공공·보안 사례

AI CCTV 영상관제 가이드: 방식 비교와 도입 절차

AI CCTV 영상관제의 개념과 방식 비교, 산업별 적용 결과, 기존 CCTV로 시작하는 도입 절차를 한 편에 정리한 가이드입니다.

SUPERB AI

2026년 10월 8일 • 21 min read

AI CCTV 영상관제는 현장에 이미 설치된 CCTV 영상을 AI가 실시간으로 해석해 위험·이상 상황을 감지해 담당자에게 알리고 그 기록을 남기는 관제 방식입니다. 사람이 여러 화면을 동시에 지켜보던 일을 AI가 대신 봅니다. 사람은 판단과 대응에 집중합니다. AI CCTV, 지능형 CCTV, AI 영상분석, AI 영상관제는 업계에서 같은 것을 가리키는 다른 이름입니다. 공공 조달과 보안 업계에서는 지능형 CCTV, 안전관리 분야에서는 AI 영상관제나 AI 영상분석이라는 표현을 주로 씁니다. 카메라 자체가 AI를 내장한 제품을 AI CCTV로 부르기도 하지만, 대부분의 도입은 기존 카메라 영상을 서버에서 분석하는 구조입니다. 이 글은 네 이름이 가리키는 시스템 하나를 개념·방식·산업별 결과·비용·도입 절차 순으로 정리합니다. 이 글은 2026년 9월 기준으로 작성했습니다.

AI CCTV 영상관제 구조도: 현장에 이미 설치된 CCTV 카메라 영상 위에 AI 해석 계층이 얹혀 위험 감지, 알림, 기록으로 이어지는 흐름 — 개념도: 기존 CCTV 영상 위에 AI 해석 계층을 얹어 감지·알림·기록을 수행하는 구조입니다. 카메라 교체는 전제가 아닙니다.

📌 3줄 요약
· AI CCTV 영상관제는 기존 CCTV 영상 위에 AI 해석 계층을 얹는 방식이라 카메라 교체가 전제가 되지 않습니다. 방식은 요원 육안 관제, 룰베이스 감지, 학습형 AI, 학습 없는 AI 네 가지로 나뉩니다.
· 실측 기준으로 전기차 화재 감지 시간 65% 단축·오경보율 80% 감소(국립소방연구원), 화물차 안전 관리 시간 95% 이상 절감(물류 L사), PPE 준수율 75%→98%(제조 S사) 결과가 있습니다.
· 기존 CCTV를 그대로 쓰면 신규 장비 투자 없이 2주 안에 파일럿을 시작할 수 있습니다. 학습 없는 방식이면 감지 이벤트 정의만으로 시작합니다.

왜 지금인가: 작은 현장도 큰 현장도 사람의 눈이 모자랍니다

고용노동부가 2026년 3월 발표한 2025년 재해조사 대상 사망사고 잠정결과에 따르면 사고사망자 605명 중 351명이 50인 미만 사업장에서 나왔습니다. 전체의 58%입니다. 규모가 작은 현장은 관제실을 따로 두거나 안전관리자를 상시 배치하기 어렵습니다. CCTV는 이미 설치돼 있어도 그 영상을 지켜보는 사람이 없는 상태가 대부분입니다.

나머지 254명은 50인 이상 사업장에서 나왔습니다. 이 수치는 전년보다 4명 늘었습니다. 같은 자료는 건설업 증가 요인으로 50억 원 이상 현장의 대형 사고 영향을 함께 짚었습니다. 안전관리자와 관제실을 갖춘 대규모 사업장에서도 사망사고가 줄지 않은 것입니다. 큰 현장에서는 볼 것이 사람의 눈보다 많습니다. 카메라가 수백 대로 늘어나면 관제 요원 한 사람이 동시에 볼 수 있는 화면 수를 넘어섭니다. 협력사 인원이 구역마다 드나드는 시간대에는 위반 장면이 화면에 잡혀도 아무도 보지 못합니다. 여기에 중대재해처벌법이 경영책임자에게 요구하는 관리체계 이행 증빙까지 더해지면 사람이 본 것을 사람이 기록하는 방식으로는 감당이 되지 않습니다.

두 경우 모두 검토되는 것이 AI CCTV 영상관제입니다. 카메라를 늘리는 대신 이미 있는 카메라 영상을 AI가 지켜보게 하는 방식입니다. 작은 현장에서는 관제 인력을 대신합니다. 큰 현장에서는 관제 인력이 봐야 할 화면을 알림이 온 장면으로 좁혀 줍니다.

관제 방식 비교: 요원 육안 vs 룰베이스 vs 학습형 AI vs 학습 없는 AI

구분	요원 육안 관제	룰베이스 감지	학습형 AI 영상관제	학습 없는 AI 영상관제
감지 원리	사람이 화면을 봄	움직임·영역 침범 같은 고정 규칙	현장 데이터로 학습한 모델이 객체·행동 인식	비전 파운데이션 모델이 텍스트로 정의한 이벤트를 바로 인식
감지 범위	사람의 주의력에 한정	규칙으로 쓸 수 있는 단순 상황	학습한 객체·상황	정의만 하면 되는 다양한 상황
준비 기간	인력 채용	수일	데이터 수집·라벨링·학습에 수주~수개월	이벤트 정의 후 수일
오경보	피로에 따라 변동	조명·그림자·날씨에 취약	학습 데이터 품질에 좌우	초기 오경보를 현장 데이터로 보정
현장 변경 대응	즉시	규칙 재작성	재학습 필요	이벤트 재정의
적합한 경우	소수 카메라·고위험 구역	출입 통제 같은 단순 감지	특수 객체(특정 결함·특정 장비)	여러 현장·여러 이벤트를 빠르게 시작할 때

관제 방식 4종 비교: 육안 관제, 룰베이스 감지, 학습형 AI, 학습 없는 AI 순으로 준비 기간이 짧아지고 현장 변경 대응이 쉬워지는 흐름 — 비교도: 오른쪽으로 갈수록 준비 기간이 짧고 현장 변경 대응이 쉽습니다. 네 방식은 현장에서 함께 쓰입니다.

네 방식은 현장에서 함께 쓰입니다. 실제 도입 현장에서는 학습 없는 방식으로 시작해 오경보가 잦은 이벤트만 현장 데이터로 보정하는 조합이 흔합니다. 사람은 알림이 온 장면만 확인합니다. 국립소방연구원 전기차 화재 사례처럼 감지 대상이 특수하면 10만 장 규모 데이터셋을 만들어 학습형으로 갑니다. 스마트시티 G시 사례처럼 이벤트가 다양하면 학습형과 프롬프트 기반을 섞습니다.

무엇을 감지하나: 이벤트 유형 5가지

유형	대표 이벤트	주로 쓰는 현장	상세 가이드
작업자 안전	보호구(PPE) 미착용, 추락 위험 구역 진입, 중장비 접근, 쓰러짐	건설·제조·플랜트	건설현장 4대 위험 가이드
화재·연기	초기 연기, 불꽃, 전기차 배터리 열폭주 징후	지하주차장·물류창고·플랜트	전기차 화재 조기 감지
차량·주차	주차 현황, 차량 진입·정차, 운전 중 법규 위반	주차장·물류 차량	기존 CCTV로 시작하는 AI 주차 관제
침입·이상 행동	통제 구역 침입, 배회, 방치 물품	보안·공공 시설	CCTV 보안 AI 구축 사례
공정·규정 이탈	표준 작업 절차 이탈, 위험 동선	제조·조선	플랜트 통합 안전관제 가이드

같은 카메라 한 대가 여러 유형을 동시에 감지할 수 있습니다. 주차장 CCTV가 주차 현황을 세면서 쓰러짐과 연기를 함께 보는 식입니다. 이벤트를 몇 개 정의하느냐가 구축 비용을 좌우하는 가장 큰 변수이기도 합니다.

산업별 적용: 현장마다 다른 첫 이벤트

건설. 추락·중장비·구조물·보호구가 영상으로 관리 가능한 4대 위험입니다. 현장이 매일 바뀌기 때문에 규칙 기반 감지가 오래 버티지 못해 학습 없는 방식이 먼저 검토됩니다. 도입 절차와 4대 위험별 대응은 건설현장 안전 AI 영상분석 가이드에 정리했습니다.

제조. 보호구 착용과 지게차 동선이 첫 이벤트가 되는 경우가 많습니다. 제조 S사는 학습 없는 영상관제로 PPE 준수율을 75%에서 98%로 올리고 일일 위반을 약 90% 줄였습니다(중대재해처벌법 증빙 설계 글 실측 절). 지게차 충돌 위험은 지게차 안전사고 예방 사례에서 다뤘습니다.

플랜트·조선·에너지. 넓은 부지에 협력사 인원이 섞여 들어오는 현장입니다. 구역별로 다른 규칙이 필요하고 통합 관제 화면이 핵심입니다. 플랜트 통합 안전관제 시스템 도입 가이드에서 조선·철강·에너지·화학 현장의 공통 과제를 정리했습니다.

물류·차량. 차량 블랙박스 영상이 관제 대상이 되기도 합니다. 물류 L사는 1,000대가 넘는 차량의 블랙박스 영상을 분기마다 사람이 검수하던 일을 AI 영상관제로 바꿔 관리 시간을 95% 이상, 주요 법규 위반을 90% 줄였습니다(L사 사례).

주차장·건물 시설. 주차 현황 분석으로 시작해 쓰러짐·화재 감지로 확장하는 경로가 일반적입니다. 장비 교체 없이 시작하는 방법은 AI 주차 관제 글에 있습니다.

전기차 화재. 국립소방연구원과 함께 지하주차장 전기차 화재를 조기 감지하는 모델을 개발해 감지 시간을 65% 단축하고 오경보율을 80% 낮췄습니다. 화재·연기·차량 이미지 10만 장 규모 데이터셋에 합성 데이터를 결합한 학습형 방식입니다(사례 글).

공공·스마트시티. 도시 규모에서는 안전·교통 이벤트가 수십 종으로 늘어납니다. G시는 파인튜닝 모델과 프롬프트 기반 AI를 함께 쓰고 자동 재학습 체계를 붙였습니다(스마트시티 AI 관제 사례).

대규모 사업장에서 달라지는 것: 현장 수와 증빙

대규모 사업장 통합 관제실에서 여러 CCTV 화면 중 AI가 위험 장면 하나를 강조해 알림으로 띄운 모습 — 대규모 다현장에서는 관제 요원이 볼 화면을 AI가 알림 장면으로 좁혀 줍니다. (생성 이미지, 특정 고객사 아님)

여러 현장을 운영하는 기업은 카메라 한 대의 정확도보다 다음 세 가지에서 차이를 봅니다.

표준화. 현장마다 규칙과 공급사가 다르면 본사가 위험을 한 화면에서 볼 수 없습니다. 학습 없는 방식은 같은 이벤트 정의를 다른 현장에 그대로 옮길 수 있어 다현장 확장에서 유리합니다. 물류 L사는 100여 개 영업소와 1,000대가 넘는 차량을 하나의 기준으로 검수했습니다.
협력사 인원 관리. 대규모 건설·플랜트 현장은 원청 직원보다 협력사 인원이 많고 구역별 출입 규칙이 다릅니다. 그래서 구역 단위 이벤트 정의와 통합 관제 화면이 필요합니다. 플랜트 통합 안전관제 가이드가 이 구조를 다룹니다.
증빙 자동화. 경영책임자의 관리체계 이행을 입증해야 하는 규모에서는 감지 장면·시각·조치 기록이 자동으로 쌓이는지가 시스템 선택 기준이 됩니다. 사람이 본 것을 사람이 적는 방식은 현장 수가 늘수록 빈틈이 커집니다. 설계 방법은 의무 이행 증빙 글에 있습니다.

고정 카메라가 못 보는 곳: 이동형 관제라는 선택지

고정 CCTV는 설치한 자리에서 보이는 것만 봅니다. 설비 뒤편, 랙과 랙 사이, 배관 아래, 모서리 안쪽은 카메라를 아무리 늘려도 사각이 남습니다. 넓은 야외 부지나 야간 무인 구간은 카메라 수를 늘리는 비용이 감지 가치보다 커집니다. 이런 구역에 검토되는 것이 이동형 관제입니다. 카메라를 단 4족 로봇이 정해진 경로를 순찰하면서 영상을 보내고 그 영상을 고정 CCTV와 같은 AI 관제 화면에서 함께 해석하는 방식입니다.

이동형 관제는 고정 관제를 보완하는 자리에 놓입니다. 고정 카메라가 상시 감시를 맡고 로봇은 사각과 순찰 구간을 맡습니다. 두 영상이 한 화면에 들어오려면 로봇 카메라 영상도 같은 이벤트 정의로 해석돼야 합니다. 학습 없는 방식은 이벤트 정의를 카메라 종류와 상관없이 옮길 수 있어 이 결합에 유리합니다. 순찰 중 감지한 이벤트도 고정 카메라와 같은 형식으로 기록되므로 증빙 체계가 둘로 갈리지 않습니다.

도입 순서는 고정 관제와 같습니다. 먼저 사각 구역과 순찰이 필요한 시간대를 정하고 그 구역에서 감지할 첫 이벤트를 정합니다. 로봇 경로와 카메라 각도는 그 이벤트가 잡히는지를 기준으로 조정합니다. 저희는 로봇이 스스로 돌며 데이터를 모으는 방식을 시뮬레이션과 실물에서 검증해 왔고 이동형 관제 데모는 준비되는 대로 별도 글로 정리합니다.

실측: 도입 현장의 숫자들

현장	감지 대상	방식	결과
국립소방연구원 (지하주차장)	전기차 화재 초기 연기	학습형, 10만 장 데이터셋 + 합성 데이터	감지 시간 65% 단축, 오경보율 80% 감소
물류 L사 (차량 1,000대 이상)	안전운전 법규 위반	블랙박스 영상 AI 관제	관리 시간 95% 이상 절감, 주요 법규 위반 90% 감소
제조 S사	PPE 착용	학습 없는 영상관제, 도입 3개월	PPE 준수율 75%→98%, 일일 위반 약 90% 감소
제조 현장 보안 PoC	통제 구역 침입	공개 데이터 1차 모델 → 현장 데이터 추가 학습	10일 만에 1차 모델, 3일 추가 학습으로 정확도 69%→99.99%

네 현장의 공통점은 카메라를 새로 깔지 않았다는 점입니다. 결과를 가른 것은 첫 이벤트를 무엇으로 정했는지와 오경보를 줄이는 절차였습니다.

중대재해처벌법과 영상관제: 역할과 한계

AI CCTV 영상관제는 중대재해처벌법이 요구하는 안전보건 관리체계 안에서 두 가지 역할을 합니다. 위험 상황을 실시간으로 알려 예방 조치를 돕는 역할과, 그 조치가 이뤄졌음을 시간·장면 기록으로 남기는 증빙 역할입니다. 시스템만 설치했다고 의무가 이행되는 것은 아닙니다. 알림을 받은 뒤 누가 어떻게 조치하는지의 절차가 함께 설계돼야 합니다. 조문 기준 의무와 처벌, 구축 4단계는 중대재해처벌법 AI 안전관리 시스템 가이드에, 증빙 데이터 설계는 의무 이행 증빙 글에 정리했습니다.

비용: 견적은 이벤트 수와 현장 수가 움직입니다

구축 비용은 하드웨어·소프트웨어·구축(커스터마이징)·운영 네 요소로 나뉩니다. 기존 CCTV를 재활용하면 하드웨어 항목이 분석 서버로 줄어듭니다. 학습 없는 방식이면 데이터 수집·라벨링 비용이 빠집니다. 견적을 가장 크게 움직이는 변수는 감지 이벤트 수와 현장 수입니다. 비용 요소별 분해와 정부 지원사업 등 절감 경로는 AI 영상분석 시스템 구축 비용 가이드에서 다룹니다.

도입 절차: 4단계

기존 인프라 진단. 카메라 위치·해상도·네트워크 대역·녹화 서버를 점검합니다. 대부분의 현장은 현재 CCTV로 파일럿이 가능합니다.
감지 이벤트 정의. 현장에서 가장 자주 일어나거나 가장 치명적인 상황 2~3개를 첫 이벤트로 고릅니다. 이벤트 수가 비용과 오경보 관리 부담을 함께 결정합니다.
파일럿 구간 검증. 카메라 몇 대, 2~4주 동안 감지율과 오경보를 측정합니다. 기존 CCTV 기준으로 2주 안에 시작한 사례가 있습니다.
알림·대응 체계 연결. 누가 어떤 채널로 알림을 받고 어떻게 조치하는지 정한 뒤 조치 기록이 남도록 연결합니다. 이 단계가 빠지면 감지는 되지만 예방이 되지 않습니다.

AI CCTV 영상관제 도입 4단계: 기존 인프라 진단, 감지 이벤트 정의, 파일럿 구간 검증, 알림·대응 체계 연결 — 절차도: 진단, 이벤트 정의, 파일럿, 대응 연결 순입니다. 4단계가 빠지면 감지는 되지만 예방이 되지 않습니다.

판단 기준 5가지

도입 검토 단계에서 공급사에 확인할 항목입니다.

기존 CCTV를 그대로 쓸 수 있는가. 특정 카메라 교체를 전제로 하면 하드웨어 비용이 먼저 커집니다.
학습 데이터 없이 시작할 수 있는가. 데이터 수집·라벨링·학습이 필수라면 첫 결과까지 수개월이 걸립니다.
오경보를 어떻게 줄이는가. 초기 오경보율과 현장 데이터로 보정하는 절차를 물어야 합니다. 오경보가 잦으면 현장이 알림을 무시하게 됩니다.
조치 기록이 남는가. 감지 장면·시각·조치 여부가 자동으로 기록되는지가 증빙 가치를 결정합니다.
현장·이벤트 추가가 쉬운가. 첫 현장 뒤에 다른 현장, 다른 이벤트로 늘릴 때 재학습이나 재구축이 필요한지 확인합니다.

슈퍼브에이아이는 산업 현장의 시각 데이터를 기업이 활용할 수 있는 인텔리전스로 전환하는 비전 인텔리전스 기업입니다. 기존 CCTV 인프라를 활용한 영상 관제 시스템과 산업 특화 비전 파운데이션 모델 제로(ZERO)를 하나의 플랫폼에서 제공합니다.