.jpg)
.jpg)
딥러닝, 가치 있는 정보 도출을 위한 영상 분석이 핵심
[보안뉴스= 브라이언 말라리 웨스턴디지털 보안감시 솔루션 및 엔터프라이즈 제품 부문 제품 마케팅 디렉터] 지난 6월 영국 런던에서 열린 보안감시 전시회 ‘IFSEC 2018’에서는 딥러닝(Deep learning)과 엣지(edge), NVR(Network Video Recorder)이나 클라우드에서 얻어지는 감시 데이터로부터 다양한 정보를 추출하는 보안감시 분야의 최신 트렌드가 소개됐다.
딥러닝의 핵심은 가치 있는 정보를 도출하기 위해 영상을 분석하는데 있다. 보안감시 분야에서 효과적으로 딥러닝을 수행하기 위해서는 컴퓨팅 능력뿐만 아니라 대상 및 행동 패턴을 분석할 수 있도록 실제 촬영된 수 시간의 ‘학습(training)’ 영상이 필요하다.
딥러닝이 궁극적으로는 매우 높은 수준의 인공지능(AI)에 도달하게 될지라도, 인간의 행동 패턴 한 가지를 파악하기 위해 수천 시간의 영상을 필요로 할 수도 있다. 보안감시 영상에서 다양한 정보를 도출할 수 있게 되면서 사용자들은 더 오랜 시간에 걸쳐 더욱 많은 분량의 촬영분을 보관하고 있으며, 이를 통해 데이터 스토리지의 성장 또한 가속화되고 있다.
딥러닝은 보안감시 영상에 있어 기존의 활용 방식을 뛰어넘는 새로운 방법을 끊임없이 제시하고 있으며, 보안감시 업계는 이를 이용하기 위해 더 많은 영상을 캡처하고 저장하며, 분석하고 있다.
보안감시 시스템의 엣지에서 일어나는 딥러닝
딥러닝은 보안감시 시스템의 엣지단에서 점점 더 많이 일어나고 있다. 엣지 컴퓨팅 역량을 갖춘 카메라가 늘어나면서 영상을 상위 서버나 AI 지원 NVR로 전송하지 않고 카메라 자체에서 자동 분석을 수행할 수 있게 됐다. 새로운 기술을 이용하면, 카메라가 수천 명의 얼굴이 저장된 카메라 내(on-camera) 데이터베이스를 스캔해 군중 속에서 특정 인물을 자동 감지하고 관련 기관에 실시간으로 정보를 알릴 수 있다.
또한, 카메라가 유동인구를 분석해 대기줄이 길어졌을 때 이를 직원에게 알릴 수도 있고, 누군가 넘어지거나 쓰러지는 것을 감지해 의료진에게 알려줄 수도 있다. 이런 모든 기능은 네트워크 대역폭과 시간을 소요해 백엔드(back-end) 서버나 클라우드로 데이터를 보내지 않고도 카메라 자체에서 실시간으로 행해질 수 있다.
NVR에 지능을 더하는 딥러닝
두 번째 트렌드는 딥러닝 역량을 통한 NVR 및 비디오 관리 소프트웨어(VMS : Video Management Software) 서버의 지능 확대다. 카메라가 아직 엣지 컴퓨팅이라는 확장된 역할을 수행하지 못할 경우에는 서버 기반 VMS나 AI 지원 NVR 등 영상감시 엣지 서버에서 ‘엣지에 가까운(near-edge)' 딥러닝을 수행한다.
VMS 솔루션은 새로운 GPU나 CPU를 가장 잘 사용할 수 있도록 구성 혹은 최적화돼 전반적인 딥러닝 역량을 강화하고, 물체 인식 및 안면 인식에 관련된 알고리즘 속도를 향상시켜 준다. 딥러닝을 지원하는 NVR은 더 큰 스토리지 용량과 개별 카메라 대비 더욱 정교한 프로세싱 능력을 제공하기 때문에 수 주 혹은 수 개월분의 영상으로부터 개별 얼굴 이미지를 저장하거나 상점에서 찍은 몇 시간 길이의 영상에서 트래픽 열지도를 만들어내는 등 발전된 데이터 애널리틱스를 수행할 수 있다는 장점이 있다.
딥러닝용 데이터 보존을 지원하는 VSaaS 클라우드 스토리지
세 번째 트렌드는 영상감시 시스템을 위한 전용 클라우드 스토리지의 구축이다. 빠르게 성장하고 있는 서비스형 영상감시(VSaaS : Video Surveillance as a Service)에는 다음과 같은 장점이 있다.
첫째는 활용 정보를 추출하는데 필요한 대량의 영상 데이터를 보유하면서도 로컬 스토리지 비용이나 관리에 대한 부담을 덜 수 있다. 둘째는 막대한 분량의 감시 영상을 강력한 애널리틱스 서버 및 클라우드 인프라 가까이에서 수집 가능하다는 것이다. 딥러닝으로 인해 감시 영상의 잠재적 가치가 더욱 높은 것으로 인식되면서 보관되는 감시 영상의 양이 늘고 있으며, 확장성 및 비용 증가를 고려했을 때 클라우드는 의심할 여지없는 가장 현실적인 대안이다.
엣지, NVR, 클라우드를 위한 스토리지 포트폴리오
카메라, NVR 혹은 클라우드 내에서 효과적인 딥러닝을 수행하기 위해서는 딥러닝이 일어나는 곳 가까이에 더욱 많은 감시 영상이 저장돼 있어야 한다. 이 분야에서 웨스턴디지털은 감시 카메라, DVR, NVR, 서버 기반 VMS 및 백엔드 서버나 클라우드를 아우르는 폭넓은 스토리지 포트폴리오를 선보이고 있다. 딥러닝이 업계에 가져오는 변화와 함께 웨스턴디지털의 기술은 딥러닝이 어디서나 효과적으로 행해질 수 있도록 지원하고 있다.
보안감시 분야의 딥러닝
보안감시 업계는 긴 시간 동안 발전을 거듭해 왔다. 감시 영상 시스템은 더 이상 이미 일어난 일을 살펴보는 목적에 국한되지 않고, 앞으로 일어날 일을 예측하기 위한 딥러닝을 활발히 접목하고 활용하고 있다. 현재 미래 보안감시 산업의 잠재력은 다양한 정보 도출에서부터 비롯되며, 이를 위해 단순한 보안감시를 뛰어넘는 스토리지 솔루션이 더욱 필요해질 것이다.
[글_ 브라이언 말라리 웨스턴디지털 보안감시 솔루션 및 엔터프라이즈 제품 부문 제품 마케팅 디렉터]
[보안뉴스= 브라이언 말라리 웨스턴디지털 보안감시 솔루션 및 엔터프라이즈 제품 부문 제품 마케팅 디렉터] 지난 6월 영국 런던에서 열린 보안감시 전시회 ‘IFSEC 2018’에서는 딥러닝(Deep learning)과 엣지(edge), NVR(Network Video Recorder)이나 클라우드에서 얻어지는 감시 데이터로부터 다양한 정보를 추출하는 보안감시 분야의 최신 트렌드가 소개됐다.
▲쇼핑패턴 분석, 얼굴인식, 트래픽 열지도(왼쪽부터)[사진=웨스턴디지털]
딥러닝의 핵심은 가치 있는 정보를 도출하기 위해 영상을 분석하는데 있다. 보안감시 분야에서 효과적으로 딥러닝을 수행하기 위해서는 컴퓨팅 능력뿐만 아니라 대상 및 행동 패턴을 분석할 수 있도록 실제 촬영된 수 시간의 ‘학습(training)’ 영상이 필요하다.
딥러닝이 궁극적으로는 매우 높은 수준의 인공지능(AI)에 도달하게 될지라도, 인간의 행동 패턴 한 가지를 파악하기 위해 수천 시간의 영상을 필요로 할 수도 있다. 보안감시 영상에서 다양한 정보를 도출할 수 있게 되면서 사용자들은 더 오랜 시간에 걸쳐 더욱 많은 분량의 촬영분을 보관하고 있으며, 이를 통해 데이터 스토리지의 성장 또한 가속화되고 있다.
딥러닝은 보안감시 영상에 있어 기존의 활용 방식을 뛰어넘는 새로운 방법을 끊임없이 제시하고 있으며, 보안감시 업계는 이를 이용하기 위해 더 많은 영상을 캡처하고 저장하며, 분석하고 있다.
[이미지=웨스턴디지털]
보안감시 시스템의 엣지에서 일어나는 딥러닝
딥러닝은 보안감시 시스템의 엣지단에서 점점 더 많이 일어나고 있다. 엣지 컴퓨팅 역량을 갖춘 카메라가 늘어나면서 영상을 상위 서버나 AI 지원 NVR로 전송하지 않고 카메라 자체에서 자동 분석을 수행할 수 있게 됐다. 새로운 기술을 이용하면, 카메라가 수천 명의 얼굴이 저장된 카메라 내(on-camera) 데이터베이스를 스캔해 군중 속에서 특정 인물을 자동 감지하고 관련 기관에 실시간으로 정보를 알릴 수 있다.
또한, 카메라가 유동인구를 분석해 대기줄이 길어졌을 때 이를 직원에게 알릴 수도 있고, 누군가 넘어지거나 쓰러지는 것을 감지해 의료진에게 알려줄 수도 있다. 이런 모든 기능은 네트워크 대역폭과 시간을 소요해 백엔드(back-end) 서버나 클라우드로 데이터를 보내지 않고도 카메라 자체에서 실시간으로 행해질 수 있다.
NVR에 지능을 더하는 딥러닝
두 번째 트렌드는 딥러닝 역량을 통한 NVR 및 비디오 관리 소프트웨어(VMS : Video Management Software) 서버의 지능 확대다. 카메라가 아직 엣지 컴퓨팅이라는 확장된 역할을 수행하지 못할 경우에는 서버 기반 VMS나 AI 지원 NVR 등 영상감시 엣지 서버에서 ‘엣지에 가까운(near-edge)' 딥러닝을 수행한다.
VMS 솔루션은 새로운 GPU나 CPU를 가장 잘 사용할 수 있도록 구성 혹은 최적화돼 전반적인 딥러닝 역량을 강화하고, 물체 인식 및 안면 인식에 관련된 알고리즘 속도를 향상시켜 준다. 딥러닝을 지원하는 NVR은 더 큰 스토리지 용량과 개별 카메라 대비 더욱 정교한 프로세싱 능력을 제공하기 때문에 수 주 혹은 수 개월분의 영상으로부터 개별 얼굴 이미지를 저장하거나 상점에서 찍은 몇 시간 길이의 영상에서 트래픽 열지도를 만들어내는 등 발전된 데이터 애널리틱스를 수행할 수 있다는 장점이 있다.
딥러닝용 데이터 보존을 지원하는 VSaaS 클라우드 스토리지
세 번째 트렌드는 영상감시 시스템을 위한 전용 클라우드 스토리지의 구축이다. 빠르게 성장하고 있는 서비스형 영상감시(VSaaS : Video Surveillance as a Service)에는 다음과 같은 장점이 있다.
첫째는 활용 정보를 추출하는데 필요한 대량의 영상 데이터를 보유하면서도 로컬 스토리지 비용이나 관리에 대한 부담을 덜 수 있다. 둘째는 막대한 분량의 감시 영상을 강력한 애널리틱스 서버 및 클라우드 인프라 가까이에서 수집 가능하다는 것이다. 딥러닝으로 인해 감시 영상의 잠재적 가치가 더욱 높은 것으로 인식되면서 보관되는 감시 영상의 양이 늘고 있으며, 확장성 및 비용 증가를 고려했을 때 클라우드는 의심할 여지없는 가장 현실적인 대안이다.
엣지, NVR, 클라우드를 위한 스토리지 포트폴리오
▲브라이언 말라리 웨스턴디지털 보안감시 솔루션 및 엔터프라이즈 제품 부문 제품 마케팅 디렉터[사진=웨스턴디지털]
보안감시 분야의 딥러닝
보안감시 업계는 긴 시간 동안 발전을 거듭해 왔다. 감시 영상 시스템은 더 이상 이미 일어난 일을 살펴보는 목적에 국한되지 않고, 앞으로 일어날 일을 예측하기 위한 딥러닝을 활발히 접목하고 활용하고 있다. 현재 미래 보안감시 산업의 잠재력은 다양한 정보 도출에서부터 비롯되며, 이를 위해 단순한 보안감시를 뛰어넘는 스토리지 솔루션이 더욱 필요해질 것이다.
[글_ 브라이언 말라리 웨스턴디지털 보안감시 솔루션 및 엔터프라이즈 제품 부문 제품 마케팅 디렉터]
<저작권자: 보안뉴스(www.boannews.com) 무단전재-재배포금지>
엄호식기자 기사보기
[2024-11-22] 
.jpg)
.jpg)
.jpg)
.jpg)
