.jpg)
인공지능 영상보안 저장장치의 등장...원하는 대로 분석해 드립니다
[보안뉴스 김성미 기자] 2018년에 이어 2019년에도 카메라와 저장장치를 관통하는 영상보안 키워드는 빅데이터와 지능형, 인공지능(AI), 딥러닝, 머신러닝, 영상분석 등일 것으로 예상된다. ‘기술의 진화’에 따라 옷을 갈아입은 용어들이다.
기술의 발전에 따라 지능형이 AI로 진화했고, 머신 러닝 기술 발전으로 사람이 개입하지 않고 기계 스스로 학습하는 비지도 학습(Unsupervised Learning)이 등장했다. 이어 등장한 머신러닝에 심층신경망(DNN : Deep Neural Networks)이 개입된 것이 바로 딥러닝이다. 딥러닝은 영상분석 부문에 획기적인 발전을 가져왔다.
전자부품연구원(KETI)에 따르면, 2010년 28.2%에 달했던 패턴 분석의 오류는 딥러닝이 도입되면서 2012년 18.4%, 2015년 3.57%으로 획기적으로 개선됐다. 얼굴인식은 95%선으로 정확해지면서 사람의 눈과 비슷한 정도로 발전했다. 이에 따라 지방자치단체의 CCTV 통합관제센터를 중심으로 지능형 영상분석 수요가 다시금 확대되고 있다. 영상분석 오류가 수용할 만한 단계로 접어들었기 때문이다.
행정안전부는 2017년 지능형 관제 실태조사에 나섰으며, 2018년에는 국내 1호 지능형 관제센터로 화성시를 선정해 지능형 선별관제 시스템을 시범 도입했다. 2019년에는 이같은 지능형 관제 수요가 더욱 늘어날 것으로 예상된다. 이에 따라 국내 영상보안 제조사들도 다시금 반격을 준비하고 있다.
데이터 경제 시대에 접어들면서 영상 빅데이터의 가치는 더욱 높아지고 있다. 어떻게 가공하느냐에 따라 쓰임이 다양해질 수 있기 때문이다. 데이터 경제란 데이터가 경제활동의 중요한 자원으로 활용되는 경제를 말하며, 영상 빅데이터란 분석을 위해 DVR이나 NVR, 클라우드 등에서 캡쳐된 자료를 일컫는다. 이와 달리 패스트 데이터는 보다 빠른 분석이 적용될 수 있는 엣지와 사물인터넷(IoT) 장비에 존재하는 데이터를 가리킨다.
4차 산업혁명 시대를 맞아 영상 빅데이터는 영상분석 기술이 진화를 거듭하면서 더욱 중요한 경제 자원으로 꼽히고 있으며, 딥러닝 기술 발전과 컴퓨팅 파워 등이 이를 뒷받침하고 있다. 그동안 지능형 영상분석은 카메라와 서버에서 주로 이뤄졌지만, 최근에는 스토리지가 서버의 기능을 일부 흡수하는 추세로 가고 있다. 카메라와 서버 등 기존 인프라를 이용하면서도 실시간 영상분석을 거친 영상 데이터를 저장하기 위해서다.
지능형 관제 초기에는 패스트 데이터를 빠르게 분석할 수 있는 엣지단의 분석에 대한 니즈가 높았다. 임베디스 스토리지와 리무버블 스토리지를 탑재한 카메라가 증가한 것도 이와 같은 맥락이다. 엣지단 영상분석은 긴급한 상황에서 즉각적인 분석을 필요로 할 때 효과적이다. 그러나 스마트시티 구축이 활발한 요즘에는 제공되는 서비스 목적에 맞는 영상분석이 중요해지면서 딥러닝이 향후 보안산업을 이끌어갈 주요 트렌드중 하나로 꼽히고 있다.
AI 기술은 보다 복잡한 머신러닝이나 딥러닝 가능하도록 진화하고 있다. 여기에서 딥러닝의 핵심은 가치있는 정보를 도출하기 위한 영상분석에 있다. 그러나 딥러닝이 궁극적으로 매우 높은 수준의 AI에 도달하더라도 인간의 패턴 1가지를 파악하기위해서는 수천 시장의 영상을 필요로 할 수도 있다.
보안 영상 데이터에서 다양한 정보를 도출할 수 있게 되면서 사용자들은 더 오랜 시간에 걸쳐 너무 많은 분량의 촬영분을 보관하는 경향을 보이고 있어 데이터 스토리지 시장의 성장이 가속화되고 있기 때문이다. 딥러닝은 기존의 보안 영상 활용방식을 뛰어넘는 새로운 방법을 끊임없이 제시하고 있으며, 영상보안 업계는 이를 활용하기 위해 더 많은 영상을 캡쳐하고 저장하며 분석하고 있다.
시장의 변화를 가져온 영상 빅데이터의 무거운 가치
이처럼 영상 빅데이터의 가치가 중요해 지면서 영상보안 저장장치 시장도 새로운 전기를 맞고 있다. DVR과 NVR 등으로 대표되던 영상보안 저장장치에 영상분석 기능이 추가되며 새로운 시장이 열리고 있는 것이다.
기존에는 영상분석이 카메라와 서버 단에서 이뤄졌다면 최근에는 스토리지 단이 이런 기능을 흡수해 AI 영상분석을 진행하는 형태로 변화하고 있다. 카메라와 서버 등 기존 물리적 인프라를 그대로 이용하면서도 영상분석이 가능하려면 영상 빅데이터가 모이는 스토리지 단에서 분석하는 것이 합리적이라는 판단에서다. 국내 지자체들은 각 단위별로 적게는 2,000여대 많게는 7,000여대의 보안 카메라를 통합 관제한다.
그러나 대량의 카메라에서 입력되는 서로 다른 영상 중에서 사람과 자동차, 충돌, 화재 등 위험 요소가 포함된 영상이 어떤 카메라에서 표출되고 있는지는 제한된 숫자의 관제요원이 일일이 분석하는 데는 한계가 있다. 위험 상황을 녹화하게 될 카메라를 미리 알 수도 없다. 하지만 AI 기술을 활용하면 다발적 위험 대상 카메라와 시간대별, 장소별, 유형별 이벤트를 분류할 수 있다. 기존의 영상분석 기술이 지녔던 2가지의 한계인 정확도와 속도의 문제를 해결했기 때문이다.
예를 들어 합성곱신경망(CNN : Convolutional Neural Network) 기반의 레스넷(ResNet)을 영상 인식에 적용했을 때의 오차는 4% 이내다. 사람의 오류 인지율이 5%임을 감안할 때 엄청난 쾌거가 아닐 수 없다. 또한, 순환신경망(RNN, Recurrent Neural Network)에서 패스트 RNN, 패스터 RNN로의 발전으로 속도도 초기 CNN 분석보다 16배 이상 빨라졌다. 이런 AI 기술을 통해 정확한 인지를 바탕으로 하는 영상 저장과 위험 요소 위주의 자동식별은 관제의 효율성을 높일 수 있게 했으며 스토리지 변신의 견인차 역할을 하고 있다.
이같은 관제나 영상분석 방식은 선별 관제나 지능형 관제, AI 관제 또는 지능형 형상분석, AI 영상분석 등으로 불린다. 부르는 이름이야 차이가 있든 이런 기능이 나온 것은 크게 2가지 이유에서다. 가장 큰 이유는 관제 편의성, 두 번째는 호환성이다. 사용자가 편리하게 목적에 맞는 관제를 할 수 있게 도우면서도 이미 구축해놓은 기존 시스템과의 호환이 가능해야 하기 때문이다.
영상보안 기술의 진화로 화질이 크게 개선돼 4K까지 등장한 상황에서 GUI 등 컴퓨팅 파워까지 뒷받침을 해주게 되자 1대의 서버로 2,400개 채널을 대응할 수 있는 AI NVR도 조만간 시장에 등장할 전망이다. DVR과 NVR 등 영상보안 저장장치의 호환성 강화를 위해 최근에는 아날로그와 IP용 하이브리드 장비 외에 AHD, TVI, CVI, CVBS, IP를 모두 포용하는 펜타브리드 장비도 등장하고 있다. 국내에서는 아직 수요가 많지 않지만 해외 벤더를 중심으로 펜타브리드 장비의 수요가 발생하고 있어 국내 기업 가운데서도 2019년부터 펜타브리드 장비 생산 계획을 세우고 있는 곳도 나타나고 있다.
2019년 영상보안 저장장치 기술, 충실한 발전 이어가
이런 상황에서 2019년 영상보안 저장장치 기술은 기본에 충실한 발전을 이어갈 것이라는 분석이다. 하드웨어적으로는 GPU 탑재가, 소프트웨어적으로는 딥러닝 알고리즘의 사용이 일반화될 것으로 보인다. 가장 기본인 사용자와 설치자의 편의성 강화에 방점을 찍고 진화할 것으로 예상된다. PoE 포트를 통한 NVR의 플러그 앤 플레이 기능 강화, 데이터의 장거리 전송과 같은 기능이 대표적이다.
사용자 인터페이스의 발전을 통한 직관성은 더욱 강화될 것으로 보인다. 딥러닝 기반의 엣지 장비와 저장장비의 발전을 통해 각종 보안 목적에 따른 특수 장비 출시도 이어질 거란 전망이다. 이들 장비는 행동분석과 얼굴인식 및 비교, 차량번호판 인식, 비즈니스 인텔리전스 등 다양한 방면에 활용될 수 있기 때문이다. 이밖에도 영상보안 시장의 큰 이슈 중 하나인 데이터 보안과 시스템 확장성을 위한 멀티플 스트리밍, 트렌스 코딩 기능의 강화도 지속될 것으로 보인다.
광대역 통신망의 발전에 따라 2K. 4K 등 고해상도 영상보안 시스템 구축이 일반화될 것으로 전망된다. 이는 H.265 등 압축 기술의 발전과 스마트시티나 스마트 팩토리 등 목표 시장의 요구에 부합하기 위한 것으로 적용 속도가 점차 빨라질 수밖에 없다. 또한, 5G의 상용화는 기존 시스템이 지원하기 어려웠던 모바일 감시 시스템의 폭발적인 성장을 가져올 것으로 보인다. 각종 이동 수단과 기존 시스템의 사각지역에 대한 감시가 5G를 기반으로 이뤄지고, 이를 목적으로 한 엣지 장비와 모바일 및 포터블 저장장치의 사용과 개발도 확대될 것으로 예측된다.
4차 산업혁명 기술과 영상보안의 밀접한 결합
한편, 4차 산업혁명이 진행되며 관련 기술과 영상보안은 더욱 밀접하게 결합될 것으로 보인다. 이미 AI는 영상보안시장의 변화를 이끌고 있다. 엣지 장비부터 저장장치까지 지능형 영상분석기능 발전을 혁신적으로 가져오고 있는 것이다. 딥러닝을 기반으로 한 영상분석을 통해 실시간 모니터링부터 구조화된 데이터를 기반 한 지능형 검색에 이르기까지 많은 발전이 이뤄질 것으로 보인다. 향후에는 시스템이 점차 증강현실(AR)을 기반으로 한 표출이나 구조화에 집중할 것으로 예상되고 있다.
클라우드는 특히 영상보안 분야에서 두각을 나타낼 것으로 보인다. 이같은 움직임은 공공부문이 아닌 민수분야에서 활발할 것으로 예상된다. 4차 산업혁명이 진행되면서 저장장치로 클라우드를 활용하는 모습을 자주 볼 수 있게 됐다. 기존에는 P2P 방식의 원격 접속이 일반적이었지만 클라우드의 발전에 따라 기본적으로 원격 접속과 관리를 위해 클라우드를 사용하게 됐으며 일부에서는 클라우드가 저장장치를 대체하는 모습도 볼 수 있다.
국내는 아직 초기 단계지만 DVR과 NVR로 대표되던 영상보안 저장장치 시장은 일반 클라우스 스토리지를 거쳐 AI 기반의 융합 클라우드 스토리지로 발전하는 모습이다. 엣지 장비의 고해상도 추세와 대량의 구조화 이미지 데이터 전송이 일반화되고 있기 때문이다. AI 기반의 융합 클라우드 스토리지는 영상과 이미지, 파일, 객체 등에 대한 구조화를 진행해 저장과 데이터 전송의 병행이 가능해지고 있다.
하드웨어적으로도 SSD의 사용과 다이나믹 분층 기술까지 확대가 가능할 것으로 보인다. 이처럼 하드웨어와 소프트웨어 발전과 더불어 전체 영상보안 시스템은 저장 리소스 구조화와 리소스 다이나믹 분배와 같은 효율성 증대에 초점을 맞춰 발전해 나갈 것으로 전망된다. 결과적으로는 운영과 유지 보수에 필요한 모든 데이터를 실시간으로 데이터화하고 시각화하는 단계로 넘어갈 것으로 예상된다.
[김성미 기자(sw@infothe.com)]
[보안뉴스 김성미 기자] 2018년에 이어 2019년에도 카메라와 저장장치를 관통하는 영상보안 키워드는 빅데이터와 지능형, 인공지능(AI), 딥러닝, 머신러닝, 영상분석 등일 것으로 예상된다. ‘기술의 진화’에 따라 옷을 갈아입은 용어들이다.
[사진=dreamstime]
기술의 발전에 따라 지능형이 AI로 진화했고, 머신 러닝 기술 발전으로 사람이 개입하지 않고 기계 스스로 학습하는 비지도 학습(Unsupervised Learning)이 등장했다. 이어 등장한 머신러닝에 심층신경망(DNN : Deep Neural Networks)이 개입된 것이 바로 딥러닝이다. 딥러닝은 영상분석 부문에 획기적인 발전을 가져왔다.
전자부품연구원(KETI)에 따르면, 2010년 28.2%에 달했던 패턴 분석의 오류는 딥러닝이 도입되면서 2012년 18.4%, 2015년 3.57%으로 획기적으로 개선됐다. 얼굴인식은 95%선으로 정확해지면서 사람의 눈과 비슷한 정도로 발전했다. 이에 따라 지방자치단체의 CCTV 통합관제센터를 중심으로 지능형 영상분석 수요가 다시금 확대되고 있다. 영상분석 오류가 수용할 만한 단계로 접어들었기 때문이다.
행정안전부는 2017년 지능형 관제 실태조사에 나섰으며, 2018년에는 국내 1호 지능형 관제센터로 화성시를 선정해 지능형 선별관제 시스템을 시범 도입했다. 2019년에는 이같은 지능형 관제 수요가 더욱 늘어날 것으로 예상된다. 이에 따라 국내 영상보안 제조사들도 다시금 반격을 준비하고 있다.
데이터 경제 시대에 접어들면서 영상 빅데이터의 가치는 더욱 높아지고 있다. 어떻게 가공하느냐에 따라 쓰임이 다양해질 수 있기 때문이다. 데이터 경제란 데이터가 경제활동의 중요한 자원으로 활용되는 경제를 말하며, 영상 빅데이터란 분석을 위해 DVR이나 NVR, 클라우드 등에서 캡쳐된 자료를 일컫는다. 이와 달리 패스트 데이터는 보다 빠른 분석이 적용될 수 있는 엣지와 사물인터넷(IoT) 장비에 존재하는 데이터를 가리킨다.
4차 산업혁명 시대를 맞아 영상 빅데이터는 영상분석 기술이 진화를 거듭하면서 더욱 중요한 경제 자원으로 꼽히고 있으며, 딥러닝 기술 발전과 컴퓨팅 파워 등이 이를 뒷받침하고 있다. 그동안 지능형 영상분석은 카메라와 서버에서 주로 이뤄졌지만, 최근에는 스토리지가 서버의 기능을 일부 흡수하는 추세로 가고 있다. 카메라와 서버 등 기존 인프라를 이용하면서도 실시간 영상분석을 거친 영상 데이터를 저장하기 위해서다.
지능형 관제 초기에는 패스트 데이터를 빠르게 분석할 수 있는 엣지단의 분석에 대한 니즈가 높았다. 임베디스 스토리지와 리무버블 스토리지를 탑재한 카메라가 증가한 것도 이와 같은 맥락이다. 엣지단 영상분석은 긴급한 상황에서 즉각적인 분석을 필요로 할 때 효과적이다. 그러나 스마트시티 구축이 활발한 요즘에는 제공되는 서비스 목적에 맞는 영상분석이 중요해지면서 딥러닝이 향후 보안산업을 이끌어갈 주요 트렌드중 하나로 꼽히고 있다.
AI 기술은 보다 복잡한 머신러닝이나 딥러닝 가능하도록 진화하고 있다. 여기에서 딥러닝의 핵심은 가치있는 정보를 도출하기 위한 영상분석에 있다. 그러나 딥러닝이 궁극적으로 매우 높은 수준의 AI에 도달하더라도 인간의 패턴 1가지를 파악하기위해서는 수천 시장의 영상을 필요로 할 수도 있다.
보안 영상 데이터에서 다양한 정보를 도출할 수 있게 되면서 사용자들은 더 오랜 시간에 걸쳐 너무 많은 분량의 촬영분을 보관하는 경향을 보이고 있어 데이터 스토리지 시장의 성장이 가속화되고 있기 때문이다. 딥러닝은 기존의 보안 영상 활용방식을 뛰어넘는 새로운 방법을 끊임없이 제시하고 있으며, 영상보안 업계는 이를 활용하기 위해 더 많은 영상을 캡쳐하고 저장하며 분석하고 있다.
시장의 변화를 가져온 영상 빅데이터의 무거운 가치
이처럼 영상 빅데이터의 가치가 중요해 지면서 영상보안 저장장치 시장도 새로운 전기를 맞고 있다. DVR과 NVR 등으로 대표되던 영상보안 저장장치에 영상분석 기능이 추가되며 새로운 시장이 열리고 있는 것이다.
기존에는 영상분석이 카메라와 서버 단에서 이뤄졌다면 최근에는 스토리지 단이 이런 기능을 흡수해 AI 영상분석을 진행하는 형태로 변화하고 있다. 카메라와 서버 등 기존 물리적 인프라를 그대로 이용하면서도 영상분석이 가능하려면 영상 빅데이터가 모이는 스토리지 단에서 분석하는 것이 합리적이라는 판단에서다. 국내 지자체들은 각 단위별로 적게는 2,000여대 많게는 7,000여대의 보안 카메라를 통합 관제한다.
그러나 대량의 카메라에서 입력되는 서로 다른 영상 중에서 사람과 자동차, 충돌, 화재 등 위험 요소가 포함된 영상이 어떤 카메라에서 표출되고 있는지는 제한된 숫자의 관제요원이 일일이 분석하는 데는 한계가 있다. 위험 상황을 녹화하게 될 카메라를 미리 알 수도 없다. 하지만 AI 기술을 활용하면 다발적 위험 대상 카메라와 시간대별, 장소별, 유형별 이벤트를 분류할 수 있다. 기존의 영상분석 기술이 지녔던 2가지의 한계인 정확도와 속도의 문제를 해결했기 때문이다.
예를 들어 합성곱신경망(CNN : Convolutional Neural Network) 기반의 레스넷(ResNet)을 영상 인식에 적용했을 때의 오차는 4% 이내다. 사람의 오류 인지율이 5%임을 감안할 때 엄청난 쾌거가 아닐 수 없다. 또한, 순환신경망(RNN, Recurrent Neural Network)에서 패스트 RNN, 패스터 RNN로의 발전으로 속도도 초기 CNN 분석보다 16배 이상 빨라졌다. 이런 AI 기술을 통해 정확한 인지를 바탕으로 하는 영상 저장과 위험 요소 위주의 자동식별은 관제의 효율성을 높일 수 있게 했으며 스토리지 변신의 견인차 역할을 하고 있다.
이같은 관제나 영상분석 방식은 선별 관제나 지능형 관제, AI 관제 또는 지능형 형상분석, AI 영상분석 등으로 불린다. 부르는 이름이야 차이가 있든 이런 기능이 나온 것은 크게 2가지 이유에서다. 가장 큰 이유는 관제 편의성, 두 번째는 호환성이다. 사용자가 편리하게 목적에 맞는 관제를 할 수 있게 도우면서도 이미 구축해놓은 기존 시스템과의 호환이 가능해야 하기 때문이다.
영상보안 기술의 진화로 화질이 크게 개선돼 4K까지 등장한 상황에서 GUI 등 컴퓨팅 파워까지 뒷받침을 해주게 되자 1대의 서버로 2,400개 채널을 대응할 수 있는 AI NVR도 조만간 시장에 등장할 전망이다. DVR과 NVR 등 영상보안 저장장치의 호환성 강화를 위해 최근에는 아날로그와 IP용 하이브리드 장비 외에 AHD, TVI, CVI, CVBS, IP를 모두 포용하는 펜타브리드 장비도 등장하고 있다. 국내에서는 아직 수요가 많지 않지만 해외 벤더를 중심으로 펜타브리드 장비의 수요가 발생하고 있어 국내 기업 가운데서도 2019년부터 펜타브리드 장비 생산 계획을 세우고 있는 곳도 나타나고 있다.
2019년 영상보안 저장장치 기술, 충실한 발전 이어가
이런 상황에서 2019년 영상보안 저장장치 기술은 기본에 충실한 발전을 이어갈 것이라는 분석이다. 하드웨어적으로는 GPU 탑재가, 소프트웨어적으로는 딥러닝 알고리즘의 사용이 일반화될 것으로 보인다. 가장 기본인 사용자와 설치자의 편의성 강화에 방점을 찍고 진화할 것으로 예상된다. PoE 포트를 통한 NVR의 플러그 앤 플레이 기능 강화, 데이터의 장거리 전송과 같은 기능이 대표적이다.
사용자 인터페이스의 발전을 통한 직관성은 더욱 강화될 것으로 보인다. 딥러닝 기반의 엣지 장비와 저장장비의 발전을 통해 각종 보안 목적에 따른 특수 장비 출시도 이어질 거란 전망이다. 이들 장비는 행동분석과 얼굴인식 및 비교, 차량번호판 인식, 비즈니스 인텔리전스 등 다양한 방면에 활용될 수 있기 때문이다. 이밖에도 영상보안 시장의 큰 이슈 중 하나인 데이터 보안과 시스템 확장성을 위한 멀티플 스트리밍, 트렌스 코딩 기능의 강화도 지속될 것으로 보인다.
광대역 통신망의 발전에 따라 2K. 4K 등 고해상도 영상보안 시스템 구축이 일반화될 것으로 전망된다. 이는 H.265 등 압축 기술의 발전과 스마트시티나 스마트 팩토리 등 목표 시장의 요구에 부합하기 위한 것으로 적용 속도가 점차 빨라질 수밖에 없다. 또한, 5G의 상용화는 기존 시스템이 지원하기 어려웠던 모바일 감시 시스템의 폭발적인 성장을 가져올 것으로 보인다. 각종 이동 수단과 기존 시스템의 사각지역에 대한 감시가 5G를 기반으로 이뤄지고, 이를 목적으로 한 엣지 장비와 모바일 및 포터블 저장장치의 사용과 개발도 확대될 것으로 예측된다.
4차 산업혁명 기술과 영상보안의 밀접한 결합
한편, 4차 산업혁명이 진행되며 관련 기술과 영상보안은 더욱 밀접하게 결합될 것으로 보인다. 이미 AI는 영상보안시장의 변화를 이끌고 있다. 엣지 장비부터 저장장치까지 지능형 영상분석기능 발전을 혁신적으로 가져오고 있는 것이다. 딥러닝을 기반으로 한 영상분석을 통해 실시간 모니터링부터 구조화된 데이터를 기반 한 지능형 검색에 이르기까지 많은 발전이 이뤄질 것으로 보인다. 향후에는 시스템이 점차 증강현실(AR)을 기반으로 한 표출이나 구조화에 집중할 것으로 예상되고 있다.
클라우드는 특히 영상보안 분야에서 두각을 나타낼 것으로 보인다. 이같은 움직임은 공공부문이 아닌 민수분야에서 활발할 것으로 예상된다. 4차 산업혁명이 진행되면서 저장장치로 클라우드를 활용하는 모습을 자주 볼 수 있게 됐다. 기존에는 P2P 방식의 원격 접속이 일반적이었지만 클라우드의 발전에 따라 기본적으로 원격 접속과 관리를 위해 클라우드를 사용하게 됐으며 일부에서는 클라우드가 저장장치를 대체하는 모습도 볼 수 있다.
국내는 아직 초기 단계지만 DVR과 NVR로 대표되던 영상보안 저장장치 시장은 일반 클라우스 스토리지를 거쳐 AI 기반의 융합 클라우드 스토리지로 발전하는 모습이다. 엣지 장비의 고해상도 추세와 대량의 구조화 이미지 데이터 전송이 일반화되고 있기 때문이다. AI 기반의 융합 클라우드 스토리지는 영상과 이미지, 파일, 객체 등에 대한 구조화를 진행해 저장과 데이터 전송의 병행이 가능해지고 있다.
하드웨어적으로도 SSD의 사용과 다이나믹 분층 기술까지 확대가 가능할 것으로 보인다. 이처럼 하드웨어와 소프트웨어 발전과 더불어 전체 영상보안 시스템은 저장 리소스 구조화와 리소스 다이나믹 분배와 같은 효율성 증대에 초점을 맞춰 발전해 나갈 것으로 전망된다. 결과적으로는 운영과 유지 보수에 필요한 모든 데이터를 실시간으로 데이터화하고 시각화하는 단계로 넘어갈 것으로 예상된다.
[김성미 기자(sw@infothe.com)]
<저작권자: 보안뉴스(www.boannews.com) 무단전재-재배포금지>
김성미기자 기사보기
[2024-11-22] .jpg)
.jpg)
.jpg)
.jpg)
.jpg)
