최근 IT 기술과 인공지능 분야의 혁명적인 발전과 성장을 바탕으로 여러 산업 분야에서 기존의 전통적인 비즈니스 모델이 인공지능 기술을 융·복합하여 새로운 비즈니스 모델로 진화하고 있으며, 그 효과도 매우 크다고 할 수 있다. 그중에서 물체를 감지, 감시하는 분야에서도 객체 탐지를 기반으로 하는 인공지능의 '딥러닝' 기술을 이용해 CCTV나 감시 장비에서 수신되는 신호 패턴을 분석하여 움직이는 물체가 사람과 동물인지를 파악하고, 위협 정도를 파악해 경보 및 알람기능 등이 포함된 융·복합 객체 인식 기술이 적용된 감시체계 시스템이 기대 이상의 성과를 거두고 있으며 빠른 속도로 진화하고 있다.
그러나, 중요 시설관리를 위한 경계 및 관제 시스템을 비롯하여 사회안전망 관리, 산불감시 등 다양한 목적으로 이용되고 있는 종래의 CCTV를 통한 경계 및 관제 시스템은 안개가 심하거나 눈·비가 내리는 경우, 특히 야간 상황에서의 CCTV 영상을 통한 객체 탐지 기술은 악천후 영향과 야간 상황의 한계로 인한 인식 성능 저하와 침입 의도가 없는 동물과 같은 객체 탐지 인식 오작동이 빈번하게 발생하는 문제점이 있다. 또한, 중요 시설에 대한 경계 시스템의 경우 신속한 탐지와 즉각적인 의사결정이 필요하므로, AI 모델의 빠른 분류와 즉시 실행할 수 있는 알고리즘이 필요한데, 종래에는 악천후 유형별로 모든 전처리를 수행함으로써, 여러 가지 AI 모델을 실행시키기 위해 연산량이 증가하는 문제점이 있고, 최종적인 객체 인식 분류의 판단 시간이 지연되는 문제점이 있다. 마찬가지로 사회안전망을 위하여 설치된 CCTV 카메라는 기본적으로 기존 딥러닝 기반 객체 인식 기술을 통해 동물, 사람 등 검출한 객체의 종류 구분은 가능하지만, 야간, 우천, 역광 등 날씨 및 촬영 조건에 따른 성능 저하 문제가 발생하며, 적절한 전처리를 수행하여 영상을 개선하더라도 오탐지 발생 가능성이 여전히 남아 있으며, 인식한 객체의 거리를 정확히 측정하기 어려운 문제점이 있다.
열 적외선카메라는 주변 환경에서 발생하는 열을 감지하고 객체에서 방사되는 적외선 에너지를 복사하여 객체의 온도 차이를 영상으로 표현이 가능한 기술로 인해 날씨, 주·야간에 상관없이 확실한 객체 탐지 및 추적이 가능한 장점은 있으나, 객체의 종류를 구분하는 것은 상대적으로 어려운 단점이 있다. 따라서, CCTV 카메라, UWB 레이더 및 열 적외선카메라의 단점을 상호보완적으로 상쇄하고, 장점을 극대화할 수 있는 객체 탐지 센서의 설계와 객체 탐지 개선기법이 필요한 실정이다.
본 논문에서는 악천후 환경에서 CCTV 영상의 악천후 영향을 최소화 처리하는 딥러닝 기술과 야간 상황에서 하나의 센서로부터 탐지하지 못하는 경우를 대비한 다중 센싱 융합 데이터 처리기술, 그리고 객체의 궤적 유형 탐지 기술을 융합하는 복합 AI 모델을 연구 분석하였다.
이를 위하여 기존 시설 경계 시스템의 문제점과 AI 기반 경계 시스템을 조사·분석하였고, 경계 시스템의 객체 탐지율을 개선하기 위해 기상환경 센서를 이용하여 악천후 유형을 결정하고, 악천후 유형별 이미지 개선 AI 모델에서 결정된 악천후 유형에 대응하는 AI 모델만 실행시키며, 실제 영상카메라 이외에도 야간 및 악천후에 영향을 받지 않는 열화상 카메라와 UWB 레이더를 함께 사용하여 객체를 탐지하거나 객체의 궤적을 추적함으로써, 객체 탐지율을 개선하는 시스템을 설계하였다.
제안된 시스템의 성능을 분석하기 위하여 기상 센서의 적용 여부, 악천후 최소화 딥러닝 알고리즘 적용 여부, 객체의 궤적 유형 AI 모델의 적용 여부에 따른 객체 인식률, 처리부하, 처리시간을 분석하였다.
기상환경 센서를 이용한 AI 모델 실험의 경우 악천후 유형에 따른 가중치, 부하 가중치, 처리시간에 따른 가중치를 부여한 후 시뮬레이션한 결과, 탐지율 향상에서는 안개 상황이 50% 향상, 눈 상황이 30% 향상, 비 상황이 20% 향상되는 것을 알 수 있었고, 부하 가중치나 처리시간 지연은 각각 20%, 30% 가 증가되는 것을 알 수 있었다. 또한, 기상환경 센서를 이용한 AI 모델과 궤적 추적 AI 모델을 추가하여 동시에 시뮬레이션한 결과, 안개 상황이 2.3배 탐지율 향상, 눈 상황이 2.1배 향상, 비 상황이 2배 향상되는 것을 알 수 있었고, 부하는 약 40% 증가되고, 처리시간 지연은 악천후 상황과 무관하게 처리 속도가 약 2.8배 소요됨을 알 수 있었다.
시뮬레이션 결과를 통해 알 수 있듯이 기상환경 센서를 이용하여 악천후 유형을 결정하고, 악천후 유형별 이미지 개선 AI 모델에서 결정된 악천후 유형에 대응하는 AI 모델을 실행시키며, 실제 영상카메라 이외에도 열화상 카메라와 UWB 레이더를 함께 사용하여 객체를 탐지하거나 객체의 궤적을 추적함으로써, 실시간 처리를 제공할 수 있고, 악천후나 야간 상황에서도 객체 탐지율과 침입 식별률을 획기적으로 향상시킬 수 있다는 가능성을 확인하였다.
그러므로 본 논문에서 제안한 방법은 중요 시설에 대한 경계 시스템에서 야간 및 악천후 상황의 탐지율 개선을 위하여 활용되거나, 산불 관제, 작업자 안전분야, 안전사고 예방과 같은 재난 및 안전사고 관제용 CCTV의 영상 품질을 개선하는 분야에서 실시간으로 수집되는 센싱 데이터의 신뢰성을 제고할 필요가 있는 분야에 모두 활용이 될 것으로 기대된다.