loading...

지능형 비디오영상에서의 인간행동 이해와 산업 활용사례

지능형 비디오영상에서의 인간행동(People Behavior) 이해와 산업 활용사례

기업용 비디오 현황

많은 기업이 영상 감시를 위해 많은 CCTV 카메라를 설치합니다. 2016년 기준 전세계적으로 약 3억 5천만대의 감시카메라가 설치된 것으로 추정됩니다. 이러한 카메라에서 방대한 양의 데이터가 실시간으로 생성되고 있는데 일반적으로 보안 담당자가 영상을 보고 범죄자, 수상한 행동 또는 안전 관련 행동 들을 감시합니다. 하지만 현재의 이러한 방식에는 많은 문제점들이 있습니다.

1. 수작업으로 이루어지는 모니터링은 비용이 많이 들고 인적 오류 (human error)에 취약합니다. 1999년 연구 (Green)에 따르면 20분이 지나면 비디오 장면을 보고 있는 감시관은 발생하는 전체 행동의 95%를 놓친다고 합니다.
2. 생산되는 대량의 영상 데이터는 중대한 정보의 소실을 막기 위해 원본 형태로 저장됩니다. 이를 위해서는 스토리지와 영상 관리 인프라에 대한 막대한 투자가 필요하게 되고, 고화질 영상의 증가와 더불어 스토리지 인프라에 대한 요구 또한 지속적으로 상승하는 추세입니다.
3. 서베일런스 분야의 영상 데이터는 수사 또는 법적 소송이 진행되는 동안 의심되는 행동에 대한 증거를 찾을 목적으로 주로 사후 분석에 사용됩니다. 실시간으로 어떠한 조치를 취하기 위해 사용하는 것은 일반적이지 않습니다.

딥러닝 적용을 통한 영상에서의 인간 행동 이해

딥러닝은 인간의 뇌가 작동하는 방식을 기반으로 한 머신 러닝의 종류입니다. 컴퓨팅 용량과 대용량 데이터세트의 폭발적인 증가로 딥러닝은 이미지, 테스트, 음성 및 영상과 같은 비정형 데이터에서의 패턴을 찾는데 있어 매우 강력한 역량을 보여주었습니다. 딥러닝은 많은 사례에서 인간의 정확도를 능가하는 높은 정확도를 보여준 이후 기존의 컴퓨터 비전과 자연어처리 기술을 빠른 속도로 대체하고 있습니다.

딥러닝 모델은 특정 아키텍처 내 서로 연결되어 있는 여러 층의 신경세포로 구성된 심층 신경망 (deep neural network)을 활용하여 만들어집니다. 딥러닝 네트워크는 (deep learning network) 사용자가 학습하기를 희망하는 (예: 고양이, 개, 얼굴) 데이터 예시를 입력함으로써 훈련을 거치게 됩니다. 네트워크의 각 층은 각기 다른 종류의 패턴을 학습하게 됩니다. 가령 첫 번째 층은 윤곽선 (Edge)를 찾고, 두 번째 층은 객체 부분을 찾고, 다음 층은 객체를 찾는 방식을 통해 망의 더 높은 층은 훈련 데이터 세트와 관련된 점점 더 복잡해 지는 패턴의 조합을 학습하게 됩니다.

여러 개의 심층 신경망 아키텍처가 있고, 각각의 아키텍처는 망에서 신경세포를 연결하는 각기 다른 구조를 가지게 됩니다. 합성곱 신경망 (CNNs : Convolutional neural networks) 은 이미지 이해를 위해 일반적으로 쓰이는 딥러닝 아키텍처입니다. 순환 신경망 (RNNs : Recurrent Neural Networks)과 좀 더 구체적으로 장단기 기억 네트워크 (LSTMs : Long short term memory networks)는 순차적 데이터에서의 패턴 이해를 위해 널리 사용되는 아키텍처입니다. 영상 데이터의 경우 CNN와 LSTMs을 같이 같이 사용함으로써 각각의 프레임에서의 공간적 패턴 뿐만 아니라 프레임 시퀀스에서 시간적 패턴을 추출할 수 도 있습니다.

딥러닝을 영상 감시 데이터에서 행동 패턴을 찾기 위한 목적으로 적용하면 어떻게 될까요? 딥러닝을 활용해 영상 감시데이터 에서 행동패턴을 찾는 방식의 적용효과는 아래와 같이 다양합니다.

1. 영상에서 곧바로 행동 패턴을 자동 식별함으로써 영상을 수동적인 방식으로 모니터링 할 필요성이 줄어들고, 그로 인해 비용이 줄어들 뿐만 아니라 인력 오류 발생 가능성도 제거됩니다.
2. 유의미한 행동만이 담긴 선별적 영상만을 저장하고 관리함으로써 스토리지 인프라에 대한 니즈가 크게 줄어듭니다..
3. 실시간 행동 파악을 통해 빠른 대응이 가능합니다.
4. 행동 시퀀스에서 추가적인 패턴을 추출함으로써 결과 예측이나 규정 준수를 보장합니다.
5. 딥러닝 기술은 영상 데이터를 지속적으로 학습함으로써 행동과 관련된 좀 더 세부적인 내용을 구분할 수 있게 됩니다.

기업용 행동 인식

삼성 SDS는 영상에서 행동을 이해하기 위한 딥러닝 기술을 활용한 선도적인 기업용 플랫폼을 개발하였습니다.

영상데이터에서 직접 자동적으로 행동을 이해함으로써 다양한 산업에서 높은 비즈니스 가치를 가진 다양한 활용사례를 만들 수 있다. 아래는 활용사례의 예시입니다:

공공분야:

  • 감시 카메라 기반 자동 모니터링을 통한 폭력행위 및 범죄행위 발견 (싸움, 도난, 마약 거래 등)
  • 의심스런 행위 감지를 통한 위해 사건 (adverse event) 예측과 예방
  • 실시간 안전 관련 행동 식별을 통한 더욱 신속한 대응

리테일 분야:

  • 고객의 행동을 기반으로 고객의 의도를 파악함으로써 고객응대 (clienteling) 개선 및 고객 경험 맞춤화 (예: 고객이 도움이 필요할 경우, 아이쇼핑을 하는 경우, 제품에 대해 큰 관심을 보이는 경우 등)
  • 판매원과 고객간의 상호작용을 인지하고 고객 만족도를 예측함으로써 고객 서비스를 개선
  • 감시 카메라 기반 자동 모니터링을 통한 보안 관련 이상 행동 (anomalous behavior) 감지 (들치기, 소매치기, 강도 등)

헬스케어 분야:

  • 병원 직원의 행동을 분석함으로써 절차 준수 여부 판단
  • 환자의 건강상태 관련 어떠한 변화나 비상 사태 감지를 통해 신속한 대응 및 환자 회복 촉진

제조분야:

  • 공장 작업자의 활동 분석을 통한 절차 준수 보장
  • 다른 결과를 초래할 수 있는 (예: 통과 또는 실패) 패턴을 식별함으로써 품질관리 개선
  • 활동 모니터링과 반복적으로 행해지는 활동이 안전한 방식으로 시행되는지 여부를 모니터링 함으로써 임직원의 건강과 안전을 개선
  • 조립라인에서 행해지는 활동의 시퀀스에 대한 분석을 통해 생산량 제고 방안 마련

삼성SDS의 기업용 지능형 영상 플랫폼은 최첨단 딥러닝 기술을 활용한 다양한 기업용 행동인식 활용사례를 실현합니다. 기업이 비즈니스 내 보유한 영상 데이터로부터 엄청난 가치를 창출할 수 있도록 지원하는 것이며, 고객이 SDS 기술을 적용할 수 있도록 고객과 긴밀하게 협력하기를 희망합니다. 이 플랫폼에 대해 더 알고 싶을 경우 bd.sdsa@samsung.com 로 문의 주세요.



▶   해당 콘텐츠는 저작권법에 의하여 보호받는 저작물로 기고자와 삼성SDS에 저작권이 있습니다.
▶   해당 콘텐츠는 사전 동의없이 2차 가공 및 영리적인 이용을 금하고 있습니다.

이 글이 좋으셨다면 구독&좋아요

여러분의 “구독”과 “좋아요”는
저자에게 큰 힘이 됩니다.

subscribe

구독하기

subscribe

공유하기