도난 방지를 위한 컴퓨터 비전: 보안 강화

매장 출구에서 미결제 상품이 통과할 때 삐 소리가 나는 높은 게이트를 지나쳐 본 적이 있다면, 여러분은 전자식 상품 감시장치(EAS) 시스템이 작동하는 모습을 본 것입니다. 이 시스템들은 소매 보안 분야에서 흔히 사용됩니다. 이들은 계산대에서 해제되지 않은 보안 태그가 부착된 품목을 감지하도록 설계되었습니다. 기본적인 절도 방지에는 유용하지만, EAS 시스템은 태그가 부착된 품목을 포착하는 데 국한되며 다른 유형의 절도는 종종 놓치게 됩니다.

인공지능(AI)는 기계가 주변 세상의 시각적 정보를 이해하고 분석할 수 있도록 하는 AI의 한 분야인 컴퓨터 비전을 통해 보다 발전된 솔루션을 제공할 수 있습니다. 컴퓨터 비전은 고객 행동을 분석하고, 재고를 추적하며, 실시간으로 의심스러운 활동을 인식하는 데 사용할 수 있습니다. 태그가 부착된 품목에만 의존하는 대신, 컴퓨터 비전 시스템은 제한 구역에서 서성거리기, 물건 숨기기, 계산대 우회 등 잠재적 절도를 나타내는 패턴을 감지할 수 있습니다.

비전 기반 보안 시스템의 인사이트는 보안 팀이 의심스러운 행동에 즉각 대응하여 손실을 줄이고 매장 보안을 강화하는 데 도움을 줄 수 있습니다. 컴퓨터 비전은 소규모 매장부터 대형 창고에 이르기까지 다양한 소매 환경에 적응할 수 있습니다.

이 글에서는 컴퓨터 비전이 소매 및 창고 관리 분야의 절도 방지를 어떻게 바꾸고 있는지 살펴보겠습니다. 시작하겠습니다!

절도 예방에 적합한 컴퓨터 비전 작업은 무엇일까요?#

먼저, 절도 방지에 사용될 수 있는 다양한 컴퓨터 비전 기술을 살펴보고 이들이 어떻게 작동하는지 이해해 보겠습니다.

객체 감지 및 추적을 활용한 보안 강화#

Ultralytics YOLO11과 같은 컴퓨터 비전 모델을 활용함으로써 소매점은 실시간 객체 감지 및 추적을 통해 보안 노력을 크게 향상시킬 수 있습니다. 객체 감지는 비디오 피드에서 특정 객체, 사람 또는 품목을 식별하는 데 도움을 주며, 객체 추적은 식별된 객체를 여러 프레임에 걸쳐 따라가며 매장 내 움직임을 모니터링하는 데 사용될 수 있습니다. 이러한 기술들이 결합하여 매장 내 활동에 대한 포괄적이고 실시간인 뷰를 제공할 수 있습니다.

예를 들어, 고객이 디자이너 핸드백과 같은 고가 품목을 집어 들고 매장의 여러 구역을 돌아다닌다고 가정해 보겠습니다. 감시 영상은 객체 감지를 통해 분석되어 핸드백을 식별하고 관심 품목으로 지정할 수 있습니다. 고객이 이동함에 따라 객체 추적을 사용하여 핸드백과 이를 소지한 개인을 지속적으로 추적할 수 있습니다. 출구와 같은 사전 정의된 구역을 기준으로, 계산대를 거치지 않고 출구 쪽으로 이동하는 등의 비정상적인 행동은 경보를 발생시킬 수 있습니다.

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

비전 AI를 이용한 행동 분석 및 패턴 인식#

행동 분석 및 패턴 인식은 고객이 매장에서 행동하는 방식에 초점을 맞추어 절도 방지를 한 단계 더 발전시킬 수 있습니다. 고객이 어디로 이동하는지 또는 어떤 물건을 집어드는지를 넘어서는 인사이트를 제공합니다. 객체 감지 및 추적이 특정 관심 객체를 추적하는 데 유용한 반면, 행동 분석은 의심스러운 의도를 암시할 수 있는 고객 행동의 패턴을 모니터링할 수 있습니다.

예를 들어, Vision AI를 사용하면 고객이 동일한 물건을 반복해서 집어 들고 내려놓는지, 특정 통로에서 서성이는지, 또는 제한 구역에 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 합성곱 신경망(CNN)과 롱 쇼트-텀 메모리 (LSTM) 네트워크라는 두 가지 유형의 AI 모델을 결합합니다.

객체 감지의 기초를 형성하는 CNN은 이미지 및 비디오 프레임과 같은 시각적 데이터를 분석하도록 설계되어 시스템이 특정 품목이나 매장 구역을 인식하는 데 도움을 줍니다. 대조적으로 LSTM은 시간이 지남에 따라 정보를 유지하도록 구축되어 시스템이 고객 행동의 패턴을 감지할 수 있게 합니다. 즉, LSTM은 고객이 동일한 품건을 빈번하게 다루는 것과 같은 반복적인 행동을 추적할 수 있습니다.

CNN과 LSTM을 결합함으로써 Vision AI 시스템은 "무엇이"(관련된 객체 또는 사람)와 "언제"(행동의 타이밍 및 순서)를 모두 포착할 수 있습니다. 이 통합된 접근 방식은 미묘한 매장 절도 행위를 식별하는 데 매우 유용합니다.

그림 2. 컴퓨터 비전을 이용한 의심스러운 행동 감지.

절도 예방에 흔히 사용되는 다른 컴퓨터 비전 기술들#

절도 방지를 위해 특별히 설계된 Vision AI 혁신을 보완할 수 있는 다른 컴퓨터 비전 기술들도 존재합니다. 얼굴 인식은 이러한 도구 중 하나로, 안면 특징을 분석하여 개인을 식별하는 데 사용되며, 알려진 범죄자나 의심스러운 행동을 보이는 사람을 감지하는 데 도움을 줄 수 있습니다. 일부 매장에서는 이 기술을 사용하여 수배된 소매치기가 들어올 때 보안에 경고를 보냅니다. 다만, 개인정보 보호 문제를 해결하기 위해 고객이 이러한 사용에 대해 알고 있어야 합니다.

포즈 추정은 신체 자세와 움직임을 분석하여 물건 숨기기나 절도와 연관된 비정상적인 자세 같은 행동을 감지함으로써 또 다른 보안 계층을 추가할 수 있습니다. 이 기술은 시스템이 바디랭귀지를 해석하고 보안 요원이 필요시 개입할 수 있도록 조기 경보를 발령하는 데 도움을 줍니다.

그림 3. 소매치기의 신체 자세 이해하기.

AI 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 위치한 JJ 리쿼스(JJ Liquors)의 사례 연구는 AI 감시 시스템이 실시간으로 절도를 감지하는 데 어떻게 도움이 되는지 보여주는 훌륭한 예시입니다. 여러 대의 보안 카메라를 갖추고 있음에도 불구하고 매장 주인인 KJ 싱(KJ Singh)은 소매치기로 인한 일상적인 손실에 직면해 있었습니다.

이 문제를 해결하기 위해 그는 기존 카메라와 함께 작동하는 AI 기반 감시 시스템을 설치했습니다. AI는 고객의 바디랭귀지와 움직임을 분석하여 주머니나 가방에 물건을 숨기는 등의 의심스러운 행동을 식별합니다. 이상한 점을 발견하면 싱은 활동 비디오 클립과 함께 자신의 휴대폰으로 즉각적인 알림을 받습니다.

비디오 증거는 그가 고객이 매장을 떠나기 전에 대응할 수 있도록 힘을 실어줍니다. 이 실시간 대응은 절도를 예방하는 데 도움을 주며 싱이 자신감을 가지고 소매치기에 대응할 수 있도록 합니다. AI 시스템을 도입한 이후 그는 여러 건의 절도를 성공적으로 저지했으며, 이는 소매 절도 방지에서 AI 감시가 얼마나 효과적일 수 있는지 보여줍니다.

절도 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.
• 향상된 정확도: 오인 경보의 수를 줄이고 사람이 놓칠 수 있는 미묘한 패턴을 포착합니다.

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

• 개인정보 보호 우려: 고객 행동 모니터링 및 분석에 대한 의문을 제기하며, 이는 고객 신뢰에 영향을 미칠 수 있습니다.
• 기술적 유지보수: AI 시스템은 새로운 절도 전술에 보조를 맞추기 위해 정기적인 업데이트와 유지보수가 필요합니다.
• 높은 도입 비용: AI 시스템 설치 및 유지 비용은 소규모 기업에게 장벽이 될 수 있습니다.

절도 예방을 위한 컴퓨터 비전의 미래#

윤리적이고 책임감 있는 AI 혁신이 AI 커뮤니티와 사회 전반에서 장려되고 있습니다. 따라서 절도 방지 분야에서 컴퓨터 비전의 미래는 개인정보 보호 중심의 기술을 우선시할 가능성이 높습니다. 이러한 발전은 효과적인 보안과 고객 프라이버시에 대한 존중 사이의 균형을 맞추어, 매장이 개인의 권리를 침해하지 않고 의심스러운 행동을 모니터링할 수 있도록 하는 것을 목표로 합니다.

관련된 방법 중 하나는 컴퓨터 비전을 통해 식별 특징을 블러 처리하거나 익명화하는 것입니다. 안면 특징이나 기타 개인 정보는 자동으로 블러 처리될 수 있으며, 이를 통해 시스템은 개인을 식별하지 않고도 행동 패턴을 추적할 수 있습니다. YOLO11과 같은 모델은 개인을 식별하는 것보다 특정 행동에 집중하면서 실시간으로 객체를 감지하고 모니터링함으로써 이러한 프라이버시 보호 관행을 지원할 수 있습니다. 이를 통해 매장은 고객의 프라이버시를 보호하면서 실시간으로 절도를 감지할 수 있습니다.

그림 4. 개인 신원을 노출하지 않고 행동 패턴을 모니터링하기 위해 블러 처리 사용하기.

마찬가지로, 엣지 컴퓨팅은 매장 내 카메라와 같은 로컬 기기에서 데이터를 처리하는 데 도움을 주어 클라우드로 정보를 전송할 필요성을 줄이고, 결과적으로 개인정보 보호 위험을 최소화합니다. 이러한 프라이버시 중심의 방법을 통해 절도 방지의 미래는 안전하면서도 존중하는 태도를 갖출 수 있으며, 매장 보안을 향상시키는 동시에 신뢰를 구축할 수 있습니다.

더 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 더 많은 인사이트를 얻으려면 당사의 GitHub 저장소를 방문하고 커뮤니티에 참여해 보세요. 솔루션 페이지에서 제조업 및 농업 분야의 AI 응용 사례를 살펴보세요. 🚀