.svg)
AI 솔루션 문의하기
지금까지는 열 센서나 연기 감지기가 화재 감지의 주요 수단이었습니다. 이들은 특정 물리량을 직접 측정하는 방식으로 작동합니다. 반면 CCTV 영상분석은 카메라가 촬영한 이미지의 픽셀 정보로부터 화재의 징후를 추론하는 방식입니다. CCTV 영상분석의 강점은 다양한 정보를 동시에 활용할 수 있다는 것이며 색상, 밝기, 텍스처, 움직임 등 여러 특성을 조합하여 더욱 정확한 판단을 할 수 있게 됩니다. 영상분석을 통해 공장 전체를 한 번에 감시하고 화재 위치까지 파악할 수 있다는 점도 기존 센서와의 중요한 차이입니다.
CCTV 영상에서 화재를 감지하기 위해서는 먼저 정상 상태의 배경이 무엇인지를 알아야 합니다. 공장의 조명, 기계 장비, 통상적인 연기 배출 등이 모두 배경의 일부입니다. 정상적인 공장 운영 중 여러 시간 동안 수집한 영상으로부터 배경 모델을 만들고 이 모델을 각 프레임과 비교하여 새로운 변화를 감지할 수 있게 됩니다. 배경 모델은 조명 변화나 계절 변화에 대응하기 위해 동적으로 업데이트되어야 합니다. 시간이 지남에 따라 배경이 변하면 모델도 함께 변하므로 지속적인 감지 성능을 유지할 수 있게 됩니다. 배경 모델의 정확도가 전체 시스템의 신뢰도를 결정합니다.
공장의 CCTV 영상은 초당 수십 개의 프레임으로 구성됩니다. 정상적인 상황에서는 프레임 간에 차이가 최소한이지만 화재 발생 시에는 영상의 변화가 급격해집니다. 연기가 확산되거나 불꽃이 나타나면 픽셀 값의 변화가 감지됩니다. 인접한 두 프레임을 빼기하여 변화가 있는 영역을 추출하고 그 변화의 크기와 방향을 분석하면 화재 현상의 움직임 특성을 파악할 수 있게 됩니다. 움직임의 패턴은 정상적인 기계 작동과 화재를 구분하는 중요한 단서가 됩니다.
불꽃은 매우 특정한 색상 범위에 속합니다. RGB 색공간에서 화염은 높은 빨강 값과 중간 정도의 초록 값을 가지며 파랑 값은 낮습니다. 각 픽셀의 RGB 값을 분석하여 화염 색상 범위에 속하는지를 판단하고 그러한 픽셀들이 연속된 영역을 이루는지 확인하면 불꽃의 존재를 감지할 수 있게 됩니다. 이 방법은 매우 빠르게 처리되므로 실시간 감지에 적합합니다. 다만 일반적인 주황색 물체나 밝은 조명과 불꽃을 구분하기 위해서는 추가적인 검증이 필요합니다.
화재가 발생하면 주변 영상의 밝기가 급격하게 변합니다. 특히 불꽃이 나타나면 해당 영역이 매우 밝아집니다. 각 픽셀의 명도를 시간에 따라 추적하고 정상 범위를 벗어난 변화를 감지하는 방식으로 이상 현상을 포착할 수 있게 됩니다. 배경 모델에서 예상되는 밝기와 현재 프레임의 실제 밝기를 비교하면 통상적인 조명 변화와 화재로 인한 이상 밝기를 구분할 수 있게 됩니다. 밝기 기반 감지는 특히 야간이나 어두운 환경에서 효과적입니다.
화재가 확산되면서 화염과 주변 배경 사이의 경계가 뚜렷해집니다. 에지 감지 필터를 사용하여 명도 변화가 급한 부분을 찾으면 화염의 경계를 추출할 수 있게 되며 이를 통해 화재의 크기와 형태를 파악할 수 있게 됩니다. 에지는 영상의 특징을 매우 압축된 형태로 나타내므로 후속 처리를 빠르게 할 수 있습니다. 화재가 없는 정상 영상의 에지 패턴과 화재 있는 영상의 에지 패턴을 비교하면 신뢰도 높은 감지가 가능해집니다. 에지 기반 분석은 계산량이 적으면서도 매우 효과적입니다.
연기는 화염과 다른 시각적 특성을 가집니다. 연기는 통상적으로 낮은 명도를 가지며 입자 구조로 인해 독특한 텍스처를 보입니다. 영상의 각 영역에서 텍스처 특성을 추출하여 연기 영역인지 정상 배경인지를 판단할 수 있게 되며 로컬 바이너리 패턴이나 Gabor 필터 같은 기법이 이러한 목적으로 사용됩니다. 텍스처 기반 분석은 색상만으로는 구분하기 어려운 희미한 연기도 포착할 수 있게 합니다. 고급 텍스처 분석을 통해 연기와 먼지를 구분할 수도 있게 됩니다.
화재의 신호를 한두 프레임에서만 발견하는 것은 신뢰도가 낮습니다. 화염이나 연기 영역을 여러 프레임에 걸쳐 추적하고 시간에 따른 변화 패턴을 관찰하면 진정한 화재인지를 판단할 수 있게 됩니다. 일시적인 반사광이나 카메라 노이즈는 빠르게 사라지지만 화재는 지속되고 확산되는 패턴을 보입니다. 객체 추적 알고리즘을 사용하여 화염이나 연기 영역의 궤적을 기록하면 신뢰도를 크게 높일 수 있게 됩니다. 시간적 연속성 검증은 거짓 경보를 크게 줄입니다.
현재의 가장 강력한 영상분석 방법은 딥러닝 기반의 신경망 구조입니다. 합성곱 신경망은 영상의 각 영역에서 자동으로 의미 있는 특성을 학습하고 이를 사용하여 화재 여부를 판단합니다. 기존의 수작업으로 설계한 특성들과는 달리 신경망은 대규모 학습 데이터로부터 최적의 특성 조합을 스스로 발견할 수 있게 되며, 다양한 공장 환경과 화재 상황에 대해 훈련하면 새로운 환경에도 빠르게 적응하는 범용성 높은 모델을 만들 수 있게 됩니다. CCTV 영상을 실시간으로 분석하려면 각 프레임을 충분히 빠르게 처리해야 합니다. GPU 활용, 경량 신경망 구조, 이미지 해상도 감소 등의 기법을 통해 처리 속도를 높일 수 있게 되며 고사양의 컴퓨터 없이도 실시간 감지가 가능해집니다.
.svg)
.svg)
