사회적약자
해결완료
키즈키퍼 - 딥러닝을 활용한 신속한 아동보호 모니터링 시스템
한상일
저희 팀은 어린이집 CCTV 영상을 기계 학습 모델을 통해 분석하여 관리 기관이 어린이집에서 발생한 사건·사고 발생 여부를 신속하게 감지할 수 있는 어린이집 아동 보호 모니터링 시스템을 제안합니다. 2015년 정부는 아동 학대 방지를 위해 어린이집 내 CCTV 설치 의무화를 시행하였지만 어린이집 내 아동 학대는 오늘날까지 계속해서 발생하고 있고, 아동 학대의 정황을 파악하기 위해 어린이집 내에 설치된 CCTV를 열람하는데 있어서 부모와 어린이집 간에 갈등이 계속되고 있습니다. 부모는 어린이집 내에서 아동 학대가 발생했다고 의심되어 CCTV 열람을 요청하고 있지만 일부 어린이집 측은 부모들의 열람 요청을 범죄와 관계없는 무분별한 열람 요청으로 간주하고 더 나아가 보육교사와 다른 아동들의 사생활 침해가 우려된다는 이유로 부모의 열람 요청을 거절하고 있습니다. 이러한 상황은 부모가 어린이집 CCTV의 실효성에 의심을 품음과 동시에 어린이집의 운영을 신뢰하지 못해 부모와 어린이집 간에 불신의 벽이 높아지는 문제를 야기하고 있습니다.
따라서 저희 팀은 이 상황을 해결하기 위해 어린이집 CCTV가 촬영한 영상을 실시간으로 분석하여 어린이집에서 발생한 아동 학대와 같은 사건이나 안전 사고 발생 여부를 부모와 어린이집 측에 신속하고 객관적으로 제시하는 환경을 구성하는 것에 초점을 두었습니다. 기존에 발생한 사건·사고 영상 데이터와 기계 학습에 기반해 학습 모델을 구성하고 이를 활용하여 CCTV 영상을 실시간으로 분석해 어린이집 내 사건·사고 발생 여부를 탐지하는 것으로 앞에서 설명한 환경을 구성할 수 있습니다. 또한 탐지한 사건·사고에 대한 정보를 기반으로 부모가 요청한 CCTV 열람 신청을 자동으로 처리되도록 구성하여 어린이집의 행정적 업무 부담을 줄이고 부모의 CCTV 열람 요청을 객관적으로 승인·거부할 수 있습니다. 또한 학습 모델을 통해 영상 분석을 진행하므로 보육교사나 다른 아동들에 대한 사생활을 보호하면서 사건·사고 발생 여부를 탐지할 수 있습니다. 더 나아가 어린이집 내에서 발생한 아동 학대나 안전 사고 통계와 같은 정보를 관련 기관에 전송함으로써 객관적인 어린이집 감사 자료로 활용함과 동시에 관련 기관이 먼저 나서서 적극적으로 아동을 보호할 수 있는 환경을 구성하는 것을 목표로 하고 있습니다.
따라서 저희 팀은 이 상황을 해결하기 위해 어린이집 CCTV가 촬영한 영상을 실시간으로 분석하여 어린이집에서 발생한 아동 학대와 같은 사건이나 안전 사고 발생 여부를 부모와 어린이집 측에 신속하고 객관적으로 제시하는 환경을 구성하는 것에 초점을 두었습니다. 기존에 발생한 사건·사고 영상 데이터와 기계 학습에 기반해 학습 모델을 구성하고 이를 활용하여 CCTV 영상을 실시간으로 분석해 어린이집 내 사건·사고 발생 여부를 탐지하는 것으로 앞에서 설명한 환경을 구성할 수 있습니다. 또한 탐지한 사건·사고에 대한 정보를 기반으로 부모가 요청한 CCTV 열람 신청을 자동으로 처리되도록 구성하여 어린이집의 행정적 업무 부담을 줄이고 부모의 CCTV 열람 요청을 객관적으로 승인·거부할 수 있습니다. 또한 학습 모델을 통해 영상 분석을 진행하므로 보육교사나 다른 아동들에 대한 사생활을 보호하면서 사건·사고 발생 여부를 탐지할 수 있습니다. 더 나아가 어린이집 내에서 발생한 아동 학대나 안전 사고 통계와 같은 정보를 관련 기관에 전송함으로써 객관적인 어린이집 감사 자료로 활용함과 동시에 관련 기관이 먼저 나서서 적극적으로 아동을 보호할 수 있는 환경을 구성하는 것을 목표로 하고 있습니다.
따라서 저희 팀은 이 상황을 해결하기 위해 어린이집 CCTV가 촬영한 영상을 실시간으로 분석하여 어린이집에서 발생한 아동 학대와 같은 사건이나 안전 사고 발생 여부를 부모와 어린이집 측에 신속하고 객관적으로 제시하는 환경을 구성하는 것에 초점을 두었습니다. 기존에 발생한 사건·사고 영상 데이터와 기계 학습에 기반해 학습 모델을 구성하고 이를 활용하여 CCTV 영상을 실시간으로 분석해 어린이집 내 사건·사고 발생 여부를 탐지하는 것으로 앞에서 설명한 환경
[서비스 흐름]
딥러닝을 활용해서 CCTV로 촬영된 영상 속 이상행동을 분석합니다. 이상행동 감지 시, 사건과 무관한 인물들을 모자이크 처리한 별도의 문제 영상을 별도의 관리 영상으로 저장합니다. 해당 영상의 제한적 열람을 위한 필수 정보(구체적인 시간 및 장소, 사유 등)를 모니터링 서버로 전송합니다. 모니터링 담당자는 보호자 및 어린이집 측과 함께 현장 방문 일정을 수립한 후, 문제 영상을 확인합니다. 영상 열람 후 적절한 후속 조치를 진행할 수 있도록 서비스를 제공합니다.
[세부 개발 계획]
- WEB
시군구 단위로 모든 어린이집에 대해 모니터링하는 서비스를 구성하기 때문에 서버의 부담이 우려되어 최대한 서버와의 통신을 줄이기 위해 react를 활용한 SPA 방식을 사용
- Server
어린이집 내 PC에서 분석한 영상의 정보만 모니터링 서버로 전달, 간단한 영상 정보를 대량으로 처리하기 위해 싱글 스레드 기반 비동기 이벤트 위주 IO를 사용하는 node.js API 사용
- Database
Postgresql을 통해 어린이집 정보, 이상행동 감지 데이터 등을 담는 시스템 DB 구축, ORM을 이용해 OPEN API 데이터, 외부 JSON 데이터 DB에 삽입
- Machine Learning
프레임별 사람의 객체를 인식하는 Human pose 모델을 적용해 JSON 객체 생성, GAN 기반의 시계열 데이터 이상치 탐지 모델 적용
- Local Hub
시간 단위로 영상 녹화 후 저장된 영상을 FTP를 통해서 일 단위로 서버를 통해 전송
딥러닝을 활용해서 CCTV로 촬영된 영상 속 이상행동을 분석합니다. 이상행동 감지 시, 사건과 무관한 인물들을 모자이크 처리한 별도의 문제 영상을 별도의 관리 영상으로 저장합니다. 해당 영상의 제한적 열람을 위한 필수 정보(구체적인 시간 및 장소, 사유 등)를 모니터링 서버로 전송합니다. 모니터링 담당자는 보호자 및 어린이집 측과 함께 현장 방문 일정을 수립한 후, 문제 영상을 확인합니다. 영상 열람 후 적절한 후속 조치를 진행할 수 있도록 서비스를 제공합니다.
[세부 개발 계획]
- WEB
시군구 단위로 모든 어린이집에 대해 모니터링하는 서비스를 구성하기 때문에 서버의 부담이 우려되어 최대한 서버와의 통신을 줄이기 위해 react를 활용한 SPA 방식을 사용
- Server
어린이집 내 PC에서 분석한 영상의 정보만 모니터링 서버로 전달, 간단한 영상 정보를 대량으로 처리하기 위해 싱글 스레드 기반 비동기 이벤트 위주 IO를 사용하는 node.js API 사용
- Database
Postgresql을 통해 어린이집 정보, 이상행동 감지 데이터 등을 담는 시스템 DB 구축, ORM을 이용해 OPEN API 데이터, 외부 JSON 데이터 DB에 삽입
- Machine Learning
프레임별 사람의 객체를 인식하는 Human pose 모델을 적용해 JSON 객체 생성, GAN 기반의 시계열 데이터 이상치 탐지 모델 적용
- Local Hub
시간 단위로 영상 녹화 후 저장된 영상을 FTP를 통해서 일 단위로 서버를 통해 전송
문제해결의 필요성에 대해 공감하는 실제 어린이집
목록보기