보안업체들은 감시카메라의 방대한 영상을 모두 확인할 수 없다는 한계가 있음. Horizon 2020의 지원을 받아 진행된 SURVANT 프로젝트는 감시카메라 영상 분석을 통해 범죄 패턴을 분석하고 예측할 수 있는 시스템 개발에 성공함.
전세계의 보안업체들은 공공시설 및 사람들을 보호 또는 감시하기 위해 감시카메라의 사용량을 늘리는 추세임. 하지만 막대한 녹화영상의 양을 보안팀이 분석하는 데 한계가 있음.
효율적인 범죄 예방을 위해서는 자동감시시스템의 분석기능 향상이 요구됨. 많은 기관들이 수집한 영상들을 분석할 수 있는 방법을 개발하기 위해 대규모의 투자를 하고 있음. SURVANT 연구팀은 이런 문제를 해결하기 위해 연구를 진행하였음.
SURVANT 연구팀은 수집된 영상의 막대한 양으을 해결하기 위해 시스템 확장성 문제를 연구하였음. SURVNT 시스템은 각 카메라의 영상들 중에서 관련이 있는 영상들을 추출하여 분석할 수 있음. 이 시스템은 감시관들이 막대한 양의 영상들 중에서 효과적으로 범죄 요소를 찾을 수 있도록 도와주는 역할을 함.
SURVANT 시스템은 심층 학습 알고리즘을 사용하여 움직임이나 정지상태 등을 분석할 수 있음. 이 심층 학습 알고리즘은 카메라 간 추적 데이터에서 속도와 정확성 사이의 균형을 통해 반복적인 사건이나 위험한 사건들을 발견할 수 있음. 또한 여러 가지 정보들의 혼합을 통해 특정 인물이나 몇몇 대상들을 추적할 수 있음.
SURVANT 시스템은 범죄 수사와 관련된 대상 목록을 시간 및 장소 정보와 함께 추출할 수 있음. 예를 들어 빨간색 바지를 입은 사람과 같은 외모의 특성을 파악하거나 걷거나 뛰는 사람과 같은 특정 행동에 대해 탐지할 수 있음. 이러한 기능을 통해 공공시설에의 낙서, 싸움, 소매치기와 같은 정해진 패턴의 범죄들은 자동적으로 발견될 수 있음.
SURVANT 시스템에 사용된 추론 프레임워크는 가설 기반 수사와 같은 높은 수준의 사건을 해결하기위해 수집된 모든 정보를 활용함. 추론 프레임워크는 범죄의 발전 단계를 예측하거나 추적하기 위해 시간과 공간을 고려한 전체 시나리오를 마련하고 서술식으로 사건을 재구성할 수 있음.
SURVANT는 직관적인 인터페이스로 구성되어 있어 사용자가 몇 시간 정도의 교육을 통해 원하는 동영상을 검색하고 고급 시각화 도구로 생성된 결과를 확인할 수 있음. 사용자는 특정 장소나 시간을 설정하고 어떤 외모적 특성을 가지고 있거나 특정 행동을 보이는 사람을 찾을 수 있음.
SURVANT는 EU가 공동 투자한 ADVISE 프로젝트의 후속 프로젝트로 최적화된 환경에서 최종 시스템 점검을 진행하였음. 프로젝트 기간 동안 연구팀은 영상 분석 및 분류에 대한 연구를 진행하였음. 또한 가능한 법률적, 윤리적 문제들을 조사하여 사생활과 개인정보 보호에 최적화된 시스템을 구현하기 위한 연구를 진행하였으며, 그 결과를 시스템에 반영하였음.
SURVANT 프로젝트의 연구책임을 맡고 있는 귀스페 벨라(Giusppe Vella) 박사는 SURVANT 시스템은 개인정보의 불균형적 사용을 방지하고 관련된 유럽의 법률 등에 따라 인권을 존중하는 자동화 비디오 분석을 제공한다며, 연구팀은 이런 프로젝트의 성과에 대해 자부심을 가지고 있다고 밝힘.
출처: CORDIS
