해 적응적으로 사람에 대한 프라이버시 보호 기술을 지원한다.
(2) 비쥬얼 프라이버시 제공을 위해 영상/이미지 처리 기능을 가진다.
(3) 안전한 사회공학 시스템처럼 영상 감시 시스템을 활용할 수 있다.
PriSurv 시스템 원리
PriSurv는 적응적 비쥬얼 개념(adaptive visual abstrac tion) 메커니즘을 이용하여 객체와 뷰어 간의 관계를 파악하여 다양한 종류의 객체 변환을 생성할 수 있는 기능을 가진다. PriSurv는 만약 뷰어와 가까운 관계에 있는 객체인 경우 해당 뷰어에게 프라이버시가 제공되지 않는 객체를 보여주게 된다. 만약 뷰어와 무관한 관계에 있는 객체인 경우 해당 뷰어에게 프라이버시가 제공된 객체를 보여주게 된다. 따라서 PriSurv는 개별 뷰어에 대한 다양한 객체 프라이버시가 제공된 영상을 제공하도록 제어할 수 있다.
[그림 1]은 PriSurv 시스템의 특징을 보여주는 예제이다. 그림에서 o는 객체(object), v는 뷰어(viewer), a는 추상 오퍼레이터(abstraction operator)를 의미한다. 객체 o를 포함하고 있는 원 영상 S는 추상 오퍼레이터 a에 의해 가공되어지며 뷰어 v는 프라이버시가 적용된 영상 를 얻게 된다.
[그림 1]에서 'Taro'는 객체로 '이방인(Stranger) 1', '이웃(Neighbor) 1', '이웃(Neighbor) 2', 그리고 '가족(Family) 1'로 정의된 4명의 뷰어들에 의해 모니터링 되고 있다. 'Taro' 객체는 'Taro'와 4명의 뷰어들간의 친밀도 수준이 모두 다르기 때문에 개별 뷰어들에게 서로 다른 다양하게 변형된 형태로 보여지게 된다. 원 영상 S는 추상 오퍼레이터들 'Dot', 'Silhouette', 'Mosaic', 그리고 'As-Is'에 의한 비쥬얼 추상적 개념 과정을 통해 가공 및 처리된다. 이렇게 프라이버시가 제공된 추상화된 영상들인 , , , 형태로 가공되어 '이방인(Stranger) 1', '이웃(Neighbor) 1', '이웃(Neighbor) 2', 그리고 '가족(Family) 1' 뷰어들에게 각각 전송된다.
PriSurv 시스템 구조
[그림 2]는 PriSurv의 시스템 구조를 보여준다. 뷰어들은 공개된 네트워크를 통해 메인 서버에 접근한 후 적합한 인증과정을 통해 영상 감시 시스템을 모니터링하게 된다. [그림 2]의 개별 모듈의 기능은 다음과 같다.
(1) 분석기(Analyzer): 분석기는 영상 내의 각 객체에 대해 ID를 부여하는 객체 식별(object identification) 기능을 가진다. 각 객체는 사전에 RFID 태그(tag)를 가진다는 조건하에, 영상내의 모든 객체들은 RFID 태그 분석과 영상 분석을 과정을 통해 정확히 식별된다.
(2) 프로파일 생성기(Profile Generator): 프로파일 생성기는 멤버들의 프로파일들을 설정하는 기능을 가진다. 프로파일들은 프라이버시 정책들과 이름, 나이, 성별, 주소와 같은 속성들로 구성된 멤버들의 프라이버시 정보를 가진다. 등록된 멤버들은 GUI(graphical user interface) 기반 프로그램을 활용하여 자신의 프라이버시 정보를 간단하게 설정할 수 있다. 그러면 프로파일 생성기는 해당 정보를 XML 기반 문법으로 변환하게 된다. 프로파일들은 소유자(owner)들에 의해서만 갱신되어 질 수 있으며 다른 멤버들은 절대 접근할 수 없게 설계되어 있다.
(3) 프로파일 베이스(Profile Base): 프로파일 베이스는 서버에 등록된 멤버들의 프로파일들을 안전하게 설정 및 저장하는 기능을 가진다.
(4) 접근 제어기(Access Controller): 접근 제어기는 객체들의 XML 기반 프라이버시 정책들을 읽고 적합한 추상 오퍼레이터를 결정하기 위해 객체들의 프라이버시 정책들 내에 포함된 뷰어들의 ID를 탐색하는 기능을 가진다. 접근 제어기는 추상기(Abstractor)에게 결정된 오퍼레이터의 종류를 보내게 된다.
(5) 추상기(Abstractor): 추상기는 접근 제어기로부터 수신한 추상 오퍼레이들에 의해 비쥬얼 추상 개념(visual abstrac tion)이 적용된 영상을 생성하는 기능을 가진다.
(6) 영상 데이터 베이스(Video Data Base): 영상 데이터 베이스는 과거의 영상 데이터를 저장하며 필요한 시점에 비쥬얼 추상 개념(visual abstraction)을 통하여 뷰어들에게 해당 데이터를 제공하는 기능을 가진다.
객체 식별(Object Identification)
PirSurv 시스템은 원 영상 내의 객체를 가장 먼저 식별한다. 모든 멤버가 자신의 고유한 RFID 태그를 가짐을 가정하였을 때, 영상 감시 공간을 N×N 크기로 나누고 해당 영상 내에 존재하는 모든 RFID 태그와 객체를 측정하게 된다. 이후 영상 내에 측정된 모든 객체들에게는 적합한 ID들이 할당된다. [그림 3]은 객체 식별 과정을 보여주며 다음과 같은 3가지 단계로 구성된다.
단계 1. 객체들이 가지고 있는 RFID 태그들의 위치 측정
RFID 태그들은 자신이 누구이며 어디에 있는지에 관한 정보를 제공할 수 있기 때문에 객체 식별에 유용하게 사용된다. 각 태그는 RFID 리더에 의해 수신된 유일한 ID 값에 대한 적합한 신호를 발산하게 된다. 따라서 영상 감시 공간 내에 설정된 RFID 리더들에 의해 수신된 신호들의 SSI(Signal Strength Indicator) 값들은 개별 RFID 태그를 식별하는 목적으로 활용될 수 있다.
RFID 태그들이 각 영역에 임의적으로 위치하고 있을 때 이들 SSI 값들은 수집되어 학습 데이터로 활용하게 된다. SSI 값들이 알지 못하는 위치로부터 측정되면 각 영역 내의 RFID 태그의 존재에 대한 우도(likelihood)는 기존의 학습 데이터 내의 k-근접 이웃들(k-nearest neighbors)의 측정에 의해 계산된다.
단계 2. 영상 내의 객체들의 위치 측정
원 영상 내의 객체를 식별하기 위해 각 객체는 따로 따로 분리되어 진다. 먼저 가우시안 혼합 모델(Gaussian mixuture model)에 의해 배경 모델 영상(background model image)이 측정되며 각 감지된 영역이 객체로 판단되어지면 원 영상에 대한 전경 영상(foreground image)이 추출된다. 객체의 외관은 객체와 카메라 사이의 공간적 관계(spatial relationship)에 의해 서로 다르게 의존하기 때문에, 객체가 각 영역내의 임의의 위치에 존재할 때 각 객체에 대한 이진 영상(binary image) 수집에 의해 학습 데이터가 준비되어 진다. 새로운 원 영상이 획득될 때, 각 영역 내에 존재하는 영상 내의 개별 객체의 우도(likelihood)는 기존의 학습 데이터 내의 k-근접 이웃들의 측정에 의해 계산된다.
단계 3. 위치 측정 결과를 통합
각 영역 내의 계산된 두 우도(likelihood) 값은 각 RFID 태그의 우도 계산과 대응되는 영역 내에 함께 존재하는 객체를 계산하기 위해 곱해진다. 각 RFID 태그의 ID는 최고 우도를 가지는 객체에게 할당 된다.
프라이버시 정책
[그림 4]는 객체들과 뷰어들 간의 친밀도를 기반으로 한 프라이버시 제공 정책 설정의 예를 보여주고 있다. [그림 4]의 객체 Taro의 프라이버시 정책은 접근 제어 정책 표현을 위해 많이 활용되는 언어인 XACML 내의 기술되어 진다.
비쥬얼 추상 개념(Visual Abstraction)
프라이버시 보호는 객체의 비쥬얼 정보(표정, 옷 등)를 숨기는 역할을 한다. 하지만 비쥬얼 추상 개념은 영상 감시를 의미 없게 만드는 것이다. PriSurv가 안전성과 프라이버시 모두 만족하기 위해, 비쥬얼 정보를 서서히 제어할 수 있는 다양한 추상 오퍼레이터들을 구현하였다.
[그림 5]는 [표 1]의 12종류의 추상 오퍼레이터들에 의해 제어된 프라이버시 제공 영상들을 보여주고 있다. 각 오퍼레이터에 의해 제어되는 비쥬얼 정보는 [표 2]에서 보여주는 것과 같이 다양하다. [표 2]에서 'O': 은닉 안함, '△': 부분 은닉, '×': 은닉을 각각 의미한다. 오퍼레이터들은 위에서 아래로 갈수록 추상 레벨이 증가하며 추상 오퍼레이터들은 머리 및 신체와 같은 객체의 특정한 부분에 대해서도 동일하게 프라이버시를 적용할 수 있다.
프로토타입
[그림 6]은 PriSurv 프로토타입의 GUI를 보여준다. 뷰어는 추상 오퍼레이터들의 종료와 영상 감시 카메라를 선택할 수 있다. [그림 6]에서 뷰어 'yuta'는 세 개의 객체('object 1', 'object 2', 'object 3')를 모니터링하고 있음을 보여주고 있다. 영상 감시 영역을 4.75미터×4.7미터 크기의 방으로 하여 16스퀘어 영역으로 나누어 두 SSI 값을 얻기 위해 4개의 RFID 리더를 설치하여 실험한 결과, 두 사람이 방 안을 걷고 있을 때 PriSurv 시스템은 81%의 정확도로 두 객체를 정확히 식별하고 있음을 보여 주었다.
<다음호에서는 프라이버시 보호를 제공하는 영상 감시 카메라 이미지 분배 시스템 기법에 관해 살펴보도록 하겠다.>
저작권자 © CCTV뉴스 무단전재 및 재배포 금지
