목표

본 프로젝트의 주요 목표는 다수의 CCTV가 설치된 공항 환경에서 이상행동을 신속히 인지하고 특정인물 또는 다수 인원의 이동 및 행위 패턴을 연속적으로 추적함으로써 보안 사고나 테러 위협을 조기에 탐지하는 것이었습니다.

개발범위

본 시스템은 Philo-FOCUS의 딥러닝 기반 이상행동 감지 및 객체 추적 기술을 중심으로 구축되었습니다. 다중카메라에서 추출한 특징 정보를 통합하여 특정 및 불특정 이상행위를 동시에 탐지할 수 있는 알고리즘을 적용했습니다. 또한, 추론 기능을 통해 복수의 이벤트가 동시에 발생할 경우 그 상관관계를 분석하고 안면인식 모듈과 연계하여 대상자 식별과 경로 추적이 가능하도록 설계했습니다. 시스템은 특정 공간 단위의 학습 기능을 통해 환경 변화에 맞춰 이상행동 인식 정확도를 지속적으로 개선하며 관리자의 피드백 데이터를 기반으로 스스로 학습할 수 있는 구조로 개발되었습니다.

기대효과

실시간으로 다양한 이상행동을 탐지하고 특정인물을 식별·추적함으로써 보안 대응 시간 단축과 관제 인력 부담 경감이 가능해졌으며 다중카메라 연속 추적 기능을 통해 인원 흐름 및 이동경로 분석이 강화되어 출입국 관리 및 보안 위협 탐지의 정확성 향상을 기대해볼 수 있습니다.  

배경

인천국제공항은 하루 수십만 명이 오가는 복잡한 공간으로 출입국 통로와 대합실 등에서 다양한 유형의 이상행동이 동시에 발생할 수 있는 환경입니다. 기존 관제 체계는 대규모 CCTV를 인력 중심으로 모니터링해야 했기 때문에 복수의 이벤트를 실시간으로 탐지하고 분석하는 데 한계가 있었습니다. 이러한 문제를 해결하기 위해 인천공항은 다중카메라 기반의 이상행동 감지와 추론 기능을 갖춘 AI 영상분석 시스템을 도입하여 관제 효율을 높이고 보안 대응 속도를 향상시키고자 했습니다.

솔루션

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

다중카메라로부터 추출된 특징을 통합하여 특정·불특정 이상행위를 동시 감지할 수 있으며 추론 기능을 통해 5개 이상의 이벤트가 동시에 발생하는 상황을 분석하고 상관관계를 파악할 수 있도록 설계되었습니다. 또한 안면인식 모듈과 연계해 대상자 식별이 가능하며 관리자의 피드백 정보를 학습 데이터로 반영하여 시스템이 지속적으로 고도화되도록 했습니다.