원격근무·교육, 무인서비스 등 코로나19로 촉발된 비대면 서비스의 확산에 따른 사회·경제전반에 걸친 디지털 전환에 대응하기 위해 ‘비대면 비즈니스 디지털혁신 기술개발’이 본격 추진된다. 국내 기업의 경쟁력 강화 및 시장 선점을 목적으로 과학기술정보통신부가 시행하는 이 사업에 선정된 40개 과제 중 일부를 정책브리핑이 소개한다. (편집자 주)

이제 마스크 착용은 선택이 아니라 필수다. 불과 8개월 전만 해도 상상할 수 없었지만 지금은 길거리에서 마스크를 쓰지 않으면 주변 사람들로부터 따가운 시선을 받는 것은 물론, 벌금이나 과태료를 내야 할 수도 있다.

최근 경기도 파주의 대형 커피숍에서 발생한 코로나19 집단 감염 사례를 통해 마스크 착용이 얼마나 중요한지 다시한번 확인됐다. 해당 매장에서 다수의 확진자가 나와 n차 감염으로 이어진 가운데, 마스크를 착용한 직원 4명은 모두 코로나19 음성 판정을 받았기 때문이다. 이와 관련 블룸버그 통신은 “바이러스가 밀폐된 실내 공간에서 얼마나 빠르게 확산될 수 있는지, 그리고 전파를 최소화할 방법이 무엇인지를 보여주는 사례”라고 보도했다.

마스크 미착용 신고 52.1% ↑…비대면·비접촉 식별 기술 시스템 필요

아직도 밀집된 공간에서 마스크를 턱에 걸치거나 코를 내놓는 ‘턱스크’, ‘코스크’, 심지어 아예 착용하지 않는 사람들을 볼 수 있다. 경찰에 따르면 지난 5월 26일 대중교통에서 마스크 착용을 의무화한 이후 지난달 30일까지 ‘대중교통 내 마스크 착용 시비’로 폭행을 행사한 혐의는 총 385건이나 접수됐다. 또한 강화된 사회적 거리두기를 시행한 지난달 30일부터 지난 3일까지 마스크 미착용 관련 112에 접수된 신고는 4796건이다. 이는 일주일 전과 비교하면 52.1% 증가한 수치다.

아울러 한국은 3T(Test-검사·확진, Trace-역학·추적, Treat-격리·치료) 기반으로 ‘K-방역모델’을 통해 감염병에 대응해 왔다. 하지만, 코로나19가 장기화되고 확산됨에 따라 업무 피로도 증가로 인한 수행 능력 저하 및 인력 부족이 발생했고, 자동화되지 않아 수작업에 가까운 기존 방역시스템은 방역 전략 수립에 도움을 줄 수 있는 데이터를 확보하는 데 어려움이 있었다. 코로나19와 같은 호흡기 감염병 예방 및 확산 차단을 위해서는 비대면, 비접촉 방식의 마스크 미착용자 및 이상 체온자의 식별 기술 기반의 관제 시스템이 절실히 필요하다.

인플랩, ‘인공지능·사물인터넷 무인 방역 시스템’ 개발

‘인플랩’은 지난달 26일 마스크 미착용자 인식 및 이상 체온자를 식별하는 ‘AIoT(인공지능 사물인터넷) 무인 방역 시스템’ 사업 내용으로 ‘비대면 비즈니스 디지털 혁신 기술개발’ 사업의 수행기관으로 선정됐다. 인플랩은 재난·교통안전 솔루션 및 문화 콘텐츠를 디자인하고 개발하는 강소 기업으로 재난 안전 분야의 기능성 게임 개발, 버스 안전 지수 솔루션, 문화유산 홍보 사업 등을 진행하고 있다. 인플랩은 경상북도 김천에 있어 이번 코로나 사태로 인해 지역 기업으로서 누구보다 절박한 상황이었다.

장원호 인플랩 대표이사는 “이 시대를 이기기 위한 노력이 필요하다고 인식하던 차에 ‘안전’이라는 개념으로 이번 사업을 접했다”면서 “그간 저희가 가지고 있던 재난 안전 분야의 위험도 영향 분석 기술, 문화유산 홍보 사업을 진행하며 획득한 하드웨어(HW) 솔루션, 4차 산업 기반의 AI 분석 기술을 접목하고 끊임없이 아이디어를 짜내어 이번 사업을 준비했다”고 말했다.

특히 스타트업으로서 한 명이라도 감염되면 끝이라는 현실에 매일 모든 직원이 도시락으로 끼니를 때우고 체온계로 열 체크하는 등 철저히 방역하며 고립된 시간을 버텨왔기에 이번 준비과정이 남다른 의미가 있다. 장 대표는 “작게는 우리 직원들의 삶, 좀 더 크게는 대구·경북의 방역 무엇보다 대한민국의 안전을 위해 공헌하고 싶은 마음이 이번 사업을 진행할 수 있게 됐던 계기가 아닌가 싶다”고 설명했다.

국내 최초 실시간 방역 위험도 산출 기술…초당 5프레임 이상

이번에 개발하고 있는 ‘AIoT 무인 방역 시스템’은 초밀집 환경에서 실시간으로 마스크 미착용자를 인식하고 이상 체온자를 식별하는 것을 목표로 내년 상반기에 출시하기 위해 테스트 중이다. 장 대표는 “중요한 시기에 필요로 하는 곳이 많아 출시를 당장 하면 좋겠지만, 정확한 검사를 하는 것이 무엇보다 중요하기 때문에 충분히 테스트 기간이 필요하다”고 말했다. 단순히 발열 체크만 하는 기존 무인 방역 시스템과 달리, 인플랩이 개발 중인 시스템은 AI가 각 공간 및 환경의 특성을 학습해 인식하면서 정보를 반영해 계속 보정하기 때문에 검출률, 오차 범위 등 정확도가 올라가 보다 정밀한 검사가 가능하다. 주요 기능을 보면 크게 ▲무인 방역 단말장치(캐리어형, 키오스크형) ▲ 인공지능(AI) 기반 유동 인구, 마스크 착용 유무, 체온 진단 측정 소프트웨어(SW) ▲방역 관제 SW 등으로 나뉜다.

이 시스템의 마스크 착용·미착용 검출률은 98% 이상이며, 마스크 착용유무 판단 속도는 초당 5프레임 이상, 동시 검출 객체(안면) 수는 20명 이상, 체온 측정 오차는 0.3도 미만, 실시간 데이터 반영 속도는 10초 이하 등의 주요 성능을 가진다. 특히 마스크 착용 여부 확인 기술(인식률)은 세계 1위며, 국내 최초로 실시간 방역 위험도 산출 기술을 자랑한다.

인플랩은 코로나19가 장기화함에 따라 학교, 종교시설, 대중교통 등 사람이 밀집되기 쉬운 위치에 AI 무인 방역단말 키오스크를 항시 설치해 유동 인구의 실제 마스크 착용 비율, 발열자 비율 등 방역 관련 데이터를 실시간 확보할 계획이다. 안면인식 출퇴근 전자출입명부 및 미발열·마스크 착용자 전용 안심스티커 발급을 통한 방역으로 발생하는 인력 공백 감소, 대면 접촉을 통한 추가 감염에도 대비할 예정이다.

RGB·열화상 카메라 등 AI로 안면·마스크 검출…20명 이상 감지 가능

과연 운동장과 같은 넓은 곳에서 마스크 착용·미착용자를 어떻게 감지할까? 장 대표는 “식별 시스템 H/W로부터 6.5m 이내에 있는 객체를 인식해 AI로 안면·마스크를 검출하고, 체온을 측정한다”고 설명했다. 따라서, 넓은 지역을 대상으로 방역을 진행하기 위해서는 별도의 출입구를 세워 시민의 동선을 제한해 감지하는 형태로 구현한다. 다만, 지역 특성에 따라 출입구 및 식별 시스템 H/W를 설치한 뒤에는 수집되는 데이터의 품질과 감지 기능 정상 작동 여부를 확인해야 한다.

또한 20명 이상의 사람들을 감지할 수 있을까? 우선 식별 시스템 H/W에 테스트를 통해 결정된 최적의 일정 높이에서 카메라(RGB, 열화상)를 설치한다. 설치한 후에는 화면 내에서 이동하는 사람들의 안면을 고속으로 검출한다. 이렇게 검출된 각 안면 영역에서 사용자가 마스크를 착용하고 있는지를 인공지능 알고리즘으로 마스크를 검출해 판단한다. 각각 검출된 안면 영역에 대해 열화상 카메라로 체온을 측정하고, 인공지능 알고리즘으로 거리에 따라 체온을 보정한다. 그 결과 마스크 미착용 및 이상 체온과 같은 방역 위험자를 판정하게 된다.

지역사회 추가확산 사전 차단·방역 비용 ↓…5년간 약 3000억 원 판매 목표

이 시스템의 주 고객층은 국민의 안전을 책임지는 지자체와 시설 방역관리자다. 무인 방역 단말장치가 수집한 데이터를 토대로 시설 방역관리자에게는 시간적 여유와 비대면 방역을 통한 추가 감염 차단을 제공한다. 지자체에는 실시간 지역 방역 현황을 제공해 감염병 확산을 미연에 줄여 피해를 최소화해 줄 것으로 보인다. 이 밖에도 경제·산업적, 기술적, 사회적으로 기대되는 효과도 크다.

우선 비대면 방역 관리를 위한 방역 데이터 시각화 기술개발의 초석을 마련했다. 호흡기 감염증 방역 관련 학습 데이터 공유를 위한 관제 플랫폼의 오픈 API(Open Application Programming Interface)를 제공한다.

이와 함께 열화상 시스템의 글로벌 시장규모가 지난해 43억 달러에서 올해 76억 달러로 1년에 76%의 성장을 전망한다. 장 대표는 “향후 3~5년간 약 150만 대 이상의 열화상 시스템이 팔릴 것으로 예상한다”면서 “이번 과제 성과물은 세계 시장 1% 점유로 5년간 1만 5000대(약 3000억 원) 판매를 목표로 하고 있다”고 포부를 밝혔다.

유인 방역 프로세스에서 무인으로 개선해 지역사회의 방역 비용 절감 및 추가확산 사전 차단하는 사회적 효과도 기대할 수 있다. 방역 데이터를 매뉴얼에 맞게 가공함으로써 방역 의사 판단을 지원해 인적·물적 피해 최소화에도 도움이 된다.