공공장소나 시설 내에서 발생하는 폭행, 실신, 배회 등 이상행동은 사고·범죄로 이어질 수 있는 전조이지만, 기존 CCTV는 단순 모니터링에 그쳐 실시간 대응이 어려웠다. 관리자는 수십 개의 화면을 동시에 주시해야 하고, 사건 발생 시 즉시 대응하기 힘들다. 또한 영상 전체를 장기간 저장하면 개인정보 침해 소지가 크다. 따라서 행동을 자동으로 감지하고, 이상 상황만 요약 저장·알림하는 시스템의 필요성이 대두되었다. 본 프로젝트는 최신 비디오 인식 모델과 스트리밍 데이터 처리 기술을 적용하여 적은 라벨 데이터에서도 높은 성능을 달성하고, 실시간으로 위험 이벤트를 관리자에게 전달하며, 개인정보 보호까지 고려한 지능형 CCTV 시스템을 구현하는 것을 목표로 했다.

본 프로젝트는 건물·공공장소의 CCTV 영상을 활용해 폭행, 배회, 넘어짐과 같은 이상행동을 실시간으로 자동 탐지하는 시스템 구축을 목표로 했다. VideoMAE, SlowFast 등 사전학습 모델을 기반으로 적은 수의 라벨 데이터로도 높은 성능(F1 0.81)을 확보하였다. Kafka 스트리밍과 Flink CEP를 이용해 이벤트 규칙을 구성했고, 감지된 이벤트는 스냅샷 단위로 저장해 프라이버시를 보호하였다. 저해상도·저프레임 환경에서도 지연을 최소화하며, 오탐은 리뷰 툴을 통해 빠르게 재라벨링하여 데이터셋 개선에 반영하였다.