[CCTV뉴스=이승윤 기자] CCTV 영상을 실시간으로 모니터링해 사건ㆍ사고를 탐지하는 통합관제센터는 현재 급증하는 CCTV 대수로 인해 미탐지, 관제 효율성 감소 등의 문제점이 발생하고 있다. 이런 문제점을 해결할 수 있는 방안으로 CCTV의 영상을 자동으로 분석해 중요 영상 이벤트를 선별해 알려주는 지능형 영상관제가 주목을 받으며, 많은 통합관제센터에 접목되고 있다. 그렇다면, 지능형 영상관제는 기존 영상관제에 비해 어떤 강점을 가지고 있을까? 지능형 영상관제 솔루션을 선보이고 있는 효성인포메이션시스템 DATA 사업팀 이호상 과장을 만나 이에 대한 답을 들어봤다.
Q. 기존 영상관제 시스템의 문제점은 무엇이며, 이로 인해 어떤 피해가 발생 하고 있는가?
국내 지자체의 통합관제센터 구축은 대부분 마무리되어 가면서 지난해 기준으로 224개의 통합관제센터가 개소했으며, 전국에는 약 100만 대 이상의 CCTV 카메라를 설치해 운영하고 있는 것으로 파악되고 있다. 산술적으로 계산했을 때 1개 지자체에서 약 4500여 대의 카메라를 운영하고 있다고 분석된다. 그러나, 많은 CCTV 대수에 비해 영상을 모니터링하는 통합관제센터의 관제사 수는 부족한 상황이다. 통합관제센터에서 모니터링 하는 관제요원은 약 10명 정도이며, 3개조로 구성해 주ㆍ야간 교대 근무를 하고 있다.
CCTV 대수의 증가 대비 관제센터의 확장이나 관제요원의 증가는 현실적으로 어려워 관제요원 한 명이 약 450대 이상의 CCTV를 모니터링 하고 있다. 많은 CCTV 대수로 인해 관제사가 중요한 영상 이벤트를 놓치는 문제가 발생하고 있다. 또한, 기본적으로 16개의 분할화면과 순환방식을 사용하는 관제시스템은 최초 화면과 마지막 화면 사이에 1분 이상의 공백이 발생한다. 이 공백 시간을 관제사가 모니터링 하지 못 하는 문제도 발생하고 있다. 이처럼 통합관제센터는 관제요원만으로 운영하는 데 한계가 있어, 이를 극복하기 위해 영상을 자동 분석해 정보를 제공하는 지능형 영상관제에 대한 필요성이 높아지고 있다.
Q. 지능형 영상관제의 주요 특징은 무엇이며, 기존 영상관제 시스템과 어떤 차이점이 있는가?
지능형 영상관제는 시스템을 통해 영상을 실시간으로 분석하고 필요로 하는 이벤트를 생성하기 때문에 관제사가 모니터링 할 수 없는 상황에도 관제 프로세싱을 유지할 수 있다. 또한, 발생 가능한 여러 이벤트들을 자동 분석해 관제요원들의 효과적인 모니터링을 지원하는 고도화된 영상관제 서비스를 제공한다.
기존 영상분석 시스템은 모션을 인식해 변화된 부분을 처리하기 때문에 사람과 사물 등의 불필요한 움직임을 영상 이벤트로 파악하고 제공해 오탐율이 높았다. 지능형 영상관제는 인공지능 기반 딥러닝 기술을 통한 객체 패턴 분석이 가능해 불필요한 움직임을 배제하고 배경에서 변화된 부분만 파악해서 선별된 영상 이벤트를 관제사에 제공하기 때문에 오탐율을 낮출 수 있다.
Q. 글로벌 지능형 영상관제의 도입 현황과 국내 도입 현황은 어떠한가?
영상관제는 오래된 기술 트렌드 중 하나로, 국내에서는 영상 분석을 통한 보안에 초점이 맞춰져 있는 반면 글로벌 시장에서는 이를 마케팅 등 다양한 분야로 확장하여 활용하고 있다. 스마트팩토리, 스마트스테이션, 스마트 팜 등 스마트시티 사업을 통해 지능형 영상관제의 도입이 확장되고 있는 추세다.
미국의 경우 911 테러를 계기로 뉴욕 시 전역에 CCTV 대수를 늘렸다. 또한, 차량번호 인식 시스템과 자체 개발한 분석 시스템을 통해 의심스러운 물체나 행동, 감시 대상자와 차량 등이 인지되면 유관기관에게 알려 줄 수 있는 시스템을 구축했다. 영국은 CCTV의 나라라고 할 정도로 수많은 CCTV가 설치돼 있고, 테러와 난민 유입 등으로 인한 도난 사건들의 감시를 위해 CCTV를 활용하고 있다.
체코는 유럽 내 테러 위협에 따른 보안 강화를 위해 CCTV를 설치하고 차량번호 인식을 통한 주차시스템을 도입해 지능형 영상관제를 활용하고 있다. 중국의 경우 보안감시 제품시장이 지속해서 증가하고 있으며, 특히 하드웨어부터 지능형 솔루션까지 중국 정부가 직접 투자를 하며 기술 강화를 위해 노력하고 있다.
Q. 지능형 영상관제가 가진 문제점 혹은 해결해야할 것은 무엇이라고 생각하는가?
기존 영상관제 시스템의 경우 지정된 이벤트에 따라 가능성이 있는 모든 상황에 대해 알람을 하게 설정돼 있다. 즉, 너무 많은 알람 횟수에 따른 불편함의 문제가 발생하고 있는 것이다. 이를 해결하기 위해 지능형 영상관제가 적용됐지만, 지능형의 경우 기존 시스템에 비해 하드웨어 리소스를 많이 사 용한다는 문제점이 있다.
따라서 현시점에서 기존 영상관제 시스템을 통한 1차 분석 이후, 딥러닝 기술을 활용해 2차 분석하는 것이 가장 효율적인 방안으로 여겨진다. 또한, ‘스케쥴링’을 통해 복잡한 도심지역은 관제요원이 모니터링 하고, 사람이 많지 않은 장소, 야간 등의 위험 시간대에는 딥러닝을 통한 지능형 영상관제 분석을 통해 효율성을 높이는 방안도 있다.
앞으로 지능형 영상관제의 고도화된 활용을 위해서는 하드웨어의 퍼포먼스 문제에 대한 해결이 필요하다. 4500만 대의 CCTV를 모두 분석하기 위해서는 서버 1대당 200~400채널 이상을 운영해야 하지만, 현실적으로는 서버 1대당 20-25개의 채널만 분석되고 있는 상황이다. 이를 극복하기 위해 영상 용량을 재조정하면 더 많은 수의 영상을 분석할 수 있지만 그만큼 분석 정확도가 현저히 떨어진다. 이 문제는 향후 CPU와 GPU 등 하드웨어 기술력의 발전에 따라 점차 해결될 수 있을 것으로 기대한다.
