실제 화재 재현을 통한 재난 안전 감지 모델 고도화: 위험 상황 시나리오 구축

안녕하세요. (주)프롬데이터(FromData)입니다.

최근 스마트 팩토리와 스마트 시티 구축이 가속화되면서, 기존의 물리적 센서(연기, 열 감지기)를 넘어 비전(Vision) 기반의 재난 감지 시스템 도입이 늘어나고 있습니다. 하지만 이러한 시스템의 정확도를 높이기 위해서는 실제 재난 상황과 동일한 고품질의 Raw Data가 필수적입니다.

문제는 화재와 같은 위험 상황은 데이터를 인위적으로 만들기 어렵다는 점입니다. CG(컴퓨터 그래픽)로 합성한 데이터는 현실의 불규칙한 패턴을 완벽히 모사하지 못해 모델의 일반화 성능을 떨어뜨릴 수 있습니다.

오늘 공유해 드릴 프로젝트는 이러한 한계를 극복하기 위해, 실제 테스트베드에서 콘센트 과열 화재를 직접 재현하고 촬영하여 구축한 데이터셋 사례입니다.

1. 프로젝트 배경: 왜 ‘실제 화재’여야 하는가?

화재 감지 AI 모델이 현장에서 오작동(False Positive)을 일으키거나 감지 실패(False Negative)를 겪는 가장 큰 이유는 학습 데이터의 비현실성 때문입니다.

• 복잡한 배경 노이즈: 실제 공장이나 건물 내부는 조명, 반사, 사람의 이동 등 다양한 변수가 존재합니다.

• 화재의 비정형성: 불꽃은 일정한 형태가 없으며, 연기의 색상과 확산 속도는 발화 물질에 따라 천차만별입니다.

저희는 이러한 현실적 변수를 데이터에 담기 위해, 통제된 환경 내에서 실제 화재 상황(Real-world Fire Scenario)을 설계했습니다. 단순한 불 이미지가 아닌, 초기 발화부터 연기 확산까지의 시계열적 변화를 담아내는 것이 이번 프로젝트의 핵심이었습니다.

2. 위험 환경 데이터 구축 프로세스 및 기술적 접근

위험도가 높은 데이터를 확보하기 위해서는 철저한 시나리오 설계와 안전 확보가 선행되어야 합니다. 저희는 다음과 같은 프로세스로 고품질의 AI 학습 데이터 를 구축했습니다.

2-1. 시나리오 설계 및 테스트베드 세팅

화재가 발생할 수 있는 대표적인 원인인 ‘콘센트 과열’을 주제로 선정했습니다. 이를 위해 방재 시설이 완비된 대형 실내 시험장을 섭외하고, 실제 콘센트와 배선에 과부하를 주어 자연 발화를 유도했습니다.

2-2. 다각도 촬영 및 변수 통제

단일 각도의 이미지는 3D 공간 인식이 필요한 현대의 AI 모델에 충분하지 않습니다. 저희는 다음과 같이 촬영 환경을 구성했습니다.

• Multi-View 촬영: 정면, 측면, 부감(High-angle) 등 다양한 각도에 카메라를 배치하여 불꽃의 입체적인 형태를 포착했습니다.

• 거리별 데이터 확보: 근거리의 텍스처 정보와 원거리의 객체 인식 정보를 모두 확보하기 위해 촬영 거리를 세분화했습니다.

• 조도 변화: 화재 시 발생할 수 있는 정전 상황 등을 가정하여 다양한 조도 환경을 테스트했습니다.

 

 

 

 

 

 

 

 

 

 

3. 정밀 객체 바운딩과 데이터 품질 관리

촬영된 영상이 AI 모델의 학습 자료로 쓰이기 위해서는 정교한 후처리 과정이 필요합니다. 특히 화재 데이터는 불꽃(Fire)과 연기(Smoke)의 경계가 모호하여 난이도가 매우 높습니다.

저희는 전문 인력을 투입하여 다음과 같은 기준으로 데이터 라벨링을 수행했습니다.

• Fire Bounding: 불꽃의 코어(Core)와 외곽(Flame)을 포함하되, 렌즈 플레어(빛 번짐) 현상은 제외하여 모델이 불꽃 자체의 특징만 학습하도록 유도했습니다.

• Smoke Bounding: 연기의 경우 배경과 섞이는 옅은 영역(Thin Smoke)과 짙은 영역(Thick Smoke)을 구분하여 라벨링의 일관성을 유지했습니다.

• Occlusion 처리: 연기에 의해 불꽃이 가려지는 상황에서도 시계열적 문맥을 고려하여 객체 추적이 끊기지 않도록 처리했습니다.

이러한 정밀한 가공 과정은 최종 데이터셋이 CCTV나 센서 기반 모델에 즉시 투입되었을 때 높은 mAP(mean Average Precision)를 기록하게 하는 원동력이 됩니다.

4. 프롬데이터만의 안전 확보 노하우 (Safety Protocol)

고위험 데이터 수집 프로젝트에서 가장 중요한 것은 결과물의 품질만큼이나 ‘과정의 안전’입니다. 프롬데이터는 위험 환경 프로젝트 수행 시 독자적인 안전 프로토콜을 가동합니다.

1. 사전 리허설: 촬영 전 케이블 동선, 사다리 위치, 비상 탈출구를 점검하는 모의 리허설을 진행합니다.
2. 역할 분담의 전문화: 화재 통제관, 촬영 감독, 데이터 모니터링 요원, 안전 관리자로 역할을 엄격히 분리하여 돌발 상황에 즉각 대처합니다.
3. 인프라 활용: 고열과 유독가스가 발생하는 환경에서도 장비 손상을 막고 데이터를 안전하게 전송할 수 있는 특수 장비와 하우징 기술을 보유하고 있습니다.

이러한 체계적인 프로세스 덕분에 고객사는 법적, 안전 이슈에 대한 걱정 없이 결과물을 받아보실 수 있습니다. 저희의 이러한 데이터 가공 능력은 단순한 기술력을 넘어 프로젝트 매니지먼트 역량을 증명합니다.

5. 마치며: 더 안전한 사회를 위한 데이터

이번 프로젝트를 통해 구축된 화재 및 연기 데이터셋은 스마트 빌딩의 방재 시스템, 공장 자동화 안전 센서, 도심지 CCTV 이상 행동 감지 모델 등 다양한 분야에 활용될 예정입니다.

현실의 복잡함을 담아낸 데이터만이 AI를 현실 세계에서 작동하게 만듭니다. 프롬데이터는 앞으로도 접근하기 어려운 특수 환경, 위험 환경에서의 데이터 확보에 앞장서며 AI 산업의 기반을 닦아 나가겠습니다.

감사합니다.