가려진 사람도 찾아내는 CCTV 인물 재식별 AI 기술
DPBF 모델은 사람의 일부만 보여도 같은 사람을 식별하도록 설계된 새로운 Person Re-ID 기술이다.
공항, 지하철역, 쇼핑몰 같은 장소에서 AI가 같은 사람을 다시 찾아내는 일은 쉽지 않다. 사람이 다른 사람에게 가려지거나 카메라 각도가 달라지면 기존 인물 재식별 기술의 정확도는 크게 떨어진다.
리버풀대학교 연구진은 이런 문제를 해결하기 위해 DPBF라는 인공지능 모델을 제안했다. 이 모델은 사람의 몸을 여러 부위로 나누고, 중요한 부위 특징과 전체 모습을 함께 분석한다.
논문에 따르면 DPBF는 Occluded-ReID 데이터셋에서 기존 경쟁 모델보다 Rank-1 정확도 10.6%, mAP 16% 향상을 보였다.
인물 재식별 기술은 같은 사람을 다른 카메라에서 다시 찾는 기술이다
Person Re-ID는 서로 다른 CCTV나 영상 속 사람이 같은 인물인지 판단하는 기술이다. 예를 들어 한 사람이 지하철 입구 카메라에 찍힌 뒤 플랫폼 카메라에 다시 등장했을 때, AI는 두 이미지가 같은 사람인지 비교한다.
문제는 실제 환경이 복잡하다는 점이다. 사람은 움직이고, 조명은 바뀌며, 촬영 각도도 달라진다. 여기에 몸 일부가 가려지면 AI가 비교할 정보가 줄어든다.
DPBF는 사람의 몸을 여러 부분으로 나누어 분석한다
DPBF의 핵심은 사람을 하나의 덩어리로 보지 않는 것이다. 연구진은 머리, 상체, 팔, 다리처럼 의미 있는 신체 영역을 나누어 각각의 특징을 학습하게 했다.
이 과정에서 사용된 기술이 SPD이다. SPD는 이미지 속에서 사람을 구분하는 데 중요한 신체 부위를 찾아내고, 해당 영역에 더 높은 중요도를 부여한다.
주의집중 메커니즘은 가려지지 않은 중요한 부위를 더 강하게 본다
DPBF는 Attention Mechanism을 사용한다. 이는 사람이 사진을 볼 때 중요한 부분에 시선을 집중하는 것과 비슷하다.
예를 들어 얼굴은 보이지 않지만 상체 옷의 색상이나 가방이 잘 보인다면, AI는 그 영역을 더 중요하게 반영한다. 논문 속 시각화 자료에서도 상체와 구별 가능한 의상 영역에 강한 반응이 나타난다.
AFICF는 신체 부위 정보와 전체 모습 정보를 함께 정리한다
신체 부위 정보만 사용하면 전체 맥락을 놓칠 수 있다. 반대로 전체 모습만 사용하면 작은 차이를 구분하기 어렵다.
연구진은 이를 해결하기 위해 AFICF라는 특징 융합 방식을 사용했다. AFICF는 신체 부위별 특징과 전체 이미지 특징을 결합하고, 중복되는 정보는 줄인다.
논문에서는 Pearson 상관계수와 PCA를 이용해 서로 비슷한 특징을 걸러내고 더 압축된 특징 표현을 만들었다. 쉽게 말해 AI가 같은 정보를 반복해서 보지 않도록 정리한 것이다.
가려진 사람을 찾는 성능은 Occluded-ReID에서 가장 크게 향상됐다
DPBF는 Occluded-ReID 데이터셋에서 Rank-1 정확도 93.5%, mAP 91.2%를 기록했다. 이는 기존 최고 수준 모델보다 Rank-1 정확도는 10.6%, mAP는 16% 높은 결과다.
P-DukeMTMC-ReID 데이터셋에서도 Rank-1 정확도 93.6%, mAP 83.6%를 기록했다. 이 결과는 DPBF가 가림 현상이 있는 실제 CCTV 환경에 더 강하다는 점을 보여준다.
상체 정보는 사람 구분에 강했고 하체 정보는 가림에 취약했다
연구진은 신체 부위별 성능도 따로 분석했다. 그 결과 상체와 얼굴 주변 정보는 비교적 안정적인 식별 성능을 보였다.
반면 다리와 발처럼 하체 영역은 성능이 낮았다. 실제 CCTV에서는 하체가 다른 사람이나 장애물에 가려지는 경우가 많기 때문이다. 논문에서도 p7로 표시된 하체 영역이 여러 데이터셋에서 가장 약한 성능을 보였다.
이 연구는 CCTV AI가 사람의 일부 정보만으로 판단하는 방향을 보여준다
DPBF는 사람 전체 이미지만 비교하던 기존 방식에서 벗어나, 신체 부위별 정보와 전체 맥락을 함께 사용하는 방향을 제시했다.
이 기술은 공항 보안, 실종자 수색, 스마트시티 관제, 범죄 수사 지원 시스템에서 활용 가능성이 있다. 다만 연구진도 극심한 가림 현상과 낮은 해상도에서는 여전히 성능 저하가 나타날 수 있다고 설명했다.
출처
Hussein, G., Smith, J. S., & Al-Nuaimy, W. (2026). Strategic Feature Integration for Superior Person Re-ID: A Part-Based Approach. AI, 7(6), 210. https://doi.org/10.3390/ai7060210