👮 순찰의 새로운 방향이 되다, NURINOON

로고 클릭 시 소개 페이지로 이동합니다.

💡 목차

1️⃣ 💡 프로젝트 소개

2️⃣ 💡 시연 영상

3️⃣ 💡 기능 소개

4️⃣ 💡 주요 화면

5️⃣ 💡 시스템 아키텍처

6️⃣ 💡 AI 모델

7️⃣ 💡 팀원

8️⃣ 💡 기술 스택

9️⃣ 💡 제출 서류

💡 프로젝트 소개

| “AI 기반 실시간 위험 모니터링 시스템”

경찰은 치안 강화를 위해 도보 순찰을 확대하고 있습니다. 그러나 인력 중심의 순찰은 긴급 상황 발생 시 즉각적인 대응이 어렵고, 시민의 신고에 의존하는 사후 대응 체계로 인해 신고되지 않은 사건에는 대처가 불가능한 문제가 있습니다. 저희는 이러한 문제에 주목하여, AI 기반 실시간 위험 감지 및 사건 관리 시스템인 NURINOON(누리눈)을 개발하였습니다.

CCTV 영상을 실시간으로 분석하여 화재, 폭행, 쓰러짐, 흉기난동 등 다양한 위험 상황을 감지하고, 사건 유형에 따라 우선순위를 지정해 긴급한 상황을 빠르게 인지하고 대응할 수 있도록 알림을 제공합니다.

서비스 강점

✅ NURINOON은 실시간 스트리밍 기능을 통해 관할 지역의 CCTV를 모니터링하고 현장 상황을 즉시 파악할 수 있습니다.

✅ NURINOON은 AI를 활용한 모니터링 자동화를 통해 인력 부담을 줄이고, 보다 빠르고 정확한 대응을 가능하게 함으로써 공공 안전을 지속적으로 향상시킵니다.

✅ NURINOON은 사건 데이터를 축적하여 시간대별 · 장소별 경향을 시각화함으로써 효율적인 순찰 인력 배치와 치안 전략 수립에 기여합니다.

💡 시연 영상

💡 기능 소개

👁️‍🗨️ AI 기반 실시간 위험 행동 감지 AI를 기반으로 CCTV 데이터를 실시간 분석하여 위험 행동을 감지합니다. 화재, 실신, 폭행, 흉기 난동 등 다양한 위험 행동을 감지할 수 있습니다.	🚨 위험 행동 분류 및 알림 위험도에 따라 단계를 구분하여 위험 행동 감지 알림을 전송합니다. 1단계 위험은 푸쉬 알림으로, 2단계 위험은 모달창을 통해 위험 상황을 알립니다. 사용자는 상황에 따라 우선순위가 높은 사건부터 해결할 수 있습니다.
🚔 출동중인 사건 관리 출동중인 사건을 모아서 관리하고 확인할 수 있습니다. 사건 발생 시각, 위치 등의 정보를 제공하며 '영상 확인' 버튼을 통해 위험 행동이 감지된 CCTV 화면을 다시 확인할 수 있습니다.	👍 AI 성능 개선을 위한 사건 유형 피드백 사건 발생 유무, 위험 분류에 대한 오탐 여부 등을 선택하여 사건 유형 피드백을 진행합니다. 피드백이 반영된 데이터를 재학습시켜 오탐률을 줄이고 정확도를 높일 수 있습니다.
📝 사건 기록 조회 종결된 사건을 모아서 확인할 수 있도록 '사건 기록 조회' 기능을 제공합니다. 필터링 및 검색 기능으로 원하는 사건을 쉽게 찾을 수 있습니다.	📊 통계 차트 제공 누적된 사건 데이터를 기반으로 시간대별, 장소별, 유형별 등 다양한 통계 그래프를 제공합니다. 그래프를 통해 사건 경향성을 파악할 수 있으며, 지도의 클러스터링 기능을 통해 사건 다발 지역을 쉽게 인식할 수 있습니다.

💡 주요 화면

기능	시연 화면
CCTV 모니터링
실시간 위험행동 감지 알림
출동중인 사건 관리
AI 성능 개선을 위한 피드백
사건 기록 조회
사건 통계 차트

💡 시스템 아키텍처

NURINOON 은 성능(Performance), 효율성(Efficiency), 기능(Funtionality)을 고려하여 설계하였습니다.

Media Server, Backend Server, AI Server를 각각 독립된 EC2 인스턴스로 분리함으로써 서버 간 책임을 명확히 분리하고, 서비스 간 병목 및 장애 전파를 최소화하였습니다. 또한 모든 서버는 Docker 컨테이너 기반으로 배포되어, 유연한 확장이 가능합니다.

미디어 서버는 RTMP를 사용하여 실시간 스트리밍 영상을 처리하고, 이를 HLS로 변환하여 웹과 모바일 환경에서 저지연 및 안정적인 스트리밍을 제공합니다. 이를 통해 실시간 위험 감지 및 빠른 대응이 요구되는 상황에서 즉각적인 피드백을 가능하게 하여, 지연을 최소화하면서도 브라우저 호환성을 보장합니다.

AI 서버의 경우, 1차 AI 모델은 실시간으로 정적 위험을 빠르게 감지하고, 관련된 프레임만을 2차 모델에 전달하여 실시간성과 시스템 자원 효율성을 극대화합니다. 2차 모델은 영상 기반으로 정밀한 동적 위험 행동을 분석하여, 높은 분류 정확도를 제공합니다. 이중 AI 모델 구조는 실시간성과 분석 정확도를 모두 충족시키며, 효율적이고 정확한 위험 감지를 가능하게 합니다.

💡 AI 모델

NURINOON은 CCTV 영상을 분석해 위험행동을 감지하여 알림을 제공하는 서비스입니다. 이를 위해 YOLOv11-nano와 X3D 모델을 조합하여 객체 탐지와 위험행동 분류를 분리 처리함으로써 속도와 정확도를 모두 확보하고자 하였습니다.

YOLOv11-nano 모델: 객체 탐지 사람, 연기, 불, 흉기 객체를 빠르게 탐지하는 데 특화된 경량 객체 탐지 모델로, 실시간 CCTV 영상에서도 높은 FPS를 유지할 수 있습니다.
X3D: 행동 인식 3D Conv 기반의 비디오 인식 모델로, 시간적 및 공간적 정보를 효과적으로 처리해, 행동(폭행, 쓰러짐 등)의 패턴을 이해하고 분류하는 데 적합합니다.

따라서 YOLOv11 로 영상 데이터를 필터링한 후 X3D로 전달하여 불필요한 연산을 제거하고 정밀한 행동 분류를 할 수 있도록 하였습니다. 이로 인해 효율성 향상, 정확도 개선, 실시간 처리 최적화를 달성하였습니다.