.jpg)
GIST, 물피도주 영상 축약 기술 개발
[보안뉴스 박미영 기자] 주차장에 세워둔 차를 ‘문콕’하고 도망간 뺑소니 차량을 인공지능(AI) 기술로 쉽게 판독할 수 있는 기술이 개발됐다.
광주과학기술원(GIST)은 기계공학부 이용구 교수 연구팀이 인공지능(AI) 기술을 통해 전체 CCTV 영상에서 물피도주(주차 뺑소니) 발생 시점을 검출하는 데 성공했다고 밝혔다.
2017년 6월 개정된 도로교통법에 따라 물피도주 사고의 처벌 범위와 강도가 강화됨에 따라 신고 건수도 크게 늘어 실제 경찰이 접수한 물피사고는 2016년 36만2,384건에서 2020년 62만6,609건으로 증가했다(도로교통공단 TASS, 2021년 기준).
물피도주 사고 발생 시, 차량 내 블랙박스에 저장된 영상을 확인하는데 만약 영상이 저장되지 않았다면 주변의 CCTV를 통해서 가해자를 추적해야 한다. 이때 CCTV 특성상 방대한 분량의 영상 판독이 필요하며, 이러한 영상 수사 방식은 담당 조사관의 업무 부담을 가중시킨다.
특히 주차 뺑소니 사고는 고의성 입증 여부가 쉽지 않고, 고의성이 입증되더라도 최대 20만 원 이하의 벌금이 부과될 뿐이다. 그에 비해 사고의 발생 시기를 찾기 어렵고, 조사에 애로 사항이 많아 현장 상황을 고려한 기술 개발이 필요하다.
현재 일선 현장에서 사용하는 동영상 축약 프로그램은 라이선스 비용이 약 1,500만원으로 매우 비싸다. 무엇보다 물피도주에 특화된 것이 아닌 방범 목적으로 주로 개발된 프로그램이기 때문에, 객체의 작은 흔들림을 감지하지 못하고 호환성 문제 등 물피도주 수사에 제대로 활용하지 못하는 상황이다.
연구팀은 데이터셋 수집 비용과 사고 가능성을 줄이기 위해서 실제 차량이 아닌 RC카를 이용해 데이터셋을 수집했다. 실제 차량과 RC카의 외관은 매우 유사하며, 객체 인식 모델로 실제 차량을 학습한 가중치로 RC카를 인식했을 때 유사한 정확도가 나와 RC카로 데이터를 수집해도 실제 차량과 유사한 성능을 보일 것이라는 점에 착안했다.
최신형의 블랙박스는 충돌 감지 센서가 내장돼 있기 때문에 CCTV 영상 시점에서만 데이터셋을 수집했다. 연구팀은 직접 수집한 물피도주 영상 800건을 분석한 후, 인공지능 네트워크에 학습시켜 차량의 충돌 시점을 검출하는 기술을 개발했다.
△인공지능 모델 구조와 결과 예시 충돌 시점을 검출하기 위해서는 연속된 프레임에서의 움직임의 패턴을 분석하기 위한 ‘시간 정보’와 객체의 구조와 형태를 파악하기 위한 ‘공간 정보’를 동시에 분석해야 하므로 연구팀은 동시 분석이 가능한 3D-CNN을 사용했다. 피해 차량이 특정돼 있는 물피도주 사고 특성상, 피해 차량의 주변으로 일정한 간격을 둬서 불필요한 배경 정보가 네트워크에 입력되지 않도록 하는 전처리 방법을 사용했다.
차량의 충돌 영상은 충돌 시의 흔들림이 반복적인 움직임을 띄기 때문에 미충돌 상황에서의 움직임 패턴과 구분이 가능하다.
이번 연구 성과는 물피도주 사고가 의심되는 상황 전후로 해당 객체의 움직임 및 어떠한 경로로 움직였는지 바로 확인이 가능하다는 점에서 기존에 담당 조사관이 직접 영상 분석을 하는 것에 비해 업무 시간을 대폭 줄일 수 있다. 나아가 이 기술을 광범위하게 설치돼 있는 CCTV에 적용하면 범죄 예방 및 분석에 활용할 수 있어 지역 사회의 안전을 강화하고 범죄를 예방하는 데 효과가 크다.
이용구 교수는 “이번 연구 성과는 고도화된 인공지능 기술로 방대한 CCTV 영상 분석의 부담을 크게 줄여준다는 점에서 가장 큰 의의가 있다”며, “향후 상용화를 통해 빠르게 사고 상황을 파악하고 처리함으로써 사회적 신뢰와 안전을 한층 높일 수 있을 것으로 기대된다”고 말했다.
이용구 교수가 주도하고 황인우 연구원이 참여한 이번 연구는 산업통상자원부, 과학기술정보통신부, 방위사업청, 과학치안진흥센터등의 지원을 받아 수행됐으며 연구 성과는 저명한 국제 학술지인 ‘JCDE(Journal of Computational Design and Engineering)’에 2024년 2월 19일 온라인 게재됐다.
[박미영 기자(mypark@boannews.com)]
[보안뉴스 박미영 기자] 주차장에 세워둔 차를 ‘문콕’하고 도망간 뺑소니 차량을 인공지능(AI) 기술로 쉽게 판독할 수 있는 기술이 개발됐다.
[이미지=GIST]
광주과학기술원(GIST)은 기계공학부 이용구 교수 연구팀이 인공지능(AI) 기술을 통해 전체 CCTV 영상에서 물피도주(주차 뺑소니) 발생 시점을 검출하는 데 성공했다고 밝혔다.
2017년 6월 개정된 도로교통법에 따라 물피도주 사고의 처벌 범위와 강도가 강화됨에 따라 신고 건수도 크게 늘어 실제 경찰이 접수한 물피사고는 2016년 36만2,384건에서 2020년 62만6,609건으로 증가했다(도로교통공단 TASS, 2021년 기준).
물피도주 사고 발생 시, 차량 내 블랙박스에 저장된 영상을 확인하는데 만약 영상이 저장되지 않았다면 주변의 CCTV를 통해서 가해자를 추적해야 한다. 이때 CCTV 특성상 방대한 분량의 영상 판독이 필요하며, 이러한 영상 수사 방식은 담당 조사관의 업무 부담을 가중시킨다.
특히 주차 뺑소니 사고는 고의성 입증 여부가 쉽지 않고, 고의성이 입증되더라도 최대 20만 원 이하의 벌금이 부과될 뿐이다. 그에 비해 사고의 발생 시기를 찾기 어렵고, 조사에 애로 사항이 많아 현장 상황을 고려한 기술 개발이 필요하다.
현재 일선 현장에서 사용하는 동영상 축약 프로그램은 라이선스 비용이 약 1,500만원으로 매우 비싸다. 무엇보다 물피도주에 특화된 것이 아닌 방범 목적으로 주로 개발된 프로그램이기 때문에, 객체의 작은 흔들림을 감지하지 못하고 호환성 문제 등 물피도주 수사에 제대로 활용하지 못하는 상황이다.
연구팀은 데이터셋 수집 비용과 사고 가능성을 줄이기 위해서 실제 차량이 아닌 RC카를 이용해 데이터셋을 수집했다. 실제 차량과 RC카의 외관은 매우 유사하며, 객체 인식 모델로 실제 차량을 학습한 가중치로 RC카를 인식했을 때 유사한 정확도가 나와 RC카로 데이터를 수집해도 실제 차량과 유사한 성능을 보일 것이라는 점에 착안했다.
최신형의 블랙박스는 충돌 감지 센서가 내장돼 있기 때문에 CCTV 영상 시점에서만 데이터셋을 수집했다. 연구팀은 직접 수집한 물피도주 영상 800건을 분석한 후, 인공지능 네트워크에 학습시켜 차량의 충돌 시점을 검출하는 기술을 개발했다.
△인공지능 모델 구조와 결과 예시 충돌 시점을 검출하기 위해서는 연속된 프레임에서의 움직임의 패턴을 분석하기 위한 ‘시간 정보’와 객체의 구조와 형태를 파악하기 위한 ‘공간 정보’를 동시에 분석해야 하므로 연구팀은 동시 분석이 가능한 3D-CNN을 사용했다. 피해 차량이 특정돼 있는 물피도주 사고 특성상, 피해 차량의 주변으로 일정한 간격을 둬서 불필요한 배경 정보가 네트워크에 입력되지 않도록 하는 전처리 방법을 사용했다.
차량의 충돌 영상은 충돌 시의 흔들림이 반복적인 움직임을 띄기 때문에 미충돌 상황에서의 움직임 패턴과 구분이 가능하다.
이번 연구 성과는 물피도주 사고가 의심되는 상황 전후로 해당 객체의 움직임 및 어떠한 경로로 움직였는지 바로 확인이 가능하다는 점에서 기존에 담당 조사관이 직접 영상 분석을 하는 것에 비해 업무 시간을 대폭 줄일 수 있다. 나아가 이 기술을 광범위하게 설치돼 있는 CCTV에 적용하면 범죄 예방 및 분석에 활용할 수 있어 지역 사회의 안전을 강화하고 범죄를 예방하는 데 효과가 크다.
이용구 교수는 “이번 연구 성과는 고도화된 인공지능 기술로 방대한 CCTV 영상 분석의 부담을 크게 줄여준다는 점에서 가장 큰 의의가 있다”며, “향후 상용화를 통해 빠르게 사고 상황을 파악하고 처리함으로써 사회적 신뢰와 안전을 한층 높일 수 있을 것으로 기대된다”고 말했다.
이용구 교수가 주도하고 황인우 연구원이 참여한 이번 연구는 산업통상자원부, 과학기술정보통신부, 방위사업청, 과학치안진흥센터등의 지원을 받아 수행됐으며 연구 성과는 저명한 국제 학술지인 ‘JCDE(Journal of Computational Design and Engineering)’에 2024년 2월 19일 온라인 게재됐다.
[박미영 기자(mypark@boannews.com)]
<저작권자: 보안뉴스(www.boannews.com) 무단전재-재배포금지>
박미영기자 기사보기
[2024-04-24] 
_m.jpg)
.jpg)
.jpg)
.jpg)
