.svg)
AI 솔루션 문의하기
화재의 발생은 매우 시각적인 현상입니다. 화염은 뚜렷한 색상과 움직임을 가지고 있으며, 연기는 공간을 채우면서 특정한 확산 방향을 보여줍니다. 이러한 특징들을 포착할 수 있다면, 화재를 매우 빠르고 정확하게 감지할 수 있습니다. 기존의 센서 기반 감지 시스템이 물리적 신호(온도, 연기 입자)에 의존하는 반면, 영상 기반의 감지는 이러한 시각적 정보를 직접 활용합니다.
다세대 주택의 복도, 계단, 엘리베이터 홀, 지하 주차장 같은 공용 공간에는 이미 CCTV가 설치되어 있습니다. 이 CCTV들이 전송하는 영상에 AI 알고리즘을 적용하면, 센서가 도달하지 못하는 영역의 화재까지도 감지할 수 있습니다. 또한 CCTV는 화재의 위치뿐만 아니라 그 규모, 확산 방향, 주변의 위험 요소까지도 시각적으로 파악할 수 있습니다.
또한 CCTV 영상 분석은 거주자의 안전을 함께 고려합니다. 화재 발생 시 공간 내 거주자의 위치를 파악하고, 그들의 행동(대피 중, 또는 화재 장소로 접근 중)을 인식할 수 있다면, 더욱 정교한 대응이 가능합니다.
다만 CCTV 영상 분석의 도전 과제도 있습니다. 불완전한 조명 조건, 화면에 가려진 공간, 그리고 오염된 카메라 렌즈 같은 여러 방해 요인이 있을 수 있습니다. 또한 화염과 비슷한 색상을 가진 일반적인 물체(형광등, LED 조명, 의류의 밝은 색상)와의 구분도 필요합니다.
CCTV 영상을 활용한 화재 감지 시스템이 제대로 구축된다면, 건물의 모든 영역을 감시하면서도 정확한 화재 판정을 내릴 수 있는 포괄적인 시스템이 될 것으로 예상됩니다.
영상 기반 화재 감지 AI는 이들 기술의 조합으로, 시각 정보의 풍부함을 최대한 활용할 것으로 기대됩니다.
화염은 불의 종류와 주변 환경에 따라 다양한 외형을 가집니다. 종이나 목재가 타면 밝은 주황색 또는 붉은색 화염이 나타나고, 플라스틱이 타면 더 어두운 색상의 화염을 보입니다. 또한 가스가 타면 푸른색 화염이 나타날 수도 있습니다.
AI 모델은 이러한 다양한 화염의 색상을 모두 인식하도록 학습됩니다. 수만 장의 화염 이미지로 훈련된 모델은, 새로운 화염 이미지를 보면 화염일 확률을 0에서 100 사이의 값으로 계산합니다. 높은 점수(90% 이상)의 신호는 거의 확실한 화염을 의미하고, 중간 점수(60-80%)는 확인이 필요한 의심 신호를 의미합니다.
또한 화염의 움직임도 중요한 특징입니다. 화염은 불규칙하게 흔들리고, 깜박이며, 시간이 지나면서 크기가 증가합니다. 반면 밝은 일반 물체(조명, 반사)는 정적이거나 규칙적인 패턴을 보입니다. RNN 모델이 시간 축 상의 화염의 움직임 특징을 학습하면, 정적인 밝은 물체와 화염을 더욱 정확하게 구분할 수 있습니다.
공간 상에서의 화염의 확산도 추적됩니다. 초기에는 특정 위치에 작은 화염이 나타나다가, 시간이 지나면서 주변으로 확산되거나 크기가 증가하는 패턴을 보입니다. 이러한 확산 패턴은 화염의 특징적인 행동이므로, 일반 물체와의 구분에 매우 도움이 됩니다. 또한 배경과의 대비도 분석됩니다. 화염은 주변 배경(벽, 바닥, 천장)과 뚜렷하게 다른 색상을 가지고 있습니다. AI가 배경을 학습하고 있다면, 새로운 색상의 영역이 나타났을 때 그것이 화염인지 다른 물체인지를 판정할 수 있습니다.
추가로 밝기의 변화도 추적됩니다. 화염은 매우 높은 밝기를 가지므로, 영상의 픽셀 밝기 분포에서 예외적으로 높은 밝기를 가진 영역이 나타나면, 그것은 화염일 가능성이 높습니다. 다층적인 특징 분석으로 화염을 매우 높은 정확도로 식별할 수 있을 것으로 예상됩니다.
연기는 공간을 채우면서 구름처럼 확산되고, 시간이 지나면서 더욱 농밀해집니다.연기도 매우 중요한 화재 신호입니다.
AI는 연기의 시각적 특징을 학습합니다. 연기는 일반적으로 회색 또는 검은색을 띠며, 가장자리가 흐릿하고, 시간이 지나면서 더욱 농밀해지는 특징을 가집니다. 반면 먼지나 스팀은 더 밝은 색상을 가지며, 확산 패턴도 다릅니다.
또한 연기의 움직임도 중요합니다. 연기는 상승 기류를 따라 위쪽으로 이동하거나, 건물의 환기 흐름을 따라 특정 방향으로 이동합니다. 이러한 이동 패턴을 추적하면, 연기의 발생 위치를 역추적할 수 있습니다.
여러 CCTV 카메라의 영상을 종합하면, 3차원 공간에서 연기의 확산을 추적할 수 있습니다. 예를 들어 2층 복도의 CCTV에서 연기가 보이기 시작했고, 1초 후 계단 CCTV에서 보이기 시작했다면, 연기는 계단을 통해 2층에서 1층으로 확산되고 있다는 것을 파악할 수 있습니다.
연기의 농도도 시간에 따라 변합니다. 초기에는 희미한 연기가 보이다가, 시간이 지나면서 점점 짙어집니다. 이러한 변화 추이를 통해 화재의 진행 정도를 추정할 수 있습니다.
또한 연기가 공간을 얼마나 빠르게 채우는가도 화재의 특징을 나타냅니다. 매우 빠르게 농밀한 연기가 확산된다면, 화재가 매우 큰 상태이거나 빠르게 확대되고 있다는 신호입니다. 반면 천천히 확산되는 연기라면, 초기 단계의 화재일 가능성이 높습니다. 연기의 시각적 특성과 확산 패턴을 종합 분석하면, 화재의 규모와 진행 상황을 정량적으로 평가할 수 있을 것으로 예상됩니다.
건물 내의 모든 공간이 CCTV로 커버되는 것은 아닙니다. 개인 거주 공간의 프라이버시 때문에 가구 내부에는 CCTV가 없고, 또한 카메라의 각도 때문에 사각지대가 생길 수 있습니다.
CCTV AI 감지 시스템은 이러한 한계를 극복하기 위해 여러 전략을 사용합니다. 첫째, 인접 CCTV들의 영상을 교차 검증합니다. 특정 공간에 화염이 보이지 않더라도, 인접한 CCTV에서 연기나 밝은 빛이 포착된다면, 그 방향에 화재가 있을 가능성을 추론할 수 있습니다.
둘째, 센서 기반 신호와 영상 기반 신호를 통합합니다. CCTV에서 화염이 명확하게 보이지 않더라도, 온도 센서가 급격한 상승을 감지하거나 연기 센서가 반응한다면, 그 정보를 종합하여 화재 판정을 내립니다.
셋째, 간접 신호를 분석합니다. 예를 들어 특정 공간의 거주자들이 갑자기 움직이기 시작하거나, 복도의 사람들이 특정 방향으로 몰려가고 있다면, 그 방향에 문제가 있을 가능성이 높습니다.
넷째, 열화상 카메라를 추가적으로 설치합니다. 열화상 카메라는 일반 카메라가 볼 수 없는 열의 분포를 보여주므로, 일반 카메라로 보이지 않는 사각지대에서의 화재도 감지할 수 있습니다.
다섯째, 시간 축 상의 정보를 활용합니다. CCTV 영상이 5분 이상의 시간대에 걸쳐 비정상적인 패턴을 보인다면, 그것은 일시적인 오류가 아니라 실제 문제를 나타낼 가능성이 높습니다.
다중 정보원의 통합으로 CCTV의 제한된 시야를 보완하고, 건물 전체의 포괄적인 감시가 가능해질 것으로 예상됩니다.
CCTV AI는 화재를 감지하는 것을 넘어서, 화재가 발생했을 때 그 주변의 거주자 위치를 파악할 수 있습니다.
영상 분석을 통해 각 공간에 사람이 있는지, 그리고 몇 명이 있는지를 인식합니다. 또한 사람의 행동(서 있음, 앉아 있음, 움직이는 중)도 판단할 수 있습니다. 화재가 발생한 공간에 사람이 있다면, 즉시 대피 지시가 필요하고, 근처에 고령자나 어린이가 있다면 더욱 긴급한 도움이 필요합니다.
또한 화재의 위험도를 동적으로 평가합니다. 초기 단계의 작은 화염이 주방에서 감지되었다면, 그것은 요리로 인한 가능성도 있으므로 위험도가 중간 수준입니다. 그러나 같은 화염이 침실에서 감지되었다면, 화재일 가능성이 매우 높으므로 위험도는 최고 수준입니다.
화재 위치와 주변 가연물의 관계도 평가합니다. 화재가 발생한 공간에 많은 가연물(책, 옷, 플라스틱 물품)이 있다면, 화재가 빠르게 확대될 가능성이 높으므로 위험도를 상향 조정합니다.
건물의 환기 조건도 고려됩니다. 환기가 잘 되는 공간에서 화재가 발생했다면, 연기가 빠르게 외부로 배출될 가능성이 높으므로 위험도가 상대적으로 낮을 수 있습니다. 반대로 밀폐된 공간에서 화재가 발생했다면, 연기가 빠르게 증가할 것이므로 위험도는 높습니다.
또한 화재의 확산 속도도 중요합니다. 화염이 느리게 확산되고 있다면 초기 단계로 판단되고 빠르게 확산되고 있다면 급진전하는 화재로 판단됩니다.
종합적인 상황 평가로 단순 화재 감지를 넘어서, 상황별 위험도를 정량적으로 산출할 수 있을 것으로 예상됩니다.
CCTV 영상을 분석하는 AI 시스템은 매우 강력한 도구이지만, 동시에 거주자의 프라이버시를 침해할 수 있는 위험도 가지고 있습니다.
따라서 시스템은 매우 신중하게 설계되어야 합니다. 첫째, 영상 분석은 오직 화재 감지 목적으로만 수행됩니다. AI가 사람의 얼굴을 식별하거나, 거주자의 행동을 자세하게 추적하는 것은 금지됩니다. 대신 열 신호(사람의 존재 여부)와 일반적인 움직임(도망치는 움직임, 도움을 요청하는 움직임)만 분석합니다.
둘째, 수집된 영상 데이터는 암호화되어 저장됩니다. 화재가 발생하지 않은 정상 상황의 영상은 최대 24시간만 보관되고, 그 이후 자동으로 삭제됩니다. 화재가 발생한 영상은 조사 목적으로 일정 기간(예: 3개월) 보관될 수 있지만, 그 이후에도 삭제됩니다.
셋째, 영상에 접근할 수 있는 권한이 엄격하게 제한됩니다. 건물 관리자와 소방서만 필요할 때 영상에 접근할 수 있으며, 접근 기록은 모두 남겨져서 감시됩니다.
넷째, 거주자들에게 CCTV 영상이 분석된다는 사실이 명확하게 공지됩니다. 건물 입구와 엘리베이터에 안내문이 붙어 있고, 입주할 때 서명을 받습니다.
다섯째, 기술적 조치를 통해 프라이버시를 보호합니다. 예를 들어 개인 거주 공간으로 보이는 영상(가구의 내부가 일부 보이는 경우)은 자동으로 흐리게 처리되어, 그 공간의 세부 사항을 알 수 없도록 합니다.
투명성과 보안을 바탕으로 CCTV AI 감지 시스템이 운영된다면, 기술의 이점을 누리면서도 프라이버시를 보호할 수 있을 것으로 예상됩니다.
.svg)
.svg)
