AI 펫카메라는 ‘행동’을 얼마나 이해할까? 컴퓨터비전이 놓치는 맥락과 오탐의 문제

집 안의 카메라가 반려동물을 찾아내고, 움직임을 따라가며, ‘걷기·앉기·잠자기·짖기’ 같은 행동을 자동으로 표시하는 기술은 이미 연구실 수준을 넘어 소비자용 펫테크의 핵심 기능으로 자리 잡고 있습니다. 화면에 ‘행동’이라는 단어가 붙는 순간 우리는 카메라가 단순히 영상을 촬영하는 것이 아니라 반려동물의 상태까지 이해한다고 느끼기 쉽습니다.

하지만 컴퓨터비전에서 개를 찾는 것(detection), 같은 개를 계속 따라가는 것(tracking), 행동을 분류하는 것(behavior recognition), 그리고 그 행동의 의미나 정서를 해석하는 것(inference)은 서로 다른 문제입니다. 앞 단계의 정확도가 높다고 해서 뒤 단계의 해석까지 자동으로 신뢰할 수 있는 것은 아닙니다.

Editorial Note. 본 기사는 특정 카메라 브랜드나 제품을 추천하는 Brand Review 또는 Commercial 콘텐츠가 아니라, 공개된 동료평가 연구와 보안 표준을 바탕으로 AI 영상분석의 구조와 검증 수준을 설명하는 독립적인 Editorial PET Tech 분석입니다. 영상 기반 행동분석 결과는 관찰 보조자료이며 질병·통증·정서 상태의 자동 진단이나 예후 판단, 치료 권고로 사용해서는 안 됩니다.

AI 펫카메라의 처리 과정은 ‘한 번의 판단’이 아니라 여러 단계의 파이프라인이다

일반적인 영상 행동분석 시스템은 대략 다섯 단계를 거칩니다. 먼저 카메라가 RGB 영상 또는 적외선 영상을 수집합니다. 다음으로 객체탐지 모델이 프레임 안에서 개나 고양이가 있는 영역을 찾고, 추적 알고리즘이 연속 프레임에서 같은 개체인지 연결합니다. 그 뒤 여러 프레임을 시간 순서로 묶어 자세와 움직임을 학습한 모델이 행동을 분류합니다. 마지막으로 분류 결과를 시간대별 기록, 요약영상, 알림 또는 행동 통계로 바꿉니다.

여기서 중요한 점은 오류가 누적될 수 있다는 사실입니다. 첫 단계에서 몸의 일부가 가구에 가려져 개를 놓치면 추적이 끊기고, 추적이 끊기면 행동 구간도 잘못 잘릴 수 있습니다. 반대로 커튼이나 장난감의 움직임을 반려동물로 잘못 잡으면 존재하지 않는 행동 이벤트가 만들어질 수 있습니다. 즉 사용자 화면의 ‘한 줄 알림’ 뒤에는 여러 모델과 임계값의 연쇄가 숨어 있습니다.

연구에서 높은 F1 점수가 나와도, 바로 모든 가정에 적용할 수 있는 것은 아니다

Othmane Atif, Jonguk Lee, Daihee Park, Yongwha Chung이 2023년 Sensors에 발표한 연구는 천장에 설치한 RGB 카메라 영상을 이용해 개를 탐지·추적한 뒤 행동을 분류하고, 시간대별 행동과 이동경로를 요약해 보여주는 시스템을 제안했습니다. 연구진은 YOLOR 기반 객체탐지, optical flow와 RGB 영상을 함께 쓰는 EfficientNetV2-Bi-LSTM 구조를 사용했고 행동 인식 평균 F1 score 0.955를 보고했습니다.

숫자만 보면 매우 높은 성능처럼 보이지만 검증 환경을 함께 봐야 합니다. 해당 데이터는 조명이 있는 실내 연구공간에서 천장 상부 시점으로 촬영됐고, 행동 데이터 수집에는 소형견 두 마리가 참여했습니다. 연구진이 다룬 행동 클래스와 카메라 각도, 방 구조, 조명 조건이 실제 가정의 품종·체형·가구 배치·다견 환경을 모두 대표하는 것은 아닙니다. 내부 데이터에서 높은 성능을 얻는 것과 낯선 집·낯선 개체에서 동일한 성능을 유지하는 외부 타당도는 별개의 문제입니다.

‘개를 찾는 정확도’와 ‘감정을 읽는 정확도’ 사이에는 큰 간격이 있다

Huan-Yu Chen, Chuen-Horng Lin, Jyun-Wei Lai, Yung-Kuan Chan이 2023년 Applied Sciences에 발표한 영상감시 기반 연구는 이 간격을 잘 보여줍니다. 연구에서 개 탐지 성능은 데이터셋에 따라 약 97% 수준까지 올라갔고, 한 마리를 추적할 때의 성능도 높았습니다. 그러나 여러 마리가 등장하면 추적 성능이 낮아졌으며, ‘angry/aggressive, happy/excited, neutral/general’의 세 범주로 나눈 정서 행동 분류 정확도는 두 데이터셋에서 81.73%와 76.02%였습니다.

오류 원인도 소비자용 환경에서 익숙한 것들입니다. 몸이 가려지는 occlusion, 프레임 밖으로 드나드는 상황, 빠른 움직임으로 인한 blur, 낮은 해상도, 부적절한 촬영 각도, 그리고 ‘happy’와 ‘neutral’처럼 시각적으로 비슷한 범주의 구분이 문제였습니다. 따라서 “카메라가 개를 98% 찾는다”는 성능 수치가 “개가 지금 어떤 정서인지 98% 맞힌다”는 뜻으로 읽혀서는 안 됩니다.

false positive와 false negative는 사용자 경험이 아니라 안전의 문제이기도 하다

행동 알림에는 두 종류의 대표적 오류가 있습니다. false positive는 실제로 없던 행동을 있다고 알리는 오탐이고, false negative는 실제 행동을 놓치는 미탐입니다. 예를 들어 카메라가 몸을 긁는 짧은 동작을 반복행동으로 과대 분류하면 불필요한 걱정과 알림 피로가 생길 수 있습니다. 반대로 중요한 행동변화를 계속 놓치면 사용자는 ‘이상이 없었다’고 잘못 안심할 수 있습니다.

두 오류는 보통 하나의 임계값을 움직이면 서로 반대 방향으로 변합니다. 민감도를 높이면 더 많은 행동을 잡지만 오탐이 늘 수 있고, 보수적으로 설정하면 오탐은 줄지만 미탐이 증가할 수 있습니다. 그래서 소비자가 확인해야 할 성능 정보는 단순한 ‘AI 정확도’ 한 숫자가 아니라 행동 클래스별 precision, recall, F1, 실제 가정과 유사한 독립 검증, 품종·체형·조명·다견 환경별 성능입니다.

통증이나 정서를 추정하는 연구가 존재해도 소비자 진단 기능과 동일하지 않다

Hongyi Zhu, Yasemin Salgırlı, Pınar Can, Durmuş Atılgan, Albert Ali Salah은 2023년 IEEE International Conference on Affective Computing and Intelligent Interaction에서 RGB 영상과 신체 keypoint를 함께 사용하는 개 통증 지표 추정 모델을 제안했습니다. 수의학 전문가가 수집·주석한 데이터셋을 사용하고 self-occlusion과 누락 keypoint를 다루려 했다는 점에서 중요한 연구입니다.

그러나 연구진 스스로 이 분야가 매우 도전적이며 초기 단계라고 설명합니다. 이런 연구는 ‘영상에서 임상적으로 의미 있을 수 있는 신호를 자동 추정할 가능성’을 탐색하는 연구 프로토타입이지, 일반 가정의 펫카메라가 통증을 진단할 수 있다는 근거가 아닙니다. 카메라 알림은 보호자의 추가 관찰을 촉발할 수는 있어도 진단명으로 변환되어서는 안 됩니다.

privacy와 security: 펫카메라는 반려동물뿐 아니라 ‘가정’을 촬영한다

펫카메라가 생성하는 데이터는 반려동물 영상만이 아닙니다. 보호자와 가족의 출입 시간, 실내 구조, 목소리, 방문자, 생활패턴이 함께 기록될 수 있습니다. 따라서 카메라 보안은 ‘펫 제품의 부가기능’이 아니라 가정용 IoT 보안 문제로 다뤄야 합니다.

NIST IR 8425 Profile of the IoT Core Baseline for Consumer IoT Products는 소비자 IoT 제품에 대해 기기 식별, 구성 변경 보호, 데이터 보호, 인터페이스 접근 제어, 소프트웨어 업데이트, 보안 상태 인지 같은 사이버보안 역량을 제품 전체 수준에서 고려하도록 제시합니다. 펫카메라도 예외가 아닙니다. 계정의 다중요소 인증, 전송·저장 암호화, 업데이트 지원기간, 취약점 공개정책, 영상 삭제 및 내보내기 방식, 제3자 공유 범위를 확인할 필요가 있습니다.

배터리와 착용성보다 중요한 카메라의 물리적 한계: 시야와 가림

웨어러블은 무게·배터리·착용 위치가 핵심이라면 카메라는 전원 방식과 설치 위치, 시야각, 야간 촬영, 네트워크가 핵심입니다. 유선 전원은 장시간 관찰에 유리하지만 설치 위치가 제한되고, 배터리형은 배치 자유도가 높지만 절전 모드 때문에 연속 영상 대신 이벤트 중심으로 촬영할 수 있습니다. 카메라 한 대만으로는 소파 뒤, 다른 방, 식탁 아래처럼 보이지 않는 영역이 필연적으로 생깁니다.

이 때문에 ‘관찰되지 않음’을 ‘행동하지 않음’으로 해석하면 안 됩니다. 영상 분석에서 missing data는 단순 공백이 아니라 카메라 밖 이동, 네트워크 단절, 야간 화질 저하, 가림, 모델 실패가 섞인 결과일 수 있습니다.

PET BRIDGE 관점: 한 번의 AI 판정보다 longitudinal observation과 provenance가 중요하다

PET BRIDGE와 같은 장기 행동 관찰 시스템에서 영상 AI의 가장 유용한 역할은 ‘오늘의 진단’을 만드는 것이 아니라, 긴 영상에서 관찰해야 할 구간을 찾고 같은 개체의 반복 패턴을 시간축으로 정리하는 데 있습니다. 이때 행동 라벨만 저장하는 것보다 원본 또는 검토 가능한 짧은 클립, 촬영 시각, 카메라 상태, 모델 버전, confidence, 보호자 관찰 메모를 함께 남겨야 나중에 왜 그런 결과가 나왔는지 추적할 수 있습니다.

웨어러블·GPS·카메라 데이터를 결합할 때도 서로 다른 센서의 시간을 정렬하고 결측 원인을 표시해야 합니다. 예를 들어 카메라가 ‘휴식 증가’를 표시했는데 같은 시간대에 카메라 밖으로 이동한 시간이 길었다면 단순 비교는 위험합니다. 데이터 provenance가 있어야 장기 변화와 측정 실패를 구분할 수 있습니다.

결론: 좋은 AI 펫카메라는 ‘확신’보다 불확실성을 잘 보여줘야 한다

AI 펫카메라의 가치는 분명합니다. 사람이 하루 종일 볼 수 없는 영상을 요약하고, 특정 행동 구간을 찾아주며, 장기 관찰을 더 체계적으로 만들 수 있습니다. 그러나 객체탐지 성능과 행동·정서 해석 성능을 구분하고, false positive/negative와 촬영 사각지대, 외부 검증, 개인정보 보호를 함께 봐야 합니다.

따라서 소비자에게 가장 중요한 질문은 “AI가 있습니까?”가 아니라 “무엇을 어떤 조건에서 얼마나 잘 인식했고, 틀렸을 때 그 불확실성을 사용자가 확인할 수 있습니까?”입니다. 펫테크가 신뢰받으려면 높은 정확도 숫자보다 검증 범위와 한계를 투명하게 공개하는 쪽으로 발전해야 합니다.

References

1. Atif O, Lee J, Park D, Chung Y. Behavior-Based Video Summarization System for Dog Health and Welfare Monitoring. Sensors. 2023;23(6):2892. doi:10.3390/s23062892.

2. Chen H-Y, Lin C-H, Lai J-W, Chan Y-K. Convolutional Neural Network-Based Automated System for Dog Tracking and Emotion Recognition in Video Surveillance. Applied Sciences. 2023;13(7):4596. doi:10.3390/app13074596.

3. Zhu H, Salgırlı Y, Can P, Atılgan D, Salah AA. Video-based estimation of pain indicators in dogs. 2023 11th International Conference on Affective Computing and Intelligent Interaction (ACII). IEEE; 2023. doi:10.1109/ACII59096.2023.10388142.

4. Fagan M, Megas KN, Watrobski P, Marron J, Cuthill BB. Profile of the IoT Core Baseline for Consumer IoT Products. NIST Interagency/Internal Report 8425. National Institute of Standards and Technology; 2022.

Scientific & Editorial Safety: diagnostic_claim=false · prognostic_claim=false · treatment_recommendation=false. 본 기사의 AI 행동·통증 관련 내용은 연구 동향과 관찰 기술의 한계를 설명하기 위한 것으로, 개별 반려동물의 임상 판단을 대체하지 않습니다.