공공 CCTV 1만8,100대에 국산 NPU, AI 관제가 바꾸는 재난 대응

과학기술정보통신부·NIA 공공 AI 인프라 실증
카메라 영상을 현장에서 빠르게 분석하는 AI 관제가 시작됩니다
경남·울산·한국도로공사 공공 CCTV 1만8,100여 대에 국산 NPU를 대규모 도입해 산불·홍수·산단 사고와 고속도로 돌발상황 탐지를 실증합니다.
NPU가 CCTV 가까이에서 영상을 거릅니다
기존 관제는 여러 화면을 사람이 동시에 지켜보거나 영상을 중앙 서버로 전송해 분석하는 방식이 많았습니다. NPU를 카메라나 현장 장비 가까이에 두면 연기, 침수, 정차 차량처럼 미리 학습한 패턴을 현장에서 빠르게 선별할 수 있습니다.
이런 엣지 분석은 통신량과 중앙 서버 부담을 줄이고 네트워크가 불안정할 때도 일부 기능을 유지할 가능성이 있습니다. 반대로 현장 장비의 전력, 발열과 유지보수 문제가 생길 수 있어 실제 환경에서 장기간 검증하는 과정이 필요합니다.
세 기관이 보는 위험 장면이 다릅니다
경남은 산불·홍수 등 광역 재난, 울산은 산업단지와 도시 안전, 한국도로공사는 정차 차량·낙하물·역주행 등 고속도로 돌발상황을 중심으로 활용할 수 있습니다. 같은 NPU를 사용해도 카메라 각도와 학습 데이터, 경보 기준은 목적에 맞게 달라져야 합니다.
산불 연기와 안개, 공장 수증기처럼 비슷해 보이는 장면을 잘못 구분하면 오탐이 늘어납니다. 반대로 야간·폭우·눈처럼 화질이 나쁜 상황에서 위험을 놓치면 미탐 문제가 생깁니다. 기관별로 정확도 기준과 재학습 절차를 공개해야 실효성을 판단할 수 있습니다.
국산 반도체 실증은 구매와 수출의 전 단계입니다
공공 현장은 장기간 안정성, 조달 기준과 유지보수 체계를 시험할 수 있는 중요한 실증 공간입니다. 국산 NPU가 실제 카메라와 관제 소프트웨어에서 안정적으로 작동하면 레퍼런스를 확보하고 다른 지자체나 해외 사업으로 확장할 기반이 생깁니다.
하지만 시범 도입이 곧 시장 점유율이나 수출 성공을 의미하지는 않습니다. 칩 성능뿐 아니라 개발도구, 모델 호환성, 장애 대응과 가격 경쟁력까지 검증해야 합니다. 특정 기업의 성과를 예단하기보다 사업 결과와 후속 조달을 확인해야 합니다.
공식 안내 바로가기
개인정보와 사람의 최종 판단이 남습니다
재난 탐지를 위해 모든 사람의 얼굴을 식별할 필요는 없습니다. 수집 목적, 영상 보관기간, 접근 권한과 마스킹 기준을 최소화하고 AI가 어떤 상황에서 경보를 내렸는지 기록해야 합니다. 모델 개선을 위한 영상 재사용 범위도 투명해야 합니다.
AI 경보는 현장 요원의 판단을 돕는 신호입니다. 오탐 때문에 실제 신고가 밀리지 않도록 우선순위와 재확인 절차를 만들고, 시민이 오류나 부적절한 촬영을 문의할 창구도 마련해야 합니다. 기술 도입보다 운영 기준이 체감 안전을 좌우합니다.
과학기술정보통신부·한국지능정보사회진흥원 공공 CCTV 국산 NPU 도입 발표(2026년 7월 29일)
댓글
댓글 쓰기