도난 방지를 위한 컴퓨터 비전: 보안 강화

매장 출구에서 미결제 상품이 통과할 때 경고음이 울리는 높은 게이트를 지나본 적이 있다면, 여러분은 전자 상품 감시(EAS) 시스템이 작동하는 모습을 본 것입니다. 이러한 시스템은 소매 보안 분야에서 흔히 사용됩니다. 이 시스템은 결제 시 비활성화되지 않은 보안 태그가 부착된 상품을 감지하도록 설계되었습니다. 기본적인 절도 예방에는 유용하지만, EAS 시스템은 태그가 부착된 상품을 잡는 것으로 제한되며 종종 다른 유형의 절도를 놓치기도 합니다.

인공지능(AI)는 기계가 주변 환경의 시각적 정보를 해석하고 분석할 수 있게 하는 AI의 한 분야인 컴퓨터 비전을 통해 더욱 발전된 솔루션을 제공할 수 있습니다. 컴퓨터 비전은 고객 행동을 분석하고, 재고를 추적하며, 의심스러운 활동을 실시간으로 인식하는 데 사용할 수 있습니다. 태그가 부착된 상품에만 의존하는 대신, 컴퓨터 비전 시스템은 제한 구역에 머무르거나, 물건을 숨기거나, 계산대를 우회하는 등 잠재적 절도를 나타내는 패턴을 감지할 수 있습니다.

Insights from vision-enabled security systems can help security teams respond instantly to suspicious behavior, reducing losses and enhancing store security. Computer vision can also be adapted to various retail environments, from small stores to large warehouses.

이 글에서는 컴퓨터 비전이 소매 및 창고 관리 분야에서 어떻게 절도 예방 방식을 변화시키고 있는지 살펴봅니다. 시작해 보겠습니다!

Link to this section절도 예방에 적합한 컴퓨터 비전 작업은 무엇일까요?#

우선 절도 예방에 사용될 수 있는 다양한 컴퓨터 비전 기술과 그 작동 원리를 살펴보겠습니다.

Link to this section객체 감지 및 추적을 활용한 보안 강화#

By using computer vision models like Ultralytics YOLO11, retail stores can significantly improve their security efforts through real-time object detection and tracking. Object detection can help identify specific objects, people, or items in a video feed, while object tracking can be used to follow these identified objects across multiple frames, monitoring their movement throughout the store. Together, these techniques can give a comprehensive, real-time view of activity happening in the store.

예를 들어, 고객이 명품 핸드백과 같은 고가 상품을 집어 들고 매장의 여러 섹션을 돌아다닌다고 가정해 보겠습니다. 감시 영상은 객체 감지를 통해 핸드백을 식별하고 관심 대상으로 표시할 수 있습니다. 고객이 이동함에 따라 객체 추적을 사용하여 핸드백과 이를 소지한 개인을 지속적으로 따라갈 수 있습니다. 출구와 같이 미리 정의된 구역을 기준으로, 결제 구역을 통과하지 않고 출구로 향하는 것과 같은 비정상적인 행동은 경고를 유발할 수 있습니다.

그림 1. 객체 감지 및 추적은 매장 내 활동을 모니터링하는 데 도움을 줍니다. (이미지 제공: 저자).

Link to this section비전 AI를 이용한 행동 분석 및 패턴 인식#

행동 분석과 패턴 인식은 고객이 매장에서 어떻게 행동하는지에 초점을 맞추어 절도 예방을 한 단계 더 발전시킬 수 있습니다. 이는 고객이 어디로 이동하는지 또는 어떤 물건을 집어 드는지 그 이상의 통찰력을 제공합니다. 객체 감지 및 추적은 특정 관심 객체를 따라가는 데 유용하지만, 행동 분석은 의심스러운 의도를 나타낼 수 있는 고객 행동 패턴을 모니터링할 수 있습니다.

예를 들어, 비전 AI를 사용하여 고객이 동일한 물건을 반복적으로 집었다 놓거나, 특정 통로에 머무르거나, 제한 구역으로 비정상적으로 가깝게 이동하는지 식별할 수 있습니다. 이 분야의 연구는 감지 정확도를 높이기 위한 점점 더 정교한 기술들과 함께 발전하고 있습니다. 유망한 접근 방식 중 하나는 컨볼루션 신경망(CNN)과 장단기 메모리 (LSTM) 네트워크라는 두 가지 유형의 AI 모델을 결합하는 것입니다.

객체 감지의 기반이 되는 CNN은 이미지나 비디오 프레임과 같은 시각적 데이터를 분석하여 시스템이 특정 물체나 매장 구역을 인식하도록 돕습니다. 반면 LSTM은 시간이 지남에 따라 정보를 유지하도록 구축되어 시스템이 고객 행동의 패턴을 감지할 수 있게 합니다. 즉, LSTM은 고객이 같은 물건을 자주 다루는 것과 같은 반복적인 행동을 추적할 수 있습니다.

CNN과 LSTM을 결합함으로써 비전 AI 시스템은 "무엇을"(관련된 객체나 사람)과 "언제"(행동의 시점과 순서)를 모두 포착할 수 있습니다. 이러한 통합적 접근 방식은 미묘한 절도 행위를 식별하는 데 매우 유용합니다.

그림 2. 컴퓨터 비전을 이용한 의심스러운 행동 감지.

Link to this section절도 예방에 흔히 사용되는 다른 컴퓨터 비전 기술들#

There are other computer vision techniques that can complement Vision AI innovations designed specifically for theft prevention. Facial recognition is one of these tools, used to identify individuals by analyzing facial features, which can help detect known offenders or those exhibiting suspicious behavior. Some stores use this technology to alert security when flagged shoplifters enter. However, customers would need to be made aware of this use to address privacy concerns.

포즈 추정은 신체 자세와 움직임을 분석하여 물건을 숨기거나 절도와 관련된 비정상적인 자세와 같은 행동을 감지함으로써 보안의 또 다른 층을 추가할 수 있습니다. 이 기술은 시스템이 신체 언어를 해석하고 필요한 경우 보안팀이 개입할 수 있도록 조기 경보를 보내는 데 도움을 줍니다.

그림 3. 절도범의 신체 자세 이해.

Link to this sectionAI 감시 시스템은 실시간으로 절도를 감지할 수 있습니다#

AI는 미래 지향적인 기술처럼 보일 수 있지만, 오늘날 이미 여러 실용적인 방식으로 사용되고 있습니다. 특히, 절도 예방을 위한 AI는 현재 전 세계 매장에서 널리 채택되어 소매업체가 실시간으로 절도에 대응하도록 돕고 있습니다.

워싱턴 D.C.에 있는 JJ Liquors의 사례 연구는 AI 감시 시스템이 어떻게 실시간으로 절도를 감지하는 데 도움을 줄 수 있는지 보여주는 좋은 예입니다. 여러 대의 보안 카메라를 보유하고 있음에도 불구하고, 매장 주인인 KJ Singh은 매일 발생하는 절도로 인해 손실을 겪고 있었습니다.

이 문제를 해결하기 위해 그는 기존 카메라와 연동되는 AI 기반 감시 시스템을 설치했습니다. AI는 고객의 신체 언어와 움직임을 분석하여 주머니나 가방에 물건을 숨기는 것과 같은 의심스러운 행동을 식별합니다. 비정상적인 상황이 포착되면 Singh은 자신의 휴대폰으로 해당 활동의 비디오 클립과 함께 즉각적인 알림을 받습니다.

이 영상 증거를 통해 그는 고객이 매장을 떠나기 전에 대응할 수 있습니다. 이러한 실시간 대응은 절도를 예방하는 데 도움을 주며 Singh이 자신 있게 절도범과 대면할 수 있게 합니다. AI 시스템을 도입한 이후, 그는 여러 차례 절도를 성공적으로 저지할 수 있었으며, 이는 소매 절도 예방에 AI 감시 시스템이 얼마나 효과적인지 보여줍니다.

Link to this section절도 예방에 AI를 활용하는 것의 장단점#

AI는 절도 예방에 많은 이점을 제공하여 소매 및 보안 팀이 손실을 더욱 효과적으로 감지하고 줄일 수 있는 신뢰할 수 있는 도구를 제공합니다. 다음은 절도 예방에 있어 AI가 가진 주요 이점들입니다:

• 직원 의존도 감소: 지속적인 인적 감시의 필요성을 줄여 비용을 절감하고 보안 직원의 피로도를 낮추는 데 기여합니다.
• 통찰력 있는 데이터: 절도 추세에 대한 데이터 기반 통찰력을 제공하여 매장이 실제 패턴을 바탕으로 보안 전략을 조정할 수 있도록 돕습니다.
• 정확도 향상: 오경보 횟수를 줄이고 사람들이 간과할 수 있는 미묘한 패턴을 포착합니다.

하지만 절도 예방을 위해 AI에만 의존하는 데에는 한계도 있습니다. 주요 과제들은 다음과 같습니다:

• 개인 정보 보호 문제: 고객 행동을 모니터링하고 분석하는 것에 대한 의문을 제기하며, 이는 고객 신뢰에 영향을 줄 수 있습니다.
• 기술 유지보수: AI 시스템은 새로운 절도 수법에 대응하기 위해 정기적인 업데이트와 유지보수가 필요합니다.
• 높은 구현 비용: AI 시스템을 설치하고 유지하는 비용은 소규모 기업에게 장벽이 될 수 있습니다.

Link to this section절도 예방을 위한 컴퓨터 비전의 미래#

윤리적이고 책임 있는 AI 혁신이 AI 커뮤니티와 사회 전반에 걸쳐 장려되고 있습니다. 따라서 절도 예방을 위한 컴퓨터 비전의 미래는 개인 정보 보호 기술을 우선시할 가능성이 높습니다. 이러한 발전은 효과적인 보안과 고객 개인 정보 보호 존중 사이의 균형을 맞추어, 매장이 개인의 권리를 침해하지 않으면서도 의심스러운 행동을 모니터링할 수 있도록 하는 것을 목표로 합니다.

관련된 한 가지 방법은 컴퓨터 비전을 통해 식별 특징을 흐리게 처리하거나 익명화하는 것입니다. 안면 특징이나 기타 개인 정보는 자동으로 흐리게 처리될 수 있어, 시스템이 개인을 식별하지 않고도 행동 패턴을 추적할 수 있게 합니다. YOLO11과 같은 모델은 개인을 식별하는 대신 특정 행동에 집중하면서 실시간으로 객체를 감지하고 모니터링함으로써 이러한 개인 정보 보호 관행을 지원할 수 있습니다. 이를 통해 매장은 고객의 개인 정보를 보호하면서 실시간으로 절도를 감지할 수 있습니다.

그림 4. 신원을 공개하지 않고 행동 패턴을 모니터링하기 위한 블러 처리 사용.

마찬가지로 에지 컴퓨팅은 매장 내 카메라와 같은 로컬 장치에서 데이터를 처리하여 클라우드로 정보를 보낼 필요성을 줄임으로써 개인 정보 보호 위험을 최소화합니다. 이러한 개인 정보 중심의 방법들을 통해 절도 예방의 미래는 보안을 유지하면서도 존중하는 방식으로 신뢰를 구축하고 매장 보안을 향상할 수 있습니다.

Link to this section더 안전한 매장을 위한 더욱 스마트한 절도 예방#

AI와 컴퓨터 비전은 의심스러운 행동을 감지하고 더욱 간소화된 방식으로 손실을 줄일 수 있는 지능형 도구를 제공함으로써 매장의 절도 예방 방식을 변화시키고 있습니다.

객체 감지, 추적 및 고급 행동 분석과 같은 기능을 통해 비전 AI는 실시간 모니터링을 가능하게 하며, 보안 팀이 잠재적인 위협에 신속하게 대응할 수 있도록 데이터 기반 통찰력을 제공합니다. AI를 사용하면 절도가 발생하기 전에 이를 예방하고 고객과 직원 모두에게 더 안전한 환경을 조성할 수 있습니다.

AI에 대한 자세한 통찰력은 GitHub 저장소를 방문하고 우리 커뮤니티와 소통해 보십시오. 솔루션 페이지에서 제조 및 농업 분야의 AI 애플리케이션을 살펴보세요. 🚀