목표

프로젝트의 핵심 목표는 치매노인 등 대상자의 외형적 특징(의상, 색상, 가방, 보행 형태 등)을 기반으로 한 자동 식별과 실시간 경로 추적이었습니다.
이를 통해 실종자 발생 시 수색 시간을 단축하고 실시간으로 이동경로를 파악하여 골든타임 내 발견 가능성을 극대화하는 것을 주요 과제로 설정했습니다.

개발범위

본 시스템은 Philo-FOCUS의 딥러닝 기반 객체 인식 및 이상행동 감지 기술을 중심으로 구축되었습니다.

특정 동작을 학습하는 YOWO(You Only Watch Once) 신경망 구조와 3D·2D CNN 결합 모델을 적용하여 실시간 스트리밍 영상에서 인물의 움직임과 행동 패턴을 인식할 수 있도록 했습니다. 또한, 비지도 학습 기반의 불특정 이상행동 감지 기술을 적용해 기존에 정의되지 않은 행동까지 감지할 수 있게 하였으며 이벤트 발생 시, 실시간 알림을 제공합니다.

기대효과

AI 기반 객체 인식 및 이동경로 추적을 통해, 치매노인 등 보호 대상자에 대한 실시간 대응 체계를 구축할 수 있었습니다. 영상 내 인물의 속성(성별, 의상 색상, 가방 유무, 머리 모양 등)을 기반으로 한 속성검색을 통해 수색 효율 향상을 기대할 수 있었습니다.

또한, 실시간 이벤트 알림을 통해 이상행동(배회, 쓰러짐, 침입 등)을 즉시 탐지할 수 있어 시민 체감 안전도 향상에 기여했습니다. KISA 지능형 CCTV 인증시험에서도 94.8%의 평균 검출 정확도를 기록하며 국가 공공안전 AI 모델로의 기술 신뢰성을 입증했습니다.

배경

기존의 CCTV 관제는 인력에 의존해 수백 개의 화면을 동시에 모니터링해야 하는 구조로, 이상 상황을 실시간으로 식별하기 어려웠습니다.

특히 치매노인 실종 사례의 경우, 초기 대응이 늦어질수록 발견 확률이 급격히 낮아지는 문제가 지속적으로 제기되었습니다.

솔루션

Philo-FOCUS는 딥러닝 기반 영상 인식 및 이상행동 분석 솔루션으로 사람의 동작 · 형태 · 행동 패턴을 학습해 미리 정의되지 않은 이상행동까지 탐지할 수 있습니다. 또한, 객체의 속성 인식과 이미지 기반 재인식 기술을 결합해 대상자의 이동경로를 연속적으로 추적하며 이상행동 감지 시, 실시간 이벤트 알림을 제공해 즉각적인 대응이 가능합니다.