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.

수년 동안 열화상 카메라나 지문 스캐너와 같은 도구들이 이러한 작업을 지원하며 범죄 해결에 중요한 역할을 해왔습니다. 하지만 이제 AI와 컴퓨터 비전 덕분에 수사 기법이 더욱 고도화되고 있습니다. 기계는 시각적 증거를 더 빠르고 정확하게, 그리고 훨씬 더 큰 규모로 분석하는 데 도움을 줄 수 있습니다.

특히 컴퓨터 비전은 기계가 이미지와 영상을 보고 이해할 수 있도록 하는 영향력 있는 기술입니다. 이러한 시스템은 방대한 양의 시각 데이터를 신속하게 처리하고 분석하여 조사관이 범죄를 더 빠르게 해결하도록 돕습니다.

수사 분야에서 AI 기반 도구의 이점은 AI 기반 디지털 포렌식 도구의 글로벌 시장 규모를 2025년 49억 8천만 달러로 성장시켰으며, 2031년에는 177억 달러에 이를 것으로 예상됩니다.

그림 1. 글로벌 AI 기반 디지털 포렌식 시장 (출처).

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

Link to this section법과학에서 AI와 컴퓨터 비전의 역할#

컴퓨터 비전을 통해 기계는 현실 세계의 시각 정보를 해석하고 그 이해를 바탕으로 결정을 내릴 수 있습니다. 특히 법과학 분야에서 AI는 무기나 부상 부위를 감지하고, 차량을 추적하며, 범죄 현장의 3D 모델을 놀라운 속도와 정확도로 재구성하는 데 사용될 수 있습니다.

법과학 수사는 여전히 수동 관찰과 전문가 지식에 의존하고 있지만, 이러한 과정은 시간이 많이 소요되며 일반적으로 한 번에 하나의 사건에 집중하게 됩니다. Ultralytics YOLO11과 같은 컴퓨터 비전 모델은 더 빠르고 확장 가능한 접근 방식을 제공합니다. 이 모델들은 객체 탐지 및 이미지 분류와 같은 Vision AI 작업을 사용하여 현장을 스캔하고 핵심 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.

Link to this section법과학에서의 Vision AI 응용#

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

Link to this section컴퓨터 비전을 활용한 감시 영상 분석#

감시 분야에서 가장 흔히 사용되는 컴퓨터 비전 기술 중 하나는 객체 추적으로, 영상 프레임 전반에서 사람, 차량 또는 물체를 따라가는 기술입니다. 모든 상황에 대해 수동으로 프로그래밍할 필요 없이, 이러한 시스템은 실제 영상을 통해 학습하며 “정상” 상태가 어떤 것인지 빠르게 파악합니다. 이를 통해 조용한 구역에서 배회하는 사람, 제한 구역 내의 차량, 공공장소에 방치된 가방과 같은 비정상적인 행동을 자동으로 감지할 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. Vision AI를 사용하여 CCTV 영상을 분석하고 빨간색 픽업트럭을 추적하는 모습 (출처).

Link to this section산불 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 호주 뉴사우스웨일스주의 경찰은 2019~2020년 산불 수사 당시 Insights라는 컴퓨터 비전 플랫폼을 활용했습니다. 이 플랫폼은 CCTV 영상, 지리 공간 데이터, 풍향 및 낙뢰 기록과 같은 환경 입력 정보를 분석했습니다. 또한 객체 인식 기술을 사용하여 방대한 감시 영상 속에서 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 조사하는 법과학 조사관 (출처).

Link to this section컴퓨터 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.

현행 수사를 넘어, 3D 재구성과 가상 현실(VR)은 법과학 교육의 모습도 바꾸고 있습니다. 학계에서는 학생들이 VR 헤드셋을 사용하여 모의 범죄 현장을 탐색하고, 증거를 식별하며, 지문 스캔이나 혈흔 분석과 같은 기술을 연습할 수 있습니다. 이러한 몰입형 학습 방식은 안전하고 반복 가능한 환경에서 핵심 수사 역량을 길러줍니다.

그림 4. VR 헤드셋을 사용하여 범죄 현장을 살펴보는 학생 (출처).

Link to this sectionVision AI를 이용한 이미지 개선#

인도 케랄라에서 발생한 19년 된 미제 사건이 최근 AI 기반 이미지 개선 기술의 도움으로 해결되었습니다. 조사관들은 범죄 당시의 오래된 사진들을 다시 검토했으며, 이미지 처리와 인공지능을 조합하여 용의자의 얼굴 특징을 선명하게 하고 최신 얼굴 예측 이미지를 생성했습니다. 개선된 이미지 중 하나가 온라인에 공유된 결혼식 사진 속 인물과 매우 유사하다는 점이 밝혀졌고, 이는 결국 사건 해결의 돌파구가 되었습니다.

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.

Link to this section증거 추출을 위한 인스턴스 세그멘테이션 활용#

인스턴스 세그멘테이션은 이미지 내의 개별 객체를 식별하고 각각을 상세한 픽셀 단위 마스크로 구분해내는 컴퓨터 비전 작업입니다. 이는 조사관이 복잡하거나 어수선한 환경에서도 핵심 증거를 정밀하게 분리해낼 수 있도록 돕습니다.

흙이나 눈 위에 여러 발자국이나 겹친 타이어 자국이 남아 있는 범죄 현장을 가정해 볼 때, 인스턴스 세그멘테이션을 사용하면 각각을 별도로 구분하고 윤곽을 표시할 수 있습니다. 이를 통해 배경의 혼란스러운 요소에 방해받지 않고 움직임 패턴, 차량 경로 또는 용의자 궤적을 더 쉽게 분석할 수 있습니다.

현장 분석을 넘어, 인스턴스 세그멘테이션은 법과학 이미지에도 적용되고 있습니다. 취리히 법의학 연구소의 한 연구에서 연구진은 이 기술을 사용하여 다양한 상처 유형을 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.

Link to this sectionVision AI로 구현된 자동 번호판 인식#

자동 번호판 인식(ANPR) 또는 차량 번호 인식(LPR)은 이미지나 영상에서 자동으로 번호판 번호를 탐지, 판독 및 추출하는 데 중점을 둔 컴퓨터 비전 응용 분야입니다. 일반적으로 이는 프레임 내에서 번호판을 찾기 위해 YOLO11과 같은 객체 탐지용 컴퓨터 비전 모델을 사용합니다.

번호판이 식별되면 광학 문자 인식(OCR)을 적용하여 영숫자 문자를 추출합니다. 이 정보는 데이터베이스와 교차 참조되어 차량 소유자를 식별하거나 과거 이동 경로를 추적하는 데 사용될 수 있습니다. ANPR은 실종자 수사, 차량 도난, 교통 위반, 뺑소니 사고와 관련된 수사에서 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. YOLO11을 사용하여 번호판 탐지 (출처).

Link to this section법과학에서 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 입력받는 데이터 품질에 크게 의존합니다. 이미지가 흐리거나, 조명이 어둡거나, 해상도가 낮을 경우 컴퓨터 비전 솔루션이 중요한 세부 사항을 놓치거나 잘못 해석할 수 있습니다. 이는 올바른 데이터 증강 전략을 적용하여 완화할 수 있습니다.
• 보지 못한 데이터의 어려움: 컴퓨터 비전 모델은 학습 데이터와 다른 특이한 객체나 범죄 현장과 같은 새로운 데이터를 만날 때 어려움을 겪을 수 있습니다. 이는 “데이터 드리프트”라고 알려져 있습니다.
• 법적 과제: 수사에서 컴퓨터 비전을 사용하는 것은 증거의 법적 허용 여부, 데이터의 프라이버시 보호, 그리고 시스템 결정의 투명성 등 법적 문제를 제기할 수 있습니다.

Link to this section핵심 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.

저희 커뮤니티와 GitHub 저장소에 참여하여 컴퓨터 비전에 대해 더 자세히 알아보세요. 솔루션 페이지에서 제조업 분야 AI 및 농업 분야 컴퓨터 비전과 같은 응용 사례를 탐색해 보세요. 라이선스 옵션을 확인하고 오늘부터 컴퓨터 비전으로 개발을 시작해 보세요!