CCTV는 늘었지만, 관제 현장의 부담이 줄었다고 말하기는 어렵다. 화면 속 객체를 ‘찍어내는’ 수준의 탐지로는 사건의 맥락을 따라가기 힘들고, 연속된 동작이나 다수 객체가 동시에 등장하는 장면에서는 인식 한계가 반복되기 때문이다. 이 지점에서 비전-언어 모델(VLM)이 “상황을 읽는 관제”로 진화할 수 있느냐가 관건으로 떠오른다.
이와 관련 한국딥러닝은 과학기술정보통신부·한국지능정보사회진흥원(NIA)의 ‘2025년 초거대 AI 확산 생태계 조성 사업’ 지원을 받아 ‘다각도 CCTV 생활안전 데이터’ 과제를 완료하고, VLM 기반 다각도 CCTV 생활안전 데이터 5000건을 구축했다고 11일 밝혔다. 이번 과제는 한국딥러닝이 주관하고 쿠도커뮤니케이션이 참여했다.
한국딥러닝 측은 이번 데이터 구축에 대해 “기존 지능형 CCTV의 구조적 한계를 보완하는 데 초점을 맞췄다”고 설명했다. 기존 방식은 단방향 영상 데이터와 객체 라벨링 중심으로 설계돼, 영상 내 이벤트가 어떤 흐름으로 이어지는지 파악하기 어렵고(맥락 이해 한계), 연속체나 다수 객체 탐지, 시야 제한에 따른 행위 인식에서 제약이 발생해 왔다는 것이다.
프로젝트는 부천시 협력을 기반으로 진행됐다. 쿠도커뮤니케이션은 부천시 수요기관을 확보하고 다각도 CCTV 추가 설치를 주도했으며, 실제 생활안전 시나리오를 반영한 데이터 확보를 담당했다. 한국딥러닝은 데이터 가공과 품질 관리를 맡아 “학습에 바로 투입 가능한 형태”로 정리하는 역할을 수행했다.
특히 한국딥러닝은 개인정보 보호 측면에서 가명정보처리위원회 적정성 검토를 거친 뒤 얼굴, 상호명 간판, 차량번호 등을 비식별화 처리했다. 아울러 단계별 논리 사고를 포함하는 CoT(Chain of Thought) 라벨링 저작 도구를 개발해 라벨링 체계를 고도화했다. 구축된 데이터는 이벤트의 발생 전·중·후를 추적할 수 있는 시계열 구조로 구성됐고, 객체 분류 ID, 카메라 위치, 프레임당 근거 정보 등을 포함한다.
데이터 범위는 생활안전 상황 11종이다. 예를 들어 경계선을 통한 침입, 특정 구역 내 지속 배회 등 관제 현장에서 반복적으로 대응이 필요한 상황을 다각도(멀티뷰) 장면으로 확보해 사각지대를 최소화하도록 설계했다. 한국딥러닝은 이 데이터가 사건 전후의 단계를 논리적으로 분석할 수 있도록 지원해, 관제 요원의 업무 부담 경감과 인력 부족 문제 완화에 기여할 수 있다고 강조했다.
품질 검증 결과도 함께 제시했다. 한국딥러닝은 “최신 AI 영상 분석 모델을 활용해 유효성 검사를 진행한 결과, 다양성·구문 정확성·의미 정확성·추론 유효성 항목에서 검증 오류 없이 100%를 달성했다”며 “NIA가 실시한 외부 검증에서도 데이터 품질 100%를 인정받아 ‘우수’ 평가를 받았고, NIA AI 윤리 확산 참여기업 확인 마크도 획득했다”고 덧붙였다.
김지현 한국딥러닝 대표는 “단순 객체 탐지를 넘어 상황의 맥락과 흐름을 이해할 수 있는 차세대 CCTV 학습 데이터를 구축했다”며 “VQA-CoT 기반 데이터셋이 AI 모델 학습에 활용되면 보다 정확하고 신뢰할 수 있는 지능형 CCTV 시스템 구현이 가능할 것”이라고 말했다.
한편 한국딥러닝은 2019년 설립된 시각지능 AI 기업이다. 회사는 초거대 시각 인공지능 모델(LVM) ‘DEEP Agent’를 기반으로 이미지·비디오·텍스트·음성 등 멀티모달 데이터를 활용한 OCR, 객체 검출, 영상 이해, 이미지 생성 등 비전 AI 솔루션을 제공하고 있다.
