문제점
도시 당국은 무허가 혹은 비규제 노점상 관리에서 점점 더 많은 어려움에 직면하고 있습니다. 이러한 활동은 인도, 교차로, 공공 행사 공간과 같은 제한 구역에서 자주 발생하며, 여러 문제를 야기합니다. 보행로가 혼잡해져 안전 위험이 증가하고 접근성이 떨어집니다. 수동 단속은 많은 인력이 필요하고 지연이 발생하기 쉬우며, 감시 요원들은 방대한 CCTV 영상 처리에 어려움을 겪습니다. 또한, 노점상과 일반 보행자 또는 기타 거리 활동을 실시간으로 구분하는 것은 복잡한 문제로, 기존 모니터링 시스템의 효과성을 제한하고 있습니다.

프로젝트 목표
본 프로젝트는 도시 감시망과 원활하게 통합되는 AI 기반 탐지 및 모니터링 시스템을 구축하는 것을 목표로 합니다. 주요 목적은 무허가 노점상을 실시간으로 자동 식별 및 추적하여 보행 및 교통 흐름을 원활하게 하고 공공 안전을 강화하는 것입니다. 또한 즉각적인 단속을 위한 사전 경고를 제공하여 수동 순찰에 대한 의존도를 줄입니다. 더 나아가 데이터 수집과 분석을 통해 실행 가능한 인사이트를 제공함으로써, 당국이 도시 관리 및 정책 집행을 위한 장기 전략을 수립할 수 있도록 지원합니다.

핵심 포인트
자동 탐지: 첨단 컴퓨터 비전 및 딥러닝 모델을 활용해 다양한 조건에서 노점상을 신뢰성 있게 탐지
실시간 모니터링: 노점상의 움직임을 지속적으로 추적하고 제한 구역 진입 시 즉시 알림 제공
원활한 통합: 기존 CCTV 및 시정 모니터링 시스템과 연동할 수 있는 API 제공
확장성과 유연성: 여러 도시 구역의 대규모 감시망에서도 배포 가능
데이터 기반 인사이트: 노점상 밀집 지역을 파악하고 단속을 강화하며 스마트 시티 전략을 지원하는 분석 제공

전 세계 도시들은 무허가 혹은 비규제 노점상 문제로 어려움을 겪고 있습니다. 노점상은 지역 경제에 기여할 수 있지만, 제한 구역 내 영업은 보행로를 막고 혼잡을 유발하며, 특히 대규모 공공 행사나 교통량이 많은 지역에서는 안전 및 보안상의 위험을 높일 수 있습니다. 기존 단속 방식은 인력 관찰과 보고에 크게 의존하기 때문에 많은 자원이 소모되고 지연이 발생하기 쉽습니다.
이 프로젝트는 기존 CCTV 인프라를 활용한 AI 기반 노점상 감지 시스템을 도입하여 실시간 감시, 사전 경고, 데이터 기반 인사이트를 제공함으로써 도시 당국의 관리 역량을 강화합니다.
본 시스템은 첨단 컴퓨터 비전 모델과 확장 가능한 인프라를 결합해 신뢰성 높은 실시간 감지를 구현합니다. YOLOv8과 Faster R-CNN을 활용해 노점상을 정확히 식별하고, ByteTrack을 통해 다수의 객체를 지속적으로 추적합니다. Python, FastAPI, Kafka, Flink로 구성된 백엔드는 대규모 이벤트를 저지연으로 처리할 수 있으며, FFmpeg과 OpenCV 기반 전처리로 다양한 환경에서도 안정성을 보장합니다. Torch 생태계를 중심으로 scikit-learn, XGBoost 등을 활용하여 모델을 고성능으로 최적화하였습니다. React 기반 대시보드는 실시간 모니터링과 알림을 제공하며, API를 통해 기존 도시 감시 시스템과 원활히 연동할 수 있습니다.