프로젝트 배경

이 프로젝트는 기존의 단순 감시형 CCTV 시스템을 지능형 화재 감지 솔루션으로 고도화하기 위해 추진되었습니다.
기존 시스템은 영상 저장 기능만을 제공해, 화재 발생 시 즉각적인 인지나 알림이 불가능했고 인력 의존도가 매우 높았습니다.
이에 따라 CCTV 전문회사는 인공지능(AI) 기술을 활용해, 사람의 지속적인 감시 없이도 자동으로 화재를 탐지하고 경보를 발생시킬 수 있는 실시간 감시 시스템 구축을 목표로 했습니다.

AI 기술 중 객체 인식 성능이 검증된 YOLO 모델을 기반으로, 영상 속의 불꽃과 연기를 자동 식별하는 알고리즘을 개발했습니다.
이를 통해 연기·조명 반사 등으로 인한 오탐률을 크게 줄이고, 관리자에게 즉시 알림을 전송하는 구조로 개선했습니다.
또한 Apache JMeter를 이용한 트래픽 부하 테스트로 다수의 CCTV 영상을 동시에 분석할 때도 지연 없이 감지할 수 있도록 성능을 최적화했습니다.

프로메테우스(Prometheus)와 그라파나(Grafana)를 연동해 시스템 상태를 실시간으로 모니터링할 수 있게 했으며,
Docker 기반으로 모듈별 컨테이너화하여 유지보수 및 확장성을 확보했습니다.
본 솔루션은 향후 화재뿐 아니라 침입 감지, 이상 행동 분석 등 다양한 산업 현장용 지능형 영상 분석 시스템으로 확장할 수 있는 기반이 되었습니다.

이 프로젝트는 인력 의존적인 기존 감시체계를 AI 중심으로 전환한 사례로,
운영 효율성을 높이고 긴급 대응 속도를 대폭 향상시킨 것이 핵심 성과입니다.

프로젝트 제목: AI 기반 실시간 화재 감지 CCTV 통합 솔루션 구축
프로젝트 비용: 80,000,000


1) 포트폴리오 소개
- 서비스 카테고리: AI, 영상 분석, 화재 감지 시스템
- 메인 타깃: 공공기관, 소방서, 빌딩 관리자, 스마트 공장 운영자 등
- 프로젝트 개요: YOLO를 활용한 실시간 화재 감지 시스템 개발. 카메라 영상을 분석하여 화재 여부를 판별하고, 감지 시 즉각적인 알림을 제공하는 시스템 구축.

2) 작업 범위
- 개발에 참여한 범위 및 기여도:
- YOLO 모델 학습 및 최적화
- FastAPI 기반의 백엔드 서버 구축
- Next.js를 활용한 대시보드 개발
- Prometheus & Grafana 연동을 통한 실시간 모니터링 기능 추가
- Apache JMeter를 활용한 부하 테스트 및 성능 최적화

3) 주요 업무
- 주요 기능 및 역할:
- 실시간 카메라 영상 스트리밍 및 화재 감지
- 경고 시스템 (이메일 및 SMS 알림 기능 포함)
- 관리자 대시보드에서 감지 이력 및 실시간 감지 상태 확인
- API 제공을 통한 외부 시스템 연동 지원
- Docker 및 Kubernetes 환경에서 배포 가능하도록 컨테이너화

4) 주안점
- 성능 최적화: YOLO 모델의 경량화 및 실시간 감지 속도 향상
- 안정성 확보: GPU 사용량 조절 및 멀티쓰레딩 적용을 통한 성능 개선
- 확장성 고려: Prometheus & Grafana를 활용한 모니터링 및 장애 대응 시스템 구축
- 보안: 관리자 인증 시스템 및 데이터 암호화 적용