.svg)
AI 솔루션 문의하기
연기는 불의 존재를 알리는 첫 번째 신호이며 인간이 감지할 수 있는 가장 빠른 증거입니다. 불이 타오르기 전에 이미 연기가 나타나고, 그 연기의 특성을 분석하면 화재의 성질과 진행 과정을 파악할 수 있습니다. 그러나 연기는 매우 복잡한 현상으로 같은 검은색 연기라도 목재가 타는 연기와 합성수지가 타는 연기는 완전히 다른 화학적 조성을 가집니다. 주방에서 나오는 조리 연기와 실제 화재 연기도 색상만으로는 눈으로 구분하기 어려우며, 습한 환경의 수증기까지 고려하면 판단이 더욱 복잡해집니다.
AI 연기 분석 소프트웨어는 이러한 복잡한 연기를 체계적으로 분석하면서 픽셀 단위의 색상 변화를 추적하고 영상의 미세한 움직임을 감지합니다. 연기가 어떻게 확산되는지, 시간에 따라 어떻게 변화하는지를 데이터로 변환하여 단순한 감지를 넘어서 연기 자체를 읽고 해석하는 기술을 제공합니다.
연기를 분석하기 위해서는 먼저 연기의 특성을 객관적으로 측정해야 하므로 AI 소프트웨어는 연기의 여러 속성을 독립적으로 분석하면서도 이들을 통합합니다. 색상 분석은 가장 기본이 되는데 소프트웨어는 RGB 색상 공간을 넘어 HSV와 LAB 색상 공간에서도 동시에 분석하여 목재 연기의 갈색에서 검은색으로의 변화, 플라스틱 연기의 짙은 검은색 특성, 화학 물질 연기의 특정 색상대 유지 같은 패턴들을 학습합니다.
농도 변화도 중요한 정보이며 초기 연기는 옅지만 시간이 지나면서 점점 짙어지는 패턴을 보이는데, 이 농도의 변화 속도는 화재의 강도를 직접 나타냅니다. 폭발적으로 짙어지는 연기와 천천히 짙어지는 연기는 근본적으로 다른 종류의 화재를 의미하므로 소프트웨어는 이 변화를 정량적으로 측정합니다. 동시에 확산 속도도 분석되는데 연기가 초당 몇 미터씩 확산되는지를 측정하면 기류와 화재의 에너지 크기를 추정할 수 있으며, 빠르게 확산되는 연기는 화재가 급속도로 진행 중임을 명확하게 보여줍니다.
움직임 패턴은 연기가 따라가는 기류를 보여주므로 직선으로 움직이는 연기와 소용돌이치는 연기는 건물의 공기 흐름이 다르다는 것을 의미하며 소프트웨어는 연기의 궤적을 추적하여 기류의 방향을 역추적할 수 있습니다.
건물에 설치된 여러 카메라에서 나오는 영상을 동시에 분석하면 더 정확한 판단이 가능하므로 소프트웨어는 각 카메라의 정보를 조합하면서 인접한 카메라의 연기 신호를 비교합니다. A 카메라에서는 연기가 강하게 감지되지만 B 카메라에서는 약하게 감지된다면 연기의 원점은 A에 더 가깝다는 의미이며 여러 카메라의 신호를 삼각측량하면 화재의 정확한 위치를 파악할 수 있습니다.
시간 순서로 연기 확산을 추적하면서 첫 번째 카메라에서 연기가 감지된 후 몇 초 뒤에 두 번째 카메라에서 감지되는 패턴으로부터 기류의 흐름을 파악하게 되며, 연기가 천장을 따라 한 방향으로만 확산되는지 아니면 여러 방향으로 확산되는지도 알 수 있습니다. 카메라 간의 거리와 각도 정보를 활용하기 위해 소프트웨어는 건물의 구조를 3차원으로 모델링하고 각 카메라의 위치를 정확히 파악하여 연기의 입체적 확산 패턴을 재구성합니다.
AI 소프트웨어의 핵심은 머신러닝이므로 신경망이 수백만 개의 연기 영상을 학습하면서 연기의 다양한 패턴을 인식하게 됩니다. 정상 연기와 화재 연기의 경계를 학습하는 과정에서 학습 데이터에는 주방 연기, 담배 연기, 조리 과정의 증기, 그리고 실제 화재의 다양한 시점의 연기가 모두 포함되며 신경망은 이들을 구분하는 특징을 자동으로 발견합니다.
오경보 사례로부터 학습하면서 과거에 거짓 경보를 낸 사건들을 분석하여 알고리즘을 개선하고 특정 상황에서 왜 오류가 났는지를 파악하며 그 패턴을 추가 학습 데이터로 활용합니다. 새로운 환경에 적응하는 능력도 중요한데 건물마다 환기 특성이 다르므로 소프트웨어가 특정 건물에서 운영되면서 그 건물의 연기 패턴을 학습하게 되며 시간이 지날수록 그 건물의 상황에 더 맞게 최적화됩니다.
연기 영상만으로는 부족하므로 소프트웨어는 온도 센서와 습도 센서의 데이터도 함께 분석하면서 온도 상승과 연기 감지를 비교합니다. 연기가 감지되었지만 온도가 변하지 않는다면 화재가 아닐 가능성이 높으며, 반대로 온도가 급상승하면서 연기가 감지된다면 화재일 가능성이 크게 높아지므로 두 신호를 조합하면 오경보를 극적으로 줄일 수 있습니다.
습도 변화로 수증기를 구분하는 과정에서 욕실이나 세탁실에서는 연기처럼 보이는 수증기가 발생하지만 습도 센서가 급격한 습도 상승을 기록하면 소프트웨어는 그것이 수증기일 가능성으로 판단하며 영상의 연기와 습도 데이터를 교차 검증하여 정확성을 높입니다. 가스 센서 데이터도 활용되는데 일산화탄소 농도가 함께 증가하면 화재 연기의 신뢰도가 높아지고 정상 환기 중인 공간에서는 가스 농도가 변하지 않지만 화재가 나면 특정 가스의 농도가 급상승하므로 이를 감지하는 것이 판단의 신뢰성을 크게 높입니다.
모든 건물이 같지 않으므로 환기 시스템이 다르고 공간의 용도도 다르며 AI 소프트웨어는 이러한 차이를 반영하는 맞춤형 모델을 구축합니다. 건물의 환기 특성을 학습하는 과정에서 자연 환기가 주인 건물과 기계식 환기가 있는 건물의 연기 확산 패턴은 다르므로 소프트웨어는 처음 몇 주 동안 건물의 정상 상태를 학습하면서 환기 패턴을 파악합니다.
공간별로 다른 기준을 적용할 때 주방에서는 조리 연기가 자주 발생하므로 감지 기준을 높이고, 창고에서는 먼지와 연기를 구분해야 하므로 색상 분석을 강화하며, 사무실에서는 오경보 가능성이 낮으므로 감도를 높일 수 있습니다. 시간대별 패턴도 반영되는데 점심시간에는 주방에서 연기가 자주 발생하고 야간에는 인적이 적으므로 연기가 나타나는 것 자체가 의심의 신호가 되며 소프트웨어는 시간에 따른 활동 패턴을 학습하여 판단 기준을 동적으로 조정합니다.
소프트웨어의 판단은 즉시 이루어져야 하므로 영상이 입력되는 순간부터 분석이 시작되고 수 초 내에 결과가 나와야 하며 신뢰도 점수를 계산합니다. 소프트웨어는 감지된 신호가 화재일 확률을 0부터 100까지의 점수로 제시하므로 점수가 높을수록 화재일 가능성이 크고 낮을수록 오경보일 가능성이 큽니다.
단계적 경보 체계로 운영하면서 점수가 30대이면 관리자에게만 알림을 보내고, 점수가 60대로 올라가면 추가 감시 상태로 전환하며, 점수가 80 이상이면 본격적인 화재 경보가 울립니다. 이러한 단계적 접근으로 불필요한 대피를 막으면서도 실제 화재는 놓치지 않으며, 추가 정보를 수집하여 판단을 검증하는 과정에서 초기 의심 단계에는 다른 카메라의 영상을 확인하고 센서 데이터를 재점검하여 확실한 판단이 서면 그때 경보를 발동합니다.
화재 대응이 끝난 후에도 소프트웨어의 역할은 계속되므로 모든 사건을 분석하여 다음 대응을 더 나아지게 합니다. 대응 과정을 자동 평가하면서 얼마나 빨리 감지했는지, 오경보는 없었는지, 거주자 대피는 원활했는지 등을 자동으로 검토하고 각 지표의 성과를 점수화하여 보고합니다.
오류 원인을 분석하는 과정에서 만약 화재를 놓쳤다면 그 원인이 무엇인지를 파악하므로 카메라 각도 문제인지, 조명 조건의 문제인지, 아니면 알고리즘 자체의 문제인지를 규명합니다. 알고리즘을 개선하기 위해 분석 결과를 바탕으로 신경망 모델을 재학습하고 오류가 있었던 케이스를 추가 학습 데이터로 활용하므로 이 과정을 반복하면서 소프트웨어는 점진적으로 성능이 향상됩니다.
소프트웨어가 아무리 정교해도 관리자가 정보를 이해할 수 없으면 소용없으므로 알체라는 직관적인 대시보드를 제공합니다. 연기 감지 지점을 시각화하면서 건물 배치도 위에 연기가 감지된 정확한 위치와 강도를 표시하므로 빨간색으로 표시되면 높은 신뢰도, 노란색이면 중간 신뢰도, 파란색이면 낮은 신뢰도를 의미합니다.
시간에 따른 변화를 그래프로 보여주면서 연기의 강도가 시간에 따라 어떻게 변했는지를 확인할 수 있으며, 점진적으로 증가하는 패턴은 화재 확산을, 급격한 증가는 폭발이나 대규모 연소를 나타냅니다. 각 공간의 상태를 한눈에 파악하기 위해 모든 건물 공간을 색상으로 표시하여 안전한 상태와 위험 상태를 구분하므로 관리자는 실시간 대시보드만 봐도 건물 전체의 상황을 즉시 이해할 수 있습니다.
알체라는 연기 분석에 최적화된 소프트웨어를 제공하면서 단순한 감지 도구가 아니라 연기의 의미를 해석하는 지능형 시스템입니다. 고성능 영상 처리 엔진을 기본으로 하므로 4K 이상의 고해상도 영상을 실시간으로 처리하면서 미세한 연기도 놓치지 않으면서도 처리 지연 없이 즉시 결과를 제공합니다.
건물의 특성에 자동으로 적응하는 능력으로 처음 2주 동안 학습 기간을 거치면서 그 건물의 고유한 특성을 파악하고 이후로는 점진적으로 감지 정확도가 높아집니다. API를 통해 다른 시스템과 연동되므로 건물 관리 시스템, 소방 시스템, 보안 시스템 등과 자유롭게 연결되며 연기 분석 결과가 자동으로 다른 시스템으로 전달되어 통합 대응이 가능합니다.
.svg)
.svg)
