은평구, 인공지능 선별 CCTV 관제시스템 = AI 관제센터 표준모델 개발

[CCTV뉴스=신동훈 기자] 

□ 추진목적

- 4차 산업혁명 시대에 발 맞춰 새로운 기술을 적극 활용해 기존 지능형 CCTV 이벤트(행동검지, 자동추적 등) 한계극복이 가능한 인공지능 관제를 도입해 스스로 학습하는 기반 마련

- 인공지능 기반 CCTV 관제 효율성 기술 검증을 위해 실제 관제시스템 데이터와 민간의 기술력을 결합해 주민 안전을 위한 구 핵심정책인 통합관제체계를 획기적으로 개선해 통합관제체계 표준모델을 개발하고 전국에 확산하기 위함도 포함

□ 추진방향

- 민간의 새로운 기술과 문화를 적극 수용·활용하기 위해 협업 모델인 POC 추진

- 인공지능 기반 CCTV 관제 지원 시스템 개발로 주민을 범죄와 안전사고로부터 지키는 실질적 예방행정 추진

□ 현황과 문제점

범죄 등 위험으로부터 주민 보호와 사고처리 등을 위한 종합관제센터를 운영 중이나 사람의 육안 감시에 의존하고 있다. 실질적인 위험 탐지와 감시 기능이 미흡해 위험상황 누락 가능성이 상존하며, 사전대비보다는 사후처리에 집중하고 있는 현실이다.   

※ 관제요원 1인당 관제 CCTV 172대(권고안 48대): 인건비 절감과 관제의 효율성 제고를 위해 인공지능 선별관제의 필요성 제기

정확한 보안 감시를 위해서는 감시 영역의 의심스러운 상황을 실시간으로 정확히 인지할 필요가 있는데 기존 지능형 CCTV는 잦은 오판별·오탐지로 인해 오히려 관제요원과 관리자의 업무를 가중시키는 문제가 있다.

※ 기존 지능형 CCTV는 데이터 수집 형태 및 Full HD, SD등 카메라 유형이 여러개로 패턴에 의한 영상 분석시 소프트웨어 적용에 제약이 따름

□ 현황 개선: 인공지능 관제를 통한 CCTV 모니터링 효율화

- 전체 CCTV 중 개별 단위의 이벤트 관제에서 벗어나 인공지능 보안 감시 기술을 도입해 시스템의 자동인지를 통한 인공지능이 선별해 관제하는 방식으로 전환

- 스스로 학습이 가능한 인공지능 시스템을 도입해 조명에 의한 간섭, 주간/야간/카메라 유형(HD, Full HD, SD등) 패턴 등의 환경 변화를 자동 인지가 가능한 모니터링 환경 조성

□ 사업내용

인공지능 학습데이터 생성 및 학습시스템 개발

- 자체 확보 VOC(Visual Object Classes) 데이터 및 실제 운용되는 신규 영상이미지 데이터를 분석해 인공지능 학습 데이터 구축

- 이상 상황에 상응하는 영상데이터를 시간별, 분류별로 표준화해 인공지능 모델이 학습할 지능정보 데이터를 생성할 수 있게 함

- 객체 인식을 위한 딥러닝 모델을 선정하고 학습을 수행, 수행 결과에 따른 선별 기능 도출함

인공지능 기반 CCTV 추론 시스템 개발

- 이상 상황과 평시 상황을 구별하지 않고 단순 순차적 감시만을 제공하는 기존의 CCTV 관제시스템에 추가로 학습데이터 기반으로 객체 검지기능을 갖춘 인공지능 CCTV 관제 지원시스템 개발

- 인공지능에 의해 이벤트를 자동으로 인식해 해당 상황을 우선적으로 관제요원이 모니터링 할 수 있게 지원(특히 인공지능 기반 객체 위치탐지, 객체 검지 이벤트 발생 기능 개발)

CCTV 관제의 실제 수행을 위한 VMS 연계 및 이벤트 표출

- 딥러닝 추론에 의한 객체검지시 VMS와 연동하여 표출 기능 개발

- 지능형 영상인식 시스템과 연동하기 위한 이벤트 발생 기능 개발

- 이벤트 표출 기능 개발

인공지능 기반 CCTV 관제 지원 시스템 고도화(2018~)

- 테스트 및 실험 데이터로 학습한 인공지능 시스템을 실제 환경에서 추출한 데이터를 이용해 미세조정, 인공지능 모델을 현장 맞춤형으로 고도화

- 현장상황에 최적화된 인공지능 모델을 이용한 자동화 관제를 적용하여 CCTV 관제시스템을 고도로 효율화

- 배회·침입·쓰러짐·유기·방화·싸움 행동인식 딥러닝 기능 추가 고려

□ 딥러닝 기반 선별 CCTV 관제 POC 추진

딥러닝 학습데이터 구축 및 학습    

- PASCAL VOC(Pattern Analysis, Statistical Modeling and Computational Learning Visual Object Classes) 20종 데이터 적용(총 객체 2만 7450개, 사람 8556개) 

은평 CCTV 영상 학습 자료    

- 차량(388개), 사람(1467개)등 총 2007개 객체 학습

□ 딥러닝 추론 및 VMS 연동 표출

시스템 구성도

□ 기대효과

□ 미니 인터뷰

Q. 인공지능 선별 CCTV 관제시스템 구축을 진행중에 있어 어려운 점이나 한계점은 무엇인가?

A. 기존시스템에 영향을 주지 않는 범위 내에서, POC 사업방식으로 딥러닝 학습과 추론을 시범 테스트했다. 인식 성능과 선별관제 기능에 대한 성능 분기점을 확인하는데 걸리는 시간이 부족했으며, 인공지능은 지속적인 성능 개선을 실시하지 않으면 좋은 결과물을 도출할 수 없는 점이 아쉽다. 인공지능은 아직까지 초등학교 이하 어린이처럼 부모님 및 선생님 등의 주입식 학습이 필요하다.

Q. 딥러닝 영상분석 기술을 개발중인 업체들에게 개발됐으면 혹은 개선시켰으면 하는 점이 있다면 무엇인가?

A. 영상관리시스템(VMS)에서 딥러닝 기반 영상 분석 및 검색 시스템이 구현돼 이벤트 발생에 대한 사전, 사후 관제와 분석이 가능해야 할 것이며, 향후 모니터링 요원이 다양한 이벤트를 구분해 직관적으로 판단하게 정보를 제공하는 단계로 진화 돼야 할 것이다.

Q. 딥러닝 기반 영상관제에도 한계가 있을 것으로 보인다. 딥 러닝 기반 AI CCTV나 AI 알고리즘의 한계는 무엇이라 보는가?

A. 딥러닝 기반의 알고리즘이나 CCTV는 기존의 모션 인식과 마찬가지로 새로운 이벤트와 판단이 필요할 때마다 패턴을 생성해내는 것이라고 생각한다. 기존과 ML(프로그래밍 언어)이 유사하게 동작돼 매번 학습데이터와 알고리즘의 강화작업이 지속적으로 진행돼야 한다.

Q. 관제센터에서 딥 러닝을 활용하면서 가장 큰 장점은 무엇이라 보는가?

A. 기존 이벤트 관제의 기능을 강화시키며, 인력이 배치되지 않는 관제지점이나, 이벤트를 자동으로 검지해 사전 또는 사후 확인이 가능하다는 것이 장점이다.

Q. 국내는 아직까지 AI 기술의 관제센터 도입이 더디다. 문제점은 무엇이라 보고 확산을 위해 필요한 부분은 무엇인가?

A. 우선 AI 기술에 대한 이해가 부족한 부분이 있다고 생각된다. 즉, AI 기술을 적용을 하기 위한 국내 전문 인력이 부족하다. 은평구가 선제적으로 추진할 수 있었던 것은 대기업의 투자와 추진 의지가 있었기 때문이다.

개인적인 의견은 4차 산업혁명 시대 미래 산업은 정부 주도의 정책 방향이 아닌 기업이 주도적으로 기술을 발전 시킬 수 있는 제도개선, 금융지원, 국가 연구원 지원(연구원 기업 파견 지원) 등을 통해 자율적인 기술 개발이 추진돼야 할 것으로 보인다.

Q. 향후, AI가 더욱 발전돼 AI와 빅데이터, 클라우드가 접목된 미래 영상관제 시스템은 어떤 모습일 것으로 예상되는가?

A.  영화 마이너리티 리포트의 그 것과 유사할 것으로 예상된다. 사고나 문제를 사전에 감지해 적절한 대응(모니터링)을 할 수 있도록 하는 관제센터가 될 것이다.

Q. AI 영상분석과 관련해 남기고 싶은 말이 있다면?

A. AI 기반 영상분석은 4차산업혁명 시대에 거스를 수 없는 방향이다. 지속적으로 관심을 가지고 추진해야 할 것으로 판단된다.

필자: 오정석 서울시 은평구 전산정보과 스마트도시 팀장