김광훈 ([email protected])
경기대학교 AI컴퓨터공학부 교수
콘텐츠융합소프트웨어연구소 (한국연구재단 대학중점연구소) 소장
범죄예방능동빅데이터연구소 (경기대학교 대표연구소) 소장

시작하는 말

최근에 CCTV, 블랙박스, 스마트폰 등으로부터 수집되는 동영상 데이터와 페이스북 등의 소셜미디어로부터 생산되는 비정형데이터가 급속하게 증가하였고, 그 증가속도 역시 급격히 빨라지고 있다. 이에 따라 동영상·소셜미디어의 비정형콘텐츠 빅데이터와 머신러닝·딥러닝-인공지능 기술과의 융합적 접근방법 관련 다양한 활용방안에 대해 전국가적 차원의 관심이 크게 확산되고 있다. 특히, 비정형콘텐츠의 동영상과 소셜미디어 빅데이터를 학습 및 훈련데이터로 활용하는 머신러닝·딥러닝-인공지능 공개엔진들과 이를 기반으로 하는 활용서비스 플랫폼의 연구개발 및 상용화가 세계적인 각광을 받기 시작하면서 관심이 집중되고 있는 대표적인 응용영역이 바로 범죄 상황분석과 범죄 예방 및 예측 서비스 영역이다.

따라서 범죄예방·예측 서비스플랫폼에 관한 연구개발에 많은 인공지능 관련 기업들·기관들이 관심과 주의하고 있다. 즉, 많은 대학·국책 연구기관들과 기업 연구소들이 일찍이 디지털콘텐츠 기술과 소프트웨어 기술을 융합하는 다양한 서비스플랫폼들의 연구개발과 산업화에 적극적으로 참여하고 있으며, 중소기업들과의 산학협력을 통한 영상콘텐츠 관련 서비스플랫폼 산업화에 선도적으로 참여하고자 노력하고 있다.

더욱이, 최근에는 영상분석을 위한 딥러닝-인공지능 기술이 핵심적인 플랫폼으로 확산 및 보편화되면서 CCTV-영상콘텐츠 빅데이터와 딥러닝-인공지능 기술을 기반으로 하는 범죄예방·예측 서비스플랫폼의 연구개발과 그의 응용서비스들에 대한 산업화에 많은 기업과 연구기관들이 큰 관심과 함께 도전적 연구개발에 적극성을 보이고 있다. 본 고에서는 그 도전적 연구주제들 중의 하나인 일명 “CCTV-능동콘텐츠 빅데이터 기반 범죄예방·예측 서비스플랫폼”의 개념적 아키텍처와 이를 구현하기 위한 CCTV-능동콘텐츠 빅데이터 공학기술을 간단히 소개하고자 한다. (여기서, CCTV-능동콘텐츠 빅데이터는 현재의 수행 중인 연구개발과제에서 제안한 새로운 차원의 영상콘텐츠 빅데이터 개념으로서, CCTV-영상콘텐츠 빅데이터를 구성하는 각각의 영상콘텐츠에 맥락화 분석기법을 적용하여 새로이 재탄생시킨 신개념의 영상콘텐츠 빅데이터를 의미한다.)

먼저, 연구개발의 기술적 배경과 상황에 대하여 말하자면, 기존의 CCTV-영상콘텐츠 빅데이터 기술은 구글 등과 같은 초대형기업에 의해서 주도되는 초대형 컴퓨팅 환경과 자체 확보된 셀 수 없을 정도의 대량의 영상빅데이터 그리고 초대형 개발비용이 요구되는 원천적인 영상빅데이터 분석기술에 초점을 두고 있다. 따라서 국내에서는 감히 직접적인 연구개발의 시도조차 엄두를 낼 수 없는 대량의 영상빅데이터에 대한 분석능력의 한계와 컴퓨팅 환경측면의 기술적 한계에 직면하고 있을 뿐만 아니라 최첨단이자 범접할 수 없는 딥러닝-인공지능 플랫폼엔진의 핵심기술측면에서 더욱 실감하는 근본적인 기술적 한계에 또한 직면하고 있음을 인정하지 않을 수 없을 것이다.

그럼에도 불구하고, 다행히도 우리니라에서는 전형적인 비정형 영상콘텐츠 빅데이터를 대표하는 CCTV-영상콘텐츠 빅데이터를 획득·저장·유지관리하기 위한 매우 모범적인 시설환경인 CCTV-영상관제센터를 전국의 도·시·군·읍·면에 이르기까지 성공적으로 구축하였다는 점이 천만다행이라고 아니할 수 없다. 전국적인 스마트시티의 확산으로 모든 지방지자체의 CCTV-영상관제센터 개설과 운영에 따른 고성능 CCTV-폐쇄회로영상장치 설치의 안정적 확산과 그의 긍정적/실용적 활용효과가 크게 인식되면서 높은 수준의 성능과 고해상도의 영상품질이 보장되는 CCTV-영상콘텐츠 빅데이터를 획득 및 유지관리 할 수 있는 법적/물리적 환경을 성공적으로 구축·완료하였다. 동시에 그의 중요성과 효과적 활용방안에 대한 관심과 필요성에 대한 요구가 집중되는 상황임이므로, 본 고에서는 도전적인 원천기술이 요구되는 CCTV-영상콘텐츠 빅데이터를 특정하여 주제의 대상으로 선택하였으며, 이러한 고품질의 CCTV-영상콘텐츠 관제체계를 기반으로 하는 높은 수준의 CCTV-영상콘텐츠 빅데이터 플랫폼을 위한 도전적인 원천기술을 확보할 수 있을 뿐만 아니라 이를 기반으로 하는 실시간 범죄예방·예측 서비스플랫폼을 핵심적인 분석 및 검토대상으로 설정하였다. 결과적으로, 이와 같은 CCTV-영상콘텐츠 빅데이터 구축을 실현가능하게 할 수 있는 도전적 원천기술인 CCTV-능동콘텐츠 빅데이터 플랫폼의 개념적인 설계배경과 이를 기반으로 하는 범죄예방·예측 서비스플랫폼의 설계이론 및 개념적 기능구조를 소개하고자 한다.

CCTV-중심 상황적 범죄예방 이론

(CCTV 설치확산의 계기: 2012년 오원춘 살인사건과 2014년 박춘풍 살인사건) 두 사건 모두 경기도 수원 팔달구에서 벌어진 잔혹범죄로서 폐쇄회로텔레비전(이하 CCTV) 등과 같은 영상정보처리기기를 우리나라 전역에 설치에 관한 여론을 확산시키는 결정적인 계기가 된 범죄로 알려져 있다. 즉, 여성을 잔인하게 살해한 다음 시신까지 훼손해서 충격을 안겨 주었을 뿐만 아니라 발생 장소가 ‘치안불안지역’이었다는 점, 야산이 가까이 있어 시신을 유기하기 용이하다는 점 등이 원인으로 지목되었고, 특히 범죄가 일어날 가능성이 높은 환경이었다는 점, 피해자가 범인을 인지할 수 있는 아무런 범죄예방 방법이나 도구가 없었다는 점, 그리고 범인을 모니터링하거나 예측하여 범행의도를 억제할 수 있는 아무런 범행 예측이나 범행억제 도구가 없었다는 점이 공통점이었다. 결과적으로, CCTV 설치는 범죄예방 뿐만 아니라 범죄예측과 범행억제 수단으로서 매우 결정적인 도구를 제공할 수 있다는 점에 주목할 필요가 있는 것이다. 다시 말해서, 이것이 CCTV-중심 상황적 범죄예방 이론(CCTV-centered situational crime prevention theory)의 실증적 연구배경이다.

(상황적 범죄예방 이론) 상황적 범죄예방 이론은 원래 범죄학분야에서 깨진유리창 이론 등과 함께 매우 잘 알려진 범죄예방이론으로서 로렌스 코헨과 마르쿠스 펠슨에 의해서 최초로 제안되었는데, 이 이론이 주장하는 것은 범죄를 저지를 가능성이 있는 사람(a likely offender)과 적절한 범죄목표물(suitable target) 즉 피해자가 시간과 공간(in a timely place)적으로 함께 존재하게 되면, 범죄가 발생할 가능성과 위험성이 매우 높아진다는 이론적 배경을 바탕으로 한다. 결과적으로 범죄 발생의 3대 요소인 가해자, 피해자, 시간과 공간 요소들의 범죄발생 요인을 억제시킬 수 있는 조정자(forceful handler), 보호자(capable guardian), 관리자(Space Manager)의 역할을 강화시킴으로써 범죄발생의 연결고리를 끊어내고 범죄발생을 예방시킬 수 있다는 이론이다.

(CCTV-중심 상황적 범죄예방 이론) 오늘날 우리나라 전역에 설치되어 있는 CCTV-영상정보처리기기는 범죄발생의 3대 요소인 피해자, 가해자, 시간과 공간의 보호자, 조정자, 관리자로서의 역할을 매우 적절하고 강력하게 담당할 수 있는 수단이다. 위 그림 1에서 나타내었듯이 CCTV-중심 상황적 범죄예방 이론의 중심적인 해결방안이며, 전국에 걸쳐 설치되어 있는 이러한 CCTV-영상정보처리기기로부터 이 순간에도 획득되고 있는 CCTV-영상콘텐츠 빅데이터는 범죄예방 뿐 만 아니라 범죄예측까지도 가능하게 하는 결정적인 수단임에 틀림없다.

즉, 상황적 범죄예방 이론의 세 가지 구성요소인 가해자, 피해자, 공간에 대한 각각의 범죄예방, 범죄예측, 범행모니터링 기능을 담당하는 통제자(controller)의 역할인 조정자(handler), 보호자(guardian), 관리자(manager)의 지능화(intelligence) 수준을 사회과학적/범죄심리학적 이론과 공학적/수리적 빅데이터 분석 기술 그리고 CCTV-지능화 플랫폼 소프트웨어 기술의 융합을 통해 고도화시킴으로써 국민안전과 범죄예방 능력을 극대화시키고 예측치안유지(프레드폴: PREDictive POLicing)를 가능하게 하는 것이 CCTV-중심 상황적 범죄예방 이론의 도전적 구현목표이다. 참고로, 조정자, 보호자, 관리자는 각각의 역할을 수행하는 CCTV와 그로부터 획득되는 영상빅데이터 그리고 그 영상빅데이터를 기반으로 하는 딥러닝-인공지능 기반 서비스플랫폼으로 실현됨을 의미한다.

CCTV-영상콘텐츠 빅데이터: 방범·과속단속·교통신호위반용 폐쇄회로텔레비전

(CCTV-영상콘텐츠 빅데이터의 대표적 운영사례) 다음의 그림 2는 우리나라 전역에 설치된 고속도로, 국도, 지방도에 설치되어 있는 방범용, 과속신호단속용, 교통신호위반단속용 폐쇄회로 텔레비전들로부터 획득되는 CCTV-영상콘텐츠 빅데이터의 개념적 운영상황과 이러한 비정형영상콘텐츠 빅데이터가 갖는 근본적인 한계와 문제점 그리고 그에 대한 개념적 해결방안을 도식화한 것이다. 즉, 우리나라 전역의 방범용, 과속신호단속용, 교통신호위반단속용 CCTV들로부터 1일 약 2천6백만 건/1개월 약 7억 8천만 건의 위반건수와 관련 영상콘텐츠가 획득되고 있는 엄청난 볼륨과 수량의 CCTV-영상콘텐츠 빅데이터가 운영·관리되고 있는 상황이다. 하지만, 이러한 초대형 비정형영상콘텐츠 빅데이터와 초고비용 관제센터의 운영으로부터 활용하는 데이터 유형은 비정형 영상데이터가 아니라 단지 위반차량의 범칙금 부과에 필요한 정형데이터, 즉 통과차량일시, 차량번호, CCTV-ID번호, 저장된 파일이름, 통과속도에 불과하다는 사실이다.

(비정형영상콘텐츠 빅데이터의 한계와 문제점) 결과적으로, 위 그림 2와 같은 CCTV-영상콘텐츠 빅데이터를 포함하여 현재 우리나라 전역에 설치되어 있는 다양한 유형의 CCTV-영상정보처리기기들로부터 획득되는 비정형 영상빅데이터를 범죄사건의 결정적인 해결방안의 하나로 활용되고 있음에도 불구하고 해당 동영상파일을 사람에 의한 직접적인 재생과 검사를 통해 영상콘텐츠상의 영상객체, 행위, 상황을 인식할 수밖에 없는 기술적인 한계와 문제점을 갖고 있다. 많은 비용과 노력으로 설치 및 운영되고 있는 관제센터에서 획득하고 있는 CCTV-영상콘텐츠 빅데이터의 엄청난 가치와 무한한 응용성과 잠재성에도 불구하고 그 원천 영상콘텐츠 자체를 다각적으로 분석 및 활용할 수 있는 영상분석 서비스플랫폼의 개발이 미흡한 실정이고, 또한 영상콘텐츠 빅데이터를 분석하기 위한 초대형 컴퓨팅 환경과 원천 솔루션 측면의 근본적인 기술적 한계로 인해 관련법규에 의해 정해진 보유시간인 1개월 후에는 결국 버려지고 있는 실정이다. 참고적으로, 이러한 근본적인 한계와 문제점에 대한 원천적 해결방안의 하나로 본 저자는 일명 CCTV-능동콘텐츠빅데이터 공학기술을 연구 기획하여 연구개발을 수행하고 있으며, 그 연구성과물을 적용한 실시간 범죄예방 및 예측 서비스플랫폼을 개발하고 있다.

CCTV-능동콘텐츠 빅데이터 기반 범죄예방·예측 서비스플랫폼 개념적 기능구조

(CCTV-능동콘텐츠빅데이터 공학기술) 앞서 소개한 CCTV-중심 상황적 범죄예방이론과 CCTV-영상콘텐츠 빅데이터를 기반으로 하는 CCTV-능동콘텐츠빅데이터 공학기술은 크게 CCTV-능동콘텐츠 빅데이터 취득(콘텐츠 능동화) 기술, CCTV-능동콘텐츠 빅데이터 플랫폼 기술, CCTV-능동콘텐츠 빅데이터 분석 기술이다. 이는 딥러닝-인공지능 기반의 CCTV-영상콘텐츠 빅데이터 플랫폼을 구현하기 위한 핵심기술 전반의 공학적 접근방법과 솔루션이다. 특히, 핵심적인 원천기술은 바로 CCTV-능동콘텐츠 빅데이터 취득 기술인 CCTV-영상콘텐츠 능동화 및 패키징 공학기술이다. CCTV-영상콘텐츠의 능동화 기술은 CCTV-영상콘텐츠를 영상-프레임 단위의 콘텍스트-데이터로 능동화시키는 기술로서, 해당 CCTV-영상콘텐츠의 능동화 결과로 취득되는 콘텍스트-데이터를 CCTV-능동콘텐츠라고 정의한다. CCTV-영상콘텐츠의 패키징 기술은 CCTV-영상콘텐츠 능동화 기술을 통해 취득된 CCTV-능동콘텐츠를 소위 능동콘텐츠 프레임 조직 모델로 정의되는 스키마구조에 따른 콘텍스트-데이터로 정형화시키는 XML-태깅 기술이다. 결과적으로, 수동적 속성의 CCTV-영상콘텐츠는 원시 영상데이터와 함께 그의 능동화 및 패키징 결과인 콘텍스트-데이터의 XML-태깅 정보가 통합적으로 랩핑(wrapping)되어 검색·조직화·재사용 서비스에 자유로이 활용될 수 있는 능동적 속성의 CCTV-능동콘텐츠로 재탄생하게 되는 것이다.

(CCTV-능동콘텐츠 빅데이터 기반 범죄예방·예측 서비스플랫폼 아키텍처) CCTV-능동콘텐츠 빅데이터 공학기술을 적용한 대표적인 응용서비스플랫폼이 바로 CCTV-영상콘텐츠 빅데이터를 능동화 기술과 패키징 기술을 통해 재탄생시킨 CCTV-능동콘텐츠 빅데이터를 기반으로 하는 일명 “CCTV-능동콘텐츠 빅데이터 기반 범죄예방예측 서비스플랫폼”이다. 다음의 그림 3은 CCTV-능동콘텐츠 빅데이터 기반 범죄예방예측 서비스플랫폼의 개념적 아키텍처를 도식화한 것이다. 이 서비스플랫폼의 개념적 아키텍처에서 나타내었듯이, 본 저자의 연구소에서 연구개발을 진행 중인 핵심적인 플랫폼 기술은 CCTV-능동콘텐츠 빅데이터 취득하고 저장 및 운영·관리하는데 요구되는 필수 기능인 빅데이터 네트워킹 플랫폼 기술과 구축된 CCTV-능동콘텐츠 빅데이터를 분석하여 다양한 범죄예방·예측 응용서비스를 개발하는데 요구되는 필수 기능인 빅데이터 분석 플랫폼 기술로 구성된다.

(범죄예방·예측: CCTV-능동콘텐츠 빅데이터 취득·저장·운용·관리 플랫폼) CCTV-중심 상황적 범죄예방이론의 실증적 조정자·보호자·관리자 서비스를 구현하기 위해서는 앞서 소개한 핵심적인 능동화 및 패키징 공학기술을 CCTV-영상콘텐츠 빅데이터에 적용하여 생성시킨 CCTV-능동콘텐츠 빅데이터를 취득·저장·운영·관리·모니터링하는 빅데이터 네트워킹 플랫폼이 필수적이다. 특히, 이러한 CCTV-능동콘텐츠 빅데이터를 운용관리하는데 있어서 블록체인 기술을 적용한 신뢰성 확보는 무엇보다도 중요한 필수 요구사항이다. 결과적으로, 범죄예방예측 빅데이터 플랫폼은 CCTV-능동콘텐츠 빅데이터를 구성하는 각각의 원시 영상데이터의 저장형태와 영상의 종류에 따라 4가지 유형(싱글모달, 듀얼모달 유형-1, 듀얼모달 유형-2, 멀티모달)의 CCTV-능동콘텐츠 빅데이터 플랫폼 유형과 그에 따른 실행환경적 기능구조를 고려한 실행엔진을 제공할 뿐 만 아니라 CCTV-능동콘텐츠의 각 영상프레임을 맥락화한 능동콘텐츠-객체의 XML-태깅 정보인 개체(object), 동작(operation), 상황(situation) 콘텍스트-데이터들을 체계적으로 그리고 집중적으로 저장하고 유지관리하기 위한 빅데이터 네트워킹 및 아카이빙 클라이언트 및 사용자 대시보드를 제공한다.

(범죄예방·예측: CCTV-능동콘텐츠 빅데이터 분석·응용·서비스 플랫폼) CCTV-능동콘텐츠 빅데이터 플랫폼과 콘텍스트-데이터의 능동빅데이터를 기반으로 상황적 범죄예방이론과 조정자·보호자·관리자 관점의 범죄문제해결을 위한 실증적 서비스를 제공하는 것은 매우 중요한 마무리 단계의 연구결과이다. 이를 위한 범죄예방·예측을 위한 지능형 빅데이터 분석플랫폼 기술은 두 가지 유형, 즉 비정형 CCTV-영상콘텐츠 빅데이터 자체를 분석하는 딥러닝-인공지능 모델과 알고리즘과 분석기법들과 콘텍스트-데이터로 능동화된 CCTV-능동콘텐츠 빅데이터를 분석하는 효과적인 분석알고리즘과 지능형 인공지능-머신러닝 및 딥러닝 모델과 알고리즘들로 구성된다. 이와 같은 CCTV-능동콘텐츠 빅데이터 분석플랫폼을 기반으로 범죄상황 인식·예측·교정으로 구성되는 범죄예방·예측 응용서비스를 제공하기 위한 일련의 응용프로그램-API들을 제공한다. 특히, 특정 범죄 발생 상황에서의 범죄 가해자 통제, 피해자 보고 및 관리, 그리고 공간 매니저의 활동이 어떻게 지능적으로 강화될 수 있는가를 연구·분석한 결과를 바탕으로 하는 CCTV-능동콘텐츠 빅데이터 기반의 범죄 데이터 분석 측면과 범죄의 지능적 및 예측적 분석 측면의 범죄예방예측 전용 응용서비스 및 응용프로그램-API들을 제공한다. 결과적으로, 기존의 딥러닝-인공지능 영상분석 기반 범죄상황과 영상객체탐지 및 추적 솔루션들이 직면하고 있는 범죄 영상-객체 인식 및 추적 기술의 컴퓨팅 환경적·기술적·실시간적 한계를 극복할 수 있는 CCTV-영상콘텐츠 기반 범죄예방·예측 실시간 응용서비스플랫폼을 기반으로 실시간 환경에서의 다양한 범죄 관련 영상-객체인식과 상황인식 그리고 이동영상-객체의 행위인식을 가능하게 하는 실시간 영상-객체 탐지 및 객체 추적 기술을 제공함으로써 범죄예방·예측 실시간 서비스와 응용프로그램 개발환경을 제공할 수 있다.

시사점과 맺음말

(CCTV-영상콘텐츠 빅데이터 폭발적 증가와 분석 기술적 한계) CCTV, 페이스북, 유튜브, 인스타그램, 블로그, 채팅, 블랙박스 등과 같은 비정형 영상콘텐츠와 소셜미디어 빅데이터를 다양한 사회적·의학적·현실적 문제해결 방법으로 활용하는데 있어서 가장 근본적인 기술적 한계는 비정형 데이터라는 점, 그 데이터의 크기와 양이 초대규모라는 점이며, 결과적으로 우리나라의 현재의 기술수준으로는 그 데이터 자체를 빅데이터화하고 분석하는데 요구되는 컴퓨팅 환경적 한계와 초대형 비정형 빅데이터 분석의 기술적 한계 그리고 그러한 한계로 인한 실시간 서비스 제공이 거의 불가능한 근본적인 어려움을 갖는다는 점이다. 결과적으로, 이러한 기술적 한계를 극복하고 해결하기 위한 비정형콘텐츠 빅데이터의 원천적 선도기술, 즉 비정형콘텐츠 빅데이터 취득-저장-처리-분석-시각화를 위한 신개념의 플랫폼 기술에 대한 원천기술의 확보가 그 어느 때보다 중요한 시점이다. 본 고에서 소개한 CCTV-영상콘텐츠 빅데이터 플랫폼은 현재 우리나라에서 진행되고 있는 여러 원천기술 개발시도들 중의 하나임에 틀림없으며, 본 저자는 역시 일명 CCTV-능동콘텐츠 빅데이터 플랫폼 기술을 연구 기획하였고, 그 도전적 세부 연구주제의 하나로 CCTV-영상콘텐츠 기반 범죄예방예측 서비스플랫폼에 대한 연구개발을 수행 중이다.

(안전한 사회구현을 위한 CCTV-영상콘텐츠 빅데이터 서비스 확대) 지금까지 우리나라 전역에 CCTV-영상정보처리기기들의 설치가 폭발적으로 확산되고 있고, 그로부터 획득할 수 있는 CCTV-영상콘텐츠 빅데이터의 정량적·품질적 가치 역시 무한대로 높아지는 상황임에도 불구하고, 기존의 접근방법이 갖는 법적·기술적 걸림돌과 한계로 인해 CCTV-영상콘텐츠 빅데이터를 다양한 사회적 문제해결방법으로 적극적으로 활용할 수 없는 상황이다. 하지만, 본 고에서 소개한 CCTV-능동콘텐츠 빅데이터 공학기술을 성공적으로 실현한다면, 법적인 이슈의 개인정보보호법 강화 문제와 기술적 이슈의 CCTV-영상콘텐츠 빅데이터 원천기술 확보 문제를 동시에 해결할 수 있음을 확신할 수 있다. 특히, 이러한 CCTV-능동콘텐츠 빅데이터 공학기술을 기반으로 하는 범죄예방·예측 서비스플랫폼은 전자발찌 관련 범죄의 증가추세와 함께 국가에서 규정한 “4대 악” 즉 성폭력·가정폭력·학교폭력·데이트폭력과 묻지마폭력·사회적약자폭력 범죄들에 대한 매우 효과적인 예방 및 예측 도구와 실시간적 수단의 응용프로그램과 서비스를 개발하는데 결정적인 역할을 할 것으로 기대한다.

• CCTV-능동콘텐츠 빅데이터 취득공학: CCTV-영상콘텐츠 능동화 및 패키징 원천기술
• CCTV-능동콘텐츠 빅데이터 플랫폼공학: CCTV-능동콘텐츠 빅데이터 플랫폼 원천기술
• CCTV-능동콘텐츠 빅데이터 분석공학: CCTV-능동콘텐츠 빅데이터 분석 원천기술
• 공통연구결과응용: CCTV-능동콘텐츠 빅데이터 기반 범죄예방·예측 응용서비스 솔루션과 시스템 연구개발 (범죄영상검색, 범죄자-객체 인식, 범죄상황 예측, 범죄 행위 인식 및 예측)

(CCTV-영상콘텐츠 빅데이터 원천기술개발 도전과 과제) 정리하자면, CCTV-영상콘텐츠 빅데이터의 원천기술을 확보하기 위한 궁극적인 도전과 과제는 CCTV-능동콘텐츠 빅데이터 플랫폼 연구개발에 있으며, 위 그림 4와 같이 CCTV-능동콘텐츠 빅데이터 플랫폼의 원천적 요소기술을 연구·개발하기 위한 원천기술로서의 세부 연구주제들과 그들 간의 기술적 상호관계를 도식화 한 것이다. 특히, CCTV-영상콘텐츠 빅데이터에 관한 다음과 같은 원천적 요소기술로 구성되는 CCTV-능동콘텐츠 빅데이터 플랫폼 기술이 성공적으로 개발된다면, 우리나라의 자체 기술수준을 국제적 수준으로 도약시킬 수 있는 원천기술을 확보하는 것이며, 이를 토대로 영상콘텐츠 빅데이터 플랫폼의 고도화를 성취할 수 있을 뿐만 아니라 범죄예방·예측 서비스플랫폼의 수행가치와 활용가치를 극대화시킬 수 있을 것으로 기대한다.

본 원고는 KISA Report에서 발췌된 것으로 한국인터넷진흥원 홈페이지(https://www.kisa.or.kr/public/library/IS_List.jsp)에서도 확인하실 수 있습니다.

KISA Report에 실린 내용은 필자의 개인적 견해이므로, 한국인터넷진흥원의 공식 견해와 다를 수 있습니다.

KISA Report의 내용은 무단 전재를 금하며, 가공 또는 인용할 경우 반드시 [한국인터넷진흥원, KISA Report]라고 출처를 밝혀주시기 바랍니다.