1) 문제점
- 기존 CCTV 뷰 중심 탐지 모델의 사람 눈높이 등 다른 뷰 적용 한계
- 실환경 배포 및 실증 시 심각한 오탐 발생 (주차장 내 다양한 객체를 이상행동으로 오인)
- 다양한 카메라 각도(전/후/좌/우)에서의 일관된 탐지 성능 부재
- 실시간 처리를 위한 경량화와 정확도 간의 트레이드오프

2) 프로젝트 목표
- 실시간 경량 모델: 엣지 디바이스에서 실시간 처리 가능한 최적화
- 오탐 최소화: 실환경 특성을 반영한 데이터셋 구축으로 정확도 향상
- 다중 이상행동 탐지: 쓰러짐, 싸움 등 복합적 위험 상황 동시 탐지

3) 주안점
- 주차장 환경: 37종 객체 클래스 정의로 오탐 감소
- 행동 탐지: AVA/Kinetics 대규모 비디오 액션 데이터셋 활용 및 도메인 특화 데이터 추가
- 실증 환경 피드백 기반 지속적 모델 개선

1) 포트폴리오 소개
- AI 컴퓨터 비전 기반 안전 관제 솔루션: 자율주행 로봇 기업, 디지털 안전 관제 시스템이 필요한 공공/민간 기업을 타겟으로 함. CCTV 및 로봇 시점에서 쓰러짐, 싸움 등 이상행동을 실시간 탐지하여 사고를 예방하는 시스템 개발.

2) 작업 범위
- 개발 참여 범위: 딥러닝 모델 연구/개발(YOLO, PyTorch), 엣지 디바이스 추론 최적화(ONNX, TensorRT), 데이터셋 구축 및 관리, Docker 기반 시스템 배포 및 실증 테스트 수행.
- 지원 환경: 임베디드 엣지 디바이스(자율주행 로봇), CCTV 관제 시스템.

3) 주요 업무
- 실시간 이상행동 탐지 모델 개발: 쓰러짐, 싸움(가격 행위) 등 복합적인 위험 상황을 실시간으로 동시 탐지하는 기능 구현.
- 환경 특화 데이터셋 구축: 주차장 내 37종 객체를 추가 학습하여 차량, 시설물 등을 이상행동으로 오인하는 문제 해결.
- 모델 경량화 및 추론 최적화: 처리 속도 3.28 FPS → 25 FPS로 향상 및 TensorRT 적용을 통한 엣지 디바이스 탑재.
- 다중 카메라 입력 처리: 로봇의 4채널 카메라 등 여러 영상 입력을 동시에 처리하는 파이프라인 구축.

4) 주안점
- 실환경 오탐 최소화: 실제 배포 환경(주차장) 특성을 반영한 데이터셋을 구축하여 이론적 정확도보다 실용적인 오탐 감소에 중점.
- 다양한 카메라 뷰(View) 대응: 고정된 CCTV 뷰는 물론, 움직이는 로봇의 눈높이와 같은 비정형적 뷰에서도 안정적인 성능을 확보하도록 모델 개선.
- 정확도와 속도의 균형: 엣지 디바이스의 실시간 처리를 위한 모델 경량화와 실증 가능한 수준의 탐지 정확도(쓰러짐 94.75%) 유지를 동시에 달성하는 데 집중.