비디오 감시에서 가장 뜨거운 주제는 비디오 분석기다. 대부분의 보안 사건에서 비디오 분석기는 쇼를 알아차린다. 실수요자들은 비디오 분석기가 어떤 식으로 보다 효율적이고 효과적인 보안 프로그램 운영을 도울 수 있는지 알고 싶어한다. 통합업체들은 기존의 시스템을 업그레이드하고 보다 흥미로운 보안 설계를 이루기 위해 시장 기회를 엿본다. 비디오와 경보 관리 제조업체들은 자신들의 솔루션 내에서 혹은 서비스 제공의 일환으로 비디오 분석기 기능들을 선보인다. 수치는 거짓말을 하지 않는다. 비디오 내용 분석 소프트웨어 시장은 연간 62%의 성장률로 성장을 지속해왔다. IMS 리서치에 의하면, 지능형 비디오 판매 수익은 2007년에는 약 1억 5,000만 달러였고 2008년에는 2억 2,000만 달러, 2009년에는 3억 9,000만 달러에 도달할 전망이다.

비디오 분석기는 오경보나 복잡한 설치 환경 변화 등 비디오 감시 관련 문제들을 이겨내고 최신 경향의 하나로 자리를 굳혔다. 그러나 우리는 다음과 같은 문제를 제기하게 된다. “지능형 비디오가 지금보다 훨씬 더 스마트해질 수 있을까?”

비디오 분석기 시스템  

비디오 분석기 시스템은 운영자가 설정한 변수들에 근거하여 수많은 비디오 채널들에 대한 자동화된 감시 기능을 제공한다. 그러나 컴퓨터가 ‘본다는 것’은 실제적으로는 화면상에 있는 개별 픽셀들을 점검한다는 의미이고(디지털 화면의 가장 작은 구성요소까지도 본다는 의미), 그 화면들을 처리하고 패턴 인식 엔진에 기초하여 비디오 내용에 대해 결론을 도출한다는 의미이다. 사실상 일반적인 비디오 분석기 시스템은 탐지의 성능과 화질을 보장하는 몇 가지의 주요한 구성 부분들을 가지고 있다.

주요 구성 요소

• 이미지 안정화 : 이것은 미세한 이미지 화면을 제거함으로써 화면을 정화하는 능력을 의미한다.
• 배경 모델화와 현장 학습 : 나부끼는 나뭇잎이 있는 나무, 물의 움직임 같은 재생 현장에서의 불필요한 대상들의 제거
• 현장 식별
• 대상 추출 : 대상으로서의 이미지에서 픽셀 변화 패턴을 해석 하고 배경에서 불필요한 대상 제거
• 대상 분류 : 이 분류 기능을 통해 두 개의 대상이 겹치더라도 화면에서 대상, 물체들을 분리한다.
• 규칙 엔진 : 이것은 운영자가 결정한 것에 대해 시스템에 일련의 지시를 내린다. 그리고 경보음을 구성한다.
• 오경보 제거 툴

능력

이 구성 요소들은 비디오 분석기 시스템으로 하여금 카메라에서 어떤 것이 일반적인 화면이고 어떤 것이 반복적인 동작(흔들리는 나뭇잎이나 물결 같은 것들)으로 불필요한 대상인지 알 수 있도록 해 준다. 그런 후에 이것은 시스템으로 하여금 현장에서 움직이는 물체들을 식별하여 운영자가 설정한 규칙과 그 패턴을 비교한다. 일단 시스템이 그 물체가 실제적인 위협이고 규칙을 위반한 것이라고 판단하면, 시스템은 비디오 화면을 운영자에게 재생하여 침입자 주변에 박스 처리를 해서 시각적으로 구별할 수 있는 단서를 제공하고, 움직임 방향을 지적하는 선을 그어준다. 많은 비디오 분석기 시스템은 현재 로직을 사용하여 일정한 규칙에 다양한 개별 규칙을 연결할 수 있는 기능을 가지고 있다. 이를 통해 최종 사용자는 추가적인 규칙을 확보하여 특정한 환경에 맞게 조율할 수 있다.

비디오 분석기 다음은 무엇일까?

원치 않는 사건을 필터링하고 탐지하는 이 인공 지능을 능가할만한 것이 있을까? 자동화된 설치와 비디오 현장에서 변화에 민감하게 반응하는 방향으로 비디오 분석기 학습 기능을 강화하기 위해 새로운 기술들이 개발 중에 있다. 의심의 여지가 없는 사실은 우리는 미래에 단순한 분석기에서 벗어나 보다 정교한 기계 학습 기술들을 보게 될 것이라는 점이다. 하지만 아직까지 비디오 분석기의 학습 기능은 초기 단계일 뿐이다. “오늘날 이용 가능한 것에 비해 거의 오경보가 없는 자기학습 시스템을 구축하기 위해서는 몇 가지 다른 기술들의 통합, 거대한 데이터 라이브러리, 현장 분석 시간이 필요하다”고 Mate Intelligent Video의 부사장인 Dan Raudnitz 씨는 말한다.

그러나 이 미래의 일부는 이미 MATE’s SceneSwitch 기술과 같은 기능들에서 사용 중에 있다. 이 기술은 단일한 비디오 피드에서 다양한 현장 화면들을 학습하고 기억하여 그 각각에 맞는 규칙을 자동 인식하고 적용하는 시스템 능력을 제공한다. 분명한 것은 비디오 분석기 업체들은 차세대 비디오 분석기 시스템을 위해서 자동화된 기계 학습 능력을 더욱 개발할 것이라는 점이다.

정보 처리 상호 운영

전체적인 보안 시스템에 분석기는 어떤 식으로 적용될까? 초기의 분석기 시스템은 감시와 경보 관리를 위한 독립형 구성요소로 설계되었다. 일부 시스템들은 비디오 분석기에서 일반적인 경보관리 플랫폼으로 진화하기까지 했지만 대부분은 여전히 자신만의 고유한 특별 프로그래밍과 경보관리 사용자 인터페이스를 가지고 있다. ID 시스템, DVR, 그리고 다른 하부 시스템에서 우리가 보았듯이 비디오 분석기 기능은 다양한 형태의 물리적 보안 정보 관리 플랫폼(PSIM)과 결합하고 함께 소비된다. 통합에 대한 접근은 텍스트에 기초한 경보와 비디오 북마크의 단순한 재현에서부터 완벽한 재현, PSIM 시스템 내에서 분석기 환경의 컨트롤과 프로그래밍까지 실로 다양하다.

많은 경우 비디오 분석기 서버는 비디오 관리 시스템에 직접 통합되며 IP 비디오 피드를 수용한다. 표준형 전송 프로토콜의 많은 사용은 또한 카메라와 인코더 중심의 분석기로 하여금 분석적 경보 데이터와 데이터 추적으로 제3자의 시스템에 전송할 수 있게 해 준다. 이것은 최종 사용자들에게 비디오, 분석기 경보, 침입자 경보, 출입 통제를 위한 단일한 관리실을 배치할 수 있는 배경을 제공한다.

“소비자들은 카메라와 녹화 장비, 경보 관리 시스템, 운영자 훈련에 대해 자신들이 한 투자를 그대로 유지하기를 원한다”라고 Patrick Hart 씨는 말한다. 그는 MATE 인텔리전스 비디오의 비즈니스 개발 매니저이다. “중요한 것은 비디오 분석기 시스템이 이러한 기존 환경과 조화롭게 작동하면서도 최종 사용자들이 적용하기를 원하는 새로운 기술에 가교 역할을 하는 것이다.”

몇몇 기업체는 네트워크 화된 비디오 제품에 대한 세계적 표준을 추구하고 있다. 의심의 여지가 없는 사실은 이러한 노력들은 사용상의 편익을 증진하며 비디오 분석기 성능의 확산을 가져올 것이라는 점이다. 아마도 보다 중요한 것은 세계적인 표준은 분석기 제조업체들로 하여금 개별적인 녹화 관리 플랫폼으로 통합에 자원을 사용하기보다는 핵심 기술 진보에 초점을 맞추도록 할 것이라는 점이다.

비디오 분석기는 정확성 증대와 자가 학습 성능 강화로 인해 점점 더 스마트해지고 있다. 분석기 업체들은 성능을 개선하고 있고 저가의 비용으로 이용 가능한 보다 강력한 플랫폼을 활용하고 있다. 토폴로지 선택은 통합업체들이 자신들의 고객에 가장 맞는 것을 찾도록 이용 가능하다. 제 삼자 비디오 관리와 녹화 플랫폼을 겸비한 정보 처리 상호 운용이 추구되고 있다. 개방형 아키텍처 접근방식은 단일한 보안 관리를 가능하게 하고 있다. 비디오 분석기는 비디오와 경보 관리 기술의 주류로 들어왔으며 앞으로도 계속해서 그 자리를 유지할 것이 확실시된다. 

<글 : John Szczygiel, President, MATE Intelligent Video(www.mateusa.net)>

[월간 시큐리티월드 통권 제158호(info@boannews.com)]

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