CCTV 등 공공서비스 영상에서의 개인정보 보호를 위한 실시간 객체 인식 및 추적기술 개발
CCTV 등 공공 영상에서 얼굴·차량번호판을 실시간으로 탐지·추적하여 개인정보를 비식별화하기 위한 객체 인식 및 추적 알고리즘을 연구·개발한 다년도 과제.
Overview
방범용 CCTV를 비롯한 공공서비스 영상에는 얼굴, 차량번호판 등 개인을 식별할 수 있는 정보가 다수 포함된다. 본 과제는 이러한 공공 영상에서 개인정보를 보호하기 위해, 영상 내 얼굴·차량번호판 등 객체를 실시간으로 탐지하고 프레임 간 추적하여 비식별화(마스킹)할 수 있는 객체 인식 및 추적 기술을 개발하는 것을 목표로 한다.
과제는 한국연구재단(과학기술정보통신부) 공공수요 기반 혁신제품 개발·실증사업의 일환으로 2021년부터 2024년까지 수행되었으며, 실제 CCTV 운용 환경에서 발생하는 다수 객체 밀집, 가림(occlusion), 저조도, 날씨·블러 등 환경 변화에 강인한 실시간 비식별화 파이프라인을 단계적으로 고도화하는 방향으로 진행되었다. 과제 후반부에는 공공수요 비식별화 기술의 실증·고도화에 초점을 맞추었다.
Approach
- 다해상도 강인 얼굴 탐지 — 다양한 해상도에서 효율과 정확도의 균형을 갖춘 얼굴 탐지 모델(SCRFD 등)을 도입하여 강인하게 얼굴을 탐지.
- 밀집·가림 환경 객체 추적 — 낮은 신뢰도의 탐지까지 연관시키는 추적기(ByteTrack)를 채택하여, 사람이 밀집해 객체가 가려지는 CCTV 환경에서도 추적을 유지.
- 차량번호판 탐지 — YOLO 계열 탐지기로 번호판 탐지 모델을 학습·검증.
- 환경 변화에 강인한 고도화 — 모션/카메라 블러·눈·안개 등 다양한 노이즈(ImageNet-C 기반 15종)를 학습 데이터에 반영하고 저조도 탐지를 적용해 실제 운용 환경에 대한 견고성을 강화.
- 탐지·추적 모델 고도화 — 탐지기를 YOLO 계열 최신 버전으로 전환해 정확도와 실시간성을 함께 확보하고, 카메라 움직임 보정을 포함한 추적기(BoT-SORT)로 동적·정적 카메라 환경의 성능 저하에 대응.
Methods & Tech
Results
얼굴 탐지 기술은 WIDER FACE DB를 활용해 46,329장을 학습하고 3,226장으로 검증한 결과 약 95.7 mAP를 달성하였으며, 차량번호판 탐지 기술은 104,907장 학습·21,000장 검증으로 약 91.9 mAP를 달성하여 목표 성능을 충족하였다.
얼굴 탐지는 다수 객체 밀집 CCTV 환경에서의 실시간성을 위해 RetinaFace 대비 파라미터·연산량이 적고 추론 속도가 약 2배 빠른 SCRFD로 전환하였다.
