A Study on Abnormal Sign Detection Based on Normal Behavior Pattern Changes in Indoor CCTV Environments

현대 사회에서 CCTV는 범죄 예방과 안전 관리에 필수적인 역할을 수행하고 있으나, 기존의 이상 행동 탐지 방식은 특정 행동 유형을 사전에 정의하고 이를 분류하는 방식에 의존하는 경우가 많아 다양한 환경에서의 적용에 한계를 가진다. 특히 실제 환경에서는 이상행동의 형태가 고정되어 있지 않으며, 조명, 카메라 각도, 사용자 행동 패턴 등에 따라 다양한 형태로 나타날 수 있기 때문에 보다 일반화된 탐지 방법이 요구된다. 이러한 배경에서 본 연구는 정상 행동 패턴의 변화를 기반으로 이상 징후를 탐지하는 방법을 제안하였다. 제안한 방법은 YOLOv5s를 이용해 사람 객체를 검출하고, 중심 좌표 기반 이동 정보를 시간 윈도우 단위로 누적하여 행동 특성을 추출한다. 정상 행동 구간에서 형성된 패턴과 비교하여 일정 수준 이상의 변화가 발생한 구간을 이상 징후로 판단하였다. 실험결과, 정상 구간에서는 특성 값이 안정적으로 유지된 반면 행동 변화 구간에서는 변동성이 증가하는 경향이 나타났다. 또한 프레임 단위 방식 대비 F1-score가 0.835에서 0.908로 향상되어 약 7%p 성능 개선이 확인되었으며, 일시적인 노이즈에 의한 오탐지 또한 감소하였다.