법의학을 위한 컴퓨터 비전: 숨겨진 단서 탐지

수사는 범죄 현장에서 수집된 물리적 증거에 크게 의존하며, 그러한 증거 중 다수는 시각적입니다. 전통적으로 이러한 단서를 수집하는 방식은 범죄 현장 촬영, 현장 도면 스케치, 객체 라벨링 등 수동 작업이었으며, 미묘한 세부 사항을 포착하기 위해 조사관의 숙련된 눈에 의존해 왔습니다.

수년에 걸쳐 열화상 카메라와 지문 스캐너 같은 도구들이 이러한 작업을 지원하며 범죄 해결에 핵심적인 역할을 해왔습니다. 하지만 이제 AI와 computer vision 덕분에 수사가 더욱 발전하고 있습니다. 기계는 시각적 증거를 더 빠르고 정확하게, 그리고 훨씬 더 큰 규모로 분석하는 데 도움을 줄 수 있습니다.

특히 computer vision은(는) 기계가 이미지와 비디오를 보고 이해할 수 있도록 지원하는 영향력 있는 기술입니다. 이러한 시스템은 방대한 양의 시각 데이터를 신속하게 처리하고 분석하여 수사관이 더 빠르게 범죄를 해결할 수 있도록 돕습니다.

수사에서 AI 기반 도구가 갖는 이점으로 인해 global market for AI-driven digital forensics 도구의 글로벌 시장 규모는 2025년에 49억 8천만 달러로 평가되었으며, 2031년에는 177억 달러에 이를 것으로 예상됩니다.

그림 1. 글로벌 AI 기반 디지털 포렌식 시장 (Source).

이 글에서는 컴퓨터 비전이 법과학 수사에 어떻게 활용될 수 있는지, 그리고 시각적 증거를 식별, 분석 및 해석하는 데 어떻게 도움을 줄 수 있는지 살펴보겠습니다.

법과학에서 AI와 컴퓨터 비전의 역할#

컴퓨터 비전을 통해 기계는 현실 세계의 시각 정보를 해석하고 해당 이해를 바탕으로 의사결정을 내릴 수 있습니다. 구체적으로 법과학에서 AI는 무기나 부상과 같은 요소를 감지하고, 차량을 추적하며, 심지어 놀라운 속도와 정확도로 범죄 현장의 3D models을(를) 재구성하는 데 사용될 수 있습니다.

법과학 수사는 여전히 수동 관찰과 전문가 지식에 의존하지만, 이 과정은 시간이 오래 걸리며 대개 한 번에 하나의 사건에 집중됩니다. Ultralytics YOLO11과(와) 같은 컴퓨터 비전 모델은 더 빠르고 확장 가능한 접근 방식을 제공합니다. 이 모델들은 객체 검출 및 이미지 분류와 같은 비전 AI 작업을 사용하여 현장을 스캔하고, 주요 객체를 식별하며, 증거를 분류할 수 있습니다.

예를 들어, 수백 시간 분량의 감시 영상을 수동으로 검토하는 대신, 컴퓨터 비전 모델이 영상 피드를 자동으로 스캔하여 의심스러운 활동(예: 비정상적인 움직임, 배회, 방치된 물체 등)을 감지할 수 있습니다. 특정 시간대와 위치를 조사관이 검토할 수 있도록 표시해주어 관련 증거를 찾는 데 드는 시간과 노력을 크게 줄여줍니다.

법과학에서의 Vision AI 응용#

컴퓨터 비전은 조사관이 시각적 증거를 수집하고 연구하는 방식을 변화시키고 있습니다. 오늘날 법과학 분야에서 어떻게 활용되고 있는지 자세히 알아보겠습니다.

컴퓨터 비전을 활용한 감시 영상 분석#

감시에서 가장 널리 사용되는 컴퓨터 비전 기술 중 하나는 비디오 프레임 전반에 걸쳐 사람, 차량 또는 물품을 추적하는 object tracking입니다. 이러한 시스템은 모든 상황에 대해 수동으로 프로그래밍되는 대신 실제 비디오로부터 학습하고 “정상적인” 상태가 어떤 모습인지 빠르게 파악합니다. 이를 통해 조용한 구역을 서성이는 사람, 제한 구역 내의 차량, 공공장소에 방치된 가방과 같은 이상 행동을 자동으로 포착할 수 있습니다.

이 기술은 수사 과정에서 매우 유용합니다. 예를 들어, 목격자가 오전 11시에서 오후 1시 사이에 교차로에서 빨간색 픽업트럭을 보았다고 진술하면, 컴퓨터 비전이 수 시간 분량의 CCTV 영상을 스캔하여 빨간색 트럭이 나타난 모든 장면을 골라낼 수 있어 조사관이 일일이 검토해야 하는 번거로움을 덜어줍니다. 과거에는 수 시간 혹은 수 일이 걸리던 작업을 자동화함으로써 컴퓨터 비전은 실시간 모니터링과 증거 검토를 더 빠르고 스마트하며 효과적으로 만듭니다.

그림 2. 비전 AI를 사용하여 CCTV 영상을 분석하고 빨간색 픽업트럭 추적하기 (source).

산불 수사에서의 AI 활용#

화재 관련 사건 발생 직후에는 시간이 매우 중요하며, 물리적 증거는 종종 훼손되거나 파괴됩니다. 컴퓨터 비전 기술은 위성 이미지, 드론 영상, CCTV, 열화상 스캔 등 다양한 시각 데이터 소스를 분석하여 사건 발생 순서를 재구성함으로써 이러한 공백을 메우는 데 도움을 줍니다.

이러한 도구들은 화재 발생 지점을 감지하고, 잠재적인 인화 물질을 식별하며, 현장 주변의 사람이나 차량 활동을 추적할 수 있습니다. 범죄 데이터베이스 및 사건 보고서와 결합하면, 시스템은 반복적인 화재 위치, 용의자 행동 또는 조직적인 방화와 같은 패턴을 지역 전반에서 파악할 수 있습니다.

실제 사례로 오스트레일리아 뉴사우스웨일스의 경찰이 2019~2020년 산불 수사 중에 Insights라는 computer vision platform을(를) 사용한 것을 들 수 있습니다. 이 플랫폼은 CCTV 영상, 지리 공간 데이터, 그리고 풍향 및 낙뢰 기록과 같은 환경 입력을 분석했습니다. 또한 객체 인식을 사용하여 방대한 양의 감시 영상에서 차량이나 장비와 같은 관련 시각 요소를 식별했습니다.

이러한 인사이트를 휴대폰 위치 정보 데이터 및 지도와 중첩함으로써, 조사관은 인간의 활동을 특정 화재 사건과 연결하고 공식 심리에서 이 데이터를 시각적으로 제시할 수 있었습니다. 이러한 접근 방식은 수사 과정을 가속화했습니다.

그림 3. 화재 잔해를 살펴보고 있는 포렌식 수사관 (source).

컴퓨터 비전을 활용한 범죄 현장 재구성#

법과학에서의 3D 재구성은 사진 촬영, 레이저 스캔, LiDAR, 컴퓨터 비전과 같은 기술을 결합하여 범죄 현장의 상세하고 실제와 같은 규모의 모델을 생성합니다. 이러한 재구성을 통해 조사관은 기존의 2D 사진으로는 제공할 수 없는 수준의 정확성과 상호작용성을 가지고 객체 배치, 혈흔 패턴, 탄도 궤적을 시각화할 수 있습니다. 이 기술은 가상 현장 답사 및 정밀 측정을 가능하게 하여 분석과 법정 프레젠테이션을 향상시킵니다.

활발한 수사를 넘어 3D 재구성 및 virtual reality (VR) 또한 법과학 교육을 새롭게 정의하고 있습니다. 학업 환경에서 학생들은 VR 헤드셋을 사용하여 시뮬레이션된 범죄 현장을 탐색하고, 증거를 식별하며, 지문 스캔 및 혈흔 형태 분석과 같은 기법을 연습할 수 있습니다. 이러한 몰입형 학습 접근 방식은 안전하고 반복 가능한 환경에서 핵심 수사 기술을 배양합니다.

그림 4. VR 헤드셋을 사용하여 범죄 현장을 바라보고 있는 학생 (source).

Vision AI를 이용한 이미지 개선#

인도 케랄라에서 발생한 19년 전 미제 사건이 최근 AI-powered image enhancement의 도움으로 해결되었습니다. 수사관들은 범행 당시의 오래된 사진을 다시 검토하고 이미지 처리와 인공지능을 조합하여 얼굴 특징을 선명하게 만들고 용의자의 최신 초상화를 생성했습니다. 한 강화된 이미지가 온라인에 공유된 결혼식 사진에서 목격된 인물과 매우 흡사하여 결국 사건 해결의 돌파구를 마련했습니다.

이 사건은 AI와 전통적인 이미지 개선 기술의 통합과 같은 현대적인 법과학 도구가 사법 당국이 장기 미제 사건을 재검토하고 해결하는 데 어떻게 도움을 줄 수 있는지를 보여주는 좋은 예입니다. 가려진 세부 사항을 드러내거나 시간이 지나며 크게 변한 개인을 식별함으로써, 이러한 기술은 디지털 포렌식 분야에서 강력한 자산으로 입증되고 있습니다.

증거 추출을 위한 인스턴스 세그멘테이션 활용#

인스턴스 세그멘테이션은 이미지 내의 개별 객체를 식별하고 각각을 상세한 픽셀 수준의 마스크로 외곽선을 따는 computer vision task입니다. 이를 통해 수사관들은 복잡하거나 혼란스러운 환경에서도 핵심 증거를 정밀하게 분리해 낼 수 있습니다.

흙이나 눈 위에 여러 세트의 발자국이나 겹친 타이어 자국이 남아 있는 범죄 현장이 있다고 가정해 보겠습니다. instance segmentation은 각각을 개별적으로 구별하고 외곽선을 그릴 수 있습니다. 이를 통해 배경의 방해 요소 없이 이동 패턴, 차량 경로 또는 용의자의 이동 경로를 더 쉽게 분석할 수 있습니다.

현장 분석을 넘어 인스턴스 세그멘테이션은 법과학 이미지 분석에도 적용되고 있습니다. 취리히 법의학 연구소의 한 연구에서 연구진들은 이 기법을 사용하여 다양한 types of wounds을(를) 식별했습니다. 그들은 4,666개의 상처가 포함된 1,753개의 법과학 이미지로 비전 모델을 학습시켰습니다.

학습된 모델은 자상과 화상을 포함한 7가지 유형의 부상을 감지하고 분류할 수 있었습니다. 이는 Vision AI가 부상 패턴을 빠르고 정확하게 분석하여 조사관을 지원하고, 법과학 이미지 평가의 시간 절약과 일관성 향상에 기여할 수 있음을 보여주었습니다.

Vision AI로 구현된 자동 번호판 인식#

Automatic Number Plate Recognition (ANPR) 또는 번호판 인식(LPR)은 이미지나 비디오 영상에서 차량 번호판을 자동으로 감지, 판독 및 추출하는 데 초점을 맞춘 컴퓨터 비전 응용 프로그램입니다. 이는 일반적으로 프레임 내에서 번호판의 위치를 파악하기 위해 객체 검출용 YOLO11과 같은 컴퓨터 비전 모델을 사용하는 것을 포함합니다.

번호판이 식별되면 optical character recognition (OCR)을(를) 적용하여 영숫자 문자를 추출합니다. 이 정보는 데이터베이스와 교차 대조하여 차량 소유자를 식별하거나 과거 이동 경로를 추적하는 데 사용할 수 있습니다. ANPR은 실종자 수사, 차량 도난, 교통 위반 또는 뺑소니 사건과 관련된 수사에 특히 유용합니다.

예를 들어, 실종자 사건에서 사법 당국은 번호판 번호를 LPR 시스템에 입력할 수 있습니다. 해당 차량이 감시 카메라에 포착되면 시스템이 자동으로 위치를 표시하여 경찰관이 신속하게 대응할 수 있도록 돕습니다. LPR은 도난 차량이나 뺑소니 사건과 같이 통합 감시 네트워크를 통해 빠르고 정확한 추적이 필요한 사건에서 중요한 역할을 합니다.

그림 5. Ultralytics YOLO11을 사용한 번호판 감지 (source).

법과학에서 AI 사용의 장단점#

AI와 컴퓨터 비전은 법과학 수사의 효율성, 접근성 및 신뢰성을 향상시키는 여러 주요 이점을 제공합니다. 고려해야 할 핵심적인 이점은 다음과 같습니다.

• 원격 분석: 컴퓨터 비전을 통해 법과학 조사관은 이미지, 영상, 3D 모델과 같은 범죄 현장과 증거를 직접 현장에 가지 않고도 어디서든 확인할 수 있습니다.
• 장기 아카이브: 비전 시스템이 처리한 데이터는 체계적으로 정리되어 쉽게 검색할 수 있습니다. 미래에 필요할 경우, 개선된 모델을 사용하여 과거 사건을 다시 검토하고 재분석할 수 있습니다.
• 일관성: 경험에 따라 시각 정보를 다르게 해석할 수 있는 인간과 달리, 컴퓨터 비전 모델은 매번 동일한 규칙을 적용하므로 더 일관되고 균일한 분석 결과를 얻을 수 있습니다.

잠재력에도 불구하고 법과학 분야의 컴퓨터 비전에는 유념해야 할 몇 가지 과제가 있습니다. 주요 과제는 다음과 같습니다.

• 입력 품질: 비전 모델은 수신하는 데이터의 품질에 크게 의존합니다. 이미지가 흐리거나, 조명이 어둡거나, 저해상도인 경우 컴퓨터 비전 솔루션이 중요한 세부 정보를 놓치거나 오인할 수 있습니다. 이는 올바른 data augmentation 전략을 적용하여 완화할 수 있습니다.
• 미지의 데이터 처리의 어려움: Computer vision models은(는) 학습된 데이터와 다른 이례적인 객체나 범죄 현장과 같이 새로운 무언가에 직면했을 때 어려움을 겪을 수 있습니다. 이를 “drift”라고 합니다.
• 법적 과제: 수사에서 컴퓨터 비전을 사용하는 것은 증거의 법적 허용 여부, 데이터의 프라이버시 보호, 그리고 시스템 결정의 투명성 등 법적 문제를 제기할 수 있습니다.

핵심 요약#

컴퓨터 비전은 여전히 발전 중이지만 이미 법과학 운영 방식을 변화시키고 있습니다. 인스턴스 세그멘테이션을 통해 작은 증거 조각을 탐지하고 윤곽을 표시하는 것부터 3D 범죄 현장 모델을 구축하고 문서를 개선하는 것에 이르기까지, 모든 수사 단계에서 조사관을 지원합니다.

앞으로 컴퓨터 비전은 AI 및 머신러닝과 더욱 긴밀하게 협력하여 패턴을 더 빠르게 파악하고 과거 사건 데이터를 활용해 더 나은 예측을 할 것으로 보입니다. 기술이 지속적으로 발전함에 따라 범죄 해결을 위한 새롭고 더 나은 방법들이 계속해서 제시될 것입니다.

컴퓨터 비전에 대해 자세히 알아보려면 community과(와) GitHub repository에 참여하세요. 솔루션 페이지에서 AI in manufacturing 및 computer vision in agriculture과(와) 같은 애플리케이션을 살펴보세요. our licensing 옵션을 확인하고 지금 바로 컴퓨터 비전으로 빌드해 보세요!