보안요원이 아무리 헌신적이고 훈련이 잘 된 사람이라 할지라도 근무를 시작한지 한 시간이 경과하면 집중력은 떨어질 수밖에 없다. 이런 문제를 해결하고 보안요원의 주의집중력을 높이기 위해 지금까지 여러 가지 방법들이 동원되어 왔다. 최근에는 보안요원의 집중력을 높이는데 도움이 되는 자동화 솔루션이 대세라고 할 수 있다.

사건 기반 녹화의 개발

영상보안 시스템 제조업체는 더욱 효과적으로 이벤트에 동작할 수 있도록 특정 사건에 주의를 기울이고 집중할 수 있는 다양한 전략을 개발해왔다. 일반적으로 이들 전략은 사건을 언제 녹화하고 관찰할 것인지 결정한 다음 녹화물을 재생하면서 이미지를 탐색하는 방법에 기반을 두고 있다. 그 중 다음 3가지 영역에서 커다란 발전을 이루었다.

▲시간 경과 VCR(Time-lapse VCR)

1세대 기술은 동작인식 센서에 따라 작동하는 VCR이었다. 그러나 이 방법으로는 기초적인 필터링만 가능했다. 녹화물 분량이 길어 보안요원이 지속적으로 관찰해야 하는 등 불편함이 따랐다. 보안요원은 경보가 잘못 작동되어 생성된 막대한 분량의 비디오 녹화물을 지켜봐야만 했다. 또 사람의 힘으로 그처럼 많은 분량의 비디오 녹화물을 찾아본다는 것은 피곤한 일이며, 작업시간 역시 많이 들었다.

▲DVR(Digital Video Recorder)

DVR의 하드디스크에 녹화함으로써 비디오테이프에 녹화하는 것보다 녹화물에 대한 접근성이 향상되었다. 사건 탐색과 같은 고급 기능이 보완되었고, 사건에 무작위로 접근할 수 있는 능력 때문에 주의할 만한 사건을 찾는데 필요한 시간과 노력을 감소시킬 수 있었다. 또한, 보다 많은 프레임을 이용하여 동작기반 녹화와 같은 성능도 개선되었다. 그러나 DVR 역시 잘못된 경보가 너무 많다는 문제에서 크게 벗어나지는 못했다.

▲네트워크 비디오 모니터링 시스템

보안 시스템의 신호 및 제어 부분은 IP 기반 컴포넌트가 사용되면서 모두 디지털화됐다. 이 시스템에서는 레코더가 아닌 고성능 프로세서가 장착된 카메라가 디지털화 작업을 담당한다. 레코더 기능은 디지털화한 데이터를 관리하고 필터링하는 것으로 변화되었다.

센서로써의 카메라 이미지

비디오 시스템은 잘못된 경보를 줄일 수 있는 사건 기반 녹화전략을 구현하고자 다양한 종류의 센서 기술을 채용하였다. 보통 적외선 센서, 인간 관찰자, 도어에 연결된 출입통제 시스템과 결합한 CCTV 시스템 등의 물리적 센서들이 녹화 및 모니터링 작업을 유발하는데 이용되었다. 또한, 과거 5년 동안에는 DVR 및 카메라를 기반으로 한 모션 디텍션 기능이 녹화방법으로 선호되었다.

비디오 동작인식 기법을 사용하면 매우 많은 장점이 있다. 물리적 센서가 필요 없어서 보다 단순하면서도 저렴한 시스템을 만들 수 있는 것은 물론 물리적 장비는 커버할 수 있는 범위가 제한적인데 비해 비디오 동작인식은 카메라 프레임 전체를 커버할 수 있다는 등의 장점이 있다. 이처럼 사건 기반 녹화기법은 이미지 기반 탐지전략의 발전과 함께 계속 개량되고 발전될 것이다.

지능형 영상분석 기법의 장점

▲사용자의 주의력과 보안 시스템 설계

IP 기반 시스템을 사용한다 할지라도 사람의 실수로 놓치는 사건들은 해결되지 않는 문제로 남을 수밖에 없다. 이 문제의 근본적인 원인은 주의집중에 대한 시스템의 비정상적인 요구 때문이다. 잘못된 경보가 빈발하는 가운데 여러 개의 모니터를 동시에 모니터링 하는 것은 숙련된 보안요원도 대응하기 어려울 정도로 많은 처리능력이 필요한 일이다.

과학적 조사에 따르면 카메라 9대를 모니터링 할 때는 숙련된 오퍼레이터라 해도 탐지능력이 50%나 떨어진다. 이러한 오퍼레이터의 주의력 한계를 고려하지 않고 보안 시스템을 만든다면 문제가 많은 시스템이 될 수밖에 없다. 예를 들어 감시능력을 향상시키고자 카메라 수를 늘리면 감시능력 하락이라는 정반대의 효과를 얻을 수 있다는 것이다. 현재의 동작인식 분석기술은 언제 이미지를 봐야 하고, 이미지의 어디를 봐야 하는지 알려줄 수 있지만 특정 행동을 인식할 수는 없다.

지능형 영상분석기법이 사용되면, 설치과정에서 의도된 개별 카메라의 역할별로 특화된 조건에 따라 경보가 발생할 수 있도록 시스템을 조절할 수 있다. 이 덕분에 시스템 설계자는 특성화된 상태로 시스템을 설치할 수 있음은 물론이다. 각 카메라는 다양한 사건에 대하여 다양한 종류의 경보를 발생시킬 수 있으며, 오퍼레이터는 경보의 종류에 맞춰 적절한 행동을 취할 수도 있다. 이와 같은 시스템이라면, 고도의 필터링 능력으로 운영자가 효과적으로 주의를 집중할 수 있을 것이다.

운영자들은 스크린 여러 개를 동시에 관찰할 필요 없이 선택된 이미지 하나만 주의 깊게 살피면 된다. 운영자가 지능형 비디오 분석기법을 사용하면 보다 효율적으로 주의를 집중하게 되어 사건을 보다 정확도 높게 관찰할 수 있으며, 사건에 대한 반응시간을 줄일 수 있다. 결과적으로 운영자의 수는 그대로이지만 시스템의 전반적인 효율성은 향상되는 것이다.

▲빠른 탐색

보안 시스템에 캡처된 정보에 접근하는 주된 방법은 녹화된 결과물에서 원하는 사건을 탐색하는 것이다. 그러나 이 작업은 매우 어려우며, 시간 역시 오래 걸린다. 중요한 이미지를 찾으려고 녹화물을 재생하는 일은 매우 피곤한 작업이며, 많은 시간이 필요하다. 그러나 지능형 처리방법을 사용하면 물체의 크기, 위치, 속도, 방향과 같은 특정 인자 또는 이러한 인자들의 조합을 탐색해 필터링 성능을 향상시킬 수 있다.

이를 통해 작업 흐름이 개선되면 보안 시스템의 전반적인 효율성이 향상된다. 특정 사건에 대한 탐색 시간이 줄어 오퍼레이터는 진행 중인 사건을 관찰하는 데 보다 많은 시간을 할애할 수 있다.

▲효율적인 녹화로 저장공간 관리 개선

현재 동작 기반 녹화 방법에는 저장공간이 비효율적으로 사용된다. 녹화된 전체 정보 중 정말 중요한 정보는 극히 일부에 지나지 않는다. 이런 비효율 현상을 개선하기 위하여 DVR은 대부분 화질을 조금 낮춤으로써 저장공간을 확보한다. 그러나 지능형 비디오 분석 기법에 기반을 둔 녹화방법을 이용하면 중요 정보에만 집중할 수 있다. 기존 DVR 시스템과 비교해 보았을 때, 지능형 비디오 분석기법에 바탕을 둔 방법은 화질을 향상시킴과 동시에 저장공간의 낭비도 줄일 수 있다.

현재의 영상분석 기법

▲후위 집중식(Back-end) 통합 이미지 분석 기법의 문제점

과거 몇 년 동안, 사건의 감시 및 녹화는 센서를 사용해 이미지 처리하는 기술이 주목을 받았다. 이 접근법의 첨단을 달리는 회사들은 집중화된 프로세서들을 이용한 새로운 분석능력을 개발했다. 하지만 아날로그 카메라와 DVR 간에 집중화된 처리기능을 둠으로써 수많은 문제점과 성능상의 병목현상이 초래되었다.

▲중앙화된 후위 집중식(Back-end) 처리방식에 내재한 문제점

1)고비용

영상분석 전용 프로세서를 사용하면 제품의 가격도 올라간다. 중앙 집중식 처리기법은 고급 이미지 분석기법이 요구하는 처리능력을 맞추도록 고성능, 고가의 프로세서가 필요하다. 단일 비디오 처리 유닛의 가격 역시 상대적으로 높다. 또한, 처리능력이 제한되어 시스템을 확장하는 경우 비디오 처리 유닛의 요구 수가 빠르게 증가한다. 각각의 처리 유닛은 매우 제한된 숫자의 카메라만을 지원할 수 있다.

2)녹화 후 탐색의 한계

지능형 이미지 제품은 대부분 실시간 모니터링이 가능하도록 설계되었다. 저장된 이미지를 실시간으로 탐색하려면 역시 고가의 고성능 프로세서들이 필요하다. 그러나 이는 자동화된 탐색이 실시간 재생을 위한 시간보다 빠르지 않다는 것을 의미한다. 이 때문에 실시간 모니터링과 비교했을 때, 녹화된 아카이브를 탐색하는 과정에서 시간이 절약되지 않는다. 결과적으로 매우 짧은 시간 동안 많은 카메라의 녹화결과를 탐색하겠다는 목표를 달성하지 못한다.

<글 : 이 석 현 | 소니코리아 비디오시큐리티 세일즈마케팅 매니저(shlee@sony.co.kr)>

[월간 씨큐리티 월드 통권 제143호 (info@boannews.com)]

<저작권자: 보안뉴스(www.boannews.com) 무전재-재배포금지>