타타 엘렉시, AWS 기반 실시간 산업 안전 비전 플랫폼 IRIS 구축

수동 관제의 한계 극복

제조 공장, 물류 거점, 화학 시설 등은 작업장 안전을 위해 수많은 카메라를 운영하지만, 대부분 사후 녹화와 확인에 머물러 실시간 예방에 한계가 있었다. 관제실 인력이 수백 개 화면을 동시에 감시하기 어렵기 때문에 위험 상황이 발생해도 이를 파악하는 데 통상 15분에서 45분이 소요되는 실정이었다.

엣지 전처리 및 스트리밍

IRIS의 처리 과정은 산업용 GPU가 탑재된 엣지 연산 장치에서 시작된다. 장치 관리 솔루션을 기반으로 초당 2~5프레임 단위로 영상을 추출한 뒤, 모션 감지와 1차 경량 모델을 통해 사람, 차량, 장비가 포함된 유효 프레임만 선별하여 객체 저장소에 업로드한다. 이 같은 엣지 필터링을 통해 클라우드로 전송되는 프레임 수를 약 70~80% 절감했다.

영상 스트림 대신 프레임 식별 키와 카메라 식별자, 구역 정보, 동기화된 타임스탬프 등 1KB 미만의 경량 메타데이터만 실시간 이벤트 스트림으로 전달한다. 해당 스트림은 온디맨드 용량 모드로 동작해 초당 2000~5000건의 정상 처리량과 최대 1만 5000건의 버스트 처리량을 수용하며, 수집 지연 시간은 200밀리초 미만을 유지한다.

심층 추론 및 상관관계 검증

클라우드로 유입된 이벤트는 독립된 전용 추론 엔드포인트에서 분석된다. 안전모, 조끼, 장갑, 보안경 착용 여부를 확인하는 객체 감지 모델, 진입 금지 구역의 다각형 기반 공간 지오펜싱, 작업자의 불안전한 자세와 움직임을 감지하는 시계열 행동 인식, 지게차 등 장비와의 거리를 측정하는 다중 객체 추적 기술이 각 모델별 엔드포인트에 배치되었다.

단일 탐지 결과가 유발하는 오경보를 방지하기 위해 단기 상태를 추적하는 상관관계 분석 계층을 두었다. 30초에서 5분 범위의 이동 창을 활용해 위반 빈도와 지속 시간, 구역 중요도를 종합 평가함으로써 직접 탐지 방식 대비 오경보 발생 비율을 약 40~50% 감소시켰다.

등급별 알림과 지속 학습

위험 판정이 확정되면 중요도에 따라 다단계 에스컬레이션이 실행된다. 최고 위험 등급은 5초 이내에 알림이 발송되고 2분간 미확인 시 상위 관리자에게 전파되며, 고위험 등급은 10초 이내 알림과 5분 미확인 시 전파 규칙이 적용된다. 동일 카메라의 반복 탐지는 기본 60초 창을 통해 단일 알림으로 통합된다.

운영 중 축적된 데이터는 지속 학습 파이프라인으로 연결된다. 실제 환경 데이터 80%와 드문 조명·각도를 가정한 합성 데이터 20%로 학습이 구성되며, 분기별 정기 재학습과 드리프트 감지 시 재학습이 수행된다. 검증 데이터 기준 보호구 착용 감지는 정밀도 94.2%와 재현율 91.8%, 금지 구역 침입은 정밀도 96.1%와 재현율 93.4%를 기록했다.

운영 성과와 적용 요건

타타 엘렉시는 실제 산업 현장 적용 결과 위험 상태 감지 시간이 5초 미만으로 단축되었고, 24시간 자동 감시를 통해 도입 초기 6개월간 기록 대상 안전사고가 15~20% 감소했다고 밝혔다. 수동 감시 관련 운영 비용 또한 약 30% 절감된 것으로 집계되었다.

본 플랫폼을 운영하려면 카메라 네트워크에 연결 가능한 산업용 GPU 엣지 서버와 영상 식별 정보의 전송을 뒷받침하는 클라우드 네트워크 환경이 필수적이다. 또한 사람을 식별하는 영상 데이터를 다루는 만큼 비식별화, 보존 기간 설정, 최소 권한 기반 접근 제어 같은 데이터 거버넌스 정책을 설계 초기부터 정립해야 한다.