.svg)
AI 솔루션 문의하기
화재는 인명과 재산에 심각한 영향을 미치며 다른 재난보다 확산 속도가 빠르기 때문에 신속하고 정확한 감지와 지속적인 감시가 요구됩니다. 최근 신속하고 정확한 화재 감지를 위해 영상을 획득한 이미지를 기계학습을 이용해 화재 발생 여부를 감지하는 화재 감지 시스템이 주목을 받고 있습니다.
영상 분석을 통한 자동 산불 감지 시스템은 넓은 지역을 사람이 직접으로 관찰하는 것의 어려움을 해결하며 인력 낭비를 줄일 것으로 예상됩니다. 기존 방식의 한계점을 개선한 학습법이 효과가 있음이 검증되면서, 화재 조기 감지 영상 분석 기술은 화재 예방과 대응의 새로운 표준을 제시하고 있습니다.
딥러닝 기반의 비디오 화재 감지 기술은 사람의 개입을 최소화시켜 휴먼에러를 방지하기 위한 기술입니다. 이러한 에러율을 낮추기 위해 전 세계에 발생한 여러 가지 화재 상황들의 이미지 및 영상을 분석하여 정확한 정보를 전달하고자 합니다.
연구 초기에는 화염의 정적 또는 동적 특성을 파악하는 것이 쉽지 않기 때문에 색상에 많은 투자를 하였습니다. 이후에는 날씨와 연동시켰으나 연기의 색과 움직임으로는 일시적인 화재 패턴을 분석하는데 한계가 발생하였기에 딥러닝 방식의 화재 탐지방식을 제안하게 되었습니다.
▲ 첫 번째 단계로는 심층객체를 사용하여 비디오 프레임에서 화재 관련 객체 또는 비화재 객체를 감지합니다.
▲ 탐지모델인 Faster R-CNN은 CNN 추출기와 분류기가 있는 경계박스로 구성되어 있습니다.
▲ 딥러닝 기반의 화재 탐지 방법은 인간의 탐지 과정을 모방하여 잘못된 화재 감지를 크게 줄일 수 있습니다.
최근 연구에서는 화재 탐지시 불꽃과 연기의 오탐지율이 높은 것을 확인하고 오탐지율을 낮추기 위해 화재 상황을 인식하여 분류하는 방법과 데이터셋에 대한 연구가 활발히 진행되고 있습니다.
동영상을 학습데이터로 활용하여 화재 상황의 특징을 추출하여 분류모델에 적용한 연구에서는 YOLO와 SlowFast의 모델 성능을 비교 및 분석했습니다. YOLO는 배경의 영향에 따라 탐지 성능이 민감하게 변화하며, 화재의 규모가 너무 크거나 작을 때에도 화재를 제대로 감지하지 못하는 한계를 보였습니다.
반면 SlowFast는 동영상의 시간 축을 같이 학습하기 때문에 비정형 객체에 대해 주변이 흐리거나 밝아 형상을 명확하게 유추할 수 없는 상황에서도 우수하게 화재를 탐지하는 것을 확인했습니다. 이를 통해 화재 탐지율은 이미지 데이터 방식보다는 동영상 기반의 인공지능 인식 모델을 활용했을 때 더 적절했음을 확인했습니다.
스피어AX의 파이어워처는 딥러닝 영상분석 기술을 적용해 다채널 CCTV 영상에서 불꽃이 아닌 연기를 감지하는 대표적인 화재 조기 감지 영상 분석 솔루션입니다. 객체 식별 및 인식 기능으로 연기와 유사한 구름과 안개, 수증기, 운무 등을 구분해 오감지를 최소화했습니다.
대구시 동구 백안동 야산에서 발생한 산불에서 파이어워처가 산림청보다 빠르게 연기를 감지하여 조기 진화에 결정적인 역할을 했습니다. 영상 내 연기감지 영역에 대한 위치 추정 기능을 통해 산불 연기 감지 후 진화헬기 및 진화대에 위치 정보를 전달하는 기능도 갖춰 실제 현장에서의 효과성을 입증했습니다.
화재 조기 감지 영상 분석 기술에서는 다양한 고급 알고리즘이 활용되고 있습니다. 딥러닝 기반의 화재 탐지 방법은 인간의 탐지 과정을 모방하는 DTA라고 불리는 방법을 통해 잘못된 화재 감지를 크게 줄일 수 있습니다.
▲ 시간이 포함된 결정 중 LSTM 단기 화재 결정은 최종 화재 결정을 위한 다수결에 관여
▲ 단기영상으로 판독하여도 높은 정확도를 달성할 수 있으며 연기와 화염 부분의 변화를 정밀하게 관찰 가능
▲ Faster R-CNN이 구름, 맨홀의 증기, 일몰 등에 대해 잘못된 물체 감지를 하더라도 최종 결정은 비화재로 정확히 인식할 가능
이러한 고급 알고리즘의 적용으로 화재 감지 시스템의 정확도가 크게 향상되었으며, 오경보율을 현저히 줄일 수 있게 되었습니다.
화재 조기 감지 영상 분석 기술은 지상 기반 시스템을 넘어 위성 기반 영상 분석으로 확장되고 있습니다. AI 강화 위성 기술은 산불 감지를 변화시켜 광대한 풍경에 걸쳐 실시간 모니터링을 제공합니다.
기존의 지상 기반 감지 시스템과 달리 위성은 화재가 인간의 눈에 보이기 전에 온도 이상, 연기 배출 및 열 신호를 감지할 수 있습니다. 최신 위성 기반 산불 감지는 초분광, 열 및 적외선 이미징을 사용하여 화재 발생의 조기 징후를 식별하며, AI 알고리즘이 이 데이터를 실시간으로 분석하여 위험도가 높은 지역과 활성 화재 구역을 정확히 파악합니다.
화재 조기 감지 영상 분석 기술의 성능 향상을 위해서는 고품질의 학습 데이터 확보가 중요합니다. 강릉시 지자체에서 관리중인 산림 현장에서 모의발화를 진행하여 실제 화재, 연막탄, 연기발생기와 같은 장치를 사용해 실제 초기 산불 데이터와 유사한 동영상을 수집하는 방식으로 AI 학습용 데이터를 구축하고 있습니다.
발화 연기와 아닌 것을 구별하는 학습하는 방식을 제안하며, 분할기법을 이용한 예측방법은 면적을 계산하여 산불 규모를 유추할 수 있을 것으로 기대됩니다. 감지 성능 평가 지표로 객체 탐지 예측의 정확률, 재현율과 mAP에서 높은 성과를 달성하고 있습니다.
화재 조기 감지 영상 분석 기술에서는 실시간 처리 능력이 매우 중요합니다. 여러 CCTV 영상을 동시에 분석할 수 있게 경량화된 모델은 CCTV기반 화재 탐지 시스템에 적용되어 적은 비용으로 많은 공간을 넓게 모니터링할 수 있게 합니다.
딥러닝 기술을 기반으로 한 객체 탐지 기술은 연산 속도를 비약적으로 단축한 YOLO 모델이 실시간 탐지 프로그램에 적용되기 시작하면서 실용성이 크게 향상되었습니다. 초창기에는 연산 시간을 단축하는 것에 치중한 나머지 예측 성능이 떨어진다는 평가를 받기도 하였지만, 지속적인 고도화를 거치면서 정확도와 실용성을 모두 갖춘 기술로 평가받고 있습니다.
화재 조기 감지 영상 분석 기술의 미래는 더욱 정교하고 지능적인 방향으로 발전할 것으로 전망됩니다. 실시간 영상을 수집하고 AI 시스템에 데이터를 전송하여 즉각적인 위험 평가를 실시하는 자율형 산불 감지 드론 기술이 개발되고 있습니다. AI 기반 산불 예측 방법을 지속적으로 개선하면 산불 파괴를 최소화하여 인간의 생명과 자연 생태계를 모두 보호할 수 있을 것으로 기대됩니다.
.svg)
.svg)
