과거에는 제방의 붕괴 및 유실 등으로 인하여 발생하는 외수침수 피해가 대부분 이였으나 최근에는 불 투수면적의 증가 및 내수배제 불량으로 인하여 도시지역이 침수되는 도시침수 피해가 급증하고 있다. 이러한 피해에 대응하기 위하여 중앙 정부 및 각 지자체에서는 홍수 예·경보를 수행하여 피해를 최소화 하고 있다. 하지만 현재의 홍수 예·경보는 행정구역 단위로 발령되는 기상특보만을 이용하기 때문에 도시지역 내에서 국소적으로 발생하는 침수에 대하여 적절하게 대응을 수행할 수 없다. 또한 중앙 정부에서 홍수 예·경보가 발령되면 각 지자체에서는 현장 확인을 통하여 위기 징후를 파악하고 대응 단계를 설정하게 된다. 이러한 경우 지자체 공무원이 직접 현장 확인을 수행하기 때문에 위험성이 있으며 재난을 관리하는 공무원이 적기 때문에 도시지역 전체를 관리하는데 한계가 있다. 따라서 최근에는 재난 관리를 위한 CCTV를 설치하여 도시지역에 발생하는 침수에 대하여 신속하게 대응을 수행하고 있다. 하지만 도시지역에 설치되어 있는 CCTV 개수에 비하여 적은인력으로 관제센터가 운영되기 때문에 모든 지역을 확인하는 것은 한계가 있다. 따라서 본 연구에서는 침수 피해에 상황을 빠르게 파악하여 신속한 대응을 수행하고자 침수의 발생 여부에 따라 이미지를 분류하고 이를 통하여 침수의 발생여부를 파악할 수 있는 딥러닝 모델을 개발하였다. 딥러닝 모델에 침수가 발생한 이미지 데이터와 침수가 발생하지 않은 이미지 데이터를 학습시키기 위하여 웹 크롤링을 이용하여 데이터를 구축하였으며, 학습의 과적합을 방지하고 다양한 환경에서 분류를 수행할 수 있는 모델을 구축하기 위해서 이미지 증식을 수행하였다. 최종적으로 구축된 이미지 데이터를 CNN 기반의 VGG16, ResNet50, MobileNet 3개의 모델에 적용하였으며 Accuracy, AUC를 통하여 모델의 성능을 평가하였다. 성능 평가 결과 VGG16 모델이 97.33%로 가장 높은 정확도가 나왔으며, 마찬가지로 AUC 값도 0.973으로 가장 높은 성능이 나왔다. MobileNet의 경우 89.33%의 정확도로 가장 낮은 정확도가 나타났으나 과적합이 발생하지 않았기 때문에 추가적으로 학습을 수행한다면 더 좋은 성능이 나올 것이라 판단된다. 본 연구결과를 CCTV관제 센터에서 적용한다면 침수를 탐지할 수 있는 수단으로서 활용할 수 있을 것이라 판단되며, 정확도 높은 침수 탐지를 통하여 신속하게 침수에 대응하여 인명 피해 및 재산 피해를 최소화 할 수 있을 것이라 판단된다.