전체메뉴

[애플경제 이윤순 기자] 자율주행차를 비롯한 무인 자동화 기술이 본격적으로 상용화되고 있지만, 보행자나 각종 장애물로 인한 사고 등의 위험이 항상 도사리고 있다. 최근 미국 GM의 크루즈 택시 면허가 정지된 사례에서 보듯, 자칫 보행자 사고라도 날 경우 이는 치명적이다.

그런 가운데 국내에서 최근 ‘보행자 위험위치 식별 AI 기술’이 개발되어 눈길을 끈다. 이는 보행자 사고의 위험성을 낮춤으로써 향후 보급될 자율주행차 등의 기술적 한계를 극복하는데 도움이 될 것이란 전망이다.

이를 개발, 민간기업에 이전하기로 한 한국전자통신연구원에 의하면 이 기술은 CCTV 영상에서 이른바 보행자의 ‘의미론적 위치’를 인식한다. 예를 들어 도로인지, 횡단보도인지, 아니면 인도인지 등을 감지하는 것이다.

해당 보행자가 도로나, 횡단보도 등 잠재적으로 어떠한 위험한 위치에 있는지를 사전에 식별하는 기술이다.

지능형 CCTV, 스마트 시티, 스마트 횡단보도와 융합

“이를 통해 지능형 CCTV, 스마트 시티, 스마트 횡단보도 등에서 보행자 안전 관련 시스템 개발을 위해 필요한 보행자 위험 위치 식별 기술을 제공하는데 목적이 있다”는 설명이다.

최근 딥러닝 기술의 발전에 따라 지능형 비디오 분석 기술을 선점하고, 이를 바탕으로 다양한 서비스를 도출해야 한다는 목소리가 높다. 그러나 이를 위해선 “많은 비디오 기반 요소 기술과 개발 경험이 요구됨에 따라 기술 사업화에 어려움이 있는 것으로 알려져 있다”는 얘기다.

이에 연구원은 “보행자의 의미론적 위치를 인식하는 기술과, 보행자가 위험한 위치에 있는지 식별하는 기술을 개발하게 된 것”이라고 취지를 밝혔다.

기존 CCTV에 의존하는 기술은 횡단보도 등 관심 영역이 영상 내에서 많은 영역을 차지하도록 설치해야하는게 한계다. 그러나 이는 영상 분할 정보를 활용하기 때문에, 영상을 식별하고 관찰하는데에 있어, 상대적으로 CCTV의 위치에 크게 좌우되지 않는다는게 장점이다.

영상 분할 정보로 기존 CCTV기술 한계 극복

기존에는 또 횡단보도 등 관심 영역을 수동으로 지정해야 하는 경우가 많다. 이와 비교하면, 이 기술은 영상 속의 노면 영역을 자동으로 인식하기 때문에 편리하게 사용할 수 있다. 또 시간이 흐름에 따라 CCTV의 촬영 방향이 미세하게 변하는 경우에도 대응할 수 있다는 점도 특장점으로 꼽힌다.

연구원은 이에 “보행자의 위험 위치를 식별하기 위해, RGB 영상과 영상 분할 정보를 효과적으로 융합했다”면서 “특히 임의의 보행자를 검출하는 기술과, 영상 분할 기술을 적용할 수 있다”고 소개했다.

기본적으로 이는 의미론적으로 보행자가 위험한 위치에 있는지를 학습, 식별하는 기술로 요약할 수 있다. 이를 이전받은 민간기업은 이를 위해 기본적인 사례 기반의 프로그램과 함께, 사업화 시나리오에 따라 추가 모델 학습이나, 전달되는 모듈 기술을 바탕으로 한 새로운 파이프라인을 구성하는 등의 추가기술 개발이 필요하다는 조언이다.

결론적으로 “능형 CCTV, 스마트 횡단보도 등 보행자의 안전을 모니터링하는 시스템에서 나아가, 도로, 횡단보도 등 위험한 위치에 있는 보행자를 자동으로 식별하여 사용자에게 알림을 주는 시나리오로 활용할 수도 있다”고 밝혔다.