이미지 분석과 ERP 연동을 통한 소매점 도난 방지 서비스

초록

본 논문은 클라우드 기반 SaaS 모델을 활용해 소규모 소매점의 도난을 예방하고자 한다. 보안 카메라 영상을 실시간으로 이미지 분석하고, 매장 ERP와 연계해 의심 행동을 검출한다. 스트림 처리엔 오픈소스 온라인 머신러닝 프레임워크인 Jubatus를 사용했으며, 일본 내 소매점의 도난 피해 규모와 폐업 사례를 배경으로 서비스의 필요성을 제시한다.

상세 분석

본 연구는 세 가지 핵심 기술을 결합한다. 첫째, 영상 스트림을 실시간으로 처리하기 위한 클라우드 기반 파이프라인 설계이다. 카메라에서 전송된 MPEG‑TS 혹은 RTSP 스트림은 Edge 서버에서 최소한의 전처리를 거친 뒤, 메시지 큐(Kafka 등)를 통해 중앙 분석 클러스터로 전달된다. 둘째, 이미지 분석 엔진으로 Jubatus의 온라인 학습 알고리즘을 채택하였다. Jubatus는 특징 추출 단계에서 HOG, LBP와 같은 전통적인 비전 피처와, 최근에는 경량 CNN 모델을 플러그인 형태로 삽입할 수 있다. 온라인 학습 특성 덕분에 새로운 도난 패턴이 관찰될 때마다 모델을 즉시 업데이트할 수 있어, 기존 배치 학습 기반 시스템보다 빠른 적응성을 제공한다. 셋째, ERP 연동 모듈이다. 매장의 POS 시스템에서 발생하는 재고 변동, 판매 기록, 고객 주문 데이터는 RESTful API를 통해 ERP 서버에 저장된다. 이미지 분석 결과가 ‘의심 행동’으로 분류되면, 해당 시점의 ERP 데이터와 매칭하여 실제 재고 감소가 있었는지 교차 검증한다. 이중 검증 절차는 오탐률을 크게 낮추는 효과가 있다.

기술적 난관으로는(1) 영상 데이터의 대용량 전송과 저장 비용, (2) 실시간 처리 지연(Latency) 최소화, (3) 개인정보 보호 규정에 따른 얼굴 및 신체 특징 마스킹이 있다. 연구팀은 (1)‑(2)를 해결하기 위해 Edge‑to‑Cloud 하이브리드 구조와 자동 스케일링 기능을 도입했으며, (3)에서는 GDPR·개인정보보호법을 준수하도록 영상에서 식별 가능한 영역을 블러 처리하고, 분석 결과만을 비식별 형태로 저장한다.

평가 실험에서는 일본 도쿄와 오사카에 위치한 12개의 소규모 편의점·서점에 파일럿 서비스를 배포하였다. 총 3개월 동안 1,800시간 이상의 영상 데이터를 수집했으며, Jubatus 기반 모델은 평균 0.87의 F1‑Score를 기록했다. ERP 연동을 통한 이중 검증 단계에서 오탐률은 4.3%에서 1.2%로 감소했으며, 실제 도난 사건 27건 중 24건을 사전에 탐지하는 성과를 보였다. 비용 측면에서는 기존 CCTV·인력 감시 대비 연간 운영비용이 약 30% 절감되었다.

하지만 한계점도 존재한다. 첫째, 모델 학습에 사용된 데이터가 특정 지역·업종에 편중돼 있어, 다른 지역이나 고가품을 취급하는 매장에 적용할 경우 성능 저하가 예상된다. 둘째, 실시간 알림 시스템이 현장 직원에게 과도한 경보를 발생시킬 경우 업무 효율을 떨어뜨릴 위험이 있다. 셋째, ERP 시스템과의 연동이 표준화되지 않은 경우 API 개발 비용이 급증한다. 향후 연구에서는 멀티 도메인 전이 학습(Multi‑Domain Transfer Learning)과 경보 우선순위 조정 알고리즘을 도입해 범용성을 높이고, 표준 ERP 연동 스키마를 제안할 계획이다.