주차 영상 개인정보 익명화 기술
주차장 CCTV 영상에서 사람 얼굴과 차량 번호판 같은 개인정보를 최신 객체 탐지 모델로 검출하고 실시간 비식별화하는 시스템 연구.
Overview
안전·시설물 관리 등 공공 목적의 CCTV가 늘어나면서 주차 환경에서 수집되는 영상에도 사람 얼굴, 차량 번호판 등 개인정보가 그대로 노출된다. 그러나 주차 환경에 특화되어 실시간으로 영상을 마스킹·서비스할 수 있는 비식별화 솔루션은 아직 부족한 상황이다.
본 과제는 한국과학기술정보연구원(KISTI)의 수요를 바탕으로, 기존 주차 공간 공공 CCTV 관제 시스템의 업무 흐름에 영향을 주지 않으면서 손쉽게 적용 가능한 비식별화 시스템 개발을 목표로 한다. 또한 국내 주차 환경 CCTV의 상황·문제점과 국내외 개인정보보호법·표준화 동향을 분석하고, 익명화 대상 선정 및 익명화 수준에 대한 기초 연구를 선행적으로 수행한다. 익명화가 적용된 영상 아카이브는 인공지능 학습 데이터로 재활용 가능하므로 기존 주차 영상 데이터의 활용도를 높이는 것도 함께 목표로 삼는다.
Approach
- 국내 주차 환경 CCTV 상황·문제점 파악 및 국내외 개인정보보호법·표준화(ISO/IEC 20889, ITU-T SG17 등) 규제 동향 분석을 통한 익명화 요구 수준 도출 및 가이드라인 마련
- 주차 환경에서 발생하는 노이즈(motion blur, 먼지, 조명·계절 변화 등)에 강인한 개인정보 객체(사람 얼굴, 차량 번호판) 탐지를 위한 최신 Object Detection 모델 조사·비교
- 차량 번호판 탐지: 현충원역 주차장 데이터셋(이미지 12,046장 / 번호판 13,251개)으로 YOLOv3, YOLOX(M·S) 학습 및 정량 비교
- 사람 얼굴 탐지: WIDER FACE 데이터셋(이미지 32,203장 / 레이블 393,703개)으로 RetinaFace, SCRFD 학습 및 정량 비교
- 비식별화 기법(Blurring, Mosaic, Removal and Transformation) 조사·식별성 평가 — 디블러링(DeepMosaics 등)으로 복원 가능한 블러·모자이크의 한계를 확인하고 복원 불가능한 Removal and Transformation(검정/흰색 박스 마스킹) 채택
- 탐지 결과의 위치 정보 추출 → 익명화 적용으로 이어지는 실시간 비식별화 파이프라인 설계 및 기존 CCTV 시스템 연동 구조 구축
- 비식별화된 주차 영상 아카이브의 AI 학습 데이터 재활용성 방안 마련
Methods & Tech
Results
차량 번호판 탐지에서는 YOLOX-M이 YOLOX-S보다 6.7 mAP 높은 추론 성능을 보이면서도 높은 초당 처리 속도를 유지하여 시스템 탑재 모델로 선정되었다. 사람 얼굴 탐지에서는 SCRFD가 RetinaFace 대비 4.4 mAP 높은 성능을 달성하여 최종 모델로 선정되었다. 구성된 모든 모델은 mAP 90% 이상의 탐지 성능을 보였으며, 탐지 → 위치 정보 추출 → 익명화로 이어지는 네트워크가 유기적으로 동작함을 확인하였다.
익명화 기법 비교 결과, 블러·모자이크는 디블러링으로 복원될 수 있어 개인정보 노출 위험이 있으므로 최종 익명화 기법으로는 복원이 불가능한 Removal and Transformation (검정/흰색 박스 마스킹)을 채택하였다. 현충원역 주차장 데이터셋, 시청역 지하철 CCTV 등에서 사람 얼굴·차량 번호판을 탐지하고 익명화한 정성적 결과로 시스템 동작을 검증하였다.
