한국딥러닝, 다각도 CCTV 생활안전 데이터 5,000건 구축

한국딥러닝이 2026년 2월 비전·언어 모델(VLM) 학습용 '다각도 CCTV 생활안전 데이터' 5,000건을 구축했다. 여러 각도에서 촬영한 CCTV 영상을 연결해 사건의 전·중·후 맥락을 담은 데이터로, 과학기술정보통신부와 한국지능정보사회진흥원(NIA)의 '2025년 초거대 AI 확산 생태계 조성 사업' 지원을 받아 수행했다. 한국딥러닝이 주관하고 쿠도커뮤니케이션이 참여했으며 부천시가 협력했다.

단일 카메라의 시야를 넘기 위해

CCTV 설치는 전국적으로 늘고 있지만, 기존 지능형 CCTV는 한 방향에서 찍은 영상과 객체 라벨링을 중심으로 설계돼 상황을 단편적으로만 인식한다는 한계가 있었다. 사건의 맥락을 이해하거나, 연속적으로 변하는 상황을 따라가거나, 여러 객체를 동시에 탐지하거나, 시야가 가려진 상황에서 행위를 인식하는 데 어려움이 컸다.

이번 과제는 여러 각도에서 촬영된 CCTV 영상을 연결해 사건의 맥락을 분석할 수 있는 데이터셋을 만드는 것이 목표다. 화면 속 객체를 인식하는 데서 그치지 않고 상황을 추론하는 지능형 관제의 학습 기반을 마련하는 작업이다.

"단순 객체 탐지를 넘어 상황의 맥락과 흐름을 이해할 수 있는 차세대 CCTV 학습 데이터를 구축했습니다."

— 김지현 한국딥러닝 대표

생활안전 상황 11종, 사건의 전·중·후를 담았다

구축된 데이터는 사건 발생 전과 중, 후의 흐름을 추적하는 시계열 구조다. 다각도 장면을 함께 담아 사각지대를 줄였고, 객체 분류 ID와 카메라 위치, 프레임별 근거 정보를 포함한다. 경계선 침입, 특정 구역 내 지속 배회 등 생활안전 상황 11종에 대한 원천 데이터와 가공 데이터를 합쳐 총 5,000건이다.

역할은 나눠 맡았다. 쿠도커뮤니케이션은 부천시 수요기관을 확보하고 다각도 CCTV 추가 설치를 주도해 실제 생활안전 시나리오의 데이터를 수집했다. 한국딥러닝은 데이터 가공과 품질 관리를 맡아 학습에 바로 쓸 수 있는 형태로 정리했다. 단계별 논리 사고를 담는 '생각의 사슬(CoT)' 라벨링 저작 도구를 자체 개발해 라벨링 체계를 고도화했다.

가명정보 심사부터 외부 검증 100%까지

개인정보 보호 체계도 함께 적용했다. 가명정보처리위원회의 적정성 검토를 거쳤고, 얼굴과 상호명 간판, 차량번호 등 민감 정보를 비식별화했다.

품질 검증은 내부와 외부에서 모두 진행됐다. 최신 AI 영상 분석 모델로 진행한 자체 유효성 검사에서 다양성, 구문 정확성, 의미 정확성, 추론 유효성 항목 모두 검증 오류 없이 100%를 기록했다. NIA 외부 검증에서도 데이터 품질 100%를 인정받아 '우수' 평가를 받았고, NIA AI 윤리 확산 참여기업 확인 마크를 획득했다.

2024년 CCTV 데이터에 이은 두 번째 영상 이해 과제

한국딥러닝은 이 데이터가 AI 모델 학습에 쓰이면 사건 전후의 단계를 논리적으로 분석해 관제 요원의 업무 부담과 인력 부족 문제를 덜 수 있을 것으로 기대했다. 김지현 한국딥러닝 대표는 "VQA-CoT 기반 데이터셋이 AI 모델 학습에 활용되면 보다 정확하고 신뢰할 수 있는 지능형 CCTV 시스템 구현이 가능할 것입니다"라고 말했다. VQA는 영상을 보고 질문에 답하는 시각 질의응답(Visual Question Answering)을 뜻한다.

이번 과제는 2024년 '지능형 관제 서비스 CCTV 영상 데이터' 구축에 이은 영상 이해 분야의 두 번째 공공 데이터 과제다. 2024년 12월 수행기관으로 선정된 앞선 사업에서는 침입, 쓰러짐, 싸움, 군집 등 안전사고 4종과 인파 밀집, 침수 등 특수 사건 2종을 담은 영상 데이터 300건을 구축했다. 한국딥러닝은 단일 영상에서 여러 각도의 맥락 데이터로 범위를 넓히며 관제용 영상 데이터의 깊이를 더했다.