earticle

영어

Ensuring safety in public spaces has become an increasingly complex and critical issue in modern urban environments. This study proposes a smart AI CCTV system that leverages deep learning and computer vision technologies to detect and respond to illegal activities in urban parks in real time. While existing datasets for abnormal behavior recognition primarily focus on indoor environments or general actions, they lack coverage of specific violations such as smoking and drinking in outdoor public spaces. To address this gap, we construct new datasets collected from real park environments, including detailed annotations for smoking and drinking behaviors as well as liquor bottle detection. The proposed system integrates object detection and action recognition algorithms to effectively identify smoking, drinking, and abnormal crowd behavior. It also incorporates a multi-stage verification process and an alert mechanism to enable timely responses. Experimental results demonstrate that the YOLOv6-based liquor detection model achieved an average mAP of 81.72%, while the action recognition model (MVD) reached an average F1-score of 85.37%. When liquor detection was combined with action recognition, the overall F1-score improved to 88.93%. Furthermore, field experiments conducted in actual park settings confirmed the system’s robustness, achieving an average F1-score of 86.5%. This research presents a practical and reliable AI-based solution for detecting unlawful behavior in public spaces, contributing to the advancement of smart city safety management. The system's flexible and scalable architecture also supports future extensions to various environments and detection scenarios.

한국어

현대 도시 환경에서 공공장소의 안전 관리는 점점 더 복잡하고 중요한 사회적 과제로 부각되고 있다. 본 연구는 딥러 닝 및 컴퓨터 비전 기술을 활용하여 도시 공원 내 위법 행위를 실시간으로 탐지하고 대응할 수 있는 스마트 AI CCTV 시스템을 제안한다. 기존의 이상행동 관련 데이터세트는 대부분 실내 환경이나 일반적 행동에 초점을 맞추고 있어, 실외 공원에서 발생하는 ‘흡연’, ‘음주’와 같은 특정 위법 행위를 인식하는 데 한계가 있었다. 이를 보완하기 위 해 본 연구에서는 야외 공원 환경에서 수집된 영상을 기반으로 새로운 행동 인식 및 주류 탐지 데이터세트를 구축하 였다. 제안된 시스템은 객체 탐지와 행동 인식 알고리즘을 통합하여 흡연, 음주, 비정상적 군집 활동을 효과적으로 식별하며, 다중 검증 절차와 경보 메커니즘을 통해 실시간 대응이 가능하도록 설계되었다. 실험 결과, YOLOv6 기 반 주류 탐지 모델은 평균 mAP 81.72%의 성능을 기록하였다. 행동 인식 모델(MVD)은 평균 F1-score 기준으로 85.37%의 성능을 보였으며, 술병 탐지 결과를 결합한 경우 평균 F1-score는 88.93%까지 향상되었다. 야외 공원 환경에서 진행된 현장 실험에서도 평균 F1-score 86.5%를 달성하여 실제 환경에서도 우수한 성능을 입증하였다. 본 연구는 야외 환경에서도 안정적으로 작동하는 인공지능 기반 위법 행위 감지 시스템을 구현함으로써, 공공장소 안 전 관리의 실효성을 크게 향상시킬 수 있는 기술적 기반을 제시한다. 또한, 제안된 시스템은 유연하고 확장 가능한 구조를 바탕으로 향후 다양한 환경과 상황에 적용 가능하며, 스마트시티 기술 발전에 실질적으로 기여할 수 있다.